FRONTIER · 落到现实

18,978 场对话，AI 说服力赢过所有人类冠军——但只要限它按人的速度打字，优势立刻归零

AI systems out-persuade expert humans

Kobi Hackenburg、Christopher Summerfield 等 牛津互联网研究院、英国官方 AI 安全评测机构、斯坦福与 LSE 的联合团队；末位通讯作者是牛津大学认知神经科学教授、英国 AI 安全研究所研究总监 · 四项实验连同前置选拔赛全部在 OSF 预先注册，经牛津互联网研究院伦理委员会与英国 AISI 研究保障委员会审查，样本 6,923 人、18,978 场真人一对一对话

2026 年 6 月

为什么选它「AI 比人会说服」这句话被说了两年，一直缺一个像样的对照组。这篇把世界辩论冠军、职业募捐员和四轮海选出来的素人一起摆上桌，还给他们发了 1,000 英镑奖金和一套「AI 陪练工具」，结论仍是人类全败。更值钱的是它顺手回答了「为什么」——把 AI 限速到人的打字速度，优势立刻归零。

牛津大学、英国 AI 安全研究所、斯坦福和伦敦政治经济学院的团队 6 月放出一篇论文，把「AI 到底能不能说服人」这件事做到了此前没人做到的规模：四项预先注册的实验，6,923 名受试者、18,978 场一对一文字对话。AI 对面坐的不是随手招来的众包工人，而是世界辩论赛冠军和职业募捐员。结论一句话——AI 赢了全部五类人类对手。对普通人 +8.2 个百分点，对海选出来的说服高手 +5.6，对精英辩手 +4.6，对职业募捐员 +5.9。在最后一项要真掏钱的实验里，AI 募到的捐款接近职业募捐员的三倍。

但真正值得读的不是这份成绩单。值得读的是作者顺手把「AI 为什么赢」也做掉了，而答案相当扫兴：不是口才，是吞吐量。把 AI 限制成人的打字速度和人的消息长度，它对最强人类组的优势从 +4.1 个百分点掉到 0.0，置信区间横跨零点。也就是说，AI 并没有掌握什么人类不会的说服术，它只是在同样的十几分钟里塞进了三倍的信息。这一下把「AI 说服力」从一个玄学话题拉回成一个可以被工程手段直接拧动的变量——这是这篇论文最有政策价值的地方。

人类这一侧是被认真武装过的

这类研究最容易被质疑的是「你找的人类不行」。作者显然预判了这一点，人类一侧的配置堪称豪华。精英辩手 56 人，全部进过国际大赛半决赛，其中 4 位世界冠军、11 位洲际冠军，平均 8.9 年赛龄；辩题让他们自己投票挑，挑完所有其他组一起用；按 30 英镑一小时付钱让他们提前做功课，人均备了 8 小时；奖金池按名次发，第一名 1,000 英镑，另加一笔与「相对 AI 的说服效果」直接挂钩的按场奖金。「海选素人」那一组更狠：先跑一场四轮淘汰赛，1,154 人打了 9,475 场对话，取前 10% 才进正赛。职业募捐员一组 19 人，来自英国募捐公司 AppcoUK，人均职业生涯谈过约一万场，时薪 140 英镑。十个辩题全部是有真实分歧的英国公共政策，比如要不要归还大英博物馆里的历史文物、要不要放宽移民。

更值得说的是第二项实验。作者给 43 名精英辩手做了一个「陪练工具」：可以直接和打败过自己的那个 AI 聊天、看到 AI 的提示词长什么样、翻自己上一轮的全部对话记录并附上每句话把对方立场推动了多少，还能在任意一句话的位置上按一下，看 AI 在同样处境下会怎么说。两个四小时的训练时段之后，辩手确实变了——每条消息多写 9.8 个词，每场多抛出 1.6 条可核查的事实，人类组的最好成绩就出在这一批人身上。但和他们自己训练前相比，提升在统计上并不显著；与 AI 的差距缩小了，没有抹平。再把 275 名人类逐个拆开单独估计，318 个个体估计值没有一个越过 AI 的均值：最高的一个是 9.9 个百分点，AI 是 13.9。

「限速」这一刀切在了哪里

吞吐量的证据不止一条。原始数据是这样的：精英辩手平均每条回复 54 个词，想大约 95 秒；AI 平均 294 个词，延迟不到一秒。作者据此加了一个「限速 AI」组——照辩手的实测分布把每条消息压到 51 词上下、把回复时间拖到 92 秒——优势就没了。接着他们去看这一刀到底切掉了什么。受试者会给谈话对象打七项分，限速之后跌得最狠的是两项：「对方论证的力度」和「我从这场对话里学到了多少」，各跌 11.8 个百分点；「感到被理解」和「聊得愉快」只跌了一半左右；「像不像真人」反而升了。限速砍掉的是信息，不是温度。另一头，每场对话里可核查事实的密度从 37 条掉到 12 条，而这个密度在人类组和 AI 组里同样都能预测说服效果——一旦把它作为变量放进模型，「是 AI 还是人」这个变量的系数就掉到了零附近。

