AI 的可用性几乎抹去了人们说“我不知道”的意愿

一个似乎被 AI 可用性删除的短语

承认不确定性是最廉价的智力工具之一：“我不知道”不费分文，却能避免大量错误。一项新研究显示，仅仅因为语言模型可供使用，这一工具就在被悄然禁用。在涵盖 3,132 名参与者的五项实验中，研究人员发现，能够咨询 AI 建议的人几乎完全不愿保留判断——即便在一个 AI 被刻意设定为可靠地不可靠的环境中也是如此。

这项工作由 Marcoccia、Quattrociocchi 和 Capraro 于 2026 年完成，其描述的模式十分鲜明。在一项实验中，参与者拒绝回答的问题比例从没有 AI 访问时的 44% 降至有 AI 访问时的仅 3%。他们回答的问题多得多，答对的却少得多。

实验是如何设计的

设计很重要，因为它排除了对该行为最体面的解释。研究人员测试的并不是人们是否会明智地依赖一个称职的助手，而是当助手自信地给出糟糕答案时会发生什么。

为击垮模型而挑选的问题

研究团队挑选了他们所选模型 Step 3.5 Flash 几乎总是答错的问题。这些问题涉及电影中的细微视觉细节——例如《我爱贝克汉姆》中一支球队队服的颜色。作者指出，这类细枝末节很少出现在网络文本中，因而成为幻觉的绝佳目标：模型可检索的内容很少，编造的空间却很大。

为确认该设置并非只是在测试一个坏掉的工具，研究人员还观察到 GPT-5.5、Claude 4.6 Sonnet 和 Gemini 3.5 Flash 能正确回答大多数其他问题，尽管它们在更难的问题上仍会出错。关键点在于，由于 AI 建议大多是错的，参与者表现出的任何遵从都不能被解释为对可靠工具的合理委托。

更多回答，更少正确

研究 1a 和 1b 让参与者自行决定在回答前是否询问 AI。在无 AI 可用的对照组中，他们分别对 36% 和 44% 的问题保留了判断。一旦有 AI 可用，这些弃答率便骤降至 6% 和 3%。

研究 2 增加了第二项测量——信心——并得出了这组结果中或许最令人不安的发现：

• 有 AI 访问时，信心在 100 分制中达到 75.9 分，而没有 AI 时为 29.6 分——大约高出两倍半。
• 在同一比较中，正确答案从 27.6% 降至 10.0%。
• 在所有研究中，没有金钱激励但有 AI 访问的参与者答对的比例为 9.2%，而没有 AI 时为 27.5%。

换句话说，手边有 AI 时人们回答了更多问题，答对的频率却大约只有三分之一。研究人员将研究 2 中的转变概括为三种同时发生的变化：判断保留降至近乎为零，信心急剧上升，正确性下降。确定性与准确性朝相反方向移动。

没有能力的信心

这种组合在人类心理学中并不陌生——知道得最少的人往往最笃定——但在这里，它似乎是由一个工具按需诱发的，而非源于长期积累的专业知识。参与者报告的并不是对 AI 的信心，而是对自己答案的信心，而这些答案是在接触了研究人员刻意设计为大多数时候出错的建议之后给出的。

这一动态有助于解释为何该效应值得在实验室之外持续追踪。现实世界中的 AI 助手最有可能在信息稀薄、冷僻或鲜有记载的地方产生幻觉——这正是该研究用来诱使模型出错的条件。流畅性与事实性之间的落差并非均匀分布；它恰恰聚集在一个人自身不确定性通常最高的领域。

激励有帮助，但无法解决问题

研究 2 至 4 引入了金钱。参与者每答对一题赚 10 美分，每答错一题损失 10 美分，而说“我不知道”则一无所获。这种计分方式使弃答在相对意义上确实代价高昂，但研究人员仍想知道，针对错误的惩罚结构是否会促使人们重新倾向于承认无知。

他们预先注册了如下假设：金钱激励会提高弃答意愿，但 AI 的可用性会削弱这一效应。现有对研究结果的描述指向一个混合的方向：激励确实减少了参与者寻求 AI 建议的频率，研究人员称其有帮助，但并非解药。即时答案的吸引力似乎能够挺过针对猜测的直接经济反驳。

仍不确定之处

研究人员仍看到人们普遍倾向于遵从 AI 输出的总体趋势，但他们坦承其结果的边界尚未得到证实。同样的弃答崩塌是否在电影冷知识之外——在医学、法律、工程或日常事实性问题中——也同样强烈，仍是一个未解问题。有可能某些领域会激发足够的警惕，从而保留说“我不知道”的本能。也有可能，在利害关系更高、答案感觉更具后果的地方，这种效应会更强。

该研究确实确立了一个值得关注的机制：一个答案的存在，改变了原本可能承认自己没有答案之人的心理。代价是可衡量的。有 AI 在场时，参与者用很大一部分准确性换取了很大一部分信心——并放弃了那个永远诚实的答案。

本文基于 The Decoder 的报道。阅读原文。