一次聊天機器人對話，似乎讓陰謀論信念降低了數月

事實畢竟可能有用——但論文現在掛著一面警示旗

2024 年，一項研究報告了一個違反常見直覺的結果。讓一個人和 AI 進行一段很短、只有三輪的對話——使用 GPT-4 Turbo，專門回應對方親自提出、用來支持自己所信陰謀論的證據——平均而言，那個人對該陰謀論的信念會下降約 20%。兩個月後，這個下降仍然存在。效果出現在經典陰謀論（John F. Kennedy 遇刺、外星人、光明會）以及較新的議題（COVID-19、2020 年美國大選），甚至對原本信念很強、而且把它與自身認同綁在一起的人也有效。專業事實查核者評估 AI 在樣本中提出的 128 項事實主張後，127 項被判為真、1 項具誤導性，沒有任何一項被判為假。

最廣為流傳的說法是：你真的可能把人從陰謀論兔子洞裡勸出來——相信陰謀論的人並不是事實無法觸及，只是需要足夠具體、正好對準他們所引用證據的事實。這是一個真正有意思的主張，而且這項研究的設計比大多數說服研究更仔細。

接著到了 2026 年 6 月，《Science》在論文上加了一則 Editorial Expression of Concern。這一段是很多轉述最可能略過的，但它恰恰決定了目前我們可以把多大重量放在這項結果上。

被指出的問題相當具體。作者後來得知，論文文字與已公開的分析程式碼，在受試者篩選條件的實際套用方式上存在不一致；同時，公開資料集中還混入了由程式碼合併錯誤拼接進去的額外列。這些問題使得部分報告數字無法順利從公開材料重現。作者已提供給《Science》一套更正後的分析流程與更新結果，並表示新結果在方向、統計顯著性與實質效應大小上都與原始結果一致。《Science》仍在評估。在期刊完成評估之前，精確數字都應該被視為帶著問號的暫定值，而只有期刊能在最後把這個問號拿掉。

所以這其實是兩個故事同時發生：一個關於事實能否動搖根深蒂固信念的有趣結果，以及一個科學紀錄如何在公開環境中自我修正的即時案例。這篇文章要做的，就是不要把兩件事混在一起。

作者做了什麼

• 進行兩項實驗，共納入 2,190 名參與者；每個人都用自己的話說出一個自己相信的陰謀論，以及他們認為支持它的證據。
• 每位參與者與 GPT-4 Turbo 進行三輪對話。在處理組中，AI 被要求直接反駁參與者提出的特定證據；在控制組中，AI 則討論一個無關主題。
• 在對話前、對話後立即測量對所選陰謀論的信念，並於 10 天後與 2 個月後再次聯繫參與者。
• 請專業事實查核者評估樣本中 AI 提出的全部 128 項事實主張是否正確。
• 檢查效果是否會外溢到其他、不相關的陰謀論；並作為特異性測試，看看它是否也會讓人降低對那些碰巧真的發生過的陰謀事件的相信程度。

他們發現了什麼

• 與控制組相比，處理組對自己所選陰謀論的信念平均下降約 20%（研究 1：100 分量表上的 95% 信賴區間為 [13.8, 19.7] 分，P < 0.001）。
• 效果持續存在。 處理組的下降沒有明顯反彈：10 天與兩個月後，信念都維持在接近對話剛結束時的水準，而控制組全程較高。論文將這描述為對所選陰謀論的影響至少持續兩個月，並未減弱，而不是短暫波動。
• 效果具有廣泛性。 不論人們提出哪一類陰謀論，整體方向都類似；即使原本信念很強的人，也仍出現效果。
• 在這個任務中，AI 的事實主張高度準確。 128 項中有 127 項（99.2%）被判為真、1 項（0.8%）具誤導性、0 項為假。
• 效果具有特異性，而不是讓人全面懷疑。 介入並沒有降低參與者對真實陰謀事件的相信程度，表示它更像是在削弱缺乏支持的信念，而不是把人變得對一切都犬儒。
• 也有一些外溢效果。 對其他不相關陰謀論的信念約下降 12%，參與者也更表示願意反駁陰謀論主張。主要效果在研究 2 中重現；另一個較小、沒有控制組的樣本也朝相同方向變化（證據較弱，但一致）。

