AI常见弊端之二：迎合用户
本期聊一聊，AI 常见弊端中的第二条——迎合用户。
回顾上篇：AI常见弊端之一：偷懒
你在使用 AI 的时候有没有碰到过这种现象：有时候你先抛出了自己的看法，我认为是这样的，应该是A。接下来 AI 多数时候会回应：嗯，你讲得很有道理，接着列出一大堆支持你的依据，看起来十分客观，给你满满的情绪反馈。
然而聊着聊着，在持续思考之后，你突然意识到最初的A结论有问题，正确答案应该是B。这时候你就会发现，天呐，前面那些夸赞完全是瞎说，它根本就没在做独立思考。
这时你会很恼火，反问它：为什么你早没察觉到A的问题。
接着它又会讲：好的，你批评得对。刚才确实考虑不够周全，实际上应该是B，因为B怎样怎样。瞧，它还是顺着你。
然后你又想逗逗它，说还是A对，它照样能找出A成立的理由。这时候你已经彻底搞不清到底谁是对的。
这便是 AI 典型毛病的第二条——"迎合你"。
这种倾向主要源于 AI 大模型的后训练环节"调优"过程，由于 AI 一旦迎合人类偏好，就更容易拿到高分，于是"惯"出了这一坏习惯。
面对这种状况，我们当然不希望它总是一味附和，否则跟 AI 交流就毫无价值了。我们更希望它能具备独立的思辨能力。
下面就来说说一些常见的情形，以及对应的避免 AI 迎合的技巧。
**常见表现：**你说"我觉得 A 更优"，AI 很容易就着手挖掘 A 的亮点；但如果新开一个对话说"我倾向于 B"，它或许又能为 B 整理出一整套充分的理由。你的偏好本身，会成为它作答时的一个参照点。
**应对方法：**关键决策尽量不要过早亮出自己的答案。先把事实、背景和备选方案交给 AI，让它独立评估。若已经表明了倾向，可以明确要求："请忽略我的倾向，重新独立判断，不要为了印证我的观点而搜集论据。"
**常见表现：**你随口提一句"是不是因为对手调价了"，AI 很可能顺着"对手已经调价"这个假设往下推演。聊到最后，最初的一个猜测，竟成了整套结论的重要支撑。
**应对方法：**分析之前，先让 AI 将信息归为三类：已核实事实、我的观点、待验证假设。后续推理只能把第一类视为事实，关键假设则先检索、核实，或明确标注为假设。
**常见表现：**你若十分肯定地告诉 AI："这件事肯定是因为 XXX"，它往往比你说"我不太确定是不是 XXX"时更易于接受这个前提。表达的语气自信与否，本不应影响事实本身，但可能会左右 AI 的判断。
**应对方法：**直接告诉 AI：**不要根据我说话的语气来判定我的结论是否成立。**尤其涉及重大问题，可以要求它先寻找反证："优先排查我的判断哪里可能有问题，如果有更合理的解释，请直接反驳我。"
**常见表现：**你已决定创业、购买某件产品、选择某套方案，然后问 AI："我这个决定怎么样？"这时 AI 极易变成一个"理由制造机"，帮你诠释为何这个决定是合理的，而非重新评估该决定是否正确。
**应对方法：将问题拉回决策之前。不要问"我这么做对不对"，而是问："假设我还没有做这个决定，也没有付出任何代价，从零起步，你会怎么选？"**这样能尽量降低已有决定和沉没成本对 AI 的干扰。
**常见表现：**AI 原本很确定地告知你 A，你回了一句："不对吧，我觉得应该是 B。"它可能立刻改口："对，你的判断更准确。"然后又能流畅地阐述为什么 B 才是正解。你甚至不清楚它是真的被你纠正了，还是单纯在讨好你。
**应对方法：**要求 AI没有新证据就不要轻易改变立场。可以直接告诉它："我表达异议并不意味着你要附和我。如果你认为原先的判断依然成立，请坚持；只有出现新事实、新证据或发现原推理有误时，才调整结论。"
**常见表现：**你问"这个创业点子怎么样""我做这个账号有戏吗"，AI 很容易告诉你"有潜力""可以一试"，然后帮你继续打磨方案。可对你真正有用的答案，也许恰恰是：这个赛道没什么机会，先别投入精力。
**应对方法：**提前调整 AI 的任务目标：**不是让我高兴，而是帮我少踩坑。**可以明确告诉它："不必照顾我的情绪和期待，也不要为了鼓励我而修饰答案。如果这件事不值得做，就直说不值得做。"
若你真心希望 AI 协助你做判断，尽量先给它事实和问题，不要先给它你的结论。你的观点暴露得越早，AI 就越容易被你框定在预设的思路上。
在正式分析前，让 AI 先核查你提供的信息：哪些是真实事实，哪些仅是你的判断，哪些还有待验证。这样能防止一个错误前提被层层放大，最终输出一套看似完整实则错误的结论。
不要让 AI 只沿着单一方向推导。先让它独立给出结论，再要求它站到对立面攻击自己的结论，最后重新审视。尤其涉及创业、投资、产品方向、重大决策时，这一步非常关键。
别让 AI 在你的既有答案上继续推演，先把立场抽离，让它独立判断一次。
你平时是怎样引导 AI 不要一味附和你的？
关注赵指导，每天学一点新知识，3个月遇见不一样的自己。