🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
过去两年，美国上班族里使用人工智能的比例翻了一倍，达到四成。写代码、做客服、看片子、写报告，甚至当裁判和催债，都能看到大模型的身影。很多公司还在让员工把越来越多的时间花在“指挥”人工智能上。乐观的人说，这不奇怪，人类总能守住一块地盘。
他们给出两条理由。第一条是“口味”：机器再会干活，也得有人告诉它做什么、什么才算好，人类更懂自己的同类喜欢什么。第二条是“身份”：就算机器做得更好，消费者也可能宁愿买人做的东西，就像有人愿意多花钱买手工制品一样。可这两条理由都还没有被放在一个真实的买卖场景里检验过。
过去的研究大多靠问卷、假设性选择或事后观察，人们说的和真掏钱时做的未必一致。这篇论文想搭一个小而完整的市场，让人类和机器真刀真枪地比一次。
② 研究问题（要回答什么？）
作者把要弄清楚的事情拆成了三件。第一件，人类生产者——不管是普通人还是创意行业的专业人士——设计出来的东西，是不是真的比人工智能单独做的更受消费者欢迎？第二件，生产者自己是不是相信这一点？如果人类其实没有优势，他们会不会提前察觉？第三件，如果消费者被告知一件产品是人做的，他们愿不愿意为此多付钱？
这三个问题对应两种关于“人类为什么还能留在生产里”的假说。第一种叫品味优势，认为人类更会设计出别人喜欢的东西，机器负责执行，人负责指方向。第二种叫内在偏好，认为消费者就是偏爱沾了人手的产品，哪怕它并不更好。作者把前两个问题交给生产者和真实市场，把第三个问题交给随机披露信息，试图把两种解释分开。
如果两种解释都站不住，那么“人类在创意生产中不可替代”这个安慰性的想法就需要重新审视。
③ 研究方法（怎么做的？）
研究者在一家在线众包平台上招募了一千零二十五名美国参与者，把实验分成三个研究。第一个研究有二百九十六人，他们先当生产者，再当消费者。第二个研究另找一百八十名创意行业从业者，只当生产者，其中有游戏开发者、平面设计师和内容创作者。第三个研究再找五百四十九人，只当消费者。
当生产者的人要用一款人工智能编码助手做三款小游戏。每款游戏从一个黑白简约的“基础游戏”出发，参与者可以给助手下三次指令，让它改代码，每轮之间还能试玩。三分之二的生产者会被随机安排观看人工智能独立设计游戏：研究员让另一个大模型想点子，再交给同一个编码助手实现，参与者亲眼看着它“打字”。
之后进入买卖环节。消费者用一套真实付钱的机制出价：转动转盘随机给出一个零到一美元之间的价格，出价高于这个价格就成交并付钱。生产者能拿到消费者为自己游戏出的价，所以他们的收入取决于游戏好不好卖。第一和第三个研究还随机决定要不要告诉消费者游戏是谁做的：一种什么都不说，另一种明确标注“人机合作”还是“人工智能独立完成”。第三研究额外区分了“你的钱会付给人类生产者”和“你的钱不会付给他”两种情况。
整个流程像一个小型跳蚤市场：有人摆摊做货，有人掏钱挑货，价格由规则决定而不是靠嘴说。
④ 结果（发现了什么？）
结果和作者原本的期待正好相反。人类做的游戏平均能卖三十七美分，而人工智能独立做的游戏能卖四十七美分，高出十美分，换算成标准差是零点三一倍，差距非常显著。专业设计师的游戏也不占便宜，比人工智能低零点一六个标准差；按消费者打分，业余者和专业者的综合质量分别比人工智能低零点三四和零点二一个标准差，业余者还不如专业者。
更让作者意外的是创意这一项。人们原本以为人类胜在点子新鲜，但消费者偏偏觉得人工智能的游戏更有创意。一个可能的解释是：想点子、判断点子好不好，对人来说又慢又费劲，机器却能一下子给出很多个。数据也支持这一点——业余者每款游戏平均写六十个词的指令，专业者写八十九个，而人工智能那一次的点子长达二百三十五个词。
生产者完全没料到会输。在还没看到人工智能的作品前，业余者和专业者分别预测人工智能会少卖九美分和十七美分；可一读完人工智能想出的点子，他们的预测立刻翻转，变成人工智能会赢。
