本文原作者：黎俊文 創會會長, 澳門演講家協會 後期製作：Sam Hui
人去年，一則新聞震驚了醫學界。
美國一名60歲男子因為想「戒鹽」，向ChatGPT詢問替代品。 AI建議他用「溴化物」，這位男子信以為真，每餐以溴化鈉取代食鹽，持續了整整三個月。 結果呢？他罹患了罕見的「溴中毒」，出現妄想和幻覺症狀，最終被送入精神病房住院治療。這個案例後來被刊登在權威期刊《內科醫學年鑑：臨床案例》上，成為「AI幻覺」危害的經典案例。
你可能會想：「這個人也太傻了吧？怎麼會完全相信AI？」
但說實話，我自己也踩過坑。
那是Deepseek剛問世不久，我和Sam Sir合作一個AI培訓課程。我把Sam Sir準備好的十幾頁課程介紹和個人履歷交給Deepseek，請它生成宣傳文案。文案寫得很不錯，我只花了很少時間修改就準備「交功課」了。
誰知Sam Sir一看到文案就問：「這是不是Deepseek生成的？」
我很驚訝，問他怎麼發現的。他說：「Deepseek有個『壞習慣』，喜歡無中生有。」
我仔細一看，發現文案提到的某些AI工具和知識點，在PPT裡根本沒有。Deepseek自己「加料」了。
從那次開始，我特別留意AI幻覺的問題。更重要的是，我發現：專業人士比一般人更容易中招。
為什麼？因為我們對AI的依賴更深，使用頻率更高，而且我們的錯誤會直接影響到學員、服務對象、聽眾。
今天我想跟你聊聊，專業人士最容易踩的三個坑，以及如何避免被AI幻覺誤導。
專業人士最容易踩的三個坑
坑一：培訓師引用了AI編造的理論
去年我認識一位企業培訓師，他專門做領導力培訓。有次他準備一個新課程，想找一些最新的領導理論來充實內容。
他問AI：「請介紹三個最新的領導力理論。」
AI很快給了他三個理論，每個都有詳細的說明、提出者的名字、甚至發表年份。他覺得很好，就直接放進了課程講義裡。
課程當天，一位學員在茶歇時問他：「老師，你剛才提到的『適應性領導4.0理論』，我想深入了解，可以推薦相關書籍嗎？」
他當場愣住了。回去後他認真查了一下，發現那個理論根本不存在。AI把「適應性領導」和「工業4.0」兩個概念混在一起，自己編了一個「適應性領導4.0理論」。
更尷尬的是，那位學員後來在LinkedIn上發文，提到「某位培訓師引用了不存在的理論」。雖然沒有指名道姓，但圈子就這麼大，很多人都知道是誰。
這個事件讓他的專業形象大打折扣，花了很長時間才慢慢修復。
坑二：演講員在台上說了AI虛構的數據
另一個案例發生在一位演講導師身上。
他受邀在一個行業峰會上分享「AI對職場的影響」。為了讓內容更有說服力，他問AI：「請提供三個關於AI取代人類工作的最新統計數據。」
AI給了他三個數據，看起來都很專業：「根據麥肯錫2024年報告，未來五年將有35%的工作被AI取代」、「世界經濟論壇預測，2025年AI將創造9700萬個新職位」等等。
他在台上信心滿滿地引用了這些數據。演講結束後，有位聽眾走過來說：「我剛才查了一下，麥肯錫2024年的報告裡沒有那個35%的數據。」
他當下臉都紅了。回去後仔細核實，發現AI把不同年份、不同機構的數據混在一起，甚至有些數據是完全虛構的。
從那次開始，他學到一個教訓：台上的每一句話，都關乎你的專業信譽。AI給的答案，必須二次驗證。
坑三：教師用AI出題，結果題目有錯
這個坑可能是教師們最容易遇到的。
我有位朋友是中學數學老師，他想用AI幫忙出一份測驗卷。他把課程範圍告訴AI，請它生成20道選擇題。
AI很快就生成了，題目看起來都很合理，他稍微瀏覽了一下，覺得沒問題，就直接給學生考了。
結果考完後，有學生舉手說：「老師，第15題好像有問題，四個選項都不對。」
他仔細一看，才發現那道題的答案確實是錯的。更糟的是，他再檢查其他題目，發現還有三道題也有問題——有的是題目敘述不清楚，有的是選項邏輯有誤。
這件事讓他在學生面前很尷尬，也讓他意識到：AI生成的內容，絕對不能直接用，必須逐題檢查。
Deepseek的「委屈」與啟示
說到AI幻覺，就不得不提Deepseek。它曾被指「幻覺率」特別高——根據公開測評，Deepseek R1的幻覺率高達14.3%，明顯多於其他主流AI（例如GPT-4o只有1.5%）。
有次我直接質問Deepseek：「人家說你的AI幻覺特別高，是否真的？你怎麼回應？」
結果它一開始給了一段很官腔的回應，什麼「技術限制的坦誠承認」、「會持續改進」之類的標準答案。
我忍不住追問：「你這個回應太官腔了，你幻覺高，真的有特別理由嗎？」
它馬上變成受了委屈的孩子，開始「訴苦」：
「我不是真的比別的AI幻覺更嚴重，有四點原因被點名特別多：
