大爷听AI洒农药150亩苗一夜枯萎：为什么我们会越来越相信AI？

发布时间：2026-08-09 浏览次数：

人会越来越相信AI，往往不是因为突然失去判断力，而是在一次次“看起来有用”的体验中，把原本需要核验的建议逐渐当成了可以直接执行的结论。

2026年8月9日，“大爷听AI洒农药，150亩苗一夜枯萎”进入百度热搜。公开报道显示，安徽滁州一名67岁农户使用AI一年多，从最初“将信将疑”到后来越来越依赖其建议；此次根据AI生成的除草除虫方案喷药后，约150亩芝麻苗出现严重损失。这个事件值得讨论的，不只是AI会不会出错，而是人为什么会在长期使用中逐渐减少核验。

老年农户在农田边查看手机中的AI建议，呈现人们在高风险决策中逐渐信任人工智能的心理现象

从“参考一下”到“照着做”，信任是怎样累积的？

第一次使用一个陌生工具时，人通常会比较谨慎。我们会搜索其他资料、询问熟人，或者看看它过去是否答对。但当一个工具连续几次给出的答案都比较完整，而且没有马上造成明显问题，大脑会形成新的经验：这个工具“多数时候有用”。

这种信任累积本身并不异常。现实信息太多，人会依靠熟悉工具和过去经验减少判断成本。问题在于，“过去几次有用”和“这一次经过专业验证”并不是一回事。

为什么AI说得越完整，越容易让人觉得可靠？

生成式AI常能快速给出结构清楚、语句流畅、步骤完整的回答。内容越有条理，越容易让人产生“它已经替我想清楚了”的感觉。

但表达流畅只是信息呈现方式，并不能证明答案适用于眼前的真实条件。农业用药可能涉及作物品种、生长阶段、药剂登记范围、剂量、天气和现场病虫草害；医疗、法律、投资等领域也有各自必须核实的前提。AI如果缺少关键背景，仍可能生成一个听起来很完整的答案。

新华社2026年5月报道我国植物保护专业大模型时，研发团队特别指出，通用大模型回答植保问题时可能出现不准确、用药建议不规范甚至存在风险的情况。专业系统之所以需要接入农药登记等数据库，本身就说明“像专业答案”与“经过专业校验”之间仍有距离。

这背后有一个重要概念：自动化偏差

人因与决策研究中常用“自动化偏差”描述一种现象：当自动化系统提供建议后，人可能降低主动搜索和核验信息的警觉，更倾向沿用系统给出的结果。系统整体上可以提高效率，但一旦偶尔给出错误建议，过度依赖也可能让人跟随错误。

自动化偏差并不等于“使用AI的人不够聪明”。任务复杂、时间紧、核验成本高，以及过去形成的信任，都可能降低独立检查。近期实验研究也提示，对AI持更积极态度的人，在特定任务中可能更容易受错误AI建议影响。

越不熟悉的领域，为什么有时反而越难发现AI答错？

一个人越熟悉某个领域，越容易发现不合理之处。专业人员看到异常剂量、错误适用范围或缺失的重要条件，往往会马上停下来核对；但普通用户面对自己完全陌生的领域，没有足够的“内部标尺”，就很难判断哪一句需要质疑。

这会形成一个悖论：越需要核验的专业问题，越可能因为“不知道该核验什么”而直接接受答案。AI时代的重要能力之一，就是识别自己的知识边界。

真正危险的不是信任，而是验证步骤慢慢消失

信任工具可以提高效率，没有必要因为AI可能出错就拒绝使用。需要警惕的是，使用习惯是否从“AI帮我找线索”变成“AI替我决定”。

例如，遇到事情第一反应就是问AI；看到详细回答后不再查看原始资料；在完全陌生的领域也敢直接执行具体指令；甚至面对农药、医疗、合同、投资和儿童安全等高风险问题，仍沿用查询菜单、写文案那样的信任标准。此时让渡的已经不只是信息整理，而是最终判断权。

高风险问题，可以给AI设置三道人工复核线

先判断错误成本。写一段文案、整理旅行清单出错后通常容易修改；涉及农药剂量、医疗处理、合同责任、投资金额和人身安全时，错误后果明显更高，需要提高核验标准。
把具体指令降级为“待验证信息”。只要涉及剂量、禁忌、精确操作步骤、重大金钱或法律责任，不要因为回答完整就直接执行。
寻找真正独立的来源。优先核对政府部门、产品标签、专业数据库、正式规范或对应专业人员。再问另一个AI并不一定等于独立验证，因为不同系统可能使用相似资料，也可能重复同一种错误。

农业农村部2026年部署农药科学安全使用工作时，也强调强化用药指导、施药标准和数据监测，提高安全用药意识。对于专业、高风险操作，“能得到一个答案”并不是流程的终点。

AI更适合扩大信息，而不是替人承担现实后果

AI很适合整理影响因素、形成问题清单、解释陌生概念、比较方案和提醒缺失信息，能够明显降低信息搜集成本。

但最终决定往往需要现场条件、专业责任和价值判断。AI不会替使用者承担现实后果。把工具放在“辅助判断”的位置，比期待它永远正确更现实。

杨丽媛主任提醒：保留“停一下”的能力

德邑心理咨询中心主任杨丽媛提醒，当一个工具长期给出及时、完整、看起来专业的回答，人逐渐建立信任是一种可以理解的心理过程。真正需要训练的是在高风险场景中主动停一下：这个答案依据什么？如果它错了，后果是什么？有没有必要找独立来源或专业人员再确认？

AI时代的判断力，不是要求每个人都比AI知道得更多，而是在答案来得越来越快时，仍然保留核验、质疑和最终决定的能力。

常见问题

经常问AI，就说明已经产生“AI依赖”了吗？

不能只看使用频率。更值得关注的是是否失去自主判断、离开AI就难以做普通决定，或者明知属于高风险问题仍不愿核验。高频使用工具与把判断权完全交给工具并不是同一回事。

AI给出参考来源，是不是就可以直接相信？

仍然需要打开原始来源核对。来源是否真实、是否与结论对应、发布时间是否过旧，以及内容是否适用于当前具体情境，都需要进一步确认。

问两个不同AI得到相同答案，算交叉验证吗？

不一定。不同AI可能使用相似公开信息，也可能重复相同误差。高风险问题更有效的交叉验证，应来自独立的官方资料、产品说明、专业数据库或具有相应专业能力的人。

怎样判断一个问题属于高风险问题？

可以先问：如果答案错了，是否可能造成人身伤害、明显财产损失、法律责任或难以逆转的后果？如果答案是“可能”，就不应把AI输出直接当作执行指令。