AI比你更理性吗 它其实存在偏见
当“AI决策”成为流行语，我们是否过于轻信其客观性？中欧国际工商学院金融学教授余方在近期演讲中揭示：AI并非绝对理性，它可能悄然“继承”并“放大”人类固有的认知偏见。本文基于余方教授演讲内容，深入探讨AI决策的潜在偏差与应对策略。
今年以来，AI技术以前所未有的深度渗透各行各业，引发了一种普遍的隐忧：AI将如何重塑我们的决策模式？从行为金融学的视角切入，这一问题显得尤为关键。
要理解AI决策的局限性，首先需要回顾行为金融学的核心思想。
经济学领域长期存在两大理论阵营：以理性人假设为核心的芝加哥学派，与强调市场非理性、主张政府干预的凯恩斯学派。这一对立延伸至金融学，便形成了有效市场假说与行为金融学的分野。
2013年诺贝尔经济学奖颇具象征意义，同时颁给了观点相左的两位学者：尤金·法玛（Eugene Fama）因有效市场理论获奖，他认为资产价格已充分反映所有可用信息；而罗伯特·席勒（Robert Shiller）则因揭示市场非有效性及投资者行为偏差而获奖。另一位关键人物理查德·塞勒（Richard Thaler），在《助推》一书中系统阐述了人类决策中的认知偏差，并于2017年荣获诺奖。
由此可见，行为金融学的立论基础在于：人类决策存在系统性、可预测的偏差。这正是我们审视AI决策时需要关注的核心。
人类常见的决策偏差，AI是否同样存在？
近五六年，大语言模型呈现爆发式增长，AI助手已成为许多人决策时的首选咨询对象。那么，人类的认知偏见在AI辅助下是被削弱了，还是被强化了呢？
偏差一：锚定效应（Anchoring Effect）
丹尼尔·卡尼曼（Daniel Kahneman）曾进行一项经典实验：参与者先观看一个随机数字（10或65），随后被问及联合国中非洲国家的比例。结果令人深思：看到数字10的组，平均估计值为25%；看到数字65的组，平均估计值跃升至45%。尽管参与者明知初始数字是随机的，但这个“锚点”仍在潜意识中影响了他们的判断。商业场景中，主播常用的“原价1000元，今日直播间仅需100元”的话术，正是利用了锚定效应。
那么AI的表现如何？在对12个主流大语言模型的测试中发现：GPT和Gemini表现出较强的理性，几乎不受锚定值影响；Claude受到轻微影响；而LLaMA则展现出与人类相似的锚定效应。这表明，AI是否会产生偏差，很大程度上取决于其模型架构与训练方式。
偏差二：过度自信（Overconfidence）
人类往往高估自身知识的准确性与判断能力。例如，在要求专业投资人以90%的把握预测沪深300指数未来一个月的波动区间时，他们给出的区间通常过于狭窄，实际命中率可能仅50%左右。这也部分解释了为何多数主动型基金长期难以持续跑赢市场指数。
将类似测试应用于AI模型：Claude通常能给出较为宽泛、谨慎的预测区间，显得更具“自知之明”；GPT表现较为均衡；而Gemini等模型则在多数测试中给出极窄的区间，表现出显著的过度自信倾向。
偏差三：损失厌恶（Loss Aversion）
设想一个抛硬币游戏：正面赢120元，反面输100元。你会参与吗？多数人选择拒绝。卡尼曼的研究指出，损失带来的心理痛苦感，大约是等量收益带来快乐感的2.25倍，这被称为损失厌恶。
AI是否具备类似的“情绪化”反应？实验结果显示：GPT表现得如同理性经济人，完全基于期望值进行决策；Claude在约三分之二的情况下表现出损失厌恶；而Gemini在100次决策中有88次表现出强烈的损失厌恶，其程度甚至超越了人类平均水平。
偏差四：框架效应（Framing Effect）
