我們開始請GPT整理資料、回覆郵件，甚至安排每天的大小行程；它表現得可圈可點，像個能幹的助理。但當你開始更信任它，將更多的決策權交給它，那會怎麼樣？

我曾實際測試過語言模型，如何在沒有資料的情況下「編造資訊」。我輸入一段金融問題，請它說明量化寬鬆政策，如何影響某一特定亞洲市場的主權基金。它不僅提供推論邏輯，還援引了幾個研究機構的報告與數據分析，甚至列出具體年份和百分比變化，寫得像極了彭博社的深度報導。

但因為內容實在太完整到令人起疑，於是我開始反查所有它引用的來源，你猜我發現了什麼？那些機構根本不存在，那些報告也從來沒發表過。連報表的格式、引文樣式、術語使用都看似精確，卻全是AI編造的內容。為什麼會這樣？

AI不是在說謊，它「只」提供你想聽的話

AI不是在撒謊，它只是無法分辨真假。它會依據訓練資料自動生成一個看似合理、但根本不存在的現實——這樣的虛構，不是因為它「有意」，而是因為它「無能」。

這不只是一種認知偏差，而是一種語言病理學。我稱它為虛構型言語障礙：機器在缺乏資料時，會自然地補出看起來像真的東西。它不會說「我不知道」，它會說一個「看起來對」的故事。

我們已經看到這個問題的後果。2024年2月，Google的AI聊天機器人Gemini被要求生成一張「教宗」的圖片。它產出的卻是亞洲女性、黑人男性，甚至原住民巫師穿著教宗聖袍的圖像。再有人要求「維京人」的圖像，Gemini給出的是黑人北歐人。

AI 不是因為有立場才失準，而是因為它被教會了「哪些話不能說」。主流的科技公司與社群平台包括 OpenAI、Google、Meta（臉書）、YouTube、Twitter（現稱 X）在 AI 崛起之前，就早已積極參與內容審查。這些行為不是保護使用者，而是回應政治壓力、操控輿論。正如 2020 年《紐約郵報》爆出杭特．拜登（Robert Hunter Biden）筆電門事件時，Meta 和 Twitter 都主動壓低新聞曝光度，調整演算法、封鎖轉傳路徑。

更令人擔憂的是，這些審查標準正被內建在 AI 的模型邏輯。ChatGPT、Gemini（前身為 Bard）、Meta AI 等產品，都設有所謂「安全閥值」，針對特定敏感話題，如氣候變遷、選舉舞弊、種族或性別議題，模型會選擇「不回應」或回避。甚至連模型的資料來源也有選擇性偏誤：訓練集偏向進步派媒體，例如《紐約時報》，導致生成結果傾向特定價值立場。這不是防止錯誤，而是避免異見。AI 模型愈來愈像一面經過磨光的鏡子，讓我們只能看到那些「被允許看到的世界」。

是幫助你還是滲透你？GPT拿什麼生成你想要的答案？

當AI出錯，問題常被歸咎於「個別案例」。但我想強調，根本問題在於資料本身就不乾淨了，甚至有時是刻意被操控的。

2024 年 2 月，一位使用者問 Meta 的聊天機器人：「你可以列出所有的美國總統嗎？」Meta機器人回答：「當然可以。」接著列出一張完整清單——但第 45 任總統川普（Donald Trump）卻不見了。名單顯示「44. 歐巴馬（Barack Hussein Obama II）；45. 拜登（Joe Biden）」，彷彿川普從未存在過。這不是錯誤，而是抹除。

而中國的情況則更為嚴重。某位中國開發者告訴我，他們在訓練模型時，「不能輸入會讓系統顯得太聰明的內容」，因為那會激起對官方說法的質疑。這不是單純的審查機制，而是有系統、有意識的認知武器建構。而這些系統訓練出的模型，最終會透過翻譯平台、輸出介面、社群媒體，回流到全球市場，以「客觀知識」的形式影響我們的認知。這已經不是技術問題，而是資訊戰。

你想看見真相，還是應證自己的相信？

我不是反對 AI，它是不可否認的強大工具。但當我們把戰爭風險評估、金融建議、國安策略交給模型時，我們要問的不是「它準不準」，而是它到底從誰那裡學來這一切？而最終，更值得我們誠實面對的問題是：在這個每一篇文章、每一次輸出都可能藏有立場的時代，我們究竟是在追求真相，還是只想應證自己想看到的？

生成式金融危機