與陌生人聊天能學到多少？PNAS 權威研究：你遠遠低估了日常對話的價值

重點摘要

• 七項實驗顯示，參與者事後回報的學習量始終高於事前預測，且此低估效應僅存在於社會對話，線上搜尋無此現象。
• 研究指出，大眾低估收益並非輕視陌生人的知識，而是因為對話過程過於隨機；一旦改與熟人對話或事先設定主題，這種低估現象便顯著減弱。
• 這種對「資訊價值」的低估，獨立於既有的「樂趣低估」，意味著人們可能因誤判收益而錯失日常學習機會。

2022 年 8 月 23 日，威斯康辛大學麥迪遜分校商學院的 Stav Atir、芝加哥大學布思商學院的 Kristina A. Wald 與 Nicholas Epley 在《美國國家科學院院刊》（PNAS）發表論文，揭示一個反直覺的心理機制：人們在與陌生人交談前，普遍預測自己學不到什麼，但事後卻發現收穫遠超預期。七項實驗量化了「預測」與「實際」的落差，也帶出一個更基本的問題：為什麼換成線上搜尋，這種落差就消失了？

人們習慣以已知路徑檢索資訊，因而系統性低估了開放式陌生對話所蘊含的非預期資訊價值。

為什麼線上搜尋無法複製這種學習落差？

這份研究的設計，在於直接切開「社交對話」與「搜尋資訊」這兩件事。Atir 等人發現，當參與者透過網路搜尋獲取資訊時，事前預測與事後評價之間沒有顯著落差；唯有在面對面與陌生人對話時，低估效應才穩定出現。資訊的傳遞方式，而非資訊本身，才是關鍵。

Atir 在 Advanced Science News 的訪談中點出了原因：對話的結果是開放的，無從預先設定路徑。「對話的開放性讓我們能學到連自己都沒預期的東西。」與搜尋引擎不同，對話沒有預設的檢索路徑，資訊是透過雙向互動、語氣與脈絡動態生成的。參與者從陌生人那裡學到的內容涵蓋道德觀、工作、家庭、度假計畫、性格特質、冷知識、活動與建議，這些類別的廣度與不可預測性，正是搜尋引擎難以模擬的。

這種「開放性」，也正是大家會低估收穫的主因。研究指出，人們並非認為陌生人「無知」，而是無法預測對話會走向何方。這種對過程的不確定性，讓大腦在事前評估時自動調低了預期。

降低不確定感能否修正低估？

如果問題出在不確定，那只要減少不確定感，能不能修正這種偏差？實驗設計給出了肯定答案。當參與者改與熟人對話，或事先知道對話主題（例如限定只談美國），低估幅度便顯著縮小。Advanced Science News 報導指出，限制討論範圍（如僅談美國）比開放式對話產生的低估更少。

對話的真實價值源於其不可預測性，但人們偏偏因這份不可預測性而低估其價值。Atir 等人將此歸因於「對話不確定性」（conversational uncertainty），而非對陌生人知識水平的負面評價。問題不在於我們看不起陌生人，而在於我們不擅長預測「不知道要問什麼」的對話能帶來什麼。

然而，這種修正並非永久。SPSP Character & Context Blog 指出，剛結束一次愉快的陌生人對話後，參與者確實會對下一次對話變得樂觀，但一兩週後的追蹤評估顯示，預期又回到了事前的悲觀水準。單次經驗不足以改變深層的認知偏差，人們仍會反覆陷入「事前低估、事後驚喜」的迴圈。

這與「樂趣低估」有何不同？

過去研究已廣泛記錄人們會低估與陌生人互動的「樂趣」（enjoyment）。但 Atir 等人強調，本次發現的「資訊價值低估」是獨立於「樂趣低估」的另一個維度。

The Psychologist（BPS）的 Gillian Sandstrom 在評論中，把人們對陌生人知識的慣性低估直接點破：「Stav Atir、Kristina Wald 和 Nick Epley 的研究證實，大家跟陌生人聊天學到的東西，其實遠比自己想的還要多。」這句話點出了兩個偏差的差異：一個是情緒層面的「不好玩」，另一個是認知層面的「沒用」。即使一個人預期與陌生人聊天不會有趣，他仍可能預期「學不到東西」；而研究顯示，後者是一種更系統性的誤判，且與前者的機制不同。

這種區分對實務應用至關重要。若僅針對「樂趣」進行干預（例如鼓勵社交以減少焦慮），可能無法同時修正對「資訊價值」的低估。大家不想跟陌生人聊天，往往不是怕無聊，而是覺得這事沒什麼用。

對日常決策的隱含影響

Atir 等人警告，系統性地低估對話的資訊價值，可能阻礙人們主動發起對自身有益的互動。論文裡的說法直接：「誤解能在對話中學到多少，可能讓人們在日常生活中錯失從他人那裡學習的機會。」

這在資訊過載的時代尤為諷刺。人們花費大量時間在社群媒體與搜尋引擎上，卻可能低估了最原始、最即時的資訊來源：身邊的陌生人。研究在芝加哥公園等公共空間進行，對話時長 5 至 20 分鐘，學習量以 1 至 9 分制評分。儘管具體效應值未在摘要中披露，但「跨所有實驗條件一致出現」的結論，顯示此偏差具有極高的穩健性。

這也引發對 AI 助理設計的反思。當我們設計能「預測使用者意圖」的系統時，是否也內建了對「開放式對話價值」的低估？若人類本身就難以預測對話的資訊收益，那麼依賴預設路徑的 AI 系統，是否更會忽略那些「未被預期的」高價值資訊？

目前看來，這種低估偏差短期內很難改過來。單次經驗帶來的樂觀僅持續一兩週，之後便回歸常態。若要真正改變人們的社交行為，可能需要更結構性的干預，而非僅靠「一次愉快的對話」。

這項研究給創業者與工程師的提醒很具體：不要假設使用者能正確評估「開放式互動」的價值。無論是在產品設計中引導對話，或在組織文化中鼓勵跨部門交流，都需要主動補償這種認知偏差。人們並非排斥學習，而是誤以為陌生對話無法帶來任何獲益。