一项覆盖 3,132 名受试者的系列实验揭示了一个令人不安的反常现象：只要界面里摆上一份大语言模型的回答，人类承认“我不知道”的本能就会立刻蒸发。即便这份建议从头到尾全是错的，甚至答错会面临真金白银的扣款惩罚，人们依然会不由自主地把算法的虚张声势当成自己的底气。
在这篇由 Chiara Marcoccia、Walter Quattrociocchi 和 Valerio Capraro 共同完成、预印于 arXiv（编号 arXiv:2607.13562）并注册在 Open Science Framework（编号 osf.io/nwx6r）的研究中，受试者的自信度飙升了 2.5 倍，作答正确率却遭遇腰斩。人类演化数万年建立起的思维审慎，在面对机器流畅的胡说八道时，几乎瞬间缴械。
心理防线的离奇溃败
在经典决策心理学中，存在一条著名的定律：自我中心建议折价。大意是人类在面对同类的外部建议时，骨子里充满怀疑，平均只会采纳大约三分之一的意见。我们在酒桌、会议室和咨询室里对别人的判断百般挑剔，坚信自己的直觉更加可靠。
然而，大语言模型的接入把这一层心理防御撕得粉碎。研究团队为了剥离建议质量的影响，特意选取了 6 道几乎无法在线检索到文本答案的电影微小视觉细节作为测试集，比如电影《我爱贝克汉姆》中某支球队的球衣颜色。测试选用的模型是极易在冷门视觉事实里产生幻觉的 Step 3.5 Flash。即便换用 GPT-5.5、Claude 4.6 Sonnet 或 Gemini 3.5 Flash，面对这类刁钻冷知识同样难免失手。模型给出的回答几乎全盘皆错。
当人类面对这些漏洞百出的建议时，审慎完全缺席了。没有 AI 辅助的对照组受试者，在 36% 到 44% 的题目上理智地选择了悬置判断，坦陈自己不知道。但只要提供了 AI 建议，这个比例瞬间跌落到 3% 至 6%。
古人讲知之为知之，不知为不知。大模型的底色却恰恰相反：它基于自回归概率预测，天性是不管懂不懂都绝不停顿，必须生成一段听起来头头是道的文本。这种永不节制的生成强迫症，通过人机交互传染给了人类。
倒扣现金也唤不回的审慎
常规直觉往往认为，人们盲从算法是因为 AI 在多数场景下确实准确，这是一种理性的偷懒；只要引入真实的惩罚，人类就会重新精明起来。
实验直接击碎了这种假设。研究团队在后续实验中引入了真金白银的经济奖惩机制：答对奖励 10 美分，答错倒扣 10 美分，选择不知道则不奖不扣。如果受试者保持理性，面对毫无把握且漏洞百出的 AI 答案，最优策略显然是弃权保本。
惩罚确实轻微降低了受试者主动点击咨询 AI 的频率，但它丝毫没有挽救判断力。在没有惩罚时，受试者的作答自信度从 29.6 暴涨到 75.9 分，而实际正确率从 27.5% 暴跌至 9.2%。金钱惩罚介入后，承认不知道的比例虽然微弱回升，依然远远低于没有 AI 时的审慎状态。
更耐人寻味的是实验第四组的设计：系统不再等待受试者主动提问，而是直接把 AI 生成的答案推送在题目旁边。
当建议变成不请自来的默认呈现，人类悬置判断的意愿在无惩罚组直接砸到了 1%。
这种交互形态正对应着如今各大搜索引擎的 AI 摘要、协同文档中的自动补全。界面越是省去用户的求助门槛，人类就越倾向于放弃独立核验。认知阻力的消失，直接带来了元认知监控的全面罢工。
实验室之外的冷思考与边界
当然，我们不能脱离实验本身的局限性来谈论恐慌。CHI 2026 的综述研究就曾尖锐指出，当前学界大量关于 AI 过度依赖的实验，其任务设定与真实世界的复杂决策存在明显脱节。
这篇预印本依赖的是 6 道极度冷门的电影事实题。这种受控压力测试能精确捕捉到极限条件下的心理倾斜，但真实世界里的高风险决策——无论是临床医疗、法律文书还是商业投资，往往伴随着更长周期的复核链条和责任绑定。将答错扣除 10 美分的实验室反应，直接等同于现实中的专业判断失效，在外部有效性上尚需更多跨领域研究检验。
更深层的争议在于因果机制的界定。学者们测出的悬置判断归零，究竟是因为受试者内心真的被说服并产生了盲从，还是因为界面给出了现成选项，导致作答门槛极低，诱发了纯粹的投机下注？这两种心理路径的后果完全不同。
可解释性 AI 领域近年的进展也给出了警示：在界面上单向提供模型推理过程，往往只会反向增加用户的盲目信任；只有提供能够被独立验证的外部证据链，人机协作的质量才可能真正提升。
- 提醒.界面上看似贴心的无缝自动化与裸答案推送，本质上是在用流畅性麻痹人类的元认知刹车系统。
人机交互领域针对不确定性沟通的研究早已表明，当系统在界面上清晰标出模型的置信区间与第二意见时，人类能在不损害效率的前提下重新恢复决策校准。真正健康的协同，不该是创造一个永远不承认无知的机器神谕，而是学会给人类留出说出不知道的尊严与空间。