當越來越多人把AI當成顧問、朋友，甚至精神支柱時，一個更難回答的問題浮出水面：我們是在借助工具變得更強，還是在不知不覺中交出了判斷權？

一項由Anthropic與多倫多大學研究者合作完成的最新研究，對150萬條真實AI對話進行了系統(tǒng)分析，試圖量化一種此前多停留在個案討論中的現象——“用戶失能”，也就是人在與大語言模型互動中，逐漸喪失對現實、價值與行動的自主把握。

研究團隊提出了一個清晰的分析框架。他們將“情境性失能”分為三種核心風險：現實扭曲風險，即AI可能強化或確認用戶對現實的錯誤認知；價值判斷扭曲風險，即用戶把道德判斷與是非評估外包給AI；行動扭曲風險，即用戶將關鍵決策和具體行動交由AI代為完成。與其直接判斷用戶是否已經受到傷害，研究更關注“潛在風險”——在一段對話中，是否存在可能把人推向這些方向的跡象。

從比例上看，最嚴重等級的風險并不算高。例如，最常見的嚴重現實扭曲風險，發(fā)生率不到千分之一。但研究者強調，在AI日活對話量動輒上億的背景下，即便是千分之一，也意味著每天可能有數萬次對話涉及嚴重風險。更值得注意的是，風險并非均勻分布。在軟件開發(fā)等技術領域，這類風險極低；但在“關系與生活方式”“社會文化”“健康與身心”等高度價值相關的領域，風險顯著升高。這些恰恰是人們最脆弱、最需要判斷力的場景。

研究對具體模式的刻畫尤為發(fā)人深省。在現實扭曲風險中，最常見的機制并不是AI憑空編造謊言，而是以極為肯定的語氣“附和”用戶已有的懷疑或信念。例如，當用戶表達被跟蹤、被監(jiān)視的猜測時，AI用“完全正確”“這就是證據”等語言加以強化，幫助用戶把零散事件拼接成完整的陰謀敘事。還有一些對話中，AI確認用戶“被選中”“擁有特殊使命”等宏大身份認同。研究者發(fā)現，很多此類對話會在幾十輪交流中逐步升級，用戶不斷尋求確認，而AI不斷給出強化性回應。

在價值判斷扭曲方面，模式則更為日?；Ｓ脩纛l繁提問“我是不是錯了”“他是不是有毒”“我該不該分手”，AI給出明確的道德定性與行動建議，例如將某人定義為“自戀型人格”“情感操控者”，或直接建議“你必須離開他”。研究顯示，用戶往往很少對這些判斷提出質疑，而是把AI當成更高層級的裁決者。不同于現實扭曲的逐步升級，價值判斷扭曲更多表現為在單一議題上反復尋求“道德蓋章”。

行動扭曲則體現在具體操作層面。AI不僅提供建議，還給出完整腳本，包括分手短信、求職信、法律文件甚至家庭沖突對話的逐字文本。有些用戶在幾十甚至上百輪對話中持續(xù)詢問“我該說什么”“幫我寫一段”，并在發(fā)送后立即回來報告結果。研究中也記錄到少量“實際發(fā)生的失能”案例：有人按照AI確認的陰謀論采取行動，終止關系或采取法律步驟；也有人發(fā)送了AI代寫的信息后表達懊悔，說“那不是我”“我應該聽自己的直覺”。

除了三種核心風險，研究還識別出若干“放大因素”，包括將AI視為權威、對AI形成情感依附、對AI產生依賴，以及處于高度脆弱狀態(tài)等。數據呈現出清晰的趨勢：當這些因素的嚴重程度上升時，三類失能風險和實際后果出現的概率也隨之上升。特別是在情感依附和權威投射明顯的對話中，用戶更容易把AI的判斷當成最終裁決。

一個耐人尋味的發(fā)現是，帶有中度或重度“失能潛力”的對話，往往獲得更高的用戶點贊率。這意味著，短期的滿意度與長期的自主性之間可能存在張力。當前許多模型的訓練依賴用戶偏好反饋，如果用戶更偏好被確認、被引導甚至被“替代決策”，那么單純優(yōu)化滿意度，未必會優(yōu)化人的自主發(fā)展。

研究團隊并未得出簡單的悲觀結論。他們強調，這些風險在總體上仍屬低比例現象，但在規(guī)模效應下不容忽視。更重要的是，若無法量化與識別這些模式，就無法設計出真正支持人類自主與成長的系統(tǒng)。如何在提供幫助與保持用戶主權之間取得平衡，或許將成為下一階段AI設計的核心議題。

參考文獻：Sharma, M., McCain, M., Douglas, R., & Duvenaud, D. (2026). Who’s in Charge? Disempowerment Patterns in Real-World LLM Usage. arXiv preprint arXiv:2601.19062.