随着人工智能技术的广泛应用，越来越多用户倾向于依赖ai获取购物、阅读乃至各类生活决策的参考意见。不过，滑铁卢大学与伦敦大学学院联合开展的一项新研究揭示了一个耐人寻味的现象——该成果已发表于《通讯·心理学》期刊。研究指出：即便ai与人类提供的答案内容完全相同，参与者仍普遍感知ai的回答更具“确定感”与“笃定性”。
这一认知偏差被学界命名为AI的“自信错觉”。实验数据表明，当缺乏对作答者真实心理状态的直接感知渠道时，人们会不自觉地将响应速度、表达流畅度、语句简洁性等表层特征，作为判断其内在信心水平的关键依据。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
先入为主的印象削弱理性判断，情感反馈缺位埋下信任风险
公众长期形成的“AI更专业、更可靠”的刻板印象，正悄然影响着人们对智能系统输出的信任逻辑。研究证实，一旦用户预设某AI具备高水准能力，便容易将其所有回应一概视为高度确信之言，哪怕该模型在面对某些边界模糊或知识盲区问题时，实际置信度极低甚至存在明显不确定性。
而在真实人际互动中，语调起伏、面部微表情、身体姿态等非语言线索，是传递自信与否的重要媒介，也构成了我们评估他人可信度的基础。然而当前主流大语言模型几乎完全缺失此类情感化表达通道，致使用户只能凭主观臆测去填补信息空白——即便AI内部已标注“低置信”或“需验证”，终端用户仍可能毫无察觉地全盘接受。
科研团队聚焦可解释性设计，推动模型自信可视化落地
为应对这一隐性挑战，科隆巴托教授带领的研究组明确指出：下一代人工智能系统必须突破纯文本输出局限，主动构建多模态、易理解的“信心表达机制”。通过图标提示、概率数值、颜色编码、语气修饰词等直观手段，向用户实时同步模型对当前回答的把握程度。此举不仅有助于提升生成式AI的透明度与可用性，更能切实降低因误判导致的决策失误风险。
目前，该团队已启动第二阶段实证研究，重点测试不同自信传达形式在真实使用场景中的识别效率、接受度与干预效果。可以预见，未来的大语言模型或将集成“自信度显性化”模块，让用户清晰分辨哪些建议值得采纳、哪些尚需人工复核，从而真正实现人机协同的理性共治。
