心理
我们会像服从同事一样，服从一台对你毫无看法的 AI 吗？
2026 年 7 月 23 日 · 罗伯特·西奥迪尼《影响力》~1 min read
先问你一个怪问题：一台 AI，会不会"看不起你"？你心里大概立刻知道答案，它不会，它对你根本没有看法。可假设它给了你一条建议，你心里的判断跟它不一样，你会不会还是默默改了口，只为了不显得"跟它对着干"？如果你迟疑了一下，那正是一项 2026 年新研究想抓住的东西。
30 秒读懂
一项 2026 年发表于《Scientific Reports》的研究，用"医疗信息级联"范式：人先拿到关于某病例的私人线索，再看到一名或多名"顾问"（AI 或人类）的公开建议，看他会不会改判。 从众被拆成两个引擎：信息性影响（觉得别人知道我不知道的）＋ 规范性影响（想被认可、怕被否定）。 反直觉处：规范性影响照理不该对机器起作用，一台 AI 对你没有看法，你何必在意它"怎么看你"？研究要问的正是：连这种都迁移了吗。 这是行为实验对一个倾向的探测，不是"AI 会操纵人"的定论；边界要写清。 1 由头
我们服从别人，其实是两件不同的事，只是平时揉成了一团
《影响力》里，西奥迪尼把"跟着别人走"叫社会认同：不确定时，我们靠"别人怎么做"来判断什么是对的。可这一条底下，藏着两台并不一样的发动机。
一台是信息性的：我拿不准，而别人看起来知道得比我多，那跟着走多半没错，这是把他人当"信息源"。另一台是规范性的：就算我心里不太认同，我也不想在一群人里显得格格不入，于是嘴上先应下来，这是把他人当"评委"。说白了，一个是"你可能懂我不懂的"，一个是"我想被你们收下"。平时它俩总是一起使劲，你很难分清此刻推着你点头的到底是哪台。
🔍 为什么值得拆开看： 信息性那台，换成一台可能真掌握了海量资料的 AI，跟着它走还说得通。可规范性那台，你怕被否定、想被认可，面对一台对你毫无看法的机器，照理应该整个熄火。研究好玩就好玩在：它偏要去看，这台"本该熄火"的发动机，是不是也跟着搬了过去。
2 研究
研究者把这两台发动机，分开摆到了 AI 面前
2026 年发表于《Scientific Reports》的这项研究，设计得挺巧：它想让"信息"和"合群"这两股劲，尽量分头显形。
用的是"医疗信息级联"范式：先给你一份关于某医疗病例的私人线索，只有你看得到；然后摆出一名或几名"顾问"的公开建议，有时告诉你顾问是人，有时告诉你是 AI。接着看你会不会推翻自己原来的判断，跟着顾问改口。私人线索对上公开建议，这正是现实里我们天天在做的事：手里攥着一点自己的感觉，面前是一片别人的声音。
关键在于，改判可以出于两种完全不同的心思：要么你真觉得"顾问大概掌握了我漏掉的东西"（信息性），要么你只是"不想当那个唯一唱反调的"（规范性）。把顾问在"人"和"AI"之间来回换，再看你改判的劲头怎么变，研究者就能掂量出，那台"想被认可"的发动机，在面对机器时，到底还转不转。
机制 信息性影响问的是"别人是不是知道得更多"；规范性影响问的是"我合不合群、会不会被否定"。前者迁移到 AI 有内核，因为 AI 可能真掌握你没有的信息；后者迁移到 AI 是错位，因为机器对你没有立场，无所谓"认可"你。
从众的两个引擎，只有一个该对机器起作用 信息性影响 规范性影响 对人：别人可能懂我不懂的 把他人当"信息源" 对 AI：说得通 AI 或真掌握你没有的信息 对人：怕被否定、想合群 把他人当"评委" 对 AI：错位 机器对你没看法，无所谓认可 示意图：从众的两个引擎——信息性（觉得别人更懂）迁移到 AI 有内核；规范性（想被认可）迁移到 AI 是错位，机器对你没有看法。框架：罗伯特·西奥迪尼《影响力》。为对一种倾向的探测，相关≠因果；心理科普，非专业建议。 3 错位