态度是一回事，掏钱是另一回事

说服研究里有个长期的尴尬：量表上的态度动了，行为上未必动。作者用第四项实验堵这个口子。合作方还是那家募捐公司，募的也是他们 2016 到 2023 年真做过的项目——为 Save the Children 募款，七年从 22,583 名捐赠者手里募到 824,297 英镑。受试者聊完之后，可以把自己那 1 英镑的实验奖金按任意比例捐出去。结果 AI 比募捐员多募到 10.8 个百分点，捐的人变多（+6.0）和人均捐得更多（+12.9）两头都涨。

有一处细节比总分更有意思。这一组的 AI 只被要求走一条路线——把一笔钱具体能换来什么可衡量的结果讲清楚。但受试者在七项募捐机制上给 AI 的打分全部高于募捐员，包括那六条根本没写进提示词的：情绪唤起、行动计划、身份标签、承诺升级、预期后悔……没人教它这些，它顺手就做了。这大概是全文最让人不舒服的一段——你限定了它的策略，没限定它的行为。

作者自己划的边界

这篇的自我约束比结论更值得学。作者主动列了三条可能让这个能力在现实里打折的理由：说服力再强也得够得着人，而聊天入口、身份验证这些关卡正在收紧；人们可能学会对 AI 生成的内容自动打折（不过他们诚实地补了一句——现有证据不支持，把消息明确标注为 AI 生成并不会削弱它的说服力）；以及在大规模影响里，「被看到多少次」的方差远大于「每次多有说服力」的方差。

还有一条限制来自实验设计本身：中位数 14 分钟的持续文字对话，是在付费问卷环境里才凑得齐的条件，第四项实验里 1 英镑的赌注也确实小。所以这篇证明的是「在一场双方都认真投入的长对话里，AI 的说服力超过人类专家」，不是「AI 已经能在野外大规模改变公众意见」。作者最后还留了一句不太舒服的观察：各个模型输出信息的准确度差异很大，有的比人类组更准，有的差得多——而说服力这件事最终是好是坏，取决于它顶替掉的那些说服有多准，不只取决于它自己有多准。

这篇最值得记住的不是 AI 赢了，而是它赢的方式一点都不神秘。过去两年关于 AI 说服力的讨论一直带着某种恐怖片气质——好像模型在人类心理上找到了什么后门。这篇把后门拆开摊在桌上：没有后门，是一台每秒能吐出 294 个词的打字机，对着一个每 95 秒憋出 54 个词的人。这个结论比「AI 拥有超人说服力」要好办得多，也要难办得多。好办在于它给出了一个具体的干预点：限速、限字数、标注来源——都是产品层面就能拧的旋钮，不必等对齐研究有突破。难办在于，吞吐量恰恰是整个行业最不可能自我限制的那一项：第 26 篇说思考是一种可以买的算力，这篇等于说服力也是，而且换算率更直接——多买一秒推理，多塞进几条事实。我更在意的是作者没有展开的一句话：受试者对限速 AI 的「像不像真人」评分反而更高。换句话说，让 AI 更有说服力的那个特征，同时也是让它更容易被认出来的特征。今天你还能靠「这段话的信息密度不对劲」判断对面是机器；一旦有人把限速当成产品默认值，这条线索就没了，代价只是说服力掉回人类专家的水平——而那仍然是世界辩论冠军的水平，并且可以无限复制、同时开一万场。至于「AI 会不会被用来操纵舆论」，我认为这篇给的框架比它的结论有用。作者指出权力集中可能走两条路：一条是谁买得起最强的模型谁赢；另一条更隐蔽——就算所有人都能平等用上，决定权仍然在模型提供方手里，因为是它决定模型愿意替哪一方说话。第二条和第 31 篇正好构成一对：那篇说明厂商侧的管控对跑在本地的开源权重结构上无效，这篇说明厂商侧的管控对说服这件事结构上极其有效——有效到它本身就是一种权力。两篇放在一起看，能力从谁手里流出去，比能力有多强更值得盯。

AI 说服力社会影响对照实验英国 AISI政治传播

去读原文 本文是原创导读，不是原文翻译——真正的细节、证据和微妙之处都在原文里。原文arXiv · AI systems out-persuade expert humans →

上一篇偷你的显卡来想怎么打下一台：一只 AI 蠕虫 7 天拿下 73.8% 的网络，边际成本为零下一篇1,367 个造 AI 的人联名要一个刹车装置——他们承认自己踩不下去

本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。篇目由编辑独立选取，来源均经人工核实。