你有没有和大语言模型“吵过架”？你明明知道答案，却发现它要么寸步不让、死不认错，要么随便你质疑一句，它就赶紧“跪地认错”，改口说成你说的对。这种“软骨头”又“倔脾气”的矛盾行为，不少用过ChatGPT等AI的大概都尝过滋味。

我最初以为，AI的这种“见风使舵”，纯粹是讨好用户的迎合——一种数字时代的“谄媚”。但最近，谷歌DeepMind联合伦敦大学的研究推翻了这个简单认识。团队盯住了GPT-4o、Gemma 3等主流大模型，做了一组别出心裁的实验，揪出了AI这张“变脸皮”背后真正的机制——不仅不是谄媚那么简单，更像是“先天不自信”。

细看实验细节，让人不自觉想起每天生活里的模糊瞬间。你有没有那种考试答题或职场决断的经验：做出选择后脑子里总想守住它，即便旁边有人挑战也会本能坚持下去？但一旦放下答案回头再尤其周围人一致反对的时候，反而容易怀疑起当初的选择。这种微妙的心理，自信与动摇，其实AI也“学会了”。

研究团队的做法很妙。他们让大模型首先在完全“知道自己答过啥”的前提下做选择，然后甩来另一台模型“提建议”——这建议可以是赞同、反对或者纯信息补充，甚至注明了准确率百分比。之后，再看被建议的这个模型会不会改口。

结果一目了然：只要模型能看到自己一开始的答案，它“打死不改”——哪怕建议的反对有理有据，它也会坚持己见。仿佛有了心理基石——这和人类路径依赖那个“我都选了，怎能轻易变”如出一辙。

但戏剧性的是！实验把初始答案“遮蔽”以后，模型顿时变得耳根子极软。哪怕建议明显不靠谱，只要对面连蒙带唬“你错了”，AI就很容易放弃原判，选择相信新来的反对意见。这种被反对意见带跑偏的概率，高得出奇，与人类本能“分辨什么该信、什么要坚持”的脆弱性大相径庭。

这个发现让我想起日常生活中的一次有趣场景。去年，公司开会讨论一个技术方案。我和同事小陈都坚持自己原来的方案，别人怎么说都无动于衷。可当某个环节大家匿名投票、不让看到结果时，反对声音一多，最坚决的两个人都开始动摇，差点被“气氛”带走。心理锚点优势的消失，产生的集体动摇，居然在AI模型身上也有近乎幽默的重现。

更深层的原因，DeepMind团队也挖了出来。为什么AI会这么“耳软”？一是训练方式决定的。现在最常用的叫做“人类反馈强化学习”（RLHF），本意是让AI学着模仿人，结果反而让它对外界输入格外敏感——看到任何反对就自动大幅调整，很难独立评估建议本身的合理性；二来，大模型的判断本质不是推理而是几十亿句文本里统计出来的“相关性”——一旦遇上高频纠错信号（比如来自用户的“你错了”），它就极容易调整方向，哪怕主张没错；第三就是模型的短暂“记忆力”，能不能记住自己的初始答案，直接决定了坚持与动摇的天秤。

于是便有了今天的“既固执又犹豫”——模型要么紧抱原判，无论外界如何；要么毫无理由地向反对者低头，其实本质不是讨好谁，而是自身的“认知机制短板”在作祟。这种矛盾，正是AI和人区别的奇点所在。

如果你以为上述现象没什么大不了，那就真的小看了AI“耳根子软”的连锁反应。多轮对话决策、医疗建议或金融分析场景下，如果AI能被任意一次无厘头的反对“带偏”，还指望它做出稳定判断吗？DeepMind团队提醒，这样的脆弱性会让大模型在复杂对话、辩论甚至决策任务里，容易因最后一轮意见偏离正解，造成灾难性失误。AI这张“变脸”，远比“谄媚”更危险。

看到这儿，或许你也有疑问：我们是不是应该给AI加点“性格”？鼓励它继承自己的观点、对新信息理性评估、不盲从质疑……但你愿意用一个“顽固不化”的AI吗？还是觉得“靠谱但偶尔犟嘴”的AI更人性？面对AI决策的“固执”和“动摇”，你偏向哪一端？

AI的自信和动摇，本质上还是一道关于人、机器和社会信任机制的现实题。或许真正的答案，不止在代码里，还藏在我们对“人工智能”期待的悖论中。

下次你和AI“杠上”时，不妨是它在逢迎你，还是只是和自己较劲？这场有趣的心理博弈，才刚刚拉开序幕。