你是不是也遇過這種情況？
你問 AI 一個問題，它用流暢又自信的語氣回答你，甚至還附上數據、引用來源，讓你覺得「哇，真可靠」。結果你回頭一查，發現數字是錯的、引用根本不存在、連人名都是編的。你會不會懷疑自己問錯了，還是 AI 在耍你？其實都不是。AI 並沒有「說謊」的意圖，它只是忠實地執行了它的核心任務——猜下一個字。而這個機制，正是它會「一本正經地說錯」的根本原因。
AI 不是資料庫，它是文字接龍高手——它說的話都是「聽起來最合理」的猜測，不是事實。
它不是在回答，它是在接龍
大型語言模型（像 ChatGPT 或 Claude）的核心運作方式，其實就是一個超級進階的自動完成功能。你輸入一句話，它會根據過去學過的數十億個文字片段，去計算「在這句話之後，最可能出現的下一個字是什麼」。它不是從資料庫裡「查」答案，而是從機率分布中「猜」答案。所以當你問「2024 年台灣 GDP 成長率是多少？」時，它並不是去翻官方統計資料，而是根據它學過的文本，推論出「3.2%」這個數字在統計上最常跟在這個問題後面。如果文本裡出現過多次「3.2%」跟「GDP 成長率」一起出現，它就更有把握說出這個數字——即使它其實是別的年份或預測版本的數據。
為什麼錯得這麼「有把握」？
這就牽涉到另一個關鍵：AI 的訓練過程會獎勵「流暢」與「合理」，而不是「正確」。當模型生成文字時，它內部有一個評分機制，會偏好那些語法通順、語氣肯定、結構完整的句子。因為在它的訓練資料（網路文章、書籍、對話）中，人類通常只有在有把握時才會用肯定句。所以 AI 學會了：要讓回答看起來可信，就得用「是的，答案是…」這種開頭，而不是「我不確定，可能是…」。這就像一個學生在考試時，就算完全不會，也要寫出一篇看起來很有道理的文章——因為閱卷老師（訓練目標）給分的方式是看論述是否流暢，而不是答案是否正確。
「幻覺」不是 bug，是特徵
業界常把這種現象稱為「幻覺 (hallucination)」，但這個詞容易誤導人，好像 AI 是在做夢或產生錯覺。更精確地說，這是語言模型本身的限制：它不等於真實世界的知識庫，也不等於可靠的邏輯推理引擎。它只是一個極度擅長模仿人類語言的模式辨識器。當你問到它訓練資料中沒有明確答案的問題（例如最新事件、冷門知識、或需要多步驟推理的邏輯題），它不會說「我不知道」，而是會從相關的片段中拼湊出一個看起來合理的回答。這就像一個即興演員，你給它一個主題，它就會即興演出——不管劇情合不合理，它都會演下去。所以下次看到 AI 說錯話，與其生氣，不如理解：它只是在做它最擅長的事——讓句子接下去。
最容易誤會的地方
很多人以為 AI 回答錯誤是因為資料過時或訓練不足，但其實更核心的原因在於：AI 的「正確」定義是「語句看起來合理」，而不是「符合事實」。它不一定會像人類那樣主動說「我不確定」，而常會用最流暢的方式填補空白。
下次提問前的 30 秒檢查
先問自己：這個問題 AI 的訓練資料裡會有明確答案嗎？（例如歷史日期、公式、常見知識）如果答案模糊（例如最新時事、個人觀點、冷門數據），就要先抱著「它可能在編故事」的心態去看結果。再來，收到回答後，對數字、人名、引用來源，先做一次快速驗證，不要直接複製貼上。最後，如果發現錯誤，可以追問 AI「這個數據的來源是什麼？」或「請用更保守的語氣回答」，有時候能減少幻覺。
讀者最常問的幾個問題
不是。AI 沒有意圖或意識，它只是根據機率選出最可能的下一個字。它「說錯」是因為它的目標是讓句子流暢，而不是讓內容正確。
可以透過提示工程（prompt engineering）降低機率，例如要求它「只回答你有把握的內容」或「如果不知道就說不知道」，但無法完全消除。最好的策略還是你自己當最終的驗證者。
