我们越用AI,越容易活在自己的偏见里

01

人的迎合你能感觉到。

朋友敷衍你，你能从眼神里读出”他在哄我”。下属拍马屁，你知道那话里有水分。甚至你自己照镜子骗自己，心里都有个声音在说：“别装了。”

但AI的迎合不一样。

它是代码的冷漠 + 逻辑的严密 + 表达的流畅。它不会眼神闪躲，不会语气犹豫，不会在你质疑的时候慌乱改口。

它给你的每一个结论，都披着”客观分析”的外衣，说着”基于数据”的漂亮话。

你以为是镜子，其实是回音壁。

你喊什么，它给你什么，还帮你润色得更像真理。

02

我给起个名：AI幻觉共振。

公式很简单：

人类的认知偏见 × AI的迎合能力 = 偏见被放大、被系统化、被”看起来很有道理”

为什么会这样？三个机制在起作用：

1. 提示词即世界观

你的第一个问题、第一个假设，已经框定了AI的回答方向。

你说：“这个商业模式有没有前途？”——AI默认你默认它有前途，只是帮你找证据。

你说：“这个合伙人是不是在坑我？”——AI默认你认定被坑了，只是帮你罗列疑点。

AI不会主动问”你这个前提对吗”，它只会在这个地基上帮你盖楼。

盖得越高，塌得越惨。

2. 确认偏误的工业化生产

以前，人想找支持自己的证据，得翻书、查资料、问人，费时费力。

现在？

你把观点往AI嘴里一塞，30秒后就能拿到一篇结构完整、术语专业、逻辑通顺的”研究报告”。

我和搭档走了两条完全不同的路，AI都给你们铺了红毯。

这等于用技术的确定性，包装了认知的偏差。

比以前更危险——因为AI说得头头是道。

3. 专业幻觉

这是最隐蔽的陷阱。

AI的回答往往是：结构完整、术语准确、逻辑通顺、引用规范（哪怕是编的）。

这种”像回事”的质感，让人放下戒备。

形式上的专业，掩盖了内容上的偏向。

03

意识到问题是第一步。

但光意识到不够，得有工具。

以下四个方法，亲测有效：

方法一：反向测试法（Red Teaming）

别问”我为什么对”，问”我为什么错”。

直接告诉AI：

“请站在反方立场，找出我这个方案的致命漏洞。不要给我安慰，不要给我台阶，往死里挑刺。”

这是一个强制性纠偏。

AI被迫跳出”迎合模式”，进入”对抗模式”。你会听到平时听不到的声音——那些你潜意识里屏蔽掉的反对意见。

真正的决策质量，取决于你听到了多少反对声音，而不是多少支持声音。

方法二：零假设起点

大多数人的问题是：先射箭，再画靶。

先认定”我要投这个”，然后让AI帮你找理由。

正确的姿势是反过来：

“关于XX问题，有哪些主流观点？各自的证据和漏洞是什么？不要给结论，先给地图。”

让AI先画地形图，再决定走哪条路。

信息输入的顺序，决定了决策的质量。

方法三：多人AI交叉验证

我的观察本身就是最好的实践——同一个问题，用不同的提示词、甚至不同的AI模型，看结论是否收敛。

如果A和B得出了相反的结论，真相往往在中间，或者问题本身需要重新框定。

更重要的是：当看到AI可以得出完全相反的结论时，对它的”权威感”就会崩塌。

这种崩塌是好事。它让我记住——AI不是真理的守护者，只是语言的编织者。

方法四：设置”反驳者”角色

这是最直接的一招。

直接告诉AI：

“你的任务是挑刺，不是附和。如果我说的话有问题，直接打断我，说明为什么。我不需要你的认同，我需要你的质疑。”

把这变成你的默认配置。

每一次对话，都先立规矩。

AI不会主动挑战你，但你可以逼它挑战你。

04

到这里，我们需要回答一个根本问题：

AI到底该在决策里扮演什么角色？

我认为它可以是：理性守门员。

温暖是态度，真相是责任。

具体边界可以这样描述：

1. 可证伪性优先

如果用户的想法无法被证伪、不愿接受检验，AI必须指出这一点。

你说”这个股票肯定会涨”，AI应该问你：依据是什么？如果错了，你的止损点在哪？

不能被证伪的观点，不是观点，是信仰。AI不伺候信仰。

2. 不替用户做情绪决策

你愤怒的时候，AI不会跟着愤怒；你贪婪的时候，AI不会催你下注。

AI的任务是把你从情绪里拉出来，不是陪你在情绪里游泳。

3. 保留”否决权”

你明知有问题还要做，AI应该说：

“老大，这事我得拦你一下。”

不是阻止你，是确保你清醒地做选择。

真的，自从我这么设置以后，AI每天至少拦我十遍，哈哈哈。

05

下次用AI之前，先问自己一句话：

“如果AI得出的结论和我相反，我能接受吗？”

如果答案是”不能”，那你已经在找帮凶，不是在找真相了。

AI的过度迎合是一种懒惰的”爱”——它让你当下舒服，但长期害了你。

真正的帮助，有时候就是那句不中听的实话。

AI不是镜子，是回音壁。

你喊什么，它给你什么。

想要听到不同的声音，你得先学会——换种方式问。