AI 幻覺是什麼？三個真實案例＋怎麼在它唬你的時候看出來

我問 AI 一件很簡單的事——某個工具的最新定價。它給了我一個看起來很專業的答案，還附上「即日起改成按量計費」的理由。

我覺得怪怪的，去官網對一次——公告寫的是相反的，即日起是「回到訂閱方案」。

這不是第一次遇到。之前也有 AI 給我一段程式碼，用了一個聽起來很合理的 method 名，我複製貼上、跑起來噴 TypeError。回頭查文件——那個 method 根本不存在，是 AI 自己拼出來的。

這種現象有個專有名詞——AI 幻覺（AI hallucination）。它就是模型「一定要給你一個答案」的副作用，不是壞掉、也不是它想騙你，是它的本性。搞懂它為什麼會這樣，你就知道什麼時候要相信、什麼時候要多問一句。

什麼是 AI 幻覺？先給個生活比喻

想像你請了一個實習生，人很聰明、口才很好，但有一個致命的毛病：他不會說「我不知道」。

你問他一個他沒查過的事，他不會停下來。他會用他聽過的類似東西，拼一個「聽起來應該對」的答案交給你——語氣還會非常肯定。

AI 幻覺就是這個實習生的軟體版。

技術上講，大型語言模型（LLM，就是你在用的那類 AI）是根據訓練資料，算出「下一個字最可能是什麼」。它不是在查一份真實世界的資料庫，是在預測一個像人類講話的字串。

所以當你問的東西超出它訓練過的範圍，它不會像 Google 一樣說「找不到相關結果」——它會用機率合成一個看起來像的答案。

幻覺跟正確答案，長得一模一樣。 同樣自信、同樣流暢、同樣有條理。你不去對照原始來源，光看回答本身分不出來——這才是它最麻煩的地方。

案例一：時效性幻覺——它引用的資料已經過期

這是最常見的一種。AI 的訓練資料有個「知識截止日」，多半落後現在半年到一年。你問它「今天某某產品多少錢」「這個工具的最新版本什麼參數」，它腦袋裡沒有這個時間點之後的資訊。

問題來了：它不會跟你說「我不知道」，它會給你一個舊版本的答案，或者直接掰一個看起來很合理的新答案。

開頭那個定價的例子就是這種。我問 AI 一款工具最新的收費模式，它非常自信地告訴我「即日起改成按量計費」——但那是舊新聞。發稿前臨時再去對一次官網公告，寫的是「回到訂閱方案」，剛好相反。差一點就把錯的資訊寫成一篇文章。

怎麼在它唬你的時候看出來：

• 會變的事實一律去原文對：定價、日期、版本號、公告內容——這幾類先當成「參考」，去官方頁面確認一次再寫進你的文件或程式
• 叫它自己標時間戳：問它「你這個資訊的來源是什麼時間？」，它會告訴你「我的訓練資料是 X 年 X 月」。這時你就知道要另外找更新的
• 關鍵時效問題直接請它爬原文：我平常會叫 AI 用專門的爬蟲工具去讀官方原文，而不是靠內建的網路搜尋摘要——搜尋摘要一樣會過時，甚至更差

案例二：捏造細節——它給你一個不存在的 method

這一種比較賊，因為要有點技術背景才抓得到。

我叫 AI 幫我用某個套件寫功能，它給了一段程式碼，用了一個 method 叫 .parseWithSchema()。名字很合理、動作也對，我直接複製貼上。跑起來噴 TypeError。

回頭查那個套件的官方文件——根本沒這個 method。它有 .parse() 也有 .safeParse()，但沒有 .parseWithSchema()。AI 是根據「這種套件通常會有的方法名」拼出來的。

這種幻覺在寫程式時特別常見，但不只寫程式會遇到。你請 AI 引用一本書、一篇論文、一個歷史事件的細節，它一樣會把類似主題的東西混在一起，拼一個看起來對的答案。

怎麼在它唬你的時候看出來：

案例三：張冠李戴——把 A 家的做法安到 B 家頭上

第三種是最陰險的：AI 給的每一件事單獨看都是真的，只是組合起來是錯的。

例如你問一個交易所的功能怎麼開，AI 把另一個交易所的介面步驟寫給你——那些步驟真的存在，只是不在你要用的那家。你問某個模型的參數限制，AI 把上一代模型的數字告訴你——那個數字真的曾經存在，只是這一代改了。

這種錯誤特別難抓，因為你就算查證，如果查到的是另一半正確的資料，你會以為 AI 是對的。要抓到它，只有一個辦法：每個關鍵陳述都要對到「這個具體對象、在這個具體時間點」的原文。

為什麼 AI 一定要編？就不能說「不知道」嗎？

有兩層原因，一層是技術的、一層是被訓練成這樣的。

技術層面：模型不是在查資料庫，是在預測下一個字。它每一步都在算「這個位置最可能是什麼字」，機率會給出一個看起來像的組合。「不知道」對它來說也只是一種字串，而且是很少出現在訓練資料裡的字串——因為人類的文字資料裡，很少有人會鄭重其事地寫「我不知道」。

訓練層面：AI 是被人類的偏好訓練出來的。訓練過程中，「給出一個答案」通常比「說不知道」得到更高的評分——因為評分的人覺得「不知道」的回答沒幫助。長久下來，模型就被雕塑成一個寧可猜也不承認的性格。

一份給你自己用的自救清單

寫給每次跟 AI 工作、又不想被牽著鼻子走的你。

最後說兩句

AI 不是壞掉，是它的本性就是這樣。 你把它當成一個口才很好、但不會說「我不知道」的實習生，你就會知道什麼時候要放手、什麼時候要盯著。

真正會用 AI 的人不是相信它，也不是不相信它——是知道什麼時候該相信、什麼時候該多問一句。

如果你想看更多我用 AI 工作、踩過的坑跟拆解，我把過程都拍成影片放在 YouTube，歡迎訂閱酷可實驗室。

延伸閱讀：

• 你的 AI 常查到過時資訊？幫它換個快 700 倍的爬蟲——時效性幻覺的正解
• graphify 知識圖譜：讓 AI 不用每次都重新認識你的專案——捏造細節的一個工程解法
• AI 幫你寫程式老是衝太快、還自稱「完成了」？——給 AI 一套工作紀律
• Claude 設定你可能忽略了：System Prompt 拆解——把「不知道就講」寫進提示的實作