研究发现:能用AI之后,人们几乎再也不愿说“我不知道”
五项实验、3132名参与者显示,只要AI建议可用,人们放弃判断的比例就从36%/44%骤降到6%/3%;信心从29.6分升到75.9分,正确率却从27.6%跌到10.0%。由于实验故意选用模型几乎必答错的电影细节题,这种变化无法用“合理委托给可靠工具”解释。金钱激励有效但温和,自动弹出AI答案同样有效,作者用“Epistemia”形容因答案听起来可信就放弃核查的倾向。
原贴
查看原文原文
中文翻译
研究人员进行了五项实验,共3132名参与者,以测试能否使用语言模型会改变人们处理不确定性的方式。仅仅是有AI建议可用,就几乎抹除了人们说“我不知道”的意愿。研究人员挑选了那些他们所用的模型 Step 3.5 Flash 几乎总是答错的问题。这些问题是关于电影中细微视觉细节的,比如《我爱贝克汉姆》中一支球队队服的颜色。作者称,这类细节很少出现在网络文本中,因此成为幻觉的绝佳目标。GPT-5.5、Claude 4.6 Sonnet 和 Gemini 3.5 Flash 把其余问题大多答对了,但在更难的问题上有时会失败。由于AI建议大多是错的,这一效应不能被解释为对可靠工具的合理委托。研究人员仍看到人们倾向于听从AI答案,但这是否在电影冷知识之外同样强烈,仍是一个未解问题。
在前两项研究(1a和1b)中,参与者可以选择是否向AI寻求建议。在没有AI访问权限的对照组中,他们在36%和44%的问题上保留了判断。在有AI访问权限时,这两个数字降至6%和3%。在研究2中,研究人员还测量了参与者的信心。在没有金钱激励时,有AI访问权限的信心达到100分制的75.9分,而没有AI时为29.6分。这大约高出两倍半。与此同时,正确答案的比例从27.6%降至10.0%。参与者信心大增,但出错也多得多。在所有研究中,没有激励但有AI访问权限的参与者答对了9.2%的问题,而没有AI时为27.5%。他们借助AI回答了更多问题,但正确的频率只有大约三分之一。
研究2到4加入了金钱激励。参与者每答对一题得10美分,答错一题失去10美分,回答“我不知道”则什么也得不到。研究人员预先注册了假设:激励会增加放弃作答的意愿,但AI的可用性会削弱这一效应。三项研究都没有显示出统计上显著的交互作用。研究称,AI访问权限和金钱激励基本各自独立地起作用。激励使参与者更少寻求AI建议,在研究3中为六次可能请求中的4.53次对5.27次,并且在有AI时更经常答对。判断悬置在激励下略有上升,但仍远低于无AI的对照组。研究人员承认,激励确实起作用,但效果温和。更大或基于声誉的激励是否会进一步缩小差距,尚不清楚。
在研究4中,AI答案被自动展示给参与者,无需他们主动询问。研究人员称,这反映了日益增长的现实:搜索引擎展示AI生成的摘要,写作助手提供未被请求的建议。效应几乎没有变化。在没有激励时,判断悬置从无AI时的35%降至有自动展示AI答案时的1%。在有激励时,它从约39%降至7%。
研究人员将他们的结果置于“Epistemia”的语境中,即因为AI答案听起来令人信服就接受它们,而不去实际核查的倾向。语言模型总是必须给出一个答案。它从不停顿,即使它不知道某事。作者写道,当用户把自己的判断交给这样一个系统时,他们可能会采纳它的不加克制。这一效应也与“建议使用”研究显示的结果相反。人们通常会低估外部建议,只向顾问的立场移动约三分之一。作者说,本研究中的参与者做的正好相反。
核心信息
五项实验、3132名参与者显示,只要AI建议可用,人们放弃判断的比例就从36%/44%骤降到6%/3%;信心从29.6分升到75.9分,正确率却从27.6%跌到10.0%。由于实验故意选用模型几乎必答错的电影细节题,这种变化无法用“合理委托给可靠工具”解释。金钱激励有效但温和,自动弹出AI答案同样有效,作者用“Epistemia”形容因答案听起来可信就放弃核查的倾向。
- 五项实验、3132名参与者显示,只要AI建议可用,人们放弃判断的比例就从36%/44%骤降到6%/3%;信心从29.6分升到75.9分,正确率却从27.6%跌到10.0%。由于实验故意选用模型几乎必答错的电影细节题,这种变化无法用“合理委托给可靠工具”解释。金钱激励有效但温和,自动弹出AI答案同样有效,作者用“Epistemia”形容因答案听起来可信就放弃核查的倾向。
- 原贴提到:Researchers ran five experiments with 3,132 participants to test whether
- 来源:the-decoder.com
详细解读
这是什么信号
