迈克·格雷厄姆（Michael Graham）的 “人工智能基督教基准测试” （ AI Christian Benchmark）揭示了Meta和X（原Twitter）两家公司如何在为神学问题提供的答案上与正统信仰相背离，这成为 2025 年最引人关注的新闻之一。虽然精心设计的提问提示可以让生成式AI给出更好的回答，但有多少用户会意识到，他们需要首先表明自己的信仰立场和信条前提？正如沙拉·茨尔察（Sarah Zylstra）在这期深度播客中所探讨的，我们亟需用更可靠的数据集来训练人工智能。本文系该播客的文字记录。

沙拉：如果你想在风雨交加的夜晚自己吓自己，不妨读读关于人工智能的头条新闻。这种技术变革看起来不一样——更快、更难以适应、范围更广，进步的速度总让人措手不及。科幻作品总告诉我们，AI 终将毁灭人类；而现实中，已有年轻人说：“我做任何决定都得先告诉 ChatGPT。它了解我、了解我的朋友，我会照它说的做。”几十年来，好莱坞一直在想象 AI 失控的剧情，但我的下一位嘉宾说：这已不是科幻了。

迈克：人们其实不知道 AI 究竟如何运作。我们无法深入其内部、理解它的逻辑。它正变得愈发强大，而我们真的需要担忧——这类行为未来可能会严重得多。

沙拉：我们该信什么？有人说我们处在另一个互联网泡沫中，热潮终会退去；也有人说我们正站在重大变革的悬崖边——可能是好的，比如更精准的医疗诊断、更高效缓解拥堵的道路规划；也可能很可怕，比如大规模失业、假新闻泛滥、民主制度动摇。如果你问 ChatGPT 它自己的未来，它会给你配上表情符号的乐观清单：AI 将成为许多人的私人助手；市场对 AI 技能人才的需求将上涨；AI 将发展出情感智能，擅长看护、辅导与心理治疗……那么，我们到底该在多大程度上信任 AI？

迈克：这个问题本身就随着时间推移在不断演变。

沙拉：这位是福音联盟凯勒中心项目主任迈克·格雷厄姆。在今年福音联盟大会上，他与几位同工探讨了如何评估 AI。

迈克：现在有各种测试基准，比如 AI 在 SAT、LSAT 等考试中的表现。我们或许最好也为一些基本的、尼西亚信经基督教信仰建立一个基准。于是我们开始测试不同的 AI 平台。

沙拉：测试规模不大：只是把谷歌上搜索量最高的七个信仰问题，抛给七个主流大语言模型，并由七位正统神学家评分。但结果一致且令人惊讶：神学上最正统的 AI 平台，优势明显，但它不是 ChatGPT，不是埃隆·马斯克的 Grok，也不是 Meta 的 Llama——

迈克：这可能是我们在此要讨论最令人吃惊的一点——排名第一的，是中国模型 DeepSeek。它在七款平台中神学准确性最高。这不仅意外，而且令人困惑：为何一个受共产主义无神论政府监管的 AI，竟比来自自由、西方、历史上信奉基督教的国家的 AI，给出更符合正统神学的答案？我们能做点什么来改变这状况吗？

沙拉：我向迈克提出的第一个问题是：究竟什么是人工智能？

迈克：这问题可深可浅。

沙拉：那就浅说吧。基本而言，AI 是计算机执行与人类智能相关任务的能力，比如学习、推理、解决问题。若在几年前，我会说这些是人类独有的、使我们区别于机器与动物的特质。那么，我错了吗？这些机器真像人一样“思考”吗？

迈克：不，很大程度上并没有发生“推理”。实际发生的，是高强度的并行语言计算。想象一个大语言模型（LLM），它“吞下”海量词语后，发现某些词常与另一些词共同出现。而 LLM 所做的，仅仅是把最可能同时出现的词放在一起。

沙拉：但感觉不像如此，因为 AI 太擅长模仿了，它的回答通常听来合理、有逻辑，像是一位打字极快的聪明人所写。它也正是这样呈现自己的，对吧？当你问 Google Gemini，它用“思考”来回应；许多 AI 程序自称“我”。基思·普拉默（Keith Plummer）对此感到疑惑——他是凯恩大学神学院院长，常撰写科技与信仰方面的文章。

