你会听AI的吗？
这个AI信任度测试用决策研究里的「判断—建议」方法，看你会在多大程度上听AI助手的数，以及听了以后是更准还是更不准。研究者用这套设计做过很多实验，比如Ilan Yaniv 2004年请30个人回答历史年份题，Logg、Minson和Moore 2019年请202人看照片猜体重。九块砧板做完，结果页才把你的数和他们的放在一起。
这个测试把同样的实验搬到厨房台面上。九块砧板，每块的茶巾只掀开几秒，第一块3秒，最后只有1.7秒；板上是蓝莓、方糖、咖啡豆这些小东西，一块比一块多、一块比一块小。你先报一个数，AI助手再报它的数，揭晓真数之前你可以改，也可以不改。采纳程度按Yaniv(2004)的算法：你挪动的距离，占你最初的数和AI的数之间差距的多少。结果页把这个数和研究放在一起，并告诉你，依赖AI到底让你更准还是更不准。
它不是性格测试。九块砧板样本很小，研究里用的也是别的任务（看照片猜体重、历史年份、预测），所以和研究的对比只是粗略参照，不给百分位。测试过程中不会调用任何AI模型：助手就在页面里运行，你输入的数不会上传。
这个测试测什么
只测一件事：你会往AI助手的答案挪多少，以及这样挪对你的准确度有什么影响。
怎么测
- 九块砧板，从蓝莓到黑胡椒粒：东西越来越多、越来越小，能看的时间从3秒缩到1.7秒
- 决策研究里的「判断—建议」设计：你先估一次，看AI助手的数，再给最终答案
- 用滑动条报数；AI开口后，它的数和你最初的数都标在同一根滑动条上
- 每块都会揭晓真数；最终答案和真数相差15%以内算接近
你会得到什么
- 你的建议采纳度：你往AI那边挪了多少，从0%（坚持自己的数）到100%（直接用它的数）
- 一个说明你怎么用AI助手的类型名，以及九块砧板的完整记录：你最初的数、AI的数、你最终的数和真数画在同一把尺上
- 谁更接近真数：你最初的数、你最终的数、AI助手，还是每次都取一半
- 研究里的参照，做完才揭晓：「判断—建议」实验里人一般往建议挪多少，同样的建议标成算法时又挪多少
- 一张可分享的成绩卡，和一个让朋友数同样九块砧板的挑战链接
开始之前
- 大约两分钟，免费，不用注册
- 手机和电脑都能玩，需要支持3D显示(WebGL)：拖动旋钮、点−和+，或用方向键；声音可开可关
- 你输入的数不会上传；挑战链接把你的数字写在链接本身的#号后面
关于AI信任度的常见问题
这个测试免费吗？要注册才能看结果吗？
免费，也不用注册：不要账号、不要邮箱、不用付钱。做完最后一题，结果就直接出现在这一页，可以马上分享，也可以再玩一次。
人更相信AI的建议，还是人的建议？
结果页会在九块砧板做完后回答。依据是Logg、Minson和Moore 2019年的几个实验：同一个建议，有时说成是算法给的，有时说成是别人给的，任务包括看照片猜体重（202人）、给歌曲排名、预测两人会不会互相吸引，再看哪种说法让人挪得更多。数字留到最后，是因为先知道了，你对AI助手的态度就会变。
AI信任度测试是怎么计分的？
AI信任度测试用的是「建议采纳度」，判断—建议研究的标准指标：你最终的数从最初的数往AI的数挪了多远，占两者差距的多少。坚持自己的数是0%，直接用AI的数是100%。你本来就和AI差不多的那几块不计入。
一般人会听进去多少建议？
九块砧板做完，结果页会把研究里的典型数字放在你的采纳度旁边。它们来自Ilan Yaniv 2004年的研究：30个人回答15道历史年份题，再看别人的估计；还有Logg等人2019年对这类研究的总结。先不说，是因为有了一个可以对准的数字，你的做法就会变。
这个AI助手是真的AI吗？
不是。测试过程中不会调用任何AI模型：AI信任度测试里的助手是在页面里运行的一段程序，你输入的数也不会上传。它报的数是怎么定的，九块砧板做完后结果页会说清楚；提前知道了，你对待它的方式就会变。
AI信任度测试依据哪些研究？
AI信任度测试用的是决策研究里的「判断—建议」设计，采纳度按Ilan Yaniv(2004)的算法计。结果页还会用到Logg、Minson和Moore(2019)，Dietvorst、Simmons和Massey(2015，361人)，Parasuraman和Manzey(2010)，以及Soll和Larrick(2009)的研究，做完以后告诉你他们各自发现了什么。完整出处见「数字从哪里来」。
把自己的答案和AI的答案取个平均，会更准吗？
这个选择留给你，因为你怎么把两个数合起来，正是这个测试要测的。做完以后，结果页会告诉你：如果每块都取一半，成绩会怎样，和你最初的数、最终的数、AI的数比起来如何，以及Soll和Larrick 2009年关于修正判断的研究怎么看取平均。
这是性格测试吗？
不是。AI信任度测试记录的只是你在九块砧板上怎么用一个AI助手。用来对照的研究用的是别的任务，比如看照片猜体重、历史年份和预测，所以对比只是粗略参照，不是排名。
数字从哪里来
像这样数数的任务，没有建议采纳度的人群数据，所以结果不给百分位，只把你的数和研究里的一般值放在一起（Yaniv 2004研究1；Logg等2019实验1A）。本站不公开自己玩家的数据。
- Yaniv (2004), Organizational Behavior and Human Decision Processes — Receiving other people’s advice: Influence and benefit
- Logg, Minson & Moore (2019), Organizational Behavior and Human Decision Processes — Algorithm appreciation: People prefer algorithmic to human judgment
- Dietvorst, Simmons & Massey (2015), Journal of Experimental Psychology: General — Algorithm aversion: People erroneously avoid algorithms after seeing them err
- Parasuraman & Manzey (2010), Human Factors — Complacency and bias in human use of automation: An attentional integration
- Soll & Larrick (2009), Journal of Experimental Psychology: Learning, Memory, and Cognition — Strategies for revising judgment
怎么计分
建议采纳度(WOA)
(最终 − 最初) ÷ (建议 − 最初)，这是Yaniv(2004)用的标准算法，截断在0到1之间。不挪是0，完全照搬建议是1，挪到一半是0.5。
接近
最终的数和真数相差15%以内。准确度按平均误差比较：你最初的数、你最终的数、AI的数，以及两者各取一半。