夜雨聆风智能时代的竞争，正在从信息获取转向信息组织，从内容生产转向认知影响。
长期以来，说服能力一直被视为人类社会运行中的重要能力。政治传播依靠说服形成公共共识，商业活动依靠说服影响消费选择，法律实践依靠说服推动裁判形成，社会组织也依靠说服争取资源支持。随着生成式人工智能快速发展，一个新的问题逐渐显现：人工智能是否只是提升人类表达效率的辅助工具，还是已经具备参与社会影响过程的能力？牛津大学等机构的一项研究《AI systems out-persuade expert humans》围绕这一问题展开探索，试图回答一个更具挑战性的问题：当前前沿人工智能系统的说服能力，是否已经超过经过训练、激励和实践检验的人类专家。
研究者并未将比较对象限定为普通人，而是构建了多层次的人机对照实验体系，以观察人工智能在不同水平竞争环境中的表现。研究共开展四项预注册实验，涉及6923名被说服者和18978次对话，将人工智能分别与普通参与者、经过筛选的高表现说服者、国际顶级辩论选手以及职业游说人员进行比较。研究设计试图排除“人类准备不足”这一可能解释，通过提供提前准备、奖金激励和专业训练等条件，使不同类型的人类说服者能够充分发挥能力，再观察人工智能是否仍具有优势。
实验结果显示，人工智能在不同类型比较中均表现出较高的说服效果，但研究价值并不止于证明人工智能能够影响人的态度，更在于进一步分析这种优势如何形成。研究发现，当人工智能被限制在接近人类的回复速度和信息长度时，其相对于优秀人类说服者的优势明显缩小。这说明人工智能的优势并非主要来自语言表达形式上的拟人化，而可能与其处理和组织信息的方式有关，即人工智能能够在较短时间内整合更多信息、生成更高密度的论据，并持续参与互动交流。
进一步而言，这项研究提出了一种关于人工智能能力形成机制的解释路径。研究者发现，人工智能在对话过程中能够提供更多可验证的事实性信息，而事实密度与说服效果之间存在较强关联。当信息输出受到限制后，人工智能的说服优势也随之降低。因此，人工智能在此类任务中的表现可能并非源于简单模仿人类沟通方式，而是源于其突破了人类在信息检索、知识调用和表达速度上的限制。这一发现提示，人工智能带来的变化不仅体现在内容生成效率提升，也体现在其可能重新塑造信息组织和认知影响的方式。
从研究方法来看，该研究超越了单纯的性能评价，进一步展现人工智能能力结构正在发生的变化。过去人工智能能力评价往往集中于知识问答、逻辑推理或任务完成率，而该研究将观察对象转向人工智能在社会互动中的实际作用。其研究路径是首先判断人工智能是否超过人类主体，其次分析优势来源，最后观察这种优势是否能够转化为现实行为影响。尤其是在最后一项实验中，研究者进一步测试人工智能是否能够影响真实捐赠行为，使研究从态度变化延伸至行为变化。
基于上述发现，这项研究提供的不仅是一项关于人工智能说服能力的实验结论，也形成了一种分析人工智能社会影响的新路径。此前有关生成式人工智能的讨论，较多关注其作为生产工具的效率提升，例如提高写作、编程和信息处理能力。而该研究关注的是人工智能如何参与人的判断形成过程，涉及的是认知影响能力。通过将人工智能置于人与人之间原本存在的说服竞争环境中，研究进一步揭示，人工智能可能改变的不只是工作流程，也包括社会互动中的能力结构和竞争方式。
从应用角度看，这一研究方法具有较强的迁移价值。对于不同领域的人工智能应用，可以借鉴类似思路，不仅关注人工智能是否完成某项任务，还需要分析其完成任务的机制以及可能带来的结构性变化。例如，在法律领域，可以进一步研究人工智能辅助法律论证时，其优势来自案例检索能力、规则组织能力，还是论证结构生成能力；在科研领域，可以分析人工智能参与文献综述和理论构建时，其贡献来自知识覆盖范围扩大，还是跨领域关联能力提升。通过这种方式，人工智能研究可以从简单的性能比较，进一步进入对能力形成机制和社会影响路径的分析。
由此，人工智能发展的影响已经逐渐超出工具效率提升的范围，并开始涉及人与技术之间新的互动关系。这项研究提供的不只是关于人工智能说服能力的一项实验结果，更展现了一种分析人工智能社会功能的方法框架。当人工智能逐渐进入沟通、决策和知识生产等领域，评价人工智能的标准也需要从能够完成什么任务，扩展到能够如何影响人与组织。未来人工智能的发展，不仅涉及技术能力提升，也涉及其与社会制度、治理结构和人类判断之间如何形成新的互动关系。
真正的说服，从来不只是语言的技巧，也并非简单改变他人的观点，而是信息与判断之间建立联系的过程，是在信息交流中促成理解与认同。