人工智能正在变得越来越擅长“认人”，甚至是在没有姓名、没有公开身份信息的情况下。

7月7日，以太坊联合创始人Vitalik Buterin表示，他此前发起的一项AI匿名识别挑战实验已经出现胜者。实验原本的目标，是测试人工智能是否能够通过文本特征识别作者身份，而不是依赖传统的署名、写作习惯或公开资料。

这场测试的设计并不简单。

Vitalik曾在2024年尝试用中文撰写EIP-7503（零知识虫洞）修订版本，并刻意降低文本中的个人写作痕迹。他使用Qwen2.5进行本地翻译，再经过人工修改，希望通过语言转换和风格调整隐藏自己的身份。

从表面来看，实验似乎取得了一部分效果。

AI对于散文风格的识别能力被削弱，许多容易暴露作者身份的表达习惯、句式特点和语言节奏都被进行了处理。但最终结果显示，模型依然找到了突破口。

关键并不在语言风格，而在思考方式。

根据Vitalik描述，AI并不是通过普通文本特征完成识别，而是捕捉到了更深层的信息，包括数学解释方式、算法推导路径，以及作者在处理技术问题时长期形成的逻辑习惯。

例如，文章中的具体数字选择、案例设计方式、技术概念展开顺序，都可能成为模型判断作者的重要线索。

这也反映出当前大模型能力发展的一个变化：AI正在从“读文字”转向“理解人的认知模式”。

过去，匿名写作主要依靠改变语气、调整词汇或者模仿其他人的表达方式。对于传统文本分析工具而言，这些变化可能足以降低识别准确率。但大模型拥有更强的上下文分析能力，它关注的不只是“怎么写”，还包括“为什么这样组织内容”。

在技术领域，这种能力尤其明显。

开发者、研究人员和工程师往往会形成稳定的问题解决路径。面对一个复杂算法，他们倾向于采用类似的解释框架、类似的验证方式，甚至会选择相似的例子说明概念。这些隐藏在文本背后的“思维指纹”，可能比语言风格更难伪装。

Vitalik的实验某种程度上也提出了一个新的隐私问题。

随着AI文本分析能力提升，匿名发表技术论文、代码评论、研究文章甚至网络言论，可能面临新的识别风险。未来，人们需要保护的不只是身份信息，也包括自己的表达习惯和知识结构。

当然，这并不意味着AI已经能够准确识别所有匿名作者。

实验本身具有较强针对性，样本来自Vitalik长期公开发表的大量技术文章，而区块链领域的专业写作也具有较明显的个人特点。对于普通用户而言，AI是否能够稳定识别身份，还取决于数据量、文本质量以及模型能力。

但这次测试仍提供了一个清晰信号：匿名并不只是隐藏名字。

在人工智能时代，人类留下的信息越来越丰富。语言、代码、研究方法、推理路径，甚至错误习惯，都可能成为数字身份的一部分。

过去，人们担心AI会生成大量难以区分的内容；现在，另一个方向正在出现——AI也可能越来越懂得区分内容背后的人。对于科研、隐私保护以及网络治理来说，这将成为一个长期需要面对的问题。