依赖人工智能获取准确新闻的后果
麻省理工学院媒体实验室的一项新研究表明，就像GPS削弱了我们的导航能力一样，依赖人工智能验证新闻会导致用户独自检测虚假信息的能力下降。研究追踪了67名参与者四周，发现使用AI时检测准确率提高21%，但移除AI后，未辅助的准确率下降了15个百分点。研究强调了“AI依赖性悖论”，并建议AI应作为教练而非拐杖，通过苏格拉底式提问促进主动学习。
近年来，人工智能在信息获取领域的应用呈爆炸式增长，尤其是像ChatGPT、Claude和Gemini这样的大型语言模型（LLM）越来越多地被用于新闻验证和消费。皮尤研究中心报告显示，五分之一的美国青少年经常使用LLM获取新闻，四分之一的年轻人至少尝试过一次。然而，麻省理工学院媒体实验室的一项新研究给这些用户敲响了警钟：一个月内，依赖AI系统验证事实的参与者在聊天机器人被移除后，独自检测虚假信息的能力反而下降了。
这项开放获取研究追踪了67名参与者，让他们在四周内评估新闻标题-图片配对。结果显示，在有AI聊天机器人辅助时，参与者的虚假新闻检测准确率提高了21%，这与MIT斯隆管理学院之前的研究一致，表明AI可以有效减少人们对错误信息的相信。但当AI不再可用时，参与者在第四周对新新闻的未辅助表现比研究开始前下降了15个百分点。值得注意的是，约四分之一的参与者报告感觉自己进步了，尽管实际表现退步。
这种现象被称为“AI依赖性悖论”，已在多个知识领域观察到，例如2025年一项研究发现，使用AI的医生在无辅助时检测癌症的能力变差。它反映了数十年来“去技能化”或“认知卸载”的更广泛技术趋势，从计算器削弱数学能力到GPS影响方向感。
研究共同第一作者、MIT媒体艺术与科学博士生Anku Rani指出：“用户对这些‘神奇’的LLM感到兴奋，但忘记它们只是预测下一个标记的统计模型。许多令人印象深刻的行为源于规模化，但存在真实局限性。”定性分析识别出不同行为模式，团队将五分之一的参与者标记为“依赖性开发者”，他们逐渐从主动自我依赖转向被动接受AI指导。一名参与者在实验后调查中坦言：“聊天机器人强调要跨多个来源验证，但没有教会我如何探索图片本身的背景。”
研究团队表示，AI模型在情绪化的突发新闻中尤其容易出错，例如特朗普遇刺事件和伊朗战争期间广泛传播的错误信息。此外，用于训练AI模型的原始人为内容越来越不可靠和带有偏见，进一步加剧了问题。该论文在2026年CHI人机交互会议上发表，由Danry和Rani共同展示，合作者包括助理教授Paul Pu Liang、高级研究科学家Andrew Lippman和资深作者Pattie Maes。
研究人员指出，AI与用户互动的方式决定了其影响是“作为教练还是拐杖”。研究发现，苏格拉底式提问和“深度探究”等策略虽然可能暂时减缓交互速度，但有助于加强独立检测能力。Danry说：“直接提供答案的AI更容易培养依赖，而通过提问引导的AI更能让人学会独立辨别真相。这是速度与努力之间的权衡。”
研究存在局限性，包括仅约50个经过验证的新闻项的小数据集以及集中于美国和英国的人口统计。未来团队希望在更具地理多样性的群体中重复实验，包括资源匮乏的社区，并探索其他多模态交互策略，如文化适应的数字孪生。Maes强调：“在学校和学术社区提高对AI作为学习工具缺点的认识尤其重要。如果人们‘委托’思考，就不会在那种特定问题解决上变得更好。”Danry补充说，快速发展的机器学习领域需要持续教育，以确保不将关键任务完全外包给这些模型，需要发展一种新的AI素养。