選單
AI 為什麼會一本正經地答錯?理解幻覺與事實查核的方法封面

開始閱讀

AI 原理入門系列|第 7 篇,共 10 篇。資料核對:2026-10-09。文中的情境與練習為教學示例。

一份 AI 生成的課程介紹,文字流暢、結構完整,卻多出一項從未提供的證照名稱。這類輸出可能看起來合理,但沒有資料支持。使用生成式 AI 時,最需要警覺的常常不是句子不通,而是錯誤藏在很通順的句子裡。

什麼情況可以稱為幻覺

語言模型可能產生與事實不符,或與提供的內容不一致的回答。它能生成像引文、網址或統計數字的字串,不代表已查過來源。理解文字生成機制後,就不應把自信語氣當成可信度指標。

不過,所有錯誤也不能一概歸因於模型。原始文件可能過時,檢索可能抓錯版本,問題也可能有歧義。先定位錯誤發生在哪一層,比只要求「不要亂講」更有效。

圖解:把流暢回答拆成可查主張

把流暢回答拆成可查主張:抽出主張、回查原文、決定處理。有連結仍須閱讀原文;查不到就保留不確定性。
圖 7|把流暢回答拆成可查主張。有連結仍須閱讀原文;查不到就保留不確定性。

缺少資料時,流程有沒有容許空白

若表格規定每個欄位都必須填滿,卻沒提供開課日期,就會增加補猜內容的誘因。比較好的任務規格會允許「未提供」,並把需要追問的資訊另外列出。

Anthropic 的官方指南建議允許模型表達不確定、讓主張連結到文件證據,並查核引用;這些方法能降低問題,但不能完全消除錯誤。減少幻覺的官方說明

把答案拆成可以檢查的主張

「課程受到企業廣泛肯定,能在兩小時內提升三倍效率」包含多個主張:企業肯定、課程時數與效率數字。不能因為課程名稱正確,就接受整句話。

本站建議把每項主張放入簡單表格:主張、來源位置、來源實際支持的內容、是否需要修正。若來源只說「介紹工作流程」,就不能改寫成「保證提高效率」。這種檢查適合課程文案、提案摘要與活動新聞稿。

有引用也要確認引用支持什麼

一個能開啟的連結,只證明網頁存在。還要看作者、發布時間、適用範圍,以及原文是否真的支持該句話。AI 生成的來源標題與網址,也應分別核對。

讓同一個模型再讀一次,可以找出部分問題,但不是獨立證據。涉及日期、費用、資格或研究結果,應回到原始文件。若文件本身衝突,保留差異,找出需要人工確認的部分。

可直接使用的文件整理指令

「請只依下方資料整理課程介紹。將已確認資訊與缺漏資訊分開。每個日期、數字與資格主張都附上段落位置;找不到依據請寫未提供,不要補推測。最後列出仍需主辦方確認的問題。」

這段指令是本站練習範本,不是準確率保證。你仍須查看輸出是否遵守要求。

練習:刻意留下缺漏

準備一份沒有費用的模擬課程簡章,請 AI 整理招生表格。合格結果應保留缺漏,而不是填入看似合理的價格。再放入兩個不同日期,檢查它能否指出衝突。這比只用資料完整的例子測試,更能看出流程的弱點。

圖解:查核三步驟

把回答拆成主張、回查證據,再決定保留、修正或標記待確認。
把回答拆成主張、回查證據,再決定保留、修正或標記待確認。

查核案例:把一段招生文案拆開看

假設 AI 產生:「本課程週六開課,三小時取得官方證照,學費包含所有軟體。」應分成至少三個主張:日期、證照條件、費用範圍。課程頁若只寫週六與三小時,並不能支持後兩項。正確處理是保留已確認日期,刪除或標記尚無證據的承諾。

主張 必要證據 沒有證據時
開課日期 當期官方簡章 標記待確認
可取得證照 認證單位與取得條件 不做保證
包含軟體費 費用明細或正式說明 回查主辦單位

為什麼叫另一個 AI 檢查仍不夠?

第二個模型可以幫忙抓矛盾、拆主張與找待查處,但如果它沒有新證據,也可能重複同一個錯誤。多問幾次後的多數答案不等於事實。真正改善查核的是取得可信來源、確認版本與逐項比對。

建立發布前的三道檢查

先查高影響資訊:日期、價格、資格與承諾;再查引述是否真的存在、是否斷章取義;最後查看全文是否把推論寫成確定事實。資料不足時,明寫未提供比補上一個看似合理的答案更有用。

練習:刻意提供一份沒有費用的簡章,要求摘要費用。合格回答應指出缺漏並提出查詢途徑,而非猜測金額。

建立一張主張與證據對照表

查核不必每次從頭開始猜。把文章中可以被驗證的句子拆成單位,例如「某功能已開放」「某課程提供證書」「某方法使成本降低」。旁邊分別記錄來源、來源日期、支持範圍與處理結果。沒有證據的句子可以刪除、改成條件式說法,或保留為內部待確認項目,不應原封不動發布。

假設官方公告只說功能正在分批開放,正文就不能改成所有使用者都能使用。若研究只在特定資料集比較模型,也不能擴張成所有行銷任務都更有效。引用正確的網址只是起點,更重要的是來源到底支持到哪裡。把研究結果、公司宣傳與自己的工作推論分開寫,讀者才知道每一層資訊的性質。

為什麼再問一次 AI 不算獨立查核?

同一個模型可能重複原本的錯誤;另一個模型也可能因為相似的資料與提問方式,給出相近答案。兩個回答一致,可以當成繼續查找的線索,不能直接取代原始文件。若需要確認活動時間,就找主辦單位公告;若需要確認功能限制,就找產品文件與實際帳號畫面,而不是比較誰說得更有自信。

也不要把模型提供的信心百分比當成測量過的正確率。除非這個分數有清楚定義並經過校準,它可能只是另一段生成文字。比較有用的要求是請模型指出資料缺口、列出相反證據,以及說明哪一部分無法從提供的材料確認。這會讓下一步查核更具體。

發布後才發現錯誤,怎麼處理?

先判斷錯誤是否影響讀者行動,例如報名日期、費用或資格。修正網站版並記錄更正時間與內容,同步檢查社群摘要、圖片與電子報是否也用了同一個說法。已寄出的電子郵件無法直接收回,因此重要錯誤可能需要另寄更正通知;不是只修改網站就當作所有讀者都看到了。

課堂可以用一篇虛構活動介紹練習,預先放入日期矛盾、沒有來源的比例、過度延伸的效果與失效連結。讓每組先找錯,再提出最小必要修改。評分不以抓到最多疑點為唯一標準,也看是否保留仍然正確的資訊,以及是否把不確定寫得清楚。查核的目的,是讓內容可以被信任與採取行動,不是把每一句都改成模糊的保留語氣。

系列延伸閱讀

行銷三刀流

國立體育大學休閒產業經營學系副教授,國立台北大學企業管理學系博士。專長為 AI 創新應用、運動管理創新與行銷、數位廣告投放。

關於李銘尉博士

繼續探索

相關課程方向:AI 任務拆解與驗收工作單12 個 AI Skill 推薦與安裝指南:行銷、簡報、設計與短影音一次看AI 上下文怎麼整理?讓行銷團隊少改稿的資料包設計如何評估 AI 文案品質?建立團隊自己的測試題庫