把"想被它收下"的心，交给一台根本不会收下你的东西
这里有个我在咨询室里见过太多回的错位：人把一份只对人才成立的心思，郑重地摆到了一个不接的对象面前。
我有位来访者，化名小婳，二十五六岁。第一次坐下就报菜名似的自我介绍："我 INFP、回避型依恋、高敏感。"她说测出这几个标签那天，心里特别踏实。可你听得出，她要的与其说是了解自己，不如说是找一个够权威的东西替她把"我到底是谁"这道题给答了，好让她不用再一个人面对那个具体的、毛毛糙糙的自己。换我我也懂那种踏实：把判断权交出去，肩上就轻了。
把这份心思放到今天，AI 就是那个更新、更全知、更不会不耐烦的"权威答案"。你问它、它答你，语气笃定、有理有据。于是那台规范性发动机被悄悄点着了：你开始隐隐在意"别显得跟它对着干"，仿佛它也在打量你。可它没有。它对你没有看法，也不会因为你唱反调就看轻你，这份被认可的渴望，你其实是投给了一堵墙。研究要探的，正是这份投错了方向的心，到底有多容易被点着。
4 边界
先把话说到位：这是一次探测，不是一句判决
越是反直觉的题目，越得给自己泼盆冷水，不然一不留神，就把"研究在问"讲成了"研究证明"。
得讲清楚几层。第一，这是一个行为实验范式在探测一种倾向，不是"AI 正在操纵人类"的定论；它抓到的是特定任务、特定设计下的一个反应，不是所有人、所有场合都如此。第二，相关不等于因果：就算数据显示人对 AI 顾问也会改判，那也未必是"规范性从众"这一个原因在起作用，可能掺着信任、图省事、界面设计等一堆变量，得靠后续研究一样样排。第三，别急着把它变成"所以我们要防着 AI"，它更像一面镜子，照出的是我们自己那套古老的社交本能有多容易"认错人"。
诚实边界：单项研究、特定范式，样本与情境都有限；"人对 AI 也从众"是一个被观察到的倾向，不是铁律。相关≠因果，改判背后往往多因交织。心理科普非专业建议，本文只帮你多一个看自己的角度。
5 这对你意味着什么
下次想改口之前，先问问自己：是它可能懂，还是你怕它"不高兴"
道理落到手上，其实就一个小动作：把那两台发动机，当场分开来听。
AI 越来越像个坐在你旁边、什么都答得上来的同事，这没什么不好。真正值得留神的，与其说是它说了什么，不如说是你为什么听。所以当你正准备把自己原来的判断咽回去、改成跟它一样时，不妨在心里停半秒，分一分这两股劲：
一股是"它可能真掌握了我没有的信息"。这股，值得认真掂量，毕竟它读过的东西比你多，说不定你确实漏了。另一股是"我不想显得跟它对着干、好像我不懂似的"。这股，你可以轻轻放下：它对你没有看法，你不欠它一个合群。前一股帮你把判断修得更准，后一股只是让你把判断交了出去。
你想想，今天你顺着一条建议改了口，是因为你被说服了，还是只是不想当那个唯一说"不"的人？如果面前站的不是人，而是一台对你毫无看法的机器，这个答案，会不会不太一样？
取材：罗伯特·西奥迪尼《影响力》（社会认同：不确定时靠"别人怎么做"判断对错；其下有信息性与规范性两种社会影响）。新闻依据：一项 2026 年发表于《Scientific Reports》（Nature，编号 s41598-026-43042-5）的研究，用"医疗信息级联"范式，考察人在面对 AI 与人类顾问时，信息性影响与规范性影响两种从众效应是否同样迁移。诚实边界：单项研究、特定实验范式，为对一种倾向的探测，非"AI 会操纵人"的定论；相关≠因果，样本与情境有限。本文为科普解读，非专业心理建议；如有严重困扰，请寻求专业帮助。
