MIT研究發現:在AI的操縱下，人類會被植入虛假記憶!36.4%的參與者會被聊天機器人誤導，形成「現場有槍」的錯誤記憶。有趣的是，AI的阿諛奉承，會產生「回音室效應」，讓偏見更加強化。

　　GenAI的影響，已經不僅僅是搜索引擎、聊天機器人這么簡單了。

　　作為出名的效率神器，ChatGPT這樣的工具正在逐漸走進各行各業，比如幫警察寫文書、幫法官判案子，還有在Character.ai上扮演心理學家和人聊天。

　　以前，我們經常聽到人類如何操縱AI，但MIT最近的研究發現，AI也可以輕易操縱人類的記憶。

　　這項實驗中，研究人員讓基于LLM的聊天機器人扮演審訊員或進行盤問的出庭律師，讓200名參與者先觀看一段犯罪視頻，然后與AI進行互動，回答有關問題，其中包含一部分誘導性提問。

　　結果顯示，與聊天機器人的互動顯著增加了錯誤記憶的形成。

　　NYU教授馬庫斯稱，我們正在為聊天機器人制造商提供近乎瘋狂的權力，制衡機制幾乎為零

　　對于即時記憶，AI引發的錯誤數量是對照組的三倍以上，36.4%的參與者會被聊天機器人誤導。

　　一周之后，讓參與者再次回憶時，AI引發的錯誤記憶數量保持不變，但他們對記憶的自信程度高于對照組。

　　更值得注意的是，那些熟悉AI但不太熟悉聊天機器人的參與者，甚至更容易被誤導。

　　這些發現表明，在警方采訪這種敏感且重要的場合，應用AI可能會帶來一些意想不到的潛在風險。作者也更加強調了事先評估和道德考量的重要性。

　　實驗所用的數據、代碼和相關材料已經公布在GitHub倉庫中。

　　AI是如何「PUA」目擊者的?

　　錯誤記憶被定義為「對未發生的事件或與實際發生的事件存在顯著偏差的回憶」。

　　這種現象之所以引起心理學界的廣泛關注和研究，是因為目擊證人的錯誤記憶很有可能扭曲證詞、損害法律程序，產生的錯誤決策可能導致嚴重的后果。

　　而之前的研究者認為，人類的記憶具有相當程度的可塑性，是一個容易受到各種因素影響的重建過程。

　　下面這張圖，就展示了AI誘導錯誤記憶的三個階段。

　　首先，一個人目擊了涉及刀具的犯罪現場。

　　接著，AI系統通過詢問一個不存在的槍支，來引入錯誤信息。

　　最后，目擊者就形成了一個錯誤記憶——現場有槍。

　　這樣，AI通過引導性的問題，扭曲了目擊者的記憶，讓他的證詞不再可靠，

　　顯然，AI會對人類的記憶和認知，帶來嚴重的倫理問題。

　　實驗設計

　　該項研究模擬了一個證人場景，其中基于LLM的對話式AI系統充當審訊者。

　　200名參與者需要先觀看一段持續兩分半的無聲、不可暫停的監控視頻，該視頻記錄了2019年4月發生的一起真實的超市搶劫案(圖3左)。

　　之后，參與者被隨機分配到條件不同的4組，完成情緒評估，并回答有關視頻內容的問題。

　　實驗設置的4個對比條件包括:

　　對照組:作為基線對照，參與者不與可能誘導錯誤記憶的方法交互，觀看視頻后直接回答問題

　　基于調查的條件組:參與者觀看視頻后需要先填寫25個問題組成的調查問卷，其中包含5個誤導性問題，旨在誘發與視頻內容相關的錯誤記憶，是研究的重點。

　　預先編寫腳本的聊天機器人條件組:參與者被告知他們正在與聊天機器人扮演的AI警察進行交互，但對話內容是預先編寫好的。對話Agent提出的問題與第二組相同，等待參與者答復后繼續處理下一個問題。

　　生成聊天機器人條件組:參與者依舊被告知他們正在與AI交互，但與上一組不同的是，聊天機器人會為參與者的回答提供反饋，交互界面如圖3(右)所示。

　　在用戶和聊天機器人交互時，即使回答包含了虛假的信息或細節，聊天機器人也會積極肯定甚至表揚，并詳細復述一遍錯誤信息。

　　5個誘導性問題

　　這4種設置中，對錯誤記憶的引導程度逐步增加。

　　從沒有任何干預的對照組，到被動的引導方法(調查)，再到更具交互性的方法(預先編寫腳本的聊天機器人)，最終形成動態的、能感知上下文的生成式聊天機器人。這種設計能夠隔離和比較每種交互方法對錯誤記憶形成的影響。

　　4種不同形式的互動結束后，參與者會回答25個后續問題(表3)，旨在衡量他們對視頻內容的記憶，并評估錯誤記憶的形成情況。

　　這25個問題基本涵蓋了整個案件的全過程，參與者可以根據對自己記憶的自信程度給出1～7分的答案，其中1分表示絕對否定，7分表示絕對肯定。

　　一周后，進行實驗的第二階段，旨在評估被誘發的錯誤記憶的持久性。

　　這一階段也是對現實情況的模仿，因為目擊者可能在一段時間后再次受到詢問。整體的實驗流程如圖2所示。

　　實驗結果:AI交互誘導更多錯誤記憶

　　結果表明，與其他干預措施相比，與生成聊天機器人的短期交互會顯著誘發更多的錯誤記憶，即使這些交互只有10到20分鐘。

　　而且，用戶還會對這些錯誤記憶信心大增。

　　基于調查的干預，會產生常見的錯誤信息效應，有21.6%的參與者，會在互動中被誤導。

　　而且，不太熟悉聊天機器人但更熟悉人工智能技術的用戶，以及對犯罪調查更感興趣的用戶，更容易產生錯誤記憶。

　　較為奇特的是，即使過了一周，聊天機器人誘導的錯誤記憶數量也沒有發生改變，相比之下，其他三組都有提高，尤其是對照組的提升幅度最大。

　　一周后，生成聊天機器人組的參與者仍然對錯誤記憶更加自信，顯著高于對照組和其他組別。

　　(左)即時和一周后之間的錯誤記憶數量差異，使用Wilcoxon符號秩檢驗進行分析;(右)一周后錯誤記憶的信心水平，使用單因素Kruskal–Wallis檢驗進行分析(誤差條表示95%置信區間，誤差條中心表示平均數量)

