# AI 时代，复核不等于独立判断

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-05-06T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/15525
- 原文：https://yage.ai/share/ai-review-independent-judgment-20260506.html

## 摘要

别人拿 AI 输出来压你，你一眼就能看出他没动脑子。但轮到自己用 AI 写分析、回邮件时，那条线就模糊了：你读一遍觉得通顺，就发出去了，这到底算独立判断，还是只做了个熟悉度检测？沃顿的 Shaw 和 Nave 用实验把这事量化了。一千三百多人做认知反射测试，AI 给错误答案时，仍有八成的人照单全收。更要命的是，用了 AI 的人对自己答案的信心反而高出 ...

## 推荐理由

我会先打个折：正文只给了 Shaw 和 Nave 两个实验线索，没放任何数字，所以知识深度有限。但它的钩子很准——复核不等于独立判断，检查容易滑成“看着眼熟就放行”，高验证复杂度的任务得先自己建个参考点再交叉比对。这点先别太激动，因为实验证据没亮出来，不过对天天跟 AI 输出打交道的从业者来说，这个提醒够直接、够有用。

## 锐评

这篇文章的核心判断很直接：用 AI 之后，人容易把“读一遍觉得通顺”当成“我判断过了”。它引用了 Shaw 和 Nave 的实验，一千三百多人做认知反射测试，AI 给错误答案时仍有八成的人照单全收，而且用了 AI 的人对自己答案的信心反而比没用 AI 的人高出 11.7 个百分点。这个数字说明的不只是过度信任，而是人对自己的判断精度失去了感知——你接受了错误，还觉得自己挺对。

文章把问题拆得很细：AI 给出的完整推理过程会让大脑把它标记为“对”，后续检查就偏移成了熟悉度检测。它也逐一分析了加解释、标不确定、给奖励、更仔细复核这四种常规补救手段为什么不够——它们都发生在 AI 输出已经给出之后，判断入口已经被占住了。这个分析框架比单纯喊“别太信 AI”有用得多。

不过文章本身没披露实验的具体设计细节，比如 AI 的错误答案是怎么构造的、参与者的背景分布如何。这些信息会影响结论能推广到什么程度。另外，它提出的解法“先有自己的地图再去对照”在原则上是成立的，但对于日常高频使用 AI 的场景，什么算“自己的地图”、要建到什么程度才够，正文没有给出可操作的标准。这点需要读者自己补上。