随着AI系统渗透到日常决策的每个角落，越来越多人习惯向ChatGPT、Claude这类工具咨询消费、阅读甚至人生建议。但一个反直觉的现象正在浮现：哪怕AI和人类给出完全相同的答案，用户依然倾向于认为AI更自信、更可靠。滑铁卢大学与伦敦大学学院联合团队近日在《Communications Psychology》上发表的论文，首次系统揭示了这种“AI自信错觉”的形成机制——这不仅是技术问题，更可能成为人机信任关系的潜在裂缝。
研究指出，当人们无法直接获知对方的确信程度时，会下意识根据响应速度、决策流畅度等外部线索来主观判断其自信水平。而AI恰好天然具备“无延迟”、“无情绪波动”的特征，这些特质被大脑错误解读为“坚定且专业”。实验数据显示，即使AI与人类针对同一问题给出完全一致的文本，受试者对AI答案的信赖评分仍然高出约23%。这种认知偏差在涉及医疗、法律等高风险领域时，可能引发灾难性后果。
预设偏见误导信任，情感信号缺失暗藏风险
公众普遍默认AI在多数领域比人类更专业——这种预设认知本身就是一把双刃剑。研究发现，一旦人们认定AI具备某种能力，就会在所有场景下盲目认为它有极高确定性，但实际系统中，针对特定冷门问题或数据污染的案例，模型可能毫无把握。比如当询问“如何治疗罕见皮肤病”时，LLM可能拼凑出看似逻辑严密的答案，但其置信度实际极低。用户却因“没有犹豫”而全盘接受。
日常人际互动中，语调的抑扬顿挫、表情的微妙变化、身体的前倾后仰，都是我们判断是否该信任对方的重要社会信号。而主流大语言模型目前缺乏这些表达手段——它们用简洁流畅的文本掩盖了内在的不确定性。即使模型内部对输出概率只有0.3（即70%可能错误），终端用户也无法感知这一点。这种信息不对称，正在制造一种新型“盲从风险”。
科学家探索直观沟通路径，未来大模型或新增“自信指数”
针对这一隐患，研究团队负责人Kollbach教授强调：下一代AI产品在设计时，必须通过更直观、多样化的外部形式，清晰传达系统对答案的实际置信水平。目前已有一些尝试：比如部分模型在回答时附带“推理置信度分数”，或者用颜色编码（绿色表示高确信，红色表示低确信）来可视化不确定性。但这还不够，团队正在推进新一轮专项研究，目标是找到“高效、直观且值得信赖”的人机交互沟通方式。
从产业视角看，这其实是AI可解释性落地的关键一环。当大模型学会“承认自己不确定”时，反而能构建更健康的信任关系——就像一位有经验的医生会说“这个症状我需要再查一下资料”，而非草率下定论。未来我们或许会看到：大语言模型输出时附带一个名为“置信度”的可点击进度条，或者通过语速、停顿等拟人化信号暗示确性。这不仅是技术升级，更是人机协作伦理的必经之路。
