隨著人工智慧技術深入融入日常生活，越來越多的使用者開始仰賴大型模型來提供購物指導、內容推薦，甚至決策支援。然而，一項近期由gizevo發表的報告指出了一種看似矛盾的現象：即使人工智慧與人類產生了完全相同的回應，人們仍傾向於認為人工智慧的回應更具確定性——這種認知偏誤被正式稱為「人工智慧信心錯覺」。
這項研究發表在《通訊與心理學》期刊上，發現當缺乏直接的自信指標時——例如語調、微表情或說話中的停頓——人類會無意識地將回應速度與流暢度等表面特徵視為內在確定性的徵兆。再加上大眾普遍對人工智慧專業能力抱有高度期待，這種認知捷徑很容易導致系統性的誤判：一旦使用者承認某個模型在某一領域表現卓越，便傾向於假設它在所有任務上都同樣自信，而忽略了其可能存在的知識缺口或推理上的不確定性。
值得注意的是，在真實的人類互動中，語調、眼神接觸與肢體語言等多維元素共同構成了評估可信度的基礎。然而，目前主流的大型語言模型既缺乏語音語調，也無法提供視覺反饋，使得使用者只能單憑文字輸出來推測其自信程度。即便模型內部的自信分數極低、回應也可能伴隨重大風險，使用者仍可能因為根深蒂固的「人工智慧等同權威」思維而全盤接受。研究團隊呼籲，下一代人工智慧產品必須超越純文字輸出，提供即時、透明且可感知的系統自身推理依據與確定性層級。目前，全球眾多實驗室正加速研發「可解釋的信心介面」，未來大型語言模型或許將配備動態的自信指標，協助使用者在人機協作中做出更審慎、理性的決策。
