研究人员做了五组实验，一共3132名参与者，想搞清楚一件事：当手边有一个语言模型可以随时问，人还会不会老老实实说"我不知道"。

结论很直接——只要AI建议可用，哪怕还没点开用，人们承认不确定的意愿就几乎消失了。

打开网易新闻 查看精彩图片

关键在于，他们挑的题目，AI几乎全答错。

专挑AI会答错的题

研究选的是电影里的细节问题，比如《我爱贝克汉姆》里某支球队的队服是什么颜色。这类视觉细节很少出现在网络文本里，正是模型产生幻觉的高发区。

他们用的模型是Step 3.5 Flash，在这些题上几乎总是错的。作为对照，GPT-5.5、Claude 4.6 Sonnet和Gemini 3.5 Flash能答对大部分其他题目，但在更难的题上也会失手。

因为AI建议大多是错的，这个效应就没法用"合理地把任务委托给可靠工具"来解释。研究者仍然观察到人们倾向于服从AI答案，但这一倾向在电影冷知识之外是否同样强烈，目前还没有答案。

答得更多，对得更少

前两项研究（1a和1b）里，参与者可以自己决定要不要问AI。没有AI可用的对照组，在36%和44%的题目上选择保留判断；有AI可用时，这两个数字掉到6%和3%。

研究2还测了信心。在没有金钱激励的情况下，有AI可用时信心达到75.9分（满分100），没有AI时只有29.6分，大约高出两倍半。与此同时，答对的比例从27.6%降到10.0%。人更自信了，错得也更多了。

把所有研究合起来看，没有激励、有AI可用的参与者答对了9.2%的题目，没有AI的答对27.5%。他们用AI回答了更多题，正确率却只有大约三分之一。

给钱有用，但治不好

研究2到研究4加入了金钱激励：答对一题赚10美分，答错扣10美分，回答"我不知道"什么也拿不到。

研究者事先注册的假设是：激励会提高人们弃权的意愿，但AI的存在会削弱这一效果。三项研究里，没有一项显示出统计上显著的交互作用。

按论文的说法，AI可用性和金钱激励基本各自独立起作用。激励让参与者更少去问AI——研究3里是4.53次对5.27次（最多可问6次）——也让他们在有AI时答得更准。激励让判断搁置略有上升，但仍远低于没有AI的对照组。

研究者承认，激励有效，但效果有限。更大额度或基于声誉的激励能否进一步缩小差距，目前还不清楚。

不请自来的AI答案，效果一样

研究4里，AI答案不需要参与者主动去问，直接自动显示出来。研究者说，这对应着一个越来越普遍的现实：搜索引擎直接展示AI生成的摘要，写作助手主动弹出建议。

结果几乎没有变化。没有激励时，判断搁置从没有AI的35%降到有自动显示AI答案的1%；有激励时，从大约39%降到7%。

研究者把结果放在"Epistemia"这个概念下讨论——因为AI答案听起来有说服力就接受它，而不是真的去核实。语言模型永远必须给出一个答案，即使它不知道，它也不会停下来。当用户把判断权交给这样一个系统，他们可能也一并继承了这种"不停顿"的习惯。

这个效应和"建议采纳"研究里的既有结论正好相反。人们通常会低估外部建议，只朝顾问的立场移动大约三分之一。而这项研究里的参与者做的恰恰相反。

研究者甚至从数据里得出结论：AI可用性把一些本来会答对的答案变成了错误。在没有激励的条件下，AI组回答了更多题，但产出的正确答案更少。

随着AI答案变得无处不在、越来越多地不请自来，说"我不知道"的意愿，可能是人机交互中最早被牺牲掉的东西之一。人类判断力能否在AI系统扩散中守住，或许不取决于把模型做得更准，而更取决于人是否还认得并尊重自己知识的边界。

不止这一项研究在说同一件事

越来越多研究指向AI对判断力和认知技能的影响。瑞士商学院一项666人的研究显示，AI使用与批判性思维之间存在强负相关。人越信任AI，就越把认知任务交出去，形成一个进一步削弱批判性思维的循环。

实验证据还显示，仅仅和AI助手一起工作10到15分钟，就能在后续没有AI的任务中可测量地降低解题能力和坚持度。只用AI获取解释、或者干脆忽略它的参与者，没有出现这种下降。

微软的一项研究得出类似结论。在另一篇论文里，微软指出AI使用对元认知——监控和引导自己思考的能力——提出了很高要求。更高的教育水平是一个保护因素。