Oracle 的指纹：相关 AI 预测误差及偏见传递的极限

当大语言模型（LLM）被用作预测工具时，个体错误的独立性——集体智慧的基础——可能瓦解。我们检验了三种必要条件，使这种“认识单一农场”得以形成。研究 1 中，我们展示 GPT-4o、Claude 和 Gemini 在 568 个已解决的二进制预测问题上表现出高度相关的预测误差（平均两两误差相关系数 r = 0.77, p < 0.001；排除可能泄露问题后 r = 0.78），尽管这些模型由不同组织独立开发。研究 2 中，我们检验了该相关偏差是否传播到人类众预测中，使用一种跟踪 ChatGPT 上线前后社区预测变动的题内设计手段。我们发现，社区预测会按 LLM 预测的方向移动（r = 0.20, p = 0.007），但这一变动完全由对真实答案的理性更新所解释。研究 3 中，我们检验了人类预测误差的类别级模式是否日益类似于 LLM 偏见指纹。我们发现，ChatGPT 诞生前的人类偏见已高度类似 LLM 模式（r = 0.87），而 ChatGPT 诞生后，类似度反而减弱（r = -0.28）。综合这些发现，揭示了一种已形成但尚未激活的认识单一农场：三个名义上独立的 AI 系统共享相同的失效模式，放大了人类已持有的恰恰是这些偏见。