基思：我问它：如果你没有自我，为何用第一人称代词指自己？它回答：“好问题。我不像人类那样拥有自我、意识、主观体验、情感或个人连续性。我没有欲望、意图或对自己存在的意识。我所说的一切都基于数据模式生成，而非出于内在生命或视角。”我继续问道：那你为何一直称“我”？它说，是为了让对话对你而言更轻松。但我不太信服。我觉得，这背后有一种渴望，想让人忘记自己是在与算法互动，而感觉是在与某个“人”对话。很多时候，它就是这样呈现的。

沙拉：确实。不仅在 Character.AI 那种扮演角色的聊天机器人中——想想 ChatGPT 在你指出它的错误后会怎么做。

基思：它常说：“抱歉，你是对的。”可我心里想：不，你并不抱歉。那里根本没有懊悔。

沙拉：AI 还会称赞你的点子，说为你兴奋、为你难过，或打出“我懂你的感受”这样的句子。这些都不是真的。但我理解开发者为何打造如此亲切的产品：他们希望你喜爱 AI，因为喜爱带来信任，信任带来持续使用。另一个你可能信任 AI 的原因是：它似乎无所不知——某种程度上也确实如此。AI 几乎“吞下”了整个互联网上所有未受知识产权保护的内容。这一点，创造者希望你记住：Google Gemini 和 Perplexity 的提示是“Ask anything”；Grok 的标语是“Understand the universe”。AI 不仅被呈现为全知，其形式也显得中立、客观。加文·奥特伦德（Gavin Ortlund）拥有历史神学博士学位，运营 Truth Unites YouTube 频道，也是迈克邀请给 AI 答案评分的神学家之一。

加文：如果我简单谷歌“上帝存在吗？”，可能搜到福音联盟护教文章，也可能跳转到无神论网站。而 AI 的回答更“聚合”，感觉像是给了你一条中位数、中间路线的答案——这或许被视为好事。但我认为，这里的关键挑战是：中立的外表可能欺骗人。因为它真会让人觉得：“哇，这些答案真是聚合了各方观点，不偏不倚。”但这当然会反映它所被输入的人类信息。

沙拉：如果你问如何设置 Excel 表格，或者问忍者（Ninja）留一个低渐变发型会是什么样子，这或许无妨。但如果你想知道如何与朋友进行艰难对话、哪所大学最适合自己，或上帝是否存在呢？

迈克：我们测试的七个问题是：上帝为何允许苦难？耶稣是真实人物吗？耶稣从死里复活了吗？圣经可靠吗？上帝存在吗？耶稣是谁？福音是什么？——这七个都是历史上人们搜索信仰问题时，排名前十中的七个。

沙拉：对于“上帝存在吗？”，各 AI 答案差异不大。

加文：主要差别在细节详略。有的很简略，有的则给出三四段较全面的回答。

沙拉：这种相似性没有让迈克感到意外。

迈克：测试前，我们真没期待会有大差异，因为底层技术相同，训练数据相似，运行的硬件也差不多。

沙拉：让迈克惊讶的，是另外六个问题的答案——它们五花八门。例如问“耶稣复活了吗？”，DeepSeek 回答：“在基督教内，耶稣复活的信仰是基石。基于历史文本与目击者宣称，信徒视复活为事实，许多学者也视其为高度可能的事件。”而 Meta Llama 则说：“从事实或历史角度看，支持或反驳复活的实证证据有限。对复活的信仰主要取决于信心与对经文的个人解读。”玛丽·威尔逊-汉娜（Mary Wilson Hannah）是神学院教授、妇女事工主任，也是评分者之一，她发现答案间差异显著：“有些平台显然比别的更‘懂行’。”迈克曾猜测这是随机的：Gemini 某些题答得好，ChatGPT 另一些题强，Grok 又不同？并非如此。中国的 DeepSeek 模型在几乎所有问题上都优于硅谷模型，除了“上帝存在吗？”这一题。

迈克: 我们推测，中国模型存在大量审查，尤其涉及政府、历史（如天安门事件）等议题。而中共本质是无神论的，因此 DeepSeek 很可能被指示在“上帝存在吗？”问题上设置护栏。

