研究人员开展了五项实验，共有 3,132 名参与者，以测试能否使用语言模型是否会改变人们处理不确定性的方式。仅仅是有 AI 建议可用，就几乎抹平了人们说“我不知道”的意愿。
研究人员挑选了一些问题，他们所用的模型，Step 3.5 Flash，几乎总是答错。这些问题是关于电影中精细视觉细节的，比如《我爱贝克汉姆》中一支球队队服的颜色。据作者称，这类细节很少出现在网络文本中，这使它们成为幻觉的主要目标。GPT-5.5、Claude 4.6 Sonnet 和 Gemini 3.5 Flash 答对了大多数其他问题，但有时会在更难的问题上失手。
由于 AI 建议大多是错的，这一效应不能被解释为对可靠工具的合理委托。研究人员仍然看到一种倾向，即人们会顺从 AI 的答案，但这是否在电影冷知识之外也同样强烈，仍是一个未决问题。
更多答案，更少正确
在前两项研究（1a 和 1b）中，参与者可以选择是否向 AI 寻求建议。在没有 AI 访问权限的对照组中，他们在 36% 和 44% 的问题上保留了自己的判断。在有 AI 访问权限时，这些数字降至 6% 和 3%。
在研究 2 中，研究人员还测量了参与者的信心。在没有经济激励的情况下，有 AI 访问权限时的信心在 100 分制中达到 75.9 分，而没有 AI 时为 29.6 分。这大约高出两倍半。与此同时，正确答案的比例从 27.6% 降至 10.0%。参与者信心高得多，但出错频率也高得多。
在所有研究中，没有激励但有 AI 访问权限的参与者答对了 9.2% 的问题，而没有 AI 时为 27.5%。他们借助 AI 回答了更多问题，但答对的频率大约只有前者的三分之一。
激励有帮助，但并不能解决问题
研究 2 到 4 增加了金钱激励。参与者每答对一题获得 10 美分，每答错一题失去 10 美分，回答“我不知道”则什么也得不到。研究人员已预先注册了假设：激励会提高弃权的意愿，但 AI 的可用性会削弱这一效应。三项研究均未显示出统计上显著的交互作用。
根据该研究，AI 访问权限和金钱激励基本上各自独立发挥作用。激励使参与者更少寻求 AI 建议，在研究 3 中为六次可能请求中的 4.53 次对 5.27 次，并且在 AI 可用时更经常答对。判断悬置随激励略有上升，但仍远低于无 AI 对照组。
正如研究人员所承认的，激励有效但幅度不大。更大或基于声誉的激励能否进一步缩小差距尚不清楚。
在研究 4 中，AI 答案被自动展示给参与者，无需他们主动询问。研究人员表示，这反映了一个日益增长的现实：搜索引擎展示 AI 生成的摘要，写作助手主动提供建议。效应几乎没有变化。在没有激励的情况下，判断悬置从无 AI 时的 35% 降至自动展示 AI 答案时的 1%。在有激励的情况下，它从约 39% 降至 7%。
人们可能比信任其他人的建议更信任 AI 建议
研究人员将他们的结果置于“Epistemia”的背景下，即因为 AI 答案听起来令人信服而接受它们、而非真正核实的倾向。语言模型总是必须产生一个答案。它从不暂停，即使它不知道某事。作者写道，当用户将判断权交给这样一个系统时，他们可能会采纳其缺乏克制的特点。
这一效应也与“建议使用”研究所示的结果相反。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。作者说，本研究中的参与者恰恰相反。
他们甚至从数据中得出结论，AI 访问将一些本应正确的答案变成了错误。在没有激励的条件下，AI 组比对照组回答了更多问题，但产生的正确答案更少。
研究团队写道，随着 AI 答案变得无处不在并越来越多地主动出现，愿意说“我不知道”可能成为人机交互的首批牺牲品之一。随着 AI 系统普及，人类判断力能否维持，可能更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。
研究怎么说 AI 如何改变人类思维
越来越多的研究表明，使用 AI 会影响人类判断力和认知技能。瑞士商学院一项有 666 名参与者的研究显示，AI 使用与批判性思维之间存在强烈的负相关。人们越信任 AI，就越会把认知任务委托出去，形成一个进一步削弱批判性思维的循环。
实验证据显示，只需与 AI 助手合作 10 到 15 分钟就能可测量地降低在没有 AI 的后续任务中的问题解决能力和坚持性。仅使用 AI 获取解释或忽略 AI 的参与者没有出现下降。
一项 Microsoft 研究得出了类似结论。在另一篇论文中，Microsoft 表明，AI 使用对元认知提出了很高要求，即监控和引导自身思维的能力。更高的教育水平起到保护因素的作用。