研究发现，有了AI辅助，人们几乎完全不愿说“我不知道

一句话看懂：一项覆盖 3132 名参与者、共五组实验的研究发现，只要身边有 AI 可以问，人们几乎就不再愿意回答“我不知道”，即使 AI 给的答案大多数是错的。研究者把这种倾向称为“Epistemia”——因为答案听起来可信就接受，而不是自己去核实。

事件核心：发生了什么

研究团队设计了五组实验，共 3132 人参与，测试语言模型的可用性是否会改变人们面对不确定性的处理方式。题目选的是电影中的细微视觉细节，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中，正是大模型最容易产生幻觉的领域。研究者使用的 Step 3.5 Flash 在这些题上几乎总是答错，因此实验结果无法用“合理地把任务委托给可靠工具”来解释。

在没有 AI 可用的对照组中，参与者对 36% 和 44% 的题目选择不作判断；一旦能问 AI，这个比例降到 6% 和 3%。在有激励的实验中，自信度从 29.6 分（满分 100）升至 75.9 分，答对率却从 27.6% 跌到 10.0%。整体来看，有 AI 但无经济激励的参与者只答对 9.2%，没有 AI 时反而答对 27.5%。

为什么重要

这项研究触到了 AI 落地的一个结构性风险：模型被训练成必须给出答案，从不承认“不知道”，而用户把判断权交出去之后，可能连这种“不设限”的倾向一并接收。这与传统“建议采纳”研究的结果相反——人类通常会低估外部建议，只向对方立场移动约三分之一，但实验中的人几乎完全倒向 AI。

更值得注意的是，研究 4 把 AI 答案直接推到用户面前、无需主动提问，模拟的是搜索引擎展示 AI 摘要、写作助手主动给建议的日常场景，结果判断中止率仍从 35% 降到 1%。经济激励能减少求助频率，却没能修复判断力的流失。这意味着，单纯让模型更准，未必能解决用户不设防的问题。

对用户/开发者/创作者的影响

对普通用户，看到 AI 摘要或补全建议时，把“它说得像真的”和“它是对的”分开判断，正在变成一项基础能力。对开发者和产品团队，这提示了一个设计取舍：是否让模型输出置信度、是否保留“无法回答”的选项、是否把 AI 建议与用户原始判断在界面上区分开。对内容创作者和企业采购方，当 AI 摘要被默认嵌入搜索、办公套件和编辑器，信息核实成本会从“查资料”转移到“抵抗默认接受”。目前公开信息显示，这类效应是否同样适用于电影冷知识以外的领域，仍是未解问题。