那么，告诉消费者真相会怎样？结果几乎没变化。不说破时人工智能平均多卖六点八美分，说破时多卖六美分，两者在统计上没有差别。在看不到标签的那一组里，消费者猜某款游戏是人做的平均给五成八的概率，猜是人工智能做的给五成九，基本等于瞎猜；而被明确告知后，他们能正确记住九成三的游戏来源，说明信息确实看进去了。
⑤ 讨论（这些发现说明什么？）
这些结果指向一个并不让人舒服的可能。我们担心的不是流水线上的重复劳动被机器接管，而是那些最能给人带来成就感和乐趣的工作——设计、创作、想出点子——也可能被机器做得更好。实验中，生产者一边做一边愿意自己掏钱继续做，超过九成的人愿意为“继续设计”付钱；八成以上的人至少“比较自豪”，近九成的人至少“比较享受”。这些收益不会出现在国内生产总值里。
作者还提醒，生产者事先的自信会放大失业的代价。如果一个人根本没觉得自己会被取代，他就不会提前学新技能、换赛道，等变化真的到来时，调整会更痛苦。至于“支持人类创作”的常见办法——贴标签、讲情怀、保证钱付给人类——在这个实验里都没有提高消费者的出价。
作者也划出了边界：这是一个被压缩过的市场，金额只有几美分到一美元，游戏只玩一分钟，生产只持续几十分钟；换到音乐、书籍这类赢家通吃的市场，或者科研这类更复杂的领域，结论未必能直接照搬。但实验在很多地方其实偏袒人类：人工智能只能想一次、不能试玩迭代，消费者和生产者还是同一批人，信息也被做得非常醒目。
⑥ 结论（最终结论 + 启示）
这项研究给出的答案相当冷峻。在一个人工智能可以独立完成创意产品的市场里，人类既没有表现出更懂消费者口味，消费者也没有表现出非人不可的偏爱。两项主要假说都没有得到支持。作者认为，政策制定者应当尽早、坦率地讨论人工智能生产对劳动市场的含义，而不是把希望寄托在“人做的”这个标签上。
他们希望这项研究是一个起点。人类在哪些创意工作上仍能长期胜出、消费者在什么条件下会真正在意产品背后的劳动，这些都还需要更多研究。至少在这个实验里，被替代的恰恰是那种人们愿意做、也做得开心的好工作。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
生成式人工智能的采用速度超过个人电脑与互联网：2023 至 2025 年，美国劳动者在工作中使用 AI 的比例翻倍至 40%（Appel et al., 2025; Bick et al., 2026）。LLM 已进入编程、面试、客服、临床记录、影像诊断、管理咨询、体育裁判与债务催收等任务（Brynjolfsson et al., 2025; Dell’Acqua et al., 2026; Peng et al., 2023），员工的时间越来越多用于管理与指挥 AI 代理（Humlum & Vestergaard, 2026; Hitzig et al., 2026）。与以往的技术冲击不同，这一轮直接触及沟通、艺术、推理等曾被视为“人类专属”的领域，因此不仅是收入风险，也威胁工作作为意义与自豪感来源的功能。
文献提出两种让人类留在生产中的机制。供给侧的品味优势假说认为，人类更擅长判断与设计他人偏好的产品，因而即便编码等常规任务被自动化，人类的方向性判断仍不可或缺（Autor, 2015; Agrawal et al., 2019）；更乐观者认为 AI 会降低技术门槛、释放更多人的创造力（Autor, 2024）。需求侧的内在偏好假说认为，消费者对“人手参与”本身有支付意愿（Fuchs et al., 2015; Granulo et al., 2021; Bellaiche et al., 2023）。既有证据多为相关性调查、假设性选择或非激励性评分，缺少一个能同时操纵产品质量来源与消费者信息的真实激励市场。
本文的贡献有三。其一，构建首个让“人机协作生产者”与“完全自主 AI”在同一激励市场中直接竞争的实验市场，共生产 1,600 余款可玩的电脑游戏。其二，将供给侧的品味检验与需求侧的披露检验放进同一框架，并用生产者的激励性预测识别其信念偏差。其三，三项研究均预注册（AEARCTR-0019010），所有关键选择——生产者的市场报酬、消费者的购买、生产者的预测——都真实付钱。
I. Theoretical Framework & Hypotheses（理论框架与假设）
