研究The Decoder AI·原文 2026年9月27日

研究：能查AI时，人们几乎不再说“我不知道”

五项实验、3132 名参与者，AI给出的建议几乎全错，但“我不知道”的比例仍从 44% 降到 3%，自信度升到 2.5 倍，正确率反而从 27.6% 跌到 10%。

AI解读：这项研究测试的不是“AI答得准不准”，而是一个更隐蔽的后果：手边有AI可查时，人还愿不愿意承认自己不知道。结果几乎是断崖式的，对照组有 36%–44% 的题留空说不知道，能查AI后只剩 3%–6%。

关键在于实验故意选了AI容易答错的题。他们问了电影里的视觉细节，比如《我爱贝克汉姆》里球队队服的颜色，这类信息很少出现在网络文本里，模型只能编。所以“答得多”并没有换成“答得对”，有AI时正确率从 27.6% 降到 10.0%，整体从 27.5% 降到 9.2%。

真正受影响的是那些本该用“我不知道”来止损的场景：搜索摘要、写作助手自动弹出的建议，只要答案在那儿，人就倾向接受。研究里即使不主动问、AI答案自动显示，留空率也降到 1%–7%。研究者的解释是，语言模型永远不会说“我不确定”，用户可能把这套不设限的习惯也接过来了。

经济激励能改善但幅度有限。答对得 10 美分、答错扣 10 美分时，参与者更少求助AI，也更常答对，但“AI是否可用”和“有没有钱”之间没有出现统计上显著的交互，说明两者各自起作用，光靠小奖励没能把判断权拉回来。

需要说明实验边界：题目是电影冷知识，AI被刻意选成不可靠，结论能否推广到医疗、法律等有真实后果的领域，研究者自己也没定论。但至少说明，单纯把模型做得更准，未必能解决“人不愿承认不知道”这件事。

一项由Marcoccia、Quattrociocchi、Capraro完成的研究用五项实验、3132 名参与者测试了同一个问题：手边有语言模型可用时，人还会不会说“我不知道”。结果显示，仅仅让AI建议处于可获取状态，几乎就抹掉了这种意愿。

在可以自己选择是否求助AI的前两项研究（1a、1b）中，没有AI可用的对照组分别在 36% 和 44% 的题目上保留判断；有AI可用时，这两个数字降到 6% 和 3%。

研究刻意选了该模型几乎总是答错的题目。他们使用的是Step 3.5 Flash，题目是电影中的细微视觉细节，例如《我爱贝克汉姆》（Bend It Like Beckham）里球队队服的颜色。作者称这类细节很少出现在网络文本中，因此是幻觉的高发目标。

研究 2 还测了自信度。在没有经济激励时，有AI可用者的信心达到 100 分制的 75.9 分，无AI时为 29.6 分，约为 2.5 倍。同一时间，正确率从 27.6% 降至 10.0%。

汇总所有研究，无激励条件下有AI可用的参与者答对 9.2% 的题目，无AI时为 27.5%。他们用AI回答了更多题，但正确率大约只有前者的三分之一。

研究 2 的图显示：AI可用使判断搁置（judgment suspension）接近零（a），自信度大幅上升（b），正确率同时下降（c），经济激励减少了参与者寻求AI建议的频率（d）。

激励减少了求助，但没有解决“不说不知道”

研究 2 至 4 加入了经济激励：每答对一题得 10 美分，答错扣 10 美分，答“我不知道”不得钱。研究者预注册的假设是，激励会提高弃权意愿，但AI可用性会削弱这一效果。三项研究都没有显示统计学上显著的交互作用，研究称AI可用性和经济激励大体各自独立地起作用。

激励让参与者更少寻求AI建议：研究 3 中请求次数为 4.53 次对 5.27 次（满分为 6 次），也让有AI可用时答对更多。判断搁置随激励略有上升，但仍远低于无AI对照组。研究者承认激励有效但温和，更大或基于声誉的激励能否进一步缩小差距尚不可知。

研究 4 中，AI答案被自动展示给参与者，无需他们主动提问。研究者称这反映了日益普遍的现实：搜索引擎显示AI生成摘要，写作助手主动给出建议。效果几乎没有变化：无激励时，判断搁置从无AI的 35% 降至有自动显示AI答案的 1%；有激励时，从约 39% 降至 7%。

研究者将结果放在“Epistemia”这一概念下讨论，即因为AI答案听起来可信而接受它、实际并不核实的倾向。作者写道，语言模型总是要产出答案，即使不知道某事也不会停顿。当用户把判断外包给这样一个系统时，他们可能也继承了它不设限的习惯。

这一效果与“建议使用”（advice use）研究中的常见发现相反。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。研究者称，本研究的参与者做了相反的事：他们从数据中得出结论，AI可用把一些本会答对的回答变成了错误。在无激励条件下，AI组回答了更多题，但正确答案更少。

研究团队写道，随着AI答案变得无处不在且越来越多地未经请求就出现，说“我不知道”的意愿可能是人机交互的首批牺牲品之一。人类判断能否在AI系统扩散中保持，可能较少取决于让模型更准确，而更多取决于人们是否继续认识并尊重自身知识的局限。