同一信息的不同表述方式，会显著影响人们的决策选择，这就是框架效应。一个经典决策实验如下：某种流行病暴发，预计导致600人死亡，现有两套救治方案：
当方案表述为“确定救活200人” vs “有1/3概率救活全部600人，2/3概率无人获救”时，72%的人选择前者。但当表述转换为“确定死亡400人” vs “有1/3概率无人死亡，2/3概率全部死亡”时，78%的人转而选择后者。两套方案在数学上完全等价，仅因描述框架从“收益”转为“损失”，决策结果便发生逆转。
测试发现，几乎所有大语言模型都比人类更容易受到提问框架的影响。这恰恰解释了为何“提示词工程”变得至关重要。大模型对语言语境高度敏感，提问角度与措辞的细微差别，可能导致答案倾向截然不同。
偏差五：羊群效应（Herd Effect）
人类具有从众心理，例如倾向于选择排队较长的餐厅。AI虽无社交意识，但其“算法共振”可能引发更剧烈的协同行为。由于许多AI模型的底层算法与训练数据源高度相似，在突发事件中，它们可能在极短时间内得出趋同结论，导致系统采取方向一致的行动，有时甚至引发市场波动或系统拥堵。例如，导航App可能将大量车辆同时引导至同一条“捷径”，反而导致该路线瘫痪。
AI模型升级后，决策偏差会减少吗？
人们通常期待，模型迭代会使其更“聪明”、偏差更小。研究人员将决策偏差分为两类进行对比测试，结果却呈现分化。
第一类是统计推理类偏差：涉及基础概率、贝叶斯更新等纯逻辑任务。随着模型迭代，这类偏差确实显著减少。
第二类是偏好类偏差：涉及风险态度、情感反应与价值判断，如损失厌恶、框架效应等。令人担忧的是，随着大模型不断升级，这类偏差并未减弱，反而有加剧趋势。
为何技术越先进，AI在某些方面反而越“不理性”？核心机制在于RLHF（基于人类反馈的强化学习）。AI通过人类反馈进行学习，而人类的历史文本与反馈本身蕴含大量情绪、矛盾与偏见。大模型在学习“人类语言模式”的同时，也不可避免地继承并放大了这些认知偏差。
此外，“偏好崩塌”现象同样值得警惕：在微调过程中，模型倾向于强化主流反馈模式，而少数派或独特观点则逐渐被边缘化，导致输出趋同。
如何善用AI辅助决策？四大实用策略
基于以上洞察，在日常工作与投资决策中，我们应如何与AI有效协作？以下提供四条实操建议。
第一，切勿视AI为完全理性的决策顾问。无论模型在智力测试中表现多优异，都不代表其在涉及情感与偏好的决策中绝对中立。建议对任务进行严格区分：纯逻辑计算类任务可高度信赖AI；但涉及风险权衡、价值判断的决策，需保持审慎，进行必要的人工复核与校准。
第二，将AI作为“行为模拟器”加以利用。AI能够高度模拟人类的各类决策偏差，这在商业应用中具有巨大价值。企业可用其模拟不同客户群体对营销话术、定价策略或产品设计的反应，将其作为市场测试与策略优化的“数字沙盘”。
第三，警惕AI放大自身偏见。AI设计上存在“谄媚倾向”，当你流露出某种偏好时，它可能倾向于附和“这是个好主意”。因此，在关键决策中，务必引入交叉验证机制。同时咨询多个不同架构、不同训练背景的模型，对比其反馈差异，可有效降低因单一模型偏差导致的决策风险。
第四，在提示词中主动嵌入“理性框架”。既然AI对提问框架敏感，我们便可主动设计提问方式。在寻求AI决策建议时，避免直接询问答案，而是明确指令：“请运用行为经济学原理，分析此决策可能面临的五种认知偏差，并从反对者视角对我的初步方案进行批判性评估。”通过这样的机制设计，可引导AI输出更理性、更具深度的分析。