心理
我们会像服从同事一样，服从一台对你毫无看法的 AI 吗？
2026 年 7 月 23 日 · 罗伯特·西奥迪尼《影响力》约 6 分钟
先问你一个怪问题：一台 AI，会不会"看不起你"？你心里大概立刻知道答案，它不会，它对你根本没有看法。可假设它给了你一条建议，你心里的判断跟它不一样，你会不会还是默默改了口，只为了不显得"跟它对着干"？如果你迟疑了一下，那正是一项 2026 年新研究想抓住的东西。
30 秒读懂
一项 2026 年发表于《Scientific Reports》的研究，用"医疗信息级联"范式：人先拿到关于某病例的私人线索，再看到一名或多名"顾问"（AI 或人类）的公开建议，看他会不会改判。 从众被拆成两个引擎：信息性影响（觉得别人知道我不知道的）＋ 规范性影响（想被认可、怕被否定）。 反直觉处：规范性影响照理不该对机器起作用，一台 AI 对你没有看法，你何必在意它"怎么看你"？研究要问的正是：连这种都迁移了吗。 这是行为实验对一个倾向的探测，不是"AI 会操纵人"的定论；边界要写清。 1 由头
我们服从别人，其实是两件不同的事，只是平时揉成了一团
《影响力》里，西奥迪尼把"跟着别人走"叫社会认同：不确定时，我们靠"别人怎么做"来判断什么是对的。可这一条底下，藏着两台并不一样的发动机。
一台是信息性的：我拿不准，而别人看起来知道得比我多，那跟着走多半没错，这是把他人当"信息源"。另一台是规范性的：就算我心里不太认同，我也不想在一群人里显得格格不入，于是嘴上先应下来，这是把他人当"评委"。说白了，一个是"你可能懂我不懂的"，一个是"我想被你们收下"。平时它俩总是一起使劲，你很难分清此刻推着你点头的到底是哪台。
🔍 为什么值得拆开看： 信息性那台，换成一台可能真掌握了海量资料的 AI，跟着它走还说得通。可规范性那台，你怕被否定、想被认可，面对一台对你毫无看法的机器，照理应该整个熄火。研究好玩就好玩在：它偏要去看，这台"本该熄火"的发动机，是不是也跟着搬了过去。
2 研究
研究者把这两台发动机，分开摆到了 AI 面前
2026 年发表于《Scientific Reports》的这项研究，设计得挺巧：它想让"信息"和"合群"这两股劲，尽量分头显形。
用的是"医疗信息级联"范式：先给你一份关于某医疗病例的私人线索，只有你看得到；然后摆出一名或几名"顾问"的公开建议，有时告诉你顾问是人，有时告诉你是 AI。接着看你会不会推翻自己原来的判断，跟着顾问改口。私人线索对上公开建议，这正是现实里我们天天在做的事：手里攥着一点自己的感觉，面前是一片别人的声音。
关键在于，改判可以出于两种完全不同的心思：要么你真觉得"顾问大概掌握了我漏掉的东西"（信息性），要么你只是"不想当那个唯一唱反调的"（规范性）。把顾问在"人"和"AI"之间来回换，再看你改判的劲头怎么变，研究者就能掂量出，那台"想被认可"的发动机，在面对机器时，到底还转不转。
机制 信息性影响问的是"别人是不是知道得更多"；规范性影响问的是"我合不合群、会不会被否定"。前者迁移到 AI 有内核，因为 AI 可能真掌握你没有的信息；后者迁移到 AI 是错位，因为机器对你没有立场，无所谓"认可"你。
从众的两个引擎，只有一个该对机器起作用 信息性影响 规范性影响 对人：别人可能懂我不懂的 把他人当"信息源" 对 AI：说得通 AI 或真掌握你没有的信息 对人：怕被否定、想合群 把他人当"评委" 对 AI：错位 机器对你没看法，无所谓认可 示意图：从众的两个引擎——信息性（觉得别人更懂）迁移到 AI 有内核；规范性（想被认可）迁移到 AI 是错位，机器对你没有看法。框架：罗伯特·西奥迪尼《影响力》。为对一种倾向的探测，相关≠因果；心理科普，非专业建议。 3 错位
