AI 為什麼這麼會「一本正經地胡說八道」？最近，AI 界的龍頭 OpenAI 給出了一個讓人意外的答案。
簡單來說，問題不是 AI 不夠聰明，而是我們「教」它的方式錯了。上週（2025 年 9 月 5 日）最新發布的一篇研究中，OpenAI 指出，AI 之所以會產生所謂的「幻覺」(hallucination)，根本原因在於現行 AI 面對的「評分標準」出了問題—— 我們獎勵它亂猜，卻懲罰它誠實[1]。
這套標準就像一場大型考試：亂猜答錯跟誠實地交白卷，下場都一樣是零分。為了拚高分，AI 當然寧可賭一把、自信地亂說，也不想承認「我不知道」。
但這種「愛亂猜」的壞習慣，並不只是科技圈的笑話。過去兩年，它已經在航空業、法律界、新聞媒體等許多領域造成了真實的損失，變成一個棘手的公共風險[2][3][4]。
OpenAI 這次對病根的挖掘，等於為了解決這個問題開了一扇新的窗，告訴我們必須從「AI 獎勵制度」下手。《旭時報》將帶您從兩個角度看懂這件事：首先，跟著 OpenAI 挖出問題的病根；接著，再攤開一張「災情地圖」，看看它在現實世界到底闖了哪些禍。
快速看懂｜為什麼 AI 老愛「亂猜」？[1]
AI 會胡說八道，問題不是它不夠聰明，而是現在評估它的「計分方式」，根本是在鼓勵它投機取巧。
- 定義清楚卻難解：什麼是幻覺？簡單說，就是 AI 遇到它不會的問題時，不老實承認，反而瞎掰一個聽起來很專業的答案。
- 評估機制失真：為什麼 AI 寧可亂猜？因為現在的 AI 模型機制設計只看「答對率」。對 AI 來說，答錯了是零分，但如果承認「我不會」，也一樣是零分。既然結果都一樣，AI 當然選擇賭一把，猜對了反而能得分。
- 實驗數據對比： OpenAI 的實驗結果超諷刺。「愛亂猜」的 OpenAI o4-mini 模型，帳面上的答對率比較高 (24%)，但犯錯率其實高達 75%。另一個「比較誠實」的 GPT-5-mini 模型，答對率雖然低一點 (22%)，卻很少犯錯，因為它有一半以上的時間都選擇老實說「我不知道」。
- OpenAI 的立場：一個真正可靠的 AI，重點不是什麼都懂，而是在不知道的時候，能誠實地說出「我不確定」。
回顧歷史｜AI「愛說謊」的壞習慣是怎麼養成的？
AI 的「幻覺」問題，其實不是一天兩天的事了。我們可以簡單回顧一下，這幾年科技圈是怎麼一步步掉進這個坑裡的：
- 2020–2021 初登場的「天才騙子」：GPT-3 剛問世時，大家都被它會寫詩、寫文章的才華嚇到了。但很快就發現，它也是個瞎掰慣犯，常常一本正經地捏造根本不存在的論文和人物。當時媒體給了它一個稱號：「愛說謊的 AI」[1]。
- 2022「理直氣壯的錯誤」引爆全球：ChatGPT 橫空出世，幻覺問題徹底引爆。全球上億人親身體驗到，AI 是怎麼能「理直氣壯地犯錯」的，這也逼得所有 AI 公司，不得不把解決這個問題當成最重要的功課[1]。
- 2023 大家開始分頭找解方：產業對策出現分歧。各大公司開始想辦法，但路線不太一樣。Anthropic 試圖給 AI 建立一套「原則」，教它分辨是非；Google 則強調教 AI 要懂得「避嫌」，遇到不確定的問題，乾脆就拒絕回答[6]。
- 2024 「走錯方向」的比賽思維：但弔詭的是，像『聊天機器人競技場』那種讓網友投票的 AI 人氣比賽，例如加州大學柏克萊分校的 LMSYS，卻走錯了方向。它們的評分標準還是只看誰的答案「更討人喜歡」、誰的「答對率」更高，完全不管 AI 是不是在亂掰，也不在乎它懂不懂得誠實地說「我不知道」，這等於是變相鼓勵 AI 繼續亂猜[7]。
- 2025 OpenAI 承認問題所在：最新的 GPT-5 發布了，OpenAI 雖然強調有努力減少幻覺，但也坦白承認，問題還沒根治。他們終於把話挑明了：「別再怪 AI 了，真正有問題的，是現在這套逼 AI 說謊的評分標準！」有趣的是，謙遜又嚴謹的 GPT-5，沒有得到好評，反而被用戶批評謾罵[1]。
市場怎麼選｜「你會選「萬事通 AI」還是「老實頭 AI」？