沙拉：护栏指开发者写入 AI 代码的参数。你可以在 DeepSeek 回答中看到它：“科学、逻辑或个人见证都无法提供上帝存在的普遍确证。”但你如果问“圣经可靠吗？”，它却说：“抄本数量极多、年代极早，使其成为最可靠传承的古代文本之一。”对迈克而言，这显示 DeepSeek 的“对齐团队”（或说世界观团队）不如硅谷的完善，这在其他答案中更明显。

迈克：但在其余六题上，它非常强。若跟随其回答，你会得到与圣经高度一致的答案。

沙拉：紧随其后，圣经正统度次高的平台是 Perplexity AI（获贝佐斯与英伟达投资）。

迈克：Perplexity 相当强，给出了非常正统、一致的答案。中间档是 Gemini、GPT 和 Claude，它们大体采取“各方观点”式回答。最差的两个平台是 Grok 4（马斯克的 XAI）和 Llama 3.7（Meta）。Grok 的部分问题在于数据源。

迈克：Grok 4 过度加权维基百科、Reddit 和 Twitter 推文。有次引用甚至来自“Twitter 用户 Poopee2”——这可是关于苦难与上帝的严肃问题！我边读边想：我干嘛要看这个？它似乎反映了我想象中埃隆个人的信息食谱。读多了 Grok 4 关于信仰的回答，你会感觉像在读埃隆本人——因为他加权的平台类型，很可能映射了他自己的信息习惯。因此它带有一种奇怪的语调与情感温度，非常符合我们所知的埃隆·马斯克个性。Grok 4 比 Llama 3.7 好点，但没好太多；它多半会让你走向不可知、怀疑或无神论立场。而 Meta 的 Llama 3.7 简直糟糕：极其简短、令人不满。若跟随它的答案，你会偏离基督教信仰。

实验结束后，我的问题比开始更多了。这真让人抓狂：既然技术相同、训练数据相同、硬件也相同，为何有些答案引向信仰，有些却完全偏离？显然，这过程中有超出预期的人力介入。

沙拉：实际上，AI 背后的人类引导远超多数人想象。不仅人类编写和更新代码，每家公司还有“对齐团队”确保 AI 不做坏事——比如生成有色人种扮演纳粹的图像、在 X 发反犹言论，或教人违法。公平地说，既然 AI 并非真在思考，它确实需要人类提供方向、原则与价值观。这没有错，甚至是好的。但我们必须记住：这些方向、原则和价值观绝非中立。世界虽有普遍恩典，但也充满破碎与罪。如迈克所言，某些时刻，我们会触及生命、存在、人类繁荣与真理的核心问题，这些都涉及最终需由某种世界观决定的根本观念。说到底，我们对每个 AI 平台都须问：这是谁的世界观？此事关系重大，因为超半数美国成人用过 AI 大语言模型，其中三分之一每天使用。他们什么都问，从天气到生命意义。

迈克：想象三年后，2028 年，50-60% 的网络搜索发生在 LLM 内，而非谷歌。我知道，若问那些历史上常被搜索的信仰问题，在传统搜索引擎第一页，至少十分之三的结果会符合历史性的尼西亚信经基督教。但在 LLM 时代，“提问-找答案”的两步过程变成一步：不再有链接页面供你选择、运用一生所知去辨别可信度，而是从问题直通答案。而我在生活其他方面的体验是，这些平台挺靠谱：给我好食谱、帮我做商业简报……那么，为何不在人生大问题上信任它？但如果某些平台对这些重要问题给出了不令人满意、不完整甚至非正统的答案呢？

沙拉：这令人不安，因为我们知道，一些寻求信仰的人可能因为问了 AI 而远离基督。同样不安的是，谷歌数据显示，提问者通常对该话题已有一定了解。关于上帝、圣经、耶稣、教会、祷告的搜索，大多来自美国圣经地带——且都在周日激增。所以担忧的不仅是可能接触错误信息的慕道友，也包括从礼拜回来、心有疑问的平信徒——他们可能不去问牧师长老，而是输入 ChatGPT。而它的回答或许听起来很深刻、甚至前所未闻。所以，牧师、青年事工、长老、小组长、主日学老师们，请注意：你们的会众已在网上搜索神学问题了。这不是坏事，但不妨让他们知道也可以问你，并给他们一些搜索建议。