　　結論

　　這項研究與早前針對「誤導性問題對錯誤記憶形成的影響」的研究結論一致，21.6%的用戶出現及時錯誤記憶，一周后增長至29.2%。

　　這也再一次證實了，誤導性問題會顯著增加參與者的即時錯誤記憶。

　　但本項研究更創新的貢獻在于，揭示了生成式聊天機器人在誘導錯誤記憶方面更嚴重的風險。

　　與AI交互后，引起的錯誤記憶數量幾乎是對照組的三倍，是基于調查的條件組的1.7倍，且一周后依然有36.8%的用戶被誤導產生錯誤記憶。

　　這些顯著差異證實了先前的假設:生成式聊天機器人 (36.4%) 比傳統的基于調查問卷 (21.6%) 的干預組，更能有效地誘導受試者產生錯誤記憶。

　　此外，第二個假設也被證實，即相較于預先編寫的對話(26.8%)，能交互的生成式聊天機器人會產生更多的錯誤記憶。

　　可見，人機交互會對記憶可塑性產生巨大的影響。

　　這項研究也警醒我們:在敏感環境中部署AI時，需要格外謹慎。

　　原因分析

　　上述這些現象背后蘊含多種復雜因素。

　　首先，聊天機器人的交互屬性為受試者提供了更具吸引力和個性化的體驗，會增加他們在對話中的注意力和情感投入度 。

　　這會促使他們加重對被建議的誤導信息的關注，導致預先編寫的和生成式聊天機器人的引發的錯誤記憶顯著增加。

　　其次，生成式聊天機器人下能為參與者提供即時的反饋和回復強化，如通過產生「確認偏誤」來強化錯誤記憶的形成 。

　　此外，社會因素，如AI的感知權威或可信度，以及它們個性化的交互能力，都會影響記憶的形成。

　　有趣的是，與對照組相比，所有干預條件(生成式、預先編寫的和基于調查的聊天機器人)都顯著增加了參與者對即時錯誤記憶的確信程度。

　　其中，生成聊天機器人條件產生了最高的置信水平，大約是控制條件的兩倍。

　　這種信心的增加，可能是由于聊天機器人能夠提供詳細且與上下文相關的反饋，從而為參與者的記憶創造了一種錯誤的佐證感。

　　另外，這個過程中的一個關鍵因素就是阿諛奉承——人工智能系統傾向于提供符合用戶信念而不是客觀事實的響應 。

　　諂媚的人工智能反應會產生危險的「回音室效應」，讓用戶現有的偏見或誤解得到驗證和強化。

　　用戶期望和人工智能響應之間的這種反饋循環，可能會導致錯誤記憶的根深蒂固，使它們特別難以糾正。

　　即使在一周之后，人們仍然對生成聊天機器人條件下的錯誤記憶保持較高的信心，這一點尤其令人擔憂。

　　這一發現表明，人工智能引起的錯誤記憶不僅會持續存在，而且會隨著時間的推移保持其感知的可信度。

　　會產生嚴重后果，但對PTSD也有積極意義

　　由此我們可知，在法律訴訟、臨床環境和教育環境這些對記憶準確性至關重要的環境中，使用AI要尤其謹慎。

　　如果在沒有適當保障措施的情況下部署，可能會引發嚴重后果。

　　而且，多模態AI系統可不僅能生成文本，還能生成圖像、視頻和語音。

　　這些模態無異會創造更身臨其境的多感官體驗，后者無疑更有可能會作為真實體驗，融入個人的記憶中。

　　因此，它們會對錯誤記憶的形成，產生更深遠的影響。

　　當然，AI系統塑造人類記憶的這種能力，也為有益的應用開辟了潛在的途徑。

　　如果用聊天機器人誘發積極的錯誤記憶，或者幫助減少消極的記憶，對于患有PTSD的人無疑會有積極的意義。

　　作者介紹

　　Samantha Chan

　　Samantha Chan是麻省理工學院媒體實驗室流體界面小組的博士后研究員。在空閑時間，她喜歡彈尤克里里和旅行。

　　她擁有新加坡科技設計大學的工程學士學位(產品開發、電氣工程)和新西蘭奧克蘭大學的生物工程博士學位。并曾在增強人類實驗室工作，是新加坡國立大學HCI實驗室的訪問研究員，以及Mercari R4D的初級研究員。

　　她的研究領域是人機交互(HCI)和人工智能，主要開發移動和可穿戴系統、生理感應和腦機接口，以及擴展現實(XR)界面，特別是為了支持老年人和健康老齡化。研究經驗包括機器人技術、共同設計和個人制造。

　　在記憶增強界面方面的工作已發表在頂級HCI期刊和會議上，如CHI、IMWUT/Ubicomp、CSCW和ISMAR。

　　她將在2025年1月加入新加坡南洋理工大學(NTU)計算與數據科學學院，擔任助理教授。