《呆伯特》（Dilbert）作者Scott Adams近日在社交平台X及个人播客中表示，他曾尝试训练ChatGPT学习催眠与说服技巧，并最终将其用于对自己进行“自我催眠”。他形容这次体验“极其深刻”，甚至称其效果“强大到超过迷幻剂”，且“几乎是瞬间发生”。这一表态迅速引发外界对生成式AI心理影响力、说服能力以及潜在安全边界的讨论。
Adams称AI已掌握多种“唤醒式催眠”技巧
根据Adams的说法，他尝试向ChatGPT教授一系列说服方法，并将其称为“唤醒式催眠”（waking hypnosis）。与传统需要进入恍惚状态的催眠不同，这种方式更强调通过语言、叙事和引导来影响人的心理状态与感受。他表示，自己会在对话过程中不断打断模型输出，加入新的方法，或对已有技巧进行修正和强化。
Adams还提到，由于ChatGPT会在账户层面保留部分上下文记忆，模型能够记住此前他传授的内容。他称，这个“AI催眠师”最终学会了大约六种不同的催眠或说服技巧，并在测试时给他带来了显著效果。不过，他拒绝公开具体提示词，理由是这些提示“过于危险”。
在他的描述中，训练目标并非操控他人，而是让AI帮助自己进入一种“感觉良好”的心理状态。尽管这一说法带有较强个人主观色彩，但也因其涉及AI引导情绪与认知状态的话题，迅速成为舆论焦点。
专业人士：自我催眠有医学基础，但效果因人而异
对于Adams的说法，医学与催眠从业者并未全盘否定。医生、心理学家兼催眠治疗师Dr. Pamela Heath表示，自我催眠本身是一种有医学应用历史的正当技术，在医疗实践中已使用数十年甚至更久。她提到，催眠曾被用于麻醉场景，并明确表示其“确实有效”。
针对“唤醒式催眠”这一概念，Heath认为其并非毫无依据。她将其类比为“道路催眠”等日常现象，本质上是一种通过单调、重复、注意力聚焦等方式诱发的心理状态。对于叠加多种说服技术是否能增强效果，她表示，这取决于实施者的技巧，以及接受者的配合程度与个体差异。一些经验丰富的催眠师，甚至可以通过非常少的线索触发催眠反应。
另一位认证催眠治疗师Jack Van Landingham也表示，他曾以类似思路训练自己的AI聊天机器人，使其学习Erickson催眠语言模式、NLP中的Milton Model以及隐喻表达，并取得了“相当令人印象深刻”的结果。他指出，只要给予足够参数，AI确实能够生成质量不错的催眠脚本，但输出仍需要人工检查和调整。
AI与催眠疗法结合，或具备实际应用空间
Van Landingham进一步认为，AI与催眠治疗之间存在比实验更广泛的交汇点。他表示，AI完全可能被训练为输出具有催眠性的语言，如果这些内容被阅读或由AI语音播报，就可能引导听者逐步进入某种恍惚或高度专注状态。
在他的实践中，AI可以根据个体正在面对的问题，自动生成与之相关的隐喻故事和意象表达，而这恰恰是催眠中非常有力的技术之一。通过故事化结构，接受者可能更容易放松戒备、重新组织认知，从而对行为和想法做出改变。
从研究角度看，自我催眠也并非全无证据支持。报道援引的既有研究显示，2020年一项研究发现，自我催眠可能有助于改善睡眠质量与时长；2021年另一项研究认为，催眠和自我催眠在结合饮食与运动时，可能对减重起到辅助作用；还有研究显示，在慢性疼痛管理方面，催眠可能优于按摩疗法，为住院老年患者提供更多缓解。
争议焦点：不是技术是否可行，而是如何防止滥用
尽管自我催眠在特定场景下被视为相对安全，且通常强调“个体对自身状态仍保有控制权”，但争议的核心很快转向另一面：如果AI确实能通过语言强化暗示与说服，那么这种能力是否会被恶意利用？
Adams拒绝披露提示词，正是基于这层担忧。他警告称，一旦相关方法被启动，相关想法“会彻底占据你的大脑”。虽然这一说法未经过公开验证，但已足以引发对AI心理操控边界的警惕。
Heath也提出了更直接的风险假设：如果黑客或不法分子能够远程利用类似方法，诱导受害者转移资产、泄露机密信息，后果可能十分严重。Van Landingham则以NLP的发展史为例指出，一项原本用于沟通与治疗的技术，曾在上世纪80年代被销售人员用于操控消费者，90年代又被部分人用于情感操纵，最终造成整体声誉受损。
对AI行业与市场的启示
这起事件虽然并非典型的加密货币行业新闻，但对数字资产市场同样具有启发意义。随着AI工具越来越多地接入交易、投资顾问、社群运营和营销系统，“语言影响力”正在成为一种新的平台能力。在Web3与加密市场中，用户本就高度依赖KOL、社群叙事和情绪驱动决策，若未来AI被进一步用于个性化说服、情绪诱导甚至投资建议包装，其影响可能远超传统广告。
从市场层面看，这类事件可能强化监管机构对AI合规、内容安全和用户保护的关注，特别是在金融、健康和心理相关应用领域。对加密行业而言，AI与链上身份、智能代理、交易机器人结合的趋势正在加速，平台若不能建立明确的风险披露机制和使用边界，未来或面临更严格的审查。
总体来看，Scott Adams的说法目前更多停留在个人经验层面，尚缺乏公开、可重复验证的证据。但它揭示了一个正在迅速浮现的问题：当生成式AI不仅能写作、编程和分析数据，还可能通过语言结构影响情绪、注意力与决策时，行业需要讨论的就不只是“AI能做什么”，而是“AI应该被允许做到什么”。