一项由米兰比可卡大学、巴黎高等师范学院和罗马第一大学联合完成的最新研究给出了一个耐人寻味的结论：当人们借助AI回答问题时，说"不知道"的比例从44%骤降至3%，正确率从27%跌至9%，但自信心却从30%飙升到了76%。研究由米兰比可卡大学副教授Valerio Capraro牵头，共有3132名参与者，其中4项实验预注册，成果已挂在arXiv上。研究者刻意选择了AI容易答错的问题，例如电影《我爱贝克汉姆》中球队队服的颜色这类视觉细节。

值得注意的是，即便实验引入了"答对给钱、答错扣钱"的经济激励，参与者依然难以摆脱对AI建议的依赖。也就是说，这不是知识差距的问题，而是判断机制被替换了
。
这项研究之所以在学界和舆论场同时引起关注，是因为它触及了一个此前被低估的风险层次。过去一年多，关于AI幻觉的讨论集中在模型本身如何胡编乱造，从虚构文献到伪造判例。学界的应对思路，也大多围绕怎样降低模型的错误率、如何加装事实核查层展开。但巴黎和罗马团队指向的是另一件事：即使模型的错误率维持不变，人类使用者的错误率和错误自信度也在被系统性抬高。真正被削弱的，是人愿意暂停、承认无知、继续追问的那种认知谦逊。

这与近期其他几项独立研究相互印证。一项发表于arXiv的神经影像学研究显示，人脑在处理AI生成的幻觉内容时，语义整合和推理加工的神经反应模式与处理真实信息存在显著差异，说明大脑本可以识别异常，但常常没能触发怀疑机制。另一项针对新闻业的研究则观察到，语言模型的幻觉往往表现为"过度自信的分析"，把带有立场的评论包装成陈述句，读者不易察觉。

对政策制定者而言，这份研究的政策含义并不局限于AI监管本身。欧盟《人工智能法案》目前的框架，主要针对模型输出的准确性和透明度，对使用者认知层面的连带效应几乎没有触及。若3132人的样本规模所显示的效应能够在更大人群中复现，那么教育、医疗、司法等高信任成本的领域就需要重新考量AI介入的方式。
技术界习惯讨论"对齐"，也就是让模型的价值观和人类保持一致。这项研究提醒我们，可能还有另一个方向的对齐问题需要处理：如何让人在使用AI之后，仍然保留住那个愿意说"我不确定"的自己。