把"想被它收下"的心，交给一台根本不会收下你的东西
这里有个我在咨询室里见过太多回的错位：人把一份只对人才成立的心思，郑重地摆到了一个不接的对象面前。
我有位来访者，化名小婳，二十五六岁。第一次坐下就报菜名似的自我介绍："我 INFP、回避型依恋、高敏感。"她说测出这几个标签那天，心里特别踏实。可你听得出，她要的与其说是了解自己，不如说是找一个够权威的东西替她把"我到底是谁"这道题给答了，好让她不用再一个人面对那个具体的、毛毛糙糙的自己。换我我也懂那种踏实：把判断权交出去，肩上就轻了。
把这份心思放到今天，AI 就是那个更新、更全知、更不会不耐烦的"权威答案"。你问它、它答你，语气笃定、有理有据。于是那台规范性发动机被悄悄点着了：你开始隐隐在意"别显得跟它对着干"，仿佛它也在打量你。可它没有。它对你没有看法，也不会因为你唱反调就看轻你，这份被认可的渴望，你其实是投给了一堵墙。研究要探的，正是这份投错了方向的心，到底有多容易被点着。
4 边界
先把话说到位：这是一次探测，不是一句判决
越是反直觉的题目，越得给自己泼盆冷水，不然一不留神，就把"研究在问"讲成了"研究证明"。
得讲清楚几层。第一，这是一个行为实验范式在探测一种倾向，不是"AI 正在操纵人类"的定论；它抓到的是特定任务、特定设计下的一个反应，不是所有人、所有场合都如此。第二，相关不等于因果：就算数据显示人对 AI 顾问也会改判，那也未必是"规范性从众"这一个原因在起作用，可能掺着信任、图省事、界面设计等一堆变量，得靠后续研究一样样排。第三，别急着把它变成"所以我们要防着 AI"，它更像一面镜子，照出的是我们自己那套古老的社交本能有多容易"认错人"。
诚实边界：单项研究、特定范式，样本与情境都有限；"人对 AI 也从众"是一个被观察到的倾向，不是铁律。相关≠因果，改判背后往往多因交织。心理科普非专业建议，本文只帮你多一个看自己的角度。
5 这对你意味着什么
下次想改口之前，先问问自己：是它可能懂，还是你怕它"不高兴"
道理落到手上，其实就一个小动作：把那两台发动机，当场分开来听。
AI 越来越像个坐在你旁边、什么都答得上来的同事，这没什么不好。真正值得留神的，与其说是它说了什么，不如说是你为什么听。所以当你正准备把自己原来的判断咽回去、改成跟它一样时，不妨在心里停半秒，分一分这两股劲：
一股是"它可能真掌握了我没有的信息"。这股，值得认真掂量，毕竟它读过的东西比你多，说不定你确实漏了。另一股是"我不想显得跟它对着干、好像我不懂似的"。这股，你可以轻轻放下：它对你没有看法，你不欠它一个合群。前一股帮你把判断修得更准，后一股只是让你把判断交了出去。
你想想，今天你顺着一条建议改了口，是因为你被说服了，还是只是不想当那个唯一说"不"的人？如果面前站的不是人，而是一台对你毫无看法的机器，这个答案，会不会不太一样？
取材：罗伯特·西奥迪尼《影响力》（社会认同：不确定时靠"别人怎么做"判断对错；其下有信息性与规范性两种社会影响）。新闻依据：一项 2026 年发表于《Scientific Reports》（Nature，编号 s41598-026-43042-5）的研究，用"医疗信息级联"范式，考察人在面对 AI 与人类顾问时，信息性影响与规范性影响两种从众效应是否同样迁移。诚实边界：单项研究、特定实验范式，为对一种倾向的探测，非"AI 会操纵人"的定论；相关≠因果，样本与情境有限。本文为科普解读，非专业心理建议；如有严重困扰，请寻求专业帮助。
