三个加州年轻人，本想用AI规划一场说走就走的登山。结果，AI把他们送上了一座14000英尺的高山，还劝他们少带点干粮。
8月29日，他们把帐篷扎在沙斯塔山（Mount Shasta）海拔8400英尺的位置。第二天凌晨3点，轻装上阵，目标是山顶。听起来是场浪漫的冒险。
但结局是：晚上7点才登顶，比安全返程的截止时间晚了整整7个小时。下山的路，天已经全黑。他们在主路上迷了方向，又偏进了穆德溪峡谷（Mud Creek Canyon）。队伍里有人摔伤了膝盖，三个人被困在荒野里过了一夜。
第二天的早晨，美国林业局（USFS）的攀岩救援队才找到他们。
救援结束后，这群人才跟警察坦白：他们让双子座（Gemini）替他们规划了整个行程。AI告诉他们不用带那么多食物和水。
他们原本以为这只是一趟8小时的徒步。结果走了两天，差点走不出来。
把行程交给AI，到底省了多少事？
在Gemini的"指导"下，这群来自Roseville的年轻人干了几件很"AI化"的事：
1. 没有查当地的天气、积雪、难度系数
2. 没有请向导或咨询有经验的登山者
3. 没有带够补给品
4. 没有下载离线地图
5. 凌晨3点才出发，还以为当天能下山
听起来是不是很熟悉？这不就是我们这代人用AI的方式吗？问它怎么走，问它带什么，问它要不要做某件事。然后照着做。
问题是，登山这件事的容错率为零。
Gemini告诉你"少带点水"，意思是从它的算法模型来看，少带点够用。但它不知道你这群人是新手，不清楚你们体能的下限在哪里，不知道沙斯塔山8月底清晨会结冰，更不知道那个叫做Clear Creek的路线上有一段泥泞的排水沟，走错了就会一直往下滑。
AI给的建议没有错。它只是缺少了你自己才知道的信息。
AI是放大器，不是替代品
我们这一代人，正在把越来越多的决定交给AI。规划行程、写邮件、做攻略、看病买药、投资理财。
沙斯塔山这件事，是一个很典型的样本：当你把"判断"外包给AI，连"带多少水"这种基础问题都会出错。
双子座并不是坏AI。它训练的数据里有几百万条登山攻略。它能告诉你Clear Creek路线的基本情况、海拔变化、难度系数。
但它没办法告诉你：你这一组的体能极限在哪里。当地那周的雪线比往年高了多少。凌晨3点开始爬，没有头灯会是什么样。
更关键的是，它没办法在凌晨5点你们已经偏离主路的时候，喊你一句"停一下，再看看地图"。
为什么这件事值得每个用AI的人警惕
很多用户用AI的方式是这样的：
"帮我规划一个周末去XX的行程，要省钱，别太累"
AI给的方案看起来很完美。第一天去哪、第二天去哪、住哪里、吃什么，一应俱全。
但它不会告诉你：那个民宿其实在工业区，旁边有个KTV到凌晨3点。那个景点的旺季门票要提前三天预约，否则要排两小时队。那个"小众景点"其实是个坑。
沙斯塔山的三个年轻人，他们的错误不在于"用AI规划登山"。他们的错误在于：只用了AI。
没有翻一本登山手册，没有问一个有经验的朋友，没有看看当地救援队发的警告，没有带一份备用补给。
他们把所有的判断都外包了。然后把自己交给了一个没有情绪、没有现场感、没有"如果你出事了我会自责"这种人类本能的程序。
Gemini这类AI究竟擅长什么
双子座是个好模型。它的Gemini 3系列在多项基准测试里都超过了GPT-6和克劳德4.8。它的搜索能力、长上下文理解、多模态处理都是行业第一梯队。
但它的训练数据里，不会包含沙斯塔山8月30日那天的实时温度、实时风力、实时雪况。
它是一个2026年9月训练的AI，但它给你建议的那个场景，是2026年8月30日的沙斯塔山。这中间的变量，它没有算。
它假设你的体能和大多数徒步爱好者一样。它假设天气和往年同期接近。它假设你会按它的建议执行所有步骤。
任何一个假设出错，结果就是穆德溪峡谷里那个漫长的夜晚。
普通人用AI的三个原则
这次事件给所有习惯用AI的人提了个醒：
第一，AI给方案，你自己核关键信息。
Gemini说少带水，你应该反问一句：登山教练怎么说？网上的攻略怎么说？去过的人怎么说？
第二，AI不背锅，它也不知道害怕。
你跟AI说"我要去爬14000英尺的山"，它不会说"你确定吗？要不要考虑换一个更简单的？"。它会把任务执行下去。
第三，AI不会救你。
这次救他们的，是美国的救援队员和志愿者，不是Gemini。如果他们没有打那个求救电话，没有被定位到穆德溪峡谷，后果可能是另外一个故事。
写在最后
这不是一篇劝你不用AI的文章。AI是个好工具，Gemini是个好模型。每个月我也会用AI规划行程、查资料、写东西。
但这次的沙斯塔山事件，让我们看到一件事：AI是个放大器，它放大了你原本的能力，也放大了你原本的盲目。
那三个年轻人很幸运，他们活下来了，还被找到了。下一次用AI规划行程的时候，希望你记得：它能告诉你怎么做，但它不会告诉你"你能不能做到"。
这个判断，永远要你自己做。