我们为什么会相信AI？先别急着给使用者贴标签

我们为什么会相信AI？从技术知识到日常判断 “豆包对低认知人群有权威性”，这句说法在10月16日的知乎热榜上引出争论。有人讲AI怎样帮自己查资料，也有人反问：在一个陌生领域愿意听AI解释，为什么就成了对一个人整体能力的判断？ 这场讨论背后，有两个值得分开看的问题：什么让人愿意使用AI，以及人收到AI的建议后怎样判断它。 【惊叹怎样带来使用意愿】 2025年发表于《Journal of Marketing》的一项研究发现，在其跨国数据及多项研究中，AI知识较少的人通常更愿意接受AI。作者提出的一种解释是：当AI完成看起来需要人类独特能力的任务时，不熟悉技术的人更容易产生“像魔法一样”的感受与惊叹。这个关联也会随任务如何被理解而变化。 研究里的AI素养指对AI的知识了解程度，接受度指使用意愿或让AI完成任务的偏好。这些概念与智商、整体判断力不同，也没有直接测量豆包用户是否容易相信错误答案。 【有解释，仍可能判断失误】 2024年发表于《Scientific Reports》的另一项研究，安排1403名学生和人力资源从业者参加五项在线实验，判断虚构简历是否符合规定条件。实验提供正确与错误建议，并比较标成人类或AI来源、以及不同解释形式的影响。 在这类模拟招聘任务中，错误建议降低了判断表现；热图或图表解释没有稳定消除过度依赖，对正确建议的利用和部分信心判断则有所变化。实验没有真实招聘后果，其结论适用于所测试的任务情境。 这让问题变得更具体：一套看起来清楚的解释，怎样才能真正帮助人识别错误？专业经验又在哪些环节起作用？ 【把标签换成问题】 知乎作者Trisimo崔思莫谈到，同一个人可能熟悉某些问题，同时依赖工具回答另一些问题。半杯流年则质疑先贴标签再解释行为的方式，并引出了上述两项研究。 把研究与讨论放在一起，能看到“愿意使用”和“能否识错”之间还有距离。这两项研究尚未直接回答：接受度较高的人，是否也更容易听从错误建议。 与其用软件选择给人排高低，更有用的讨论是：我们把什么任务交给了AI，怎样判断回答是否可靠，重要决定还需要哪些依据。涉及健康、金钱或他人权益时，原始出处与具体条件尤其值得多看一步。

根据报道核对整理 · 6 天前更新

1. 2026-10-15 · 1 篇报道
   讨论AI使用时，应区分领域知识与整体判断力
   知乎·Trisimo崔思莫：讨论AI使用时，应区分领域知识与整体判断力
2. 2026-10-14 · 1 篇报道
   对“低认知”标签及AI信任讨论的回应
   知乎·半杯流年：对“低认知”标签及AI信任讨论的回应
3. 2025-01-13 · 1 篇报道
   Lower Artificial Intelligence Literacy Predicts Greater AI Receptivity
   Journal of Marketing：AI知识与接受意愿：不能等同整体认知高低
4. 2024-04-28 · 1 篇报道
   Explainability does not mitigate the negative impact of incorrect AI advice in a personnel selection task
   Scientific Reports：模拟招聘研究：解释未稳定消除错误建议的影响