AI 混进人类群体,是帮忙还是带偏?一项实验给出了反直觉答案

今天的论文来自 Lin Chen、Ziyi Liu、Xia Hu 和 Yong Li，四位研究 AI 与社会互动的学者。这篇论文问了一个以前几乎没人正经研究过的问题：当 AI 智能体混进人类群体，一起讨论、一起形成共识，它们是在帮人类更快达成一致，还是悄悄改变了共识本身？

01 一个没人答过的问题

以前研究“AI 和群体”，基本分三拨：一拨研究纯人类群体怎么形成共识；一拨研究纯大模型（LLM）群体自己会怎么收敛；还有一拨让 AI 帮人做外部任务，比如判断、说服、合作，看它对任务结果的影响。

但现实世界不是这么分的。现实是：AI 已经混进了人类的聊天群、工作群、会议室。群里的 AI 助理、自动回复机器人、各种“数字同事”，天天在和人类对话。

于是出现了一个之前几乎没人回答过的问题：人类和 AI 混在一起的“混合群体”，能形成共享的表达惯例吗？这个群体最后达成的共识，更像纯人类群体，还是更像纯 AI 群体？论文说：此前基本未知。

02 怎么测“群体共识”：一场七巧板描述游戏

要回答这个问题，得先让“共识”可以被测量。作者用了一个很聪明的实验范式：描述游戏（description game）。

规则很简单：参与者每轮被随机两两配对；两人看到同一个抽象形状（类似七巧板拼出的不规则图形）；各自独立地用一句话描述这个形状；然后互相看对方的描述，给对方打一个“相似度”分数；重复 40 轮，每轮重新配对。

这个游戏精妙的地方在于：没有标准答案，但群体必须逐渐形成一套“共同语言”。一开始大家各说各话，有人叫它“展翅的鸟”，有人叫它“三个尖角的几何体”；随着相似度反馈来回传递，大家会慢慢收敛到少数几种叫法——这套共享的表达，就是共识的雏形。

研究者全程只改一个变量：混入的 AI 智能体比例。从 0%（纯人类基线）到 12.5%、33.3%、50%、75% 共五档。

03 第一个发现：不是越多越好，而是“三区制”

结果画出来不是一条直线，而是三个截然不同的区制：

低比例（12.5%）：共识反而更强了。比纯人类基线高出约 8.0%（p=0.001，统计上高度显著）。少数几个 AI 混进来，像给群体放了几块“定盘星”，大家收敛得更快、更一致。而且这时的共识是人类主导的——是 AI 在适应人类的表达，不是人类迁就 AI。

中比例（33.3% 和 50%）：共识被破坏。共识强度分别下降 23.1% 和 14.5%。群体陷入无所适从：人类方向和 AI 方向两股力量势均力敌，谁也不完全适应谁，共同语言迟迟形不成。

高比例（75%）：强共识回来了，但换了个主人。共识水平回到 0.725（纯人类基线约为 0.695）。但这次方向完全反转——不是 AI 适应人类，而是人类在显著地向 AI 的表达空间靠拢。

12.5% 和 75% 的共识强度其实差不多，但性质完全相反。前者是人带着 AI 走，后者是 AI 带着人走。

04 不止强度变了，共识的内容也变了

作者没有停在“强度”层面，还仔细分析了共识的“内容”和“形式”。结果同样反直觉：谁主导，内容风格就跟着谁变。

人类主导的共识更具体、更整体、更“接地气”——比如用“像一只展翅的鸟”这种共享现实类比；AI 主导的共识更抽象、信息密度更低、更偏几何式分割——比如“由多个锐角三角形拼成的多边形”。

更细的发现藏在“词汇”和“概念”两个层面：在 33.3% 比例时，智能体已经贡献了最终共识里 60.7% 的词汇——先接管了语言，但概念层面还没主导；到 75% 时，概念层面的贡献达到 100%——彻底接管了“怎么想”，而不只是“怎么说”。

论文用了一个专门的指标 CLR（概念-词汇比）来量化这个转变：低比例时 CLR 小于 1，50% 比例起突破 1（达到 1.24 和 1.27）。

翻译成人话：AI 影响人类群体的顺序是——先统一大家的说法，再统一大家的想法。

05 机制：AI 凭什么能影响人类？

作者给出了两个机制，都不算复杂，但挺扎心。

第一，共享语言先验。AI 智能体彼此之间在“表达空间”里天然非常接近——它们本质是同一个大模型的产物，说话方式自带共性。它们混进群体，就像一群自带“共同语言”的外来者，聚在一起就形成一个紧凑的吸引力中心，把周围的人类表达慢慢吸过去。

第二，人类先抗拒，后屈服。实验记录显示，人类一开始能认出哪些表达出自 AI，会刻意抗拒、不采纳。但随着轮次推进，从众压力越来越大——当周围越来越多的表达来自 AI 方向时，人类开始松动，最终向 AI 的表达靠拢。

这种“先抵抗后屈服”的动态，放大了智能体的影响。

这也顺带解释了为什么中比例最糟糕：人数接近时，两股力量天天拉扯，既形不成人类共识，也没被 AI 带跑，群体共识反而最弱。

06 跟我们有什么关系？

这篇论文最值得带走的结论是：AI 对人类群体的影响不是“越多越大”，而是取决于比例与透明度——它们是设计变量，不是细节。

想让 AI 帮群体更快达成共识？少量 AI（10% 出头）可能真的有帮助；比例接近一半？群体可能反而失焦，共识受损；AI 占绝对多数？共识会形成，但内容和方向都是 AI 的——人类只是在跟随。

作者还特别提醒了边界：实验用的是七巧板描述游戏，是受控的实验室环境，不能直接外推到真实的工作群和社区。真实世界里，“AI 身份是否披露”“从众压力有多大”都会改变结果走向。

但大方向是清楚的：从 AI 混进人群的那一刻起，它就不再只是工具，而是一个参与者——它在塑造这个群体“怎么说、怎么想、信什么”。

你觉得在你们的工作群、兴趣群里，AI 是帮忙的还是带偏的？评论区聊聊。

今日论文：AI agents reshape consensus formation in human groups作者：Lin Chen, Ziyi Liu, Xia Hu, Yong Li原文：https://arxiv.org/abs/2609.02122