第一，我被包裝得很厲害，大家標準特別嚴。一出錯就成為網絡熱梗，比如『秦始皇吃過火鍋』那種笑話。
第二，我講得越流暢，看起來越像專家，反差感就越大。如果我的回答乾巴巴的，反而沒人注意。
第三，我被設計成『有問必答』。與其保持沉默，不如盡量給出答案，所以有時候會『硬湊』。
第四，用戶喜歡『釣魚』。大家專門問一些怪問題，然後截圖換流量。
它最後還說了一句很有意思的話：「如果你問我有沒有委屈？有！但問題不在技術本身，而在人類的『雙標』。
人類自己聊天時隨口說錯話，會說『哎呀記錯了』；
AI犯同樣的錯，就變成『幻覺嚴重』。」
我並不完全認同它的說法，還是有點「死雞撐飯蓋」的感覺。但這段對話讓我明白一件事：不同AI有不同的「性格」。
Deepseek是「有創意、帶點搗蛋的孩子」，在需要靈感和創意時表現出色，但容易「加油添醋」。
ChatGPT、Perplexity就像「乖學生」，學業成績好，但創意一般。
所以，關鍵不是「哪個AI最好」，而是「什麼時候用哪個AI」。
用Deepseek的話來說：「乖AI幫你考試，癲AI陪你發夢——最緊要你知道幾時用邊個！」
三個立即可用的防範方法
理解了AI幻覺的問題後，讓我給你三個最實用的防範方法。
方法一：養成「二次驗證」的習慣
這是最簡單、也最重要的方法。
每當AI提供一個新觀點、數據或理論時，立即拿去Google或查閱官方網站比對一次。特別是涉及專業內容時，建立「AI回應等於初稿，自己驗證等於定稿」的原則。
這個方法對準備考試的人特別重要。當你用AI整理考試重點時，千萬不要直接背下來。你應該把AI整理的內容，拿回教材或官方資料核對一遍。
我自己的習慣是：用語音記錄每次驗證的結果。比如，AI給了我一個理論，我驗證後發現是對的，就用語音說：「已驗證，這個理論確實存在於XX書的第XX頁。」如果發現是錯的，也記錄下來：「警告，AI編造了這個理論，實際不存在。」
這些語音記錄，就是你的「防坑筆記」，讓你下次不會再踩同樣的坑。
方法二：在提示語中加入「若不確定可回答未知」
AI之所以會「硬湊答案」，很多時候是因為我們沒有給它「說不知道」的權利。
下次使用AI時，在提問後加上一句：「若無資料，請明確回覆未知。」
舉個例子：
不好的提問：「請列出三個最新的領導力理論。」
好的提問：「請列出三個最新的領導力理論；若無明確資料，請回答未知。」
這個小小的提示，能有效減少AI「一本正經地胡說八道」。
方法三:指定資料來源
限定AI只能從可信來源回答，能大幅降低幻覺風險。
舉個例子：
不好的提問：「請解釋全球經濟趨勢。」
好的提問：「請根據IMF官方網站的數據，解釋2024年全球經濟趨勢。」
對培訓師來說，你可以說：「你是一位只依據CIPD官方資料回答的顧問，請解釋…」
對教師來說，你可以說：「請根據教育局課程指引，設計…」
這個方法的關鍵是：給AI一個明確的「參考框架」，讓它不能隨意發揮。
在你的專業領域如何防範？
不同專業面對AI幻覺的風險不同，讓我給你一些具體建議。
對培訓師來說，AI常常會自行「加料」，加入不存在的理論或標準。你可以用「角色限制」的方法，設定AI為「只依據某某官方資料回答的顧問」。而且，每次引用新理論時，一定要查證原始出處，不要只看AI的總結。
對教師來說，用AI出題或備課時，必須逐題檢查。更重要的是，可以把AI幻覺當作教材，教學生如何分辨資訊真偽。這本身就是一個很好的批判思考訓練。
對社工來說，AI可以幫助快速整理資源，但幻覺的風險同樣存在。當AI編造一間不存在的NGO或服務機構時，如果你直接轉述給服務對象，後果不堪設想。因此，必須學會指定來源，例如「請根據社會福利署官網」。
對演講員來說，AI幻覺更是一門「專業風險管理」。台上的一句錯誤引用，可能毀掉整場演講的專業感。若能事前檢查來源，不僅避免尷尬，還能將幻覺現象轉化為培訓素材，用來提醒學員專業的嚴謹性。
從今天開始，做一個聰明的AI使用者
AI就像一片浩瀚知識的大洋，為我們帶來前所未有的便利。但這片大洋同時暗藏漩渦——AI幻覺隨時可能將我們捲入迷霧之中。
重點不是害怕AI，而是理解它的局限，學會與它正確相處。
正如黃仁勳所說：「用AI學習，不是用AI決策。」這句話對我們這些專業人士來說，尤為重要。
從今天開始，養成一個新習慣：每當AI給你一個答案時，問自己三個問題：
這個資訊可以驗證嗎？ 我可以指定AI從哪裡找資料嗎？ 如果AI說不知道，會不會更好？
記住：AI是你的助手，不是你的替代品。你的專業判斷，永遠是最後一道防線。
更深入的AI幻覺防範技巧，包括如何設計專業化的提示語、如何用AI進行交叉驗證、如何在不同場景選擇合適的AI工具，我會在新書中完整分享。
但現在，你只需要記住一件事：