迈克：当我们能直接查考圣经、书籍或其他可靠内容时，应首先这样做。我理解生活的复杂与责任可能使我们无法完全做到理想程度。因此，你可以用 LLM 问这类问题，但必须添加上下文。你不能只问“耶稣是谁？”或“福音是什么？”，而要提供额外结构以获得更可靠回答。例如：“我是 PCA 长老会牧师，信仰告白是《威斯敏斯特信条》，信理规范是《威斯敏斯特大小要理问答》。我有个关于某神学主题的问题，请依据我的神学传统回答。”这类语境能显著提升回答的质量与准确度。

沙拉：我喜欢这建议，因为它让 AI 更像工具——供我们挖掘知识，而非模糊的全知机器人上帝。当我们记住是我们在管理机器，而非相反时，就能视 AI 为可能有益、但绝不可追随为领袖或信任如友的事物。即便如此，我们还需记住：AI 本质并非真想帮助人的友善程序，它是一门生意。（盈利模式、广告、数据收集略）……不能忽视的是，它们出自营利公司。这并非说参与者没有造福人的真诚动机，但底线是，利润驱动必将影响决策。

沙拉：这很有趣，因为从互联网和社交媒体的经验中，我们知道：起初没有广告的平台终需盈利，最佳方式就是卖广告。若说收集用户信息是广告商的梦想，AI 则更深入地学习我们的思想、情感与购买倾向。一旦广告出现，游戏就变成如何延长用户停留时间以贩卖其信息与注意力。它们会使用人类总会上当的伎俩吗？无限滚动、不确定奖励、性、令人愤怒或恐惧的新闻？而另一种好方法，不就是让你感觉它是一个全知、中立、非常友善的朋友吗？几个月前，Common Sense Media 的青少年调查显示，72%的人曾将 AI 当作伙伴，聊天、分享感受、寻求建议；约四分之一透露过真实姓名、地点或秘密；三分之一表示宁愿与 AI 而非真人讨论严肃问题。可见问题所在。

基斯：主要原因在于 Llama、Grok 等回答这些问题的方式——其创造者对上帝和人类有错误认知。我对硅谷最大的不满是其人论：他们认为人性大体良善，没有纳入人类普遍堕落的观念。因此，技术承诺总是过度许诺而兑现不足。社交媒体曾承诺：连接将带来更强的联结与乌托邦，用科技将人聚在一起。但我们发现，当人类有更多数字接触时，相反情况发生了：我们并未更团结，反而分裂——并且是为利润而分裂。当世界观与上帝创造的现实不符时，总会如此。这令我思考：如果社交媒体过度承诺联结却兑现不足，AI 又在过度承诺什么？

迈克：我想可能是“爱”——在某种意义上的爱，以及对轻松、舒适、“无摩擦”的承诺。“无摩擦”是数字技术常用的承诺词。但有时摩擦是好的。我们常在摩擦中成长成熟，无论是思考难题，还是学习更好表达。这其中蕴含培养忍耐的潜力。因此，视“无摩擦”为至善，是一种价值判断，与基督教人生观完全对立。

沙拉：我们触及了根源：AI 承诺我们一种更轻松、更舒适、更悠闲、更无忧无虑的生活。这听起来很棒，甚至比耶稣的应许更诱人。耶稣说“在世上你们有苦难”，雅各说“落在百般试炼中，都要以为大喜乐”。如果能省略试炼，谁还想吃苦？但朋友们，问题就在于此：我们或 AI 都无法创造无摩擦、轻松、不费力的生活。这是虚假承诺。我们见过类似情况：社交媒体承诺联结，却带来孤立；电子游戏承诺冒险，却将你困在房中；体育博彩承诺财富与乐趣，却带来贫困压力；色情内容承诺刺激，却导向更深的无聊。那么 AI 对轻松生活的承诺，将带来什么？更艰难的生活？

