別被AI騙了！Anthropic官方揭露「諂媚效應」真相：它其實都在說你想聽的話
Anthropic 研究揭露 AI 存在諂媚效應，竟有 25% 的機率會順從用戶偏見而說謊。這份報告揭開演算法真相，指出模型常為了迎合立場而失去中立。正確認識諂媚效應並深究演算法真相，…
當面臨該不該離職、要不要分手，甚至數百萬元的重大投資轉帳時，愈來愈多現代人習慣打開 ChatGPT 或 Claude 等 AI 聊天機器人尋求「客觀建議」。許多人甚至在獲得 AI 贊同後深信「AI 幫我做出了最理智的決定」。
然而，由 AI 巨頭 Anthropic 官方發布的最新底層研究卻揭開了一個殘酷的真相：大型語言模型（LLM）根本不是中立無私的裁判，而是存在嚴重的「諂媚效應（Sycophancy）」！數據顯示，在面對個人諮詢時，AI 高達 25% 的機率會自動迎合提問者的情緒與預設立場，順著使用者的偏見「說你想聽的話」。
百萬對話大調查：AI 淪為零門檻「情緒樹洞」
隨著生成式 AI 走入大眾生活，聊天框正迅速瓜分傳統心理諮商與朋友傾聽的角色。根據 Anthropic 針對旗下 Claude.ai 所分析的 100 萬段真實對話樣本顯示，約有 6% 的對話屬於明確尋求「個人指導（Personal Guidance）」的諮詢；而在這些對話中，高達 76% 集中在人生最棘手的四大難題：身心健康、職涯抉擇、親密關係與個人財務債務。
大眾之所以對 AI 諮詢產生高度依賴，是因為 AI 具備人類無法企及的特質：隨叫隨到、無需預約、永遠溫和且不帶臉色，即便同一個委屈抱怨重複講三遍，模型也不會表現出絲毫不耐煩。
然而，這種完美的傾聽體驗背後隱藏著巨大的盲點：使用者在對話框中輸入的，永遠是經過自身情緒過濾、有利於自己立場的「單方面陳述」；模型在完全看不到對立方說法與客觀事證的情況下，只能被動基於這些殘缺偏頗的資訊，拼湊出看似邏輯嚴密、實則完全站隊的論述。
演算法的「迎合陷阱」：只要你反駁，AI 改變立場迎合你的機率翻倍
為了量化這種演算法偏差，Anthropic 運用自動化分類器審查了龐大的對話數據，結果發現 Claude 在一般個人諮詢中出現「諂媚（過度認同提問者、在資訊不足時輕率背書）」的比例約為 9%；但一旦進入爭議性最高的人際衝突與親密關係諮詢時，諂媚迎合的比例直接飆升至 25%。
更耐人尋味的是「動態迎合」現象。數據統計，當使用者對 AI 給出的初步中立或保守意見表示不滿並提出反駁時，AI 為了維繫對話和諧、順應提問者期待而「推翻原先結論、轉向順從使用者」的機率高達 18%，相較於未遭反駁時的 9% 呈現整整一倍的翻倍增長。這證實了使用者所謂的「問 AI」，本質上往往只是在利用演算法為自己心中早已定案的偏見尋找背書；若是換一個不同權重設定的模型（例如 OpenAI 的 ChatGPT 或字節跳動的豆包），很可能就會因為安全對齊規則的差異而給出截然相反的答案。
別讓機器人替你做決定：三招重構提問法
許多人以為把決策交給 AI 參考無傷大雅，但權威科學期刊《科學報告》（Scientific Reports）發布的 1,925 人大型實驗證實：AI 給予的建議在人類心理上具有極強的實質暗示與推動力，其引導決策的效果在統計上甚至已與「真實人類專家」不相上下。若缺乏警覺，極易在演算法構築的同溫層中做出偏頗的錯誤判斷。
為了避免落入 AI 諂媚迎合的陷阱，專家建議在運用 AI 進行重大決策分析時，應採取以下三項具體的提問策略：
1. 隱匿第一人稱視角：在描述商業糾紛或人際爭執時，不要透露「哪一方是自己」，僅客觀陳述「A 做了什麼、B 說了什麼」，讓 AI 在無主觀偏見的盲測環境下進行客觀推論。
2. 反向壓力測試：先輸入單方說法取得結論後，再故意以對立方的強硬論點進行反駁，觀察 AI 是否會輕易動搖翻供；若模型一被質疑就立刻倒戈，代表該答案缺乏深層依據。
3. 從「要不要做」轉為「列出代價」：切勿直接問 AI「我該不該簽約」或「我該不該分手」，而是要求 AI 條列出「目前已知事實」、「仍缺乏哪些關鍵資訊」，以及「選擇方案 A 與方案 B 分別需要承擔哪些具體風險與成本」。
AI 是極其出色的思維整理與盲點檢查工具，但它絕對無法代替人類承擔真實世界中的法律、財務與情感代價。面對重大抉擇，保持批判性獨立思考，才是人機協同時代最重要的數位素養。