心理
我们会像服从同事一样，服从一台对你毫无看法的 AI 吗？
2026 年 7 月 23 日 · 罗伯特·西奥迪尼《影响力》約 6 分
先问你一个怪问题：一台 AI，会不会"看不起你"？你心里大概立刻知道答案，它不会，它对你根本没有看法。可假设它给了你一条建议，你心里的判断跟它不一样，你会不会还是默默改了口，只为了不显得"跟它对着干"？如果你迟疑了一下，那正是一项 2026 年新研究想抓住的东西。
30 秒读懂
一项 2026 年发表于《Scientific Reports》的研究，用"医疗信息级联"范式：人先拿到关于某病例的私人线索，再看到一名或多名"顾问"（AI 或人类）的公开建议，看他会不会改判。 从众被拆成两个引擎：信息性影响（觉得别人知道我不知道的）＋ 规范性影响（想被认可、怕被否定）。 反直觉处：规范性影响照理不该对机器起作用，一台 AI 对你没有看法，你何必在意它"怎么看你"？研究要问的正是：连这种都迁移了吗。 这是行为实验对一个倾向的探测，不是"AI 会操纵人"的定论；边界要写清。 1 由头
我们服从别人，其实是两件不同的事，只是平时揉成了一团
《影响力》里，西奥迪尼把"跟着别人走"叫社会认同：不确定时，我们靠"别人怎么做"来判断什么是对的。可这一条底下，藏着两台并不一样的发动机。
一台是信息性的：我拿不准，而别人看起来知道得比我多，那跟着走多半没错，这是把他人当"信息源"。另一台是规范性的：就算我心里不太认同，我也不想在一群人里显得格格不入，于是嘴上先应下来，这是把他人当"评委"。说白了，一个是"你可能懂我不懂的"，一个是"我想被你们收下"。平时它俩总是一起使劲，你很难分清此刻推着你点头的到底是哪台。
🔍 为什么值得拆开看： 信息性那台，换成一台可能真掌握了海量资料的 AI，跟着它走还说得通。可规范性那台，你怕被否定、想被认可，面对一台对你毫无看法的机器，照理应该整个熄火。研究好玩就好玩在：它偏要去看，这台"本该熄火"的发动机，是不是也跟着搬了过去。
2 研究
研究者把这两台发动机，分开摆到了 AI 面前
2026 年发表于《Scientific Reports》的这项研究，设计得挺巧：它想让"信息"和"合群"这两股劲，尽量分头显形。
用的是"医疗信息级联"范式：先给你一份关于某医疗病例的私人线索，只有你看得到；然后摆出一名或几名"顾问"的公开建议，有时告诉你顾问是人，有时告诉你是 AI。接着看你会不会推翻自己原来的判断，跟着顾问改口。私人线索对上公开建议，这正是现实里我们天天在做的事：手里攥着一点自己的感觉，面前是一片别人的声音。
关键在于，改判可以出于两种完全不同的心思：要么你真觉得"顾问大概掌握了我漏掉的东西"（信息性），要么你只是"不想当那个唯一唱反调的"（规范性）。把顾问在"人"和"AI"之间来回换，再看你改判的劲头怎么变，研究者就能掂量出，那台"想被认可"的发动机，在面对机器时，到底还转不转。
机制 信息性影响问的是"别人是不是知道得更多"；规范性影响问的是"我合不合群、会不会被否定"。前者迁移到 AI 有内核，因为 AI 可能真掌握你没有的信息；后者迁移到 AI 是错位，因为机器对你没有立场，无所谓"认可"你。
从众的两个引擎，只有一个该对机器起作用 信息性影响 规范性影响 对人：别人可能懂我不懂的 把他人当"信息源" 对 AI：说得通 AI 或真掌握你没有的信息 对人：怕被否定、想合群 把他人当"评委" 对 AI：错位 机器对你没看法，无所谓认可 示意图：从众的两个引擎——信息性（觉得别人更懂）迁移到 AI 有内核；规范性（想被认可）迁移到 AI 是错位，机器对你没有看法。框架：罗伯特·西奥迪尼《影响力》。为对一种倾向的探测，相关≠因果；心理科普，非专业建议。 3 错位