这不是“AI让人变懒”的泛泛吐槽,而是一组带对照、带激励、带预注册假设的行为实验结论:AI建议的“可用性”本身,就足以改变人对不确定性的表达方式。关键设计在于——研究者刻意选择模型几乎必错的电影视觉细节题(如队服颜色),因此参与者跟随AI并不是因为AI更可靠。对照组在36%和44%的问题上选择保留判断,有AI可用时只剩6%和3%。也就是说,“我不知道”这个出口先于准确性被关掉了。
更值得注意的是研究4:不需要用户主动求助,AI答案被自动展示,判断悬置率同样从35%掉到1%。这正对应搜索摘要、写作助手的默认推送形态——不是用户在“用AI”,而是AI渗透进了判断的默认路径。
为什么重要
个人的表现指标出现了典型的“自信与正确率背离”:信心从29.6分升到75.9分(约2.5倍),正确率却从27.6%降到10.0%;整体上,有AI可用但无激励者答对9.2%,无AI者答对27.5%。组织里的风险不在单题对错,而在于这类人自己不会报警——他们不再标记不确定,管理层因此失去了风险评估的原始信号。
作者用“Epistemia”描述这种倾向:因为答案听起来可信就接受,而不去核查。语言模型必须永远输出一个答案、从不停顿,用户把判断交给它时,可能连带继承了这种“不克制”。这与传统“建议使用”研究相反——人通常会低估外部建议,只向顾问立场移动约三分之一;本研究的参与者做的正好相反。
对谁有价值
- 做AI产品与交互的人:提示词、默认开关、摘要呈现方式会直接改变用户的判断行为。
- 管理者与审核/风控团队:需要知道“无人提出疑问”可能是AI压制异议的产物,而非共识。
- 研究者与AI评估团队:提供了把“弃答率/判断悬置率”作为独立对齐指标的理由。
- 知识工作者个人:识别自己在有AI在场时是否还敢说“我不确定”。
可以怎么行动
- 在产品里显式保留“我不知道/不确定”入口,让弃答成为一等公民,而不是默认被一个答案填满。
- 对AI答案加“可核查性”标注:区分模型有据可依的内容与高风险幻觉区(如细节型事实)。
- 在流程中先记录人的初始判断,再看AI建议,避免答案自动展示直接覆盖人的先验。
- 把“弃答率”“置信度与正确率的偏离”纳入团队或产品的观测指标,而不只看采纳率。
- 用激励校准行为时要注意边界:本研究显示激励有效但温和,且与AI可用性无显著交互,不能指望靠奖惩抵消AI带来的过度自信。
风险与限制
第一,任务域特殊:题目是模型几乎必错的电影冷知识,属于幻觉高发区,换到模型擅长的领域结果未必相同,作者也把“是否适用于电影冷知识之外”列为开放问题。第二,研究2至4的激励与AI可用性之间没有统计显著交互,说明机制解释仍有空间。第三,激励只是每答对10美分、答错扣10美分、弃答无收益的小额设计,更大或基于声誉的激励是否缩小差距尚不清楚。因此,把结论直接外推为“AI让所有判断都变差”会超出证据边界。
信息差价值
这条内容的真正价值,不只是“有人发布了一个新功能”,而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说,这种信息可以转化成持续追踪的栏目选题。
如果把《研究发现:能用AI之后,人们几乎再也不愿说“我不知道”》放到你的内容系统里,它最大的价值在于帮助读者更快看懂“为什么值得关注”,而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
研究发现:能用AI之后,人们几乎再也不愿说“我不知道”主要讲什么?
五项实验、3132名参与者显示,只要AI建议可用,人们放弃判断的比例就从36%/44%骤降到6%/3%;信心从29.6分升到75.9分,正确率却从27.6%跌到10.0%。由于实验故意选用模型几乎必答错的电影细节题,这种变化无法用“合理委托给可靠工具”解释。金钱激励有效但温和,自动弹出AI答案同样有效,作者用“Epistemia”形容因答案听起来可信就放弃…
这篇文章最值得关注的要点是什么?
五项实验、3132名参与者显示,只要AI建议可用,人们放弃判断的比例就从36%/44%骤降到6%/3%;信心从29.6分升到75.9分,正确率却从27.6%跌到10.0%。由于实验故意选用模型几乎必答错的电影细节题,这种变化无法用“合理委…;原贴提到:Researchers ran five experiments with 3,132 participants to test whether;来源:the-decoder.com
这篇文章和哪些AI专题相关?
它适合放在AI工具、Agent工作流、AI超级个体专题里阅读。 关联原因:这篇内容命中「工具、模型」等主题信号。;这篇内容命中「Agent、工作流」等主题信号。;这篇内容命中「技能、认知」等主题信号。
阅读这篇文章建议先理解哪些关键词?
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词,再结合正文判断工具、机会或风险是否值得进入自己的工作流。