两项主假说与一项信念研究问题如下。H1 对应 RQ1，H2 对应 RQ3；RQ2 不检验新假说，而是检验生产者是否相信 H1，从而判断 H1 被推翻时是否出乎当事人意料。
| 编号 | 假设 / 问题 | 机制与文献 | 可观测含义 |
|---|---|---|---|
| H1 | 人类生产者（业余者与专业人士）相对自主 AI 具有品味优势 | 隐性偏好知识、创意判断与方向性引导（Autor, 2015; Agrawal et al., 2019） | 人机协作游戏的消费者 WTP 高于 AI 独立设计游戏 |
| H2 | 消费者对“人类参与生产”存在内在偏好 | handmade effect、象征性消费、劳动可见性（Fuchs et al., 2015; Granulo et al., 2021） | 披露人/机来源后，人类游戏的相对 WTP 上升；若告知付款归人类生产者，效应更强 |
| RQ2 | 生产者是否预期自己胜过 AI | 过度自信与自我评估偏差 | 生产者对自身游戏与 AI 游戏的预测 WTP 之差 |
识别策略为随机化实验而非观察性因果识别：AI 独立生产在个体内随机（是否观看、在第几轮后观看），披露在消费者个体层面随机（Study 1 两臂；Study 3 三臂）。因此人机 WTP 差异与披露效应的识别不依赖选择偏误；个体固定效应进一步吸收消费者/生产者的稳定偏好。H2 的关键在于“披露 × 生产者类型”的交互，而非披露主效应。
M. Materials & Methods（材料与方法）
- 样本：1,025 名美国 Prolific 参与者，分三研究：Study 1 业余生产者兼消费者 296 人（2026-07-06 至 07-10，中位时长 54 分钟）；Study 2 创意行业专业人士 180 人（08-04 至 08-11，51 名游戏开发者、70 名平面设计师、59 名内容创作者）；Study 3 专职消费者 549 人（08-31 至 09-02，中位 20 分钟）。答错超过三道理解题的潜在参与者被自动剔除（9.7%）。三项研究均预注册于 AEA RCT Registry（AEARCTR-0019010），经 CMU IRB 批准。
- 生产阶段：每名生产者完成 3 个设计任务，每个任务从 7 个“基础游戏”中随机抽 1 个，通过嵌入实验的 API 与 Anthropic Opus 4.8 编码代理交互，最多 3 轮消息；每轮发消息前必须试玩当前版本至少 10 秒。共生成 1,600 余款游戏（业余 888 个设计任务、专业 540 个）。
- AI 独立生产操纵：三分之二生产者被随机选中观看 AI 独立设计（Anthropic Sonnet 4.6 生成一段创意描述，再交同一编码代理实现），其中一半在第 1 个任务后、一半在第 2 个任务后观看，从而同时随机化“是否”与“何时”。AI 只给一次提示、不能试玩迭代，属于刻意削弱的对照组。
- 消费阶段与 WTP elicitation：Becker–DeGroot–Marschak 机制，转盘在 $0.00–$1.00 随机取价，出价（“最高价”）高于价格则成交并付款，否则获得基础游戏；付款从后续报酬中扣除。Study 1 消费者每人评价最多 4 款来自同一生产者的游戏（1,018/1,023 款游戏恰好被一名消费者看到）。Study 3 消费者面对 503 款专业游戏、388 款业余游戏与 297 款 AI 游戏的混合池（AI 占 25%），并在 1–9 量表上评价 fun、creativity、polish、clarity。
- 披露操纵：Study 1 个体层面随机 Blind / Disclosed；Study 3 三臂随机：Blind、Disclosed + Paid（告知 WTP 将付给人类生产者）、Disclosed + Unpaid（告知不影响生产者报酬）。Blind 组用匹配概率机制（Karni, 2009）报告“该游戏由人设计的概率”。
- 估计方程：