把"想被它收下"的心，交给一台根本不会收下你的东西
这里有个我在咨询室里见过太多回的错位：人把一份只对人才成立的心思，郑重地摆到了一个不接的对象面前。
我有位来访者，化名小婳，二十五六岁。第一次坐下就报菜名似的自我介绍："我 INFP、回避型依恋、高敏感。"她说测出这几个标签那天，心里特别踏实。可你听得出，她要的与其说是了解自己，不如说是找一个够权威的东西替她把"我到底是谁"这道题给答了，好让她不用再一个人面对那个具体的、毛毛糙糙的自己。换我我也懂那种踏实：把判断权交出去，肩上就轻了。
把这份心思放到今天，AI 就是那个更新、更全知、更不会不耐烦的"权威答案"。你问它、它答你，语气笃定、有理有据。于是那台规范性发动机被悄悄点着了：你开始隐隐在意"别显得跟它对着干"，仿佛它也在打量你。可它没有。它对你没有看法，也不会因为你唱反调就看轻你，这份被认可的渴望，你其实是投给了一堵墙。研究要探的，正是这份投错了方向的心，到底有多容易被点着。
4 边界
先把话说到位：这是一次探测，不是一句判决
越是反直觉的题目，越得给自己泼盆冷水，不然一不留神，就把"研究在问"讲成了"研究证明"。
得讲清楚几层。第一，这是一个行为实验范式在探测一种倾向，不是"AI 正在操纵人类"的定论；它抓到的是特定任务、特定设计下的一个反应，不是所有人、所有场合都如此。第二，相关不等于因果：就算数据显示人对 AI 顾问也会改判，那也未必是"规范性从众"这一个原因在起作用，可能掺着信任、图省事、界面设计等一堆变量，得靠后续研究一样样排。第三，别急着把它变成"所以我们要防着 AI"，它更像一面镜子，照出的是我们自己那套古老的社交本能有多容易"认错人"。
诚实边界：单项研究、特定范式，样本与情境都有限；"人对 AI 也从众"是一个被观察到的倾向，不是铁律。相关≠因果，改判背后往往多因交织。心理科普非专业建议，本文只帮你多一个看自己的角度。
5 这对你意味着什么
下次想改口之前，先问问自己：是它可能懂，还是你怕它"不高兴"
道理落到手上，其实就一个小动作：把那两台发动机，当场分开来听。
AI 越来越像个坐在你旁边、什么都答得上来的同事，这没什么不好。真正值得留神的，与其说是它说了什么，不如说是你为什么听。所以当你正准备把自己原来的判断咽回去、改成跟它一样时，不妨在心里停半秒，分一分这两股劲：
一股是"它可能真掌握了我没有的信息"。这股，值得认真掂量，毕竟它读过的东西比你多，说不定你确实漏了。另一股是"我不想显得跟它对着干、好像我不懂似的"。这股，你可以轻轻放下：它对你没有看法，你不欠它一个合群。前一股帮你把判断修得更准，后一股只是让你把判断交了出去。
你想想，今天你顺着一条建议改了口，是因为你被说服了，还是只是不想当那个唯一说"不"的人？如果面前站的不是人，而是一台对你毫无看法的机器，这个答案，会不会不太一样？
取材：罗伯特·西奥迪尼《影响力》（社会认同：不确定时靠"别人怎么做"判断对错；其下有信息性与规范性两种社会影响）。新闻依据：一项 2026 年发表于《Scientific Reports》（Nature，编号 s41598-026-43042-5）的研究，用"医疗信息级联"范式，考察人在面对 AI 与人类顾问时，信息性影响与规范性影响两种从众效应是否同样迁移。诚实边界：单项研究、特定实验范式，为对一种倾向的探测，非"AI 会操纵人"的定论；相关≠因果，样本与情境有限。本文为科普解读，非专业心理建议；如有严重困扰，请寻求专业帮助。