AI 到底該有問必答，還是該誠實謙虛？這不只是個技術問題，更是一道擺在所有使用者和公司面前的選擇題。
- 對用戶，一場體驗的拔河：這其實也是我們每個人的選擇。你喜歡哪一種 AI？是那種就算會犯錯，也要硬擠出一個答案的「萬事通」？還是那種遇到不確定問題，會老實告訴你「抱歉，我不清楚」的「老實頭」？
- 對企業，一道攸關生死的必考題：對某些行業來說，這可是攸關生死的必考題。尤其在醫院、銀行、法院這些地方，AI 一句瞎掰的答案，就可能害病人吃錯藥、讓客戶賠大錢，甚至搞砸一場官司。在這些地方，一句「我不知道」反而比錯誤答案更有價值。[2][3]
- 對產業，一場遊戲規則的轉向：整個 AI 產業的未來，就看這個「風向球」怎麼轉。如果那些 AI 大考的「計分板」繼續給愛亂猜的學生高分，那所有 AI 都會被教成「愛裝懂的騙子」。但如果計分板開始獎勵「誠實」，那麼開發更安全、更可靠的 AI，才會成為大家共同的目標[1]。
- 「錯誤比沉默更危險。」——OpenAI 研究報告，2025-09-05。
深入分析｜AI 會胡說八道，其實是整個「AI 教育制度」造成的
總結來說，AI 會產生幻覺，不是「模型壞掉」的神祕故障，而是我們訓練和評分它的這套「教育體制」本身就有問題。我們可以從四個層面來看：
- 幻覺的「身世之謎」，來自「猜下一個字」的訓練過程：幻覺的種子，其實在 AI 最初的訓練方式——「猜下一個字」——中就已埋下。AI 學習語法和拼寫很容易，因為它們有固定規律。但「隨機的事實」通常沒有規律可循，例如某一個人的生日是幾號。只要資料庫裡沒讀熟，它就很容易出錯，再厲害的 AI 也一樣。
- 訓練數據的「原罪」，你餵 AI 吃垃圾，它當然只會吐垃圾：AI 的所有知識，都來自於我們餵給它的訓練資料。如果這些「教材」本身就有問題——例如，資訊老舊過時、內容充滿偏見、事實標示錯誤，或數據來源單一——那麼 AI 學成的，自然也是一套充滿缺陷的世界觀。
- 學習過程的「兩大陷阱」，人類的偏見與機器的死背：除了教材本身有問題，學習過程中還有兩個大陷阱。一是人類偏見的「遺傳」，許多資料是由人類來標註「正確答案」的，而標註者自身的主觀認知與偏見，會在不知不覺中「遺傳」給 AI。二是技術上的「過度擬合」，這可以想像成一個「只會背考古題的書呆子」。模型把訓練題庫背得滾瓜爛熟，卻缺乏真正的理解，一碰到沒見過的新問題，就只會胡亂套用舊公式，掰出離譜的答案。
- 跑錯的激勵設計，考試規則逼它「投機取巧」：這個我們前面提過，現在的「AI 大考」制度，等於是在對所有 AI 說：「勇敢猜！猜對有獎，猜錯不罰，但不回答就是你的不對！」這種規則，當然會教出滿口謊言的投機學生。
- 用戶體驗的矛盾期待，使用者又要它「全能」，又要它「誠實」：這也是一個兩難。如果 AI 太常說「我不知道」，使用者會嫌它笨、沒路用。但如果它為了討好你而亂猜，又會被罵「不老實」。這種「又要馬兒好，又要馬兒不吃草」的矛盾期待，讓開發 AI 的人傷透腦筋。
- 全球的路線之爭：「美國隊」 vs. 「歐洲隊」未來，全世界可能會分成兩個陣營。一邊是以美國為首的「衝刺隊」，繼續追求更快、更強的答題能力。另一邊可能是以歐盟為首的「安全隊」，他們會要求 AI 必須先學會「踩煞車」，把安全和誠實放在第一位。這兩條路，將決定未來 AI 的樣貌，甚至改變全球的科技版圖[6]。
2023 年 6 月，OpanAI 執行長奧特曼（Sam Altman）在印度理工學院德里分校（IIIT Delhi）演講時說，「我們會解決幻覺問題的，可能需要一年半或兩年的時間。到那時，我們就不會再談論這些了。」至今剛好超過 2 年，OpenAI 推出詳細論文解釋 AI 幻覺的來源，似乎也在為備受批評的 GPT5 模型進行辯護。（資料圖片：達志影像）
接下來看什麼｜AI 模型評估標準的「修憲時刻」[5]
說到底，其實是我們自己，把 AI 推入了一個進退兩難的困境。