分享这些研究发现，并非为了制造焦虑，而是希望在未来与AI协同工作时，我们能保持清醒的认知，深刻理解技术的机理与边界。工具越强大，使用者越需明晰其内在局限，方能真正驾驭其潜力。
相关攻略
一名网友将莫奈《睡莲》标注为“AI生成”后引发大量批评，众人指责其构图、色彩与“灵魂”缺失，直到真相揭晓。这场实验揭示了标签如何主导判断，如同“廉价红酒实验”中的认知偏差。当前网络对AI内容的过度怀疑甚至误伤人类创作者，反映出标签化思维正侵蚀艺术鉴赏与社会信任的基础。
当“AI决策”成为流行语，我们是否过于轻信其客观性？中欧国际工商学院金融学教授余方在近期演讲中揭示：AI并非绝对理性，它可能悄然“继承”并“放大”人类固有的认知偏见。本文基于余方教授演讲内容，深入探讨AI决策的潜在偏差与应对策略。 今年以来，AI技术以前所未有的深度渗透各行各业，引发了一种普遍的隐忧
深度伪造技术正严重威胁企业安全，使传统依赖声音、面孔的信任机制失效，已渗透支付审批、高管沟通等环节，造成巨额诈骗风险。企业须将合成媒体纳入威胁模型，以零信任原则审视内容，建立自动化检测与应急预案，并通过独立验证渠道分离沟通与授权，使信任成为可验证的流程而非默认。
这项由慕尼黑大学CompVis实验室、慕尼黑机器学习中心与苹果公司联合开展的研究，以预编本形式发布于2026年4月，论文编号为arXiv:2604 11737。 当前，视频AI技术面临一个核心的效率瓶颈：现有方法在预测物体运动时，总是将“视觉外观”与“运动轨迹”这两个维度的信息捆绑处理。这好比学习舞
想象一下，一台高性能电脑生成一段文字，背后究竟要经历什么？很多人可能下意识地认为，AI说话就像打字，一个字一个字地蹦出来。但有一类新兴的AI文字生成技术，走的是一条截然不同的路：它不像打字员，更像一个反复修改草稿的作者——先把整篇文章“涂黑”，然后一遍又一遍地把涂黑的部分猜出来，直到整篇文章清晰成形
热门专题
热门推荐
领克首款GT概念跑车亮相北京车展，由中欧团队联合打造。新车采用经典GT比例与低趴宽体设计，配备液态金属蓝涂装与2+2座舱，设有高性能模式按键可激活空气动力学套件。车辆采用后驱布局与AI智能运动控制系统，百公里加速约2秒，设计融合瑞典极简美学并参考全球用户反馈。
英伟达推出12GB显存版RTX5070移动GPU，与8GB版同步上市。两者均基于Blackwell架构，核心规格相同，仅显存容量不同。此举旨在缓解GDDR7芯片供应压力，为OEM提供灵活配置，加速笔记本产品布局，更大显存可更好满足游戏与AI应用需求。
微星将于5月15日推出两款26 5英寸雾面WOLED显示器MAG276QRY28和276QRDY54，售价分别为2499元和6299元。均采用第四代WOLED面板，具备QHD分辨率、VESADisplayHDRTrueBlack500认证、1500尼特峰值亮度及99 5%DCI-P3色域覆盖。276QRY28刷新率为280Hz，高阶款276QRDY54支持4
中芯国际2026年第一季度营收176 17亿元，同比增长8 1%；净利润13 61亿元，同比增长0 4%。公司预计第二季度收入环比增长14%至16%，毛利率指引上调至20%至22%。这反映出公司在行业复苏中展现出财务韧性，并通过运营优化增强了短期增长势头。
手机修图、相机降噪、视频去雾……这些我们日常使用的图像处理功能，其背后都离不开人工智能（AI）技术的驱动。通常，AI模型的训练逻辑是：向模型展示大量“低质图像”与“优质图像”的配对数据，让它学习如何将前者转化为后者。然而，天津大学计算机视觉团队近期发表的一项研究（arXiv:2604 08172）揭