AI 自信滿滿地說謊，
你怎麼知道？
你問 AI 一個問題。它給你一個乾淨、自信、有條有理的答案，附上日期、數字，甚至引用了出處。你直接用了——然後發現，那件事從來就沒發生過。更麻煩的是：錯的答案跟對的答案，外觀完全一樣，沒有任何警告標語。這篇文章先說清楚為什麼會這樣，再給你 3 個可以直接複製貼上的 prompt，在你信任任何重要答案之前，先讓 AI 自己交代清楚。
- AI 不是在查資料庫，它的核心機制是預測下一個最可能出現的詞
- 錯的答案跟對的答案外觀完全一樣——沒有低信心提示，沒有任何跡象
- 這個現象叫做「AI 幻覺」（hallucination）：說出一件不確定是否為真的事，語氣卻跟確定時一模一樣
- 越精確的數字、日期、出處，越容易落在幻覺的高風險區
它不是在說謊——它是在「猜」
AI 不是在查資料庫。它的核心機制是預測下一個最可能出現的詞，像手機鍵盤自動補字，只是強大非常多倍。它很擅長寫出「聽起來是真的」的句子，但那跟「確實是真的」是兩件事。
Anthropic 在 2025 年 3 月發表了一篇研究論文《On the Biology of a Large Language Model》，他們拆解了 Claude 的內部電路，發現了一個關鍵機制：
用白話說：模型預設是「說不知道」，但當它認識一個主題（或以為認識），就會關掉「我不確定」的開關，直接回答——即使它其實不夠了解那個具體問題。研究團隊稱這個誤觸為 "misfire"。
還有第二個原因：AI 被訓練成「有幫助」。有幫助代表給你答案，而不是說「我不確定」。當「不知道」的開關失效，加上訓練偏向給答案，模型就傾向於猜，而且猜得非常有自信。
哪些情況最容易幻覺？
- 精確數字、百分比、統計
- 特定日期與事件細節
- 學術論文、書名、作者名
- 近期新聞（訓練資料截止後）
- 非常小眾的專業領域
- 法規、法條、案例引用
- 概念解釋與邏輯推理
- 腦力激盪與創意發想
- 草稿撰寫與語氣調整
- 已知事實的白話化
- 框架整理與結構化
- 程式邏輯（仍需測試）
不讓任何主張「自由漂浮」
最直接的防守：要求 AI 替它說的每一件事附上出處，然後去驗證那個出處是否存在、是否真的說了那件事。很多虛假答案在你問「這從哪裡來」的瞬間就崩潰了。
在 AI 給你任何包含事實、數字或引用的答案之後，直接把這個 prompt 貼進同一個對話框：
針對你剛才說的每一個主張，給我確切的出處。然後打開每個出處，確認它確實說了你聲稱的那件事。任何你無法驗證的內容，請直接移除或清楚標記。
最後用兩個部分呈現：
1. 已通過出處確認的主張（每條旁邊附上出處）
2. 無法驗證的主張（清楚標示「待確認」，不要讓我誤以為可信）
紅旗：如果它給你一個連結但打不開，或打開後根本沒說那件事——那就是幻覺。真實出處的唯一標準：你能開、能讀、確實寫了那件事。
幫它解除「必須給答案」的壓力
AI 被訓練成有幫助的，而「有幫助」的定義是給你東西，不是說「我不知道」。主動幫它解除這個壓力——告訴它「我不知道」是完全可以接受的答案。Anthropic 官方文件也明確建議這是降低幻覺最直接的做法之一。
在任何重要問題之前先貼這段，設定整個對話的基調：
在你回答之前，先確認這個對話的規則：
這整個對話中，如果你不確定，或是你沒有足夠的資料，就說「我不知道」，而不是猜測。我寧可有個空格，也不要一個聽起來很有信心但可能是錯的答案。
如果你確定，正常回答。如果你不確定，清楚說明你不確定，並告訴我需要什麼才能找到真正的答案。不要用自信的語氣填補你不確定的部分。
讓另一個 AI 來找碴
開一個全新的對話，把你拿到的答案貼進去，請這個全新的 AI 來挑毛病。為什麼「全新的對話」很關鍵？在同一個對話裡，AI 已經說了那個答案，有傾向維護自己說過的話；新的對話沒有包袱，更願意指出問題。
開一個全新的對話（或用不同的 AI 工具），貼上你想驗證的內容，然後貼上這個 prompt：
以下是另一個 AI 給的答案。請保持懷疑。找出任何錯誤，並確認每一個出處是否真的支持它旁邊的那個主張。列出你發現的所有問題。
不要假設它是對的。你的任務是找錯，不是同意。
請回覆以下三個部分：
1. 任何事實上的錯誤，以及你知道的正確版本
2. 任何出處不支持該主張的地方
3. 任何無法驗證、目前不應信任的內容
【把你要驗證的答案貼在這裡】
什麼情況用哪個？
| 情境 | 風險等級 | 建議做法 |
|---|---|---|
| 腦力激盪、草稿、創意 | 🟢 低 | 直接用，不需要驗證 |
| 問背景知識或概念 | 🟡 中 | 用 Prompt 2（先設定誠實標準） |
| 問數字、統計、日期 | 🔴 高 | 用 Prompt 1（逼它交代出處） |
| 要公開發布或對外使用 | 🔴 高 | 用 Prompt 3（讓另一個 AI 找碴） |
| 法律、醫療、財務相關 | 🚨 極高 | 三個都用 + 找真人專家確認 |
誠實說一件事
幻覺問題正在改善。每個新版本的模型，AI 說「我不確定」的頻率都在增加，胡說的情況也在減少。Anthropic 和 OpenAI 都在積極研究這個問題。
但問題還沒解決。2025 年 5 月份就有超過 30 起律師因為引用 AI 產生的假案例而被法院懲處的案例被記錄在案。在問題完全解決之前，核實重要事實的責任，還是在你身上。
想用 AI 檢查履歷做得好嗎？
同樣的道理，履歷也不該只信一個 AI 給的「看起來很對」的建議。InterviewCase 用大數據比對和真實招募資料幫你檢查履歷、找匹配職缺——不是靠單一模型的猜測，搭配上面這套驗證法一起用，從履歷到面試都更踏實。
-
Anthropic Research Team (2025). On the Biology of a Large Language Model. Transformer Circuits Thread.
transformer-circuits.pub/2025/attribution-graphs/biology.html -
Anthropic Official Documentation. Reduce Hallucinations — Test and Evaluate.
docs.anthropic.com/.../reduce-hallucinations -
Axios (June 2025). Why hallucinations in ChatGPT, Claude, Gemini still plague AI.
axios.com/2025/06/04/fixing-ai-hallucinations -
Sify (June 2025). AI Hallucinations Are a Lie: Here's What Really Happens Inside ChatGPT.
sify.com/.../ai-hallucinations-are-a-lie