WTP_ij = α + β₁·AI_j + β₂·Disclosed_i + β₃·(AI_j × Disclosed_i) + μ_i + ε_ij，其中 μ_i 为消费者固定效应，标准误按消费者与生产者双向聚类（每款 AI 游戏自成一个生产者簇）。AI 溢价在两种披露之间的差异由 β₃ 识别。 - AI 暴露的次级效应：
Y_it = α + β·PostAI_it + δ_i + λ_(order×study) + ε_it，Y 标准化为自身标准差，δ_i 为生产者固定效应，标准误按生产者聚类。
R. Results（结果）
- 人类生产是“好工作”：消费者为人类游戏相对基础游戏平均愿付 $0.37，83.5% 的出价严格为正；按每分钟计价约为电影票的两倍。生产者侧 80.7% 至少“比较自豪”（42.5% “极其自豪”），87.5% 至少“比较享受”（48.6% “非常喜欢”）；71.5% 愿付钱获得游戏链接，81.0% 愿付钱让游戏上公开网站；92.1% 的“继续设计”出价为正，均值 $0.41，约等于实验时薪的一半，且随任务推进不降反升。
- RQ1 / H1 被拒绝：合并披露臂，消费者对 AI 游戏平均愿付 $0.47，对人类游戏 $0.37，差距 10.0 美分 = 0.31 SD（p < 0.001）。专业人士的游戏比 AI 低 0.16 SD（p < 0.01）。质量评分上，专业人士综合指数低 0.21 SD（p < 0.001），业余者低 0.34 SD（p < 0.001），业余者显著差于专业者（p = 0.02）。AI 的优势在创意维度同样成立。
- 学习不能弥补：即使生产者在看过 AI 独立设计之后再做的游戏，仍比 AI 游戏低 0.21 SD（Study 1，p < 0.01）与 0.15 SD（Study 3，p = 0.01）。分位数上，Study 1 除最低十分位外各十分位的 AI–人类差距 95% CI 均排除零；Study 3 在最低十分位以上各点 AI 均占优，但并非都显著。
- RQ2 / 信念偏差：生产者最初预测 AI 游戏分别比自己的低 9 美分（业余）与 17 美分（专业），约 0.3–0.5 SD（单样本 t 检验，p < 0.001）；读完 AI 的点子后预测立即反转，玩过之后仍维持 AI 占优。提示词长度侧面印证“想法数量”渠道：业余者 60 词、专业者 89 词、AI 单次 235 词。
- RQ3 / H2 被拒绝：合并两研究与两个 Disclosed 臂，Blind 组 AI 溢价 6.8 美分（p < 0.01），Disclosed 组 6.0 美分（p < 0.001），两臂相等检验 p = 0.79。Study 1 分样本：AI×Blind = 11.83（SE 3.18，p < 0.01）、AI×Disclosed = 7.49（SE 3.09，p < 0.05）、Disclosed 主效应 −3.39（SE 2.96，不显著），两交互相等 p = 0.328（加顺序 FE 后 0.287）。Study 3 三臂 AI 溢价相等的联合 F 检验 p = 0.87；“付款归生产者”与“不归生产者”两臂也无差异。
- 披露操纵有效性：Blind 组认为游戏由 AI 设计的平均概率 59.3%，由人设计的 58.2%（p = 0.67），说明消费者无法自行辨别来源，排除了“盲标早已被看穿”的替代解释；Disclosed 组对来源的回忆正确率 92.8%，说明信息被注意到。
- AI 暴露的次级效应：看过 AI 生产后，人类游戏的 fun、creativity、polish 分别提高 0.214、0.263、0.246 SD（p < 0.05），综合指数 +0.198 SD（p < 0.10），但消费者 WTP 仅 +0.109 SD（p = 0.31，不显著）；生产者自豪感 −0.138 SD（p < 0.10）、愿为公开网站付费 −0.129 SD（p < 0.05），享受度、链接付费、生产者剩余均不显著。
| 结果 | 系数 / 差距 | 标准误 | p 值 |
|---|---|---|---|