作為使用者，我們嘴上說要誠實，但潛意識裡卻想要一個「有問必答」的萬事通。看到 AI 太常說「我不知道」，我們就會覺得它很笨、很沒用。而在市場上，為了贏得用戶的青睞，OpenAI、Google、Amazon 或是 Anthropic 等產品團隊只好拚命優化那些「看起來很厲害」的指標，像是回覆率和流暢度，而不是把「誠實」放在第一位。
簡單來說，使用者、企業、AI 模型開發商，三方共同形成了一個惡性循環，最終逼得 AI 只能選擇「有問必答，哪怕是亂猜」這條路[4]。
所以，真正的難題已經不是「技術上能否減少幻覺」。真正的看點是：這個由所有人共同設下的「遊戲規則」，到底該由誰來帶頭打破？
- 產業敢「自廢武功」嗎？各大模型開發商，會不會真的把「誠實度」納入核心評分標準？更重要的是，他們是否願意直接修改主流的準確率評分方式，而不只是在旁邊新增幾個無關痛癢的「防幻覺測試」來做表面功夫？這才是改革的試金石。
- 使用者會「買單」嗎？我們自己願不願意為了更高的可靠性，去接受一個更常說「我不知道」的 AI？
- 政府會「出手」嗎？如果再發生重大幻覺事故，公共監管單位會不會強制規定一套「安全謙遜」的 AI 標準？
- 市場會「聽誰的」？OpenAI 這次登高一呼，究竟會帶動整個產業改革，還是最終會被市場「只看分數」的殘酷現實給淹沒？
總結：破解關於 AI 幻覺的三大迷思
在完整分析後，我們可以回頭破解幾個關於幻覺的常見迷思：
- 迷思一：幻覺是無法避免的宿命。真相是：並非如此。只要 AI 學會誠實地承認「我不知道」，幻覺就可以被大幅避免。問題不在技術，在於制度是否鼓勵誠實。
- 迷思二：只有更強大的 AI 才能解決幻覺。真相是：恰恰相反，小模型有時反而更容易知道自己的極限。就像一個完全不懂日文的人，被問到日文問題會直接說「我不會」；但一個略懂一些的人，反而需要費力判斷自己到底懂不懂。
- 迷思三：幻覺是一個神祕的技術故障。真相是：它一點也不神祕。我們已經知道，幻覺如何在「猜下一個字」的訓練中誕生，並在「只看準確率」的評估中被鼓勵長大。
本文報導深入剖析 AI 幻覺的制度性成因：一套獎勵猜測、而非誠實的評估體系。然而，一個存在缺陷的制度，其影響絕不僅止於理論層面。當模型產生的錯誤資訊（或稱「幻覺」）從實驗室進入真實世界的應用場景，它究竟會帶來多大的衝擊與代價？從引發民事賠償的航空公司客服，到動搖司法信任的法律判例引用，一場由 AI 幻覺引發的風暴，正具體而微地衝擊著公共領域。
下篇報導，將揭示這張「實務風險地圖」的全貌，呈現幻覺如何在真實世界中，一步步演變為具體的公共損失：《AI 幻覺風暴二：AI 說謊代價多大？當 LLM 失靈，SLM 成為企業的 ROI 解藥》
資料來源：
- OpenAI：《Why language models hallucinate》（2025-09-05）。
- American Bar Association：《BC Tribunal Confirms Companies Remain Liable for Information Provided by AI Chatbot》（2024-02-29）。
- Reuters：《New York lawyers sanctioned for using fake ChatGPT cases》（2023-06-22）。
- The Verge：《AI chatbots are distorting news stories, BBC finds》（2025-03）。
- Anthropic：《Constitutional AI: Harmlessness from AI Feedback》（2023）。
- European Parliament：《AI Act: deal on comprehensive rules for trustworthy AI》（2023-12-09）。
- LMSYS：《Chatbot Arena Leaderboard》（更新至 2025）。
- Hindustan Times：《Sam Altman predicts AI hallucinations may be solved in 1.5–2 years》（2023-06-08）。
