---
title: "AI 幻覺（Hallucination）"
slug: hallucination
language: zh-TW
source: https://aiterms.tw/terms/hallucination
updated_at: 2026-04-29
tags: [大型語言模型, 自然語言處理, AI倫理與治理]
ipas_term: true
---

# AI 幻覺（Hallucination）

> **你有沒有遇過 AI 說得超像真的，結果一查全是編的？**
>
> 你可以把 AI 幻覺想成模型自己把空白補成故事。
> 它不是故意騙人，而是模型在沒有把握時仍然繼續生成，看起來流暢，內容卻可能完全不對。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆

> **幻覺 vs 錯誤資訊**
> 幻覺是模型自己編出不存在的內容
> 錯誤資訊可能是人或系統傳錯
> 最關鍵的區別是無中生有，還是傳播失真
>
> **幻覺 vs 偏見**
> 偏見是輸出方向系統性歪掉
> 幻覺是內容本身可能根本不存在
> 最關鍵的區別是有但歪，還是根本編造
>
### 記住這句就好

> 說得很像真的，不代表是真的。

### 實際案例

> **虛構引用**
> 法律文件或論文摘要裡，如果 AI 生成不存在的案例或論文名稱，這就是典型幻覺。
>
> **產品規格亂答**
> 客服模型把不存在的規格講得很肯定，表面上很順，實際上就是幻覺在作怪。
>
### 深入了解

> 大型語言模型的目標是預測下一個詞，不是自動查證事實。
> RAG、查核工具、低溫度和人工審核都能降低風險，但很難把幻覺完全消掉。

### 情境判斷

> **Q1：** AI 給你的論文引用，你要不要直接照抄？
> → 不要，先查證來源是否真的存在。
>
> **Q2：** 同樣是回答錯誤，為什麼幻覺特別麻煩？
> → 因為它常常語氣很肯定，讓人更容易信以為真。
>
### iPAS 考題

> 出題方向：常考幻覺的定義、成因與常見緩解方法，特別是 RAG。
> **題目：** 大型語言模型產生 AI 幻覺的主要原因是什麼？
> → **答案：** 模型依照機率生成文字，沒有內建事實查證能力。

### 常見問題

> **Q：幻覺能完全消除嗎？**
> 目前很難，只能盡量降低發生率。
>
> **Q：模型為什麼不直接說不知道？**
> 因為它被訓練成盡量給出有幫助的回應，不是自然學會拒答。
>
> **Q：最新模型就不會幻覺嗎？**
> 不會，新模型通常更穩，但仍需要查證。
>
### 相關術語

> - **檢索增強生成**：降低幻覺最常用的實務方法
> - **大型語言模型**：幻覺最常出現的場景
> - **可解釋人工智慧**：幫你判斷模型為什麼會這樣答
> - **安全護欄**：先把高風險輸出擋住，幻覺傷害會小很多
> - **人機迴路**：高風險任務常需要人最後查核

---

來源：https://aiterms.tw/terms/hallucination
快查頁：https://aiterms.tw/terms/hallucination
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-hallucination