囚徒困境
信息越唾手可得，验证信息的账单就越长。 在博弈论的经典模型“囚徒困境”中，两个被捕的囚徒面临沉默与背叛的选择。 规则很简单：都沉默，各判1年；都招供，各判5年；一个招供一个沉默，招供的当场释放，沉默的判10年。 假设两个囚徒都很理智，懂得计算概率与成本，那么谁都不会选择沉默——因为无论对方怎么做，你背叛永远比合作拿到的多，所以肯定选背叛。 经典的囚徒困境里，理性人永远互相背叛，结果双输。 但假如我们现在打个补丁：他们可以自己花钱，请一位“中间人”来担保对方的承诺。 于是剧情有了微妙变化。两人各自掏一笔钱，雇一位德高望重的律师，让他居中传话，并收取押金作为违约补偿。律师费、担保金、时间成本，这些额外的花销，就是为了促成“互不背叛”的合作而付出的代价。 如果这笔钱太高，他们索性认命，互相揭发；如果这笔钱恰好能承受，他们则可能联手沉默，各获轻判。 你看，困境不是没有解，只是解药要花钱。这笔为了让彼此敢于相信而砸下去的真金白银，我管它叫 “信任成本”。 它像一种隐形的税：看不见，但无处不在；你不一定意识到它的存在，却一直在为它付账。 把视线拉回当下。现在我们每天都在面对另一场囚徒困境，只是博弈的对象从嫌犯换成了人工智能。 你用大模型写一份行业报告，它信手拈来几组数据，还贴心地附上了出处。你有些兴奋，却又隐隐不安——它会不会又在“幻觉”？会不会把某篇论文张冠李戴，把虚构的新闻当成事实？这份材料你是直接用，还是再花半小时去溯源核实？ 最终，你深吸一口气，打开三个不同的AI窗口：ChatGPT、Claude、Kimi，把同一个问题分别扔进去。然后像情报分析员一样对比答案，标记出入，甚至再切到传统搜索引擎里翻上几页，直到关键的几个数字和事实在多个源头得到印证，才敢放心粘贴。 这个过程就是典型的信任成本。为了对抗AI“错觉”（幻觉），我们不得不搞起“AI养鱼”——不单养一条，而是养一池，让它们彼此印证。一次性问答变成了多重验证，原本承诺的高效变成了新的劳动。你可能为几个工具同时付费，更别说头脑里反复纠结的时间：它给出的这个方案，到底能不能用？ 我们以为买了AI，是在付费买效率；但为了这份效率不打水漂，又在额外付出一笔信任保险费。常常是效率没省下多少，焦虑倒多了几分。 其实不止是AI。囚徒困境的变体与AI的选择焦虑，不过是一个古老难题的新皮肤。 仔细看四周：跨境电商交易，为什么要有信用证和第三方担保？企业招聘，为什么要做背调和试用期？甚至私下托人办事，还要找个“靠谱的介绍人”攒个饭局。这些信用证、背调、那顿饭、那份人情，本质上都是信任成本。因为无法天然地相信对方的品质、能力和意图，我们只好先花钱、花时间去购买“可信的凭证”。 社会学家说，人类文明的演进，某种程度上就是一部不断把信任成本打下来的历史。血缘宗族是最初的小范围低成本信任；后来有了契约、法律，让陌生人之间也能快速建立低成本的合作预期；再后来是银行信用体系、互联网评价、第三方支付——每一个伟大基础设施的出现，都是在把当时高额的信任成本，往下压一个数量级。 而AI的“幻觉问题”，把信任成本重新推到了聚光灯下。获取信息的成本早已被技术削平，但判断信息可信度的成本，却突然暴增。你能够瞬间生成十页方案，但评估这十页方案里有没有埋雷，可能耗费你一整个下午。 这成了一种新的困境：信息越唾手可得，验证信息的账单就越长。 你也许会问，AI带来的信任成本有解吗？有，而且我们已经在路上。 首先是技术路径。可解释AI正在尝试让模型不再是一个黑箱，你可以追溯它得出结论的逻辑链条；检索增强生成（RAG）让模型在回答时明确引用知识库里的原文，像论文附上参考文献。每一次技术的进步，本质都是在降低“验证”的边际成本。 更深远的变化在人机关系的重构。今天我们面对AI“不信任”，不得不做交叉验证，这和当年早起电商年代，人们不敢在网上付钱，最后支付宝用“担保交易”造出一个制度性的信任容器，如出一辙。未来很可能出现专门的“AI验证AI”，或者基于可信协议的知识溯源网络。当一种新的信任机制长出来时，旧时代的高额成本就会被迅速遗忘。 不过，最根本的跃迁在于我们的预期。绝对的零信任成本，可能永不存在。 真实世界的确定性总有缝隙，AI的幻觉也许只是缝隙的新形式。但人类从未因此停止协作——我们只是学会了在更多“打问号”的场景里，用机制而非纯凭直觉去构建信任。 试想，每一次你愿意在多个AI模型之间来回比对，虽然付出了一笔小小的信任税，但这笔投入恰恰保护了决策质量。因此，你并没有退回“不用AI”的背叛式选择，而是选择了一种更有耐心的合作。 这种反复验证的过程，看起来低效而有些狼狈，却也悄然训练着我们与智能工具共舞的素养。它让你成为一个更审慎的决策者，也让AI在人类反馈中一点点被驯化得更加靠谱。