人工智慧回饋的學習幻覺：棋類平台揭示自選偏差擴大技能差距
研究發現人工智慧回饋普及但使用存在自選偏差。作者以在線棋類平台五年、52,000名玩家數據分析，指出積極和高階玩家更常尋求並有效利用AI回饋，造成學習成果表面化，控制動機後顯著消失。這導致技能差距擴大與智識多樣性下降，並以42次平台自然實驗驗證多樣性減少具因果性。
人工智慧回饋扭曲學習判斷：自選造成的微觀與宏觀後果
一項基於線上棋類平台逾五年、52,000 名玩家資料的研究指出，玩家主動選擇人工智慧回饋會扭曲對 AI 效果的判斷。
研究發現動機高且技藝較佳的玩家更常且更有效地使用 AI 回饋；若不控制使用者的內生動機，分析會顯示學習成效，然而在考量自選後，表面上的學習提升幾乎消失。研究以個體層面的行為差異說明，積極尋求回饋的人本就更可能展現進步，造成一種「AI 有效」的錯覺。
這種自選機制在群體層面帶來兩項顯著影響：一是有動機與高階玩家獲益較多，使技能差距擴大；二是當大多數人都暴露於同一集中式 AI 回饋來源時，個體採用的輸入趨於一致，智識多樣性下降。作者進一步利用42 次平台層級的自然實驗，證明多樣性減少具備因果性。
結論指出，人工智慧輔助系統的設計與存取政策需考量使用者動機與多樣性維護，以避免優勢放大與群體智識同質化，並提醒在評估 AI 學習成效時應控管自選偏差，以免誤判技術效用。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