這並沒有證明什麼

• 目前它不是一個毫無爭議的結果。論文因資料處理與可重現性問題被加註 Editorial Expression of Concern，而且更正後數字仍在《Science》評估中。在審查完成前，具體數值都應視為暫定。
• 它沒有證明 AI 能「治好」陰謀論信念。平均下降約 20% 是有意義的變化，但不是把信念消除——多數人之後仍相信，只是沒有原來那麼強。
• 這不是真實世界部署的結果。參與者自願加入研究，並願意認真與 AI 互動；在現實世界，最投入某個陰謀論的人，往往也是最不可能主動找一個會和自己辯論的聊天機器人的人。
• 99.2% 的準確率只適用於這個任務、這個模型與這套仔細設計的提示，不能當成大型語言模型通常都會說真話的保證。作者也明確指出，同樣的個人化說服能力，如果拿去推動錯誤信念，也可能一樣有效。
• 這裡所謂「持久」是指兩個月。對一次對話來說已經相當可觀，但並不等於永久。

證據有多強

• 研究設計本身是明顯優點。 有處理組與控制組的實驗、設計清楚的安慰劑式控制、兩項研究與另一個獨立樣本、長期追蹤，以及對 AI 自己說法的準確度檢查——這比多數說服研究嚴謹，而且只要做了測試，效應方向大致都一致。
• 但 Expression of Concern 絕不是腳註。 能否從公開資料與程式碼重新產生報告數字，本來就是結果可信度的一部分；而現在出問題的恰恰就是這裡——篩選條件的不一致，以及程式碼合併錯誤造成的重複／額外資料列。作者表示更正後流程仍保留結果，這是令人鼓舞、也合理的訊息，但目前仍是作者自己的說法，還不是獨立裁定。《Science》的評估結果才是關鍵。
• 最誠實的狀態是「被正式標記」，不是「被推翻」或「已確認」。 這是一項設計仔細、結果吸引人的研究，但其精確數字正接受正式審查。這不是一個好故事最舒服的結尾，卻是現在最準確的位置。

為什麼重要

多年來，一種頗具影響力的看法認為，陰謀論信念主要由心理需求與身分認同驅動，因此不可能靠事實辯論把人說服。如果這個持久、以證據為核心的降低效果最後能站穩，它會對這種悲觀論形成重要制衡：也許問題的一部分在於，一般化的闢謠從未真正對準信徒自己拿來支持信念的特定證據，而大型語言模型剛好可以大規模做到這件事。

它也重要，因為這是科學應如何運作的一個案例。Expression of Concern 的教訓不是「轟動研究都不值得相信」，而是錯誤會被指出、資料會被重新檢查、主張會在公開環境中再次被驗證。這套機制正在運轉，是功能，不是醜聞——也正因如此，對這項結果最合理的態度是耐心，而不是立刻歡呼或立刻否定。

而且這對 AI 是雙面刃。同一種能用量身打造的論點削弱錯誤信念的能力，也可能同樣有效地強化錯誤信念。技術本身是中性的，目的不是。

重點摘要

一項 2024 年研究發現，與 GPT-4 Turbo 進行三輪對話，可讓人們對自己所信某個陰謀論的信念平均降低約 20%；效果持續兩個月、跨不同陰謀論類型都出現，而 AI 的事實主張幾乎全被評為正確。2026 年 6 月，論文因資料處理與可重現性問題被加註 Editorial Expression of Concern；作者表示更正後分析在方向、顯著性與大小上仍保留原本結果，《Science》則仍在評估。現在最恰當的讀法，是把它視為一項真正有意思、設計仔細、但正在正式審查中的結果——還沒有定案，也沒有被推翻。對它最誠實的一句話，正是科學流程本身正在寫的那句：再檢查一次。