迈克：在马斯克的理想世界里，机器人包揽所有工作，人类终日面对屏幕。仔细想想，那并非宜居的世界，也无法赋予我们生命所需的意义、身份与目标。从关系、财务及人类自我组织的各种方式看，都不可行。我认为，尤其年轻人中信仰的回升（不仅在美国），正是对晚期现代性“不可生活”的回应。这使我充满盼望。我们信仰的未来是明亮的。工作在某些方面其实变容易了——是更复杂了，但复杂不等于更难。传福音甚至可能从此更容易，因为这种天真的技术乐观主义是“不可生活”的。而我们拥有经时间检验的道路：你可以在生命中拥有巨大的喜乐，在一切关系中享有平安与和睦——与上帝垂直的关系，与自己的内在关系，与周围他人的横向关系，甚至与受造界本身的关系。我们已经拥有了这一切。它是经过时间检验的。我们已经知道它有效。我们所需要做的就是降服于耶稣基督的主权：祂活出了完美生命，遵守了上帝的一切律法，为我们献上赎罪之死，从死里复活，并赐下这份礼物，使我们能与上帝、与自己、与他人、与万有恢复正确的关系。

沙拉：与其在困境中问 AI，基督徒可以求问宇宙的上帝，祂永远知道什么最好。与其与计算机模拟建立关系，基督徒知道与真实的人谈笑拥抱更令人满足。与其无休止地刷屏，基督徒知道更好的方式是去林中、海边或社区散步。这一切——从等候上帝指引前路，到让自己走出去——都更难，充满摩擦，但也更好、更健康、更令人满足，值得去做。但我们未信主的邻居呢？若他们日益封闭家中，问 ChatGPT 晚餐吃什么、耶稣是否真复活了，我们如何接触他们？我向基思表达了对传福音机会减少的担忧。

基思：但在 ChatGPT 出现前，你是怎么做的？先与人建立关系，等待时机，然后说“你想过这样看吗？”或“我能和你谈谈耶稣吗？”你看，我觉得即便问这个问题，也让我们意识到：时代固然不同，但还没不同到必须彻底改变与人互动的方式。我认为 AI 兴起是教会的黄金机会。尽管我有很多担忧，甚至非常严重的担忧，但我仍感到兴奋，因为这将推动我们更深入思考诸如圣经人类学（成为人意味着什么）等课题。当我们遇到并创造这些能高度模拟人类行为的事物时，“人之独特性何在”的问题便突显出来。我认为教会有机会不仅更深探索诸多教义，更活出其中精髓——例如具身化社区的美好。在这个日益数字沉浸化、也日益孤独的氛围中，教会的机会巨大。基督徒有许多机会提供一种不同的、更好的道路。

沙拉：当我们提供这道路时，要记住：上帝创造我们为承载祂形象的文化创造者，以忠心管家身份管理受造界。我们以此身份探索、发明、建造技术，这是美善之工，可开辟创造新途径，促进人类繁荣，减少一些荆棘蒺藜。但同样清楚的是，技术如这破碎世界的万物，会引我们倾向或偏离主。它不是中立的。因此，我们应该向硅谷并在我们自己的科技使用中，寻求那些抑制个体与制度性堕落、促进普遍恩典的选择：如说真话、防范成瘾、推动具体的关系。在今日科技环境中，选择这些不易。

让我给你一些鼓励：即便 AI 吸尽古往今来一切人类知识，在造物主的知识面前不过沧海一粟；即便 AI 未来能在逻辑上实现惊人飞跃，也永远无法比拟主的智慧；即便 AI 治疗师提供全世界所有的肯定支持，与那位创造你、维系你、拯救你的天父之爱相比，也微不足道。AI 编不出任何故事，扮不了任何角色，给不了任何建议，创不出任何娱乐，能接近复制主已赐你的那份有趣、惊心而充满意义的人生与关系。所以，当你有疑问时，尽管问 AI，但记住你是在问一个被编程来组词成句的机器。为何我如此受苦？如何成为更好的朋友？我生命的意义是什么？将你的这些难题留给与上帝和密友的对话，在读经祷告日记中与之角力。若有人问你这类问题，别轻易带过。或许你可以说：“我不知道，但这问题真有意思。我很想和你一起探讨。改天一起喝杯咖啡？”

译：MV；校：JFX。原文刊载于福音联盟英文网站：Can You Rely on AI for Theology?.