你是不是也遇過 AI 硬答？
最近大家其實都碰過這種狀況：問 AI 一個冷門問題或複雜計算，它給出的答案看起來很肯定，事後卻發現根本是錯的。明明不確定卻不說「我不知道」，反而用流暢的文字包裝錯誤資訊。這不是因為 AI 愛騙人，而是它的設計本來就不會主動表達「我不確定」——就像個過度熱心的助手，寧可硬著頭皮回答也不願承認知識盲區。
AI 不會自動表達不確定感，因為它的輸出機制只生成文字，不會附帶信心評分給你。
AI 怎麼決定要說什麼？
AI 生成回答時，其實是在預測「下一個最合理的字」。它內部會計算每個字出現的機率（像是「台北」接「市」的機率高，「台北」接「披薩」機率低），但這些數字永遠不會傳達給你。訓練過程中，模型被獎勵生成流暢、有用的回應，而「我不知道」這類遲疑語句的訓練樣本相對稀少。結果就是：AI 預設傾向產出看起來完整的答案，而不是停下來說「這裡我不懂」。
為什麼訓練時不教它說不確定？
主因在於訓練資料本身——人類寫作的文本就很少標註不確定性。百科全書、教學文章、網路問答大多以肯定語氣書寫，AI 學到的自然也是這種風格。此外，模型被評估的標準通常是「答案是否流暢正確」，而非「是否誠實標示信心」。這就像考試時學生被鼓勵猜答案填滿卷面，而不是留白寫「這題我不會」。
怎麼讓 AI 主動坦承極限？
關鍵在提問時明確要求信心標示。與其問「解釋量子力學」，改成「請解釋量子力學，並對每個陳述標註你的信心程度」。常見的大型語言模型都理解「信心等級」「不確定性」這些概念，只是需要指令觸發。你也可以要求它區分「事實」與「推測」，或設定條件：「若資訊不完全確定，請明確說明」。這會強制模型啟動內部評估機制，而非直接輸出最流暢的版本。
最容易誤會的地方
AI 的「語氣肯定」不等於「內容正確」。它可能用極度自信的文句包裝完全錯誤的答案，這正是缺乏主動不確定性標示的最大風險。
下次提問前的 30 秒檢查
先判斷問題是否需要絕對正確性。若需要，在提問結尾加上「請標註答案中你不確定的部分」或「根據可信度分級回答」。最後對 AI 的肯定句保持懷疑，交叉驗證關鍵資訊。
讀者最常問的幾個問題
多數現代主流 AI 模型都有這傾向，因為訓練邏輯相似。但有些專門設計為謹慎應答的模型（如醫療或法律用途變體）會更常表達限制，建議根據使用場景選擇工具。
反而更該相信——這表示它啟動了誠實機制。當 AI 主動標示不確定性時，通常代表它對已輸出的內容更有把握，而標示為推測的部分則建議你進一步查證。