| AI − 人类 WTP（Study 1，美分） | +10.0（0.31 SD） | — | < 0.001 |
| AI − 专业者 WTP（Study 3，SD） | +0.16 | — | < 0.01 |
| 质量综合指数：专业者 − AI（SD） | −0.21 | — | < 0.001 |
| 质量综合指数：业余者 − AI（SD） | −0.34 | — | < 0.001 |
| AI×Blind（Study 1，美分） | 11.83 | 3.18 | < 0.01 |
| AI×Disclosed（Study 1，美分） | 7.49 | 3.09 | < 0.05 |
| 两交互相等（Study 1） | — | — | 0.328 |
| 三臂 AI 溢价相等（Study 3，联合 F） | — | — | 0.87 |
| 看 AI 后：创意（SD） | +0.263 | 0.103 | < 0.05 |
| 看 AI 后：自豪（SD） | −0.138 | 0.071 | < 0.10 |
| 质量评分预测 WTP（fun，N=2,196） | 14.93 | 0.67 | < 0.01 |
a / D. Discussion & Conclusion（讨论与结论）
- 理论含义：两项关于人类为何留在生产中的主流解释在同一激励市场里同时失效。AI 不但在执行力上占优，也在被认为最“人类”的创意维度上占优；消费者即便在信息最透明、劳动最可见、付款直接归生产者时，也未表现出内在偏好。这与 algorithm appreciation（Logg et al., 2019）一致，而与 handmade effect 文献形成边界条件：当产品质量差异可被直接体验时，来源标签不再起作用。
- 机制：作者倾向“想法生成成本”解释——人类提出并筛选创意既慢又贵，AI 可即时、廉价地生成大量想法且不牺牲平均质量；专业者的提示更长、游戏更好，但仍不及 AI 一次性想法。另一个机制是信念偏差：生产者系统性高估自己相对 AI 的表现，且只需读到 AI 的点子就会修正，说明偏差来自对技术能力的错误先验而非经验不足。
- 政策启示：(1) 被替代的可能是“好工作”，其非货币收益（自豪、享受、意义）不计入 GDP，国民账户会低估福利损失；(2) 未预期到的替代会推迟再培训与职业转换，放大调整成本，因而需要尽早、公开的劳动市场讨论与主动的转岗支持；(3) “人做的”标签、产地披露、情感号召等市场策略在本实验中没有效果，不宜作为保护就业的主要工具；(4) 竞争政策与再分配应关注创意中端岗位，而非只盯低技能 Routine 任务。
- 局限：市场被压缩（小额、短时、分钟级生产）；AI 对照组被削弱（单次提示、不可试玩），因此结果构成对人类优势的保守检验而非对 AI 上限的估计；样本为 Prolific 美国参与者，偏年轻、高学历、偏自由派；结论对音乐、出版等超级明星市场与科研等远邻市场的推广需谨慎；披露之外的干预（如建立生产者—消费者熟悉度）可能激活不同偏好，本文未检验。
- 资助与利益冲突：无外部资助；作者声明无竞争性利益。数据与全部实验页面截图公开，游戏可在 human-ai-games.github.io 试玩。
🧠 IRMaD 思维导图
mindmap
root((人机竞争实验市场))
I 引言
四成美国工人用人工智能
创意工作也受冲击
两种乐观假说
品味优势
消费者偏爱人造
R 研究问题
人类是否更懂品味
生产者是否自信
消费者是否偏爱人类
三项预注册研究
M 实验设计
千人平台招募
三研究分工
人机协作做游戏
自主人工智能对照
盲标与披露随机
竞价机制真实付钱
R 结果
人工智能多卖十美分
专业者低零点一六标准差
创意维度也输
生产者预期落空
披露不改变出价
看后自豪下降
a 讨论
想法生成更廉价
意义损失不入统计
意外加剧调整成本
人造标签无效
D 结论
人类岗位或被挤出
政策应公开讨论
局限短时小额市场
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。