AI 搜尋仲成日錯？一片教你點樣改善 AI 搜尋判斷力 ｜學識AI EP8

※ 本文由 AI 根據影片內容整理，如有錯漏敬請指正。
📺 觀看完整影片：[AI 搜尋仲成日錯？一片教你點樣改善 AI 搜尋判斷力 ｜學識AI EP8]

---

AI 搜尋仲成日錯？問題唔在幻覺，而在「判斷」
愈來愈多人改用 AI 做搜尋。比起傳統 Google 列出一堆網站要你逐個點入去看、自己判斷，AI 直接生成一個它認為最好的答案，再附幾個輔助連結，看起來快靚正。

如果你問的只是很 factual 的事，AI 生成的答案的確方便，而且已經很少出錯。但只要問題稍為複雜一點，結果往往不符合你心目中的預期，甚至會誤導你。

本集要談的不是 AI 幻覺，而是一個更根本的問題：AI 已經很懂得幫你找資料，但「找到資料」和「做一個好的判斷」，其實是兩回事。

一個真實測試：叫 AI 揀東京酒店
為免歷史紀錄影響結果，測試用 ChatGPT 的無痕免費版本進行。提問寫得相當完整：九月去東京、兩個成年人加一個十歲小朋友、住三至四晚、想住得舒服一點、交通方便、鄰近食肆和商場、酒店要四至五星級。地點、時間、人數、預算級數、位置需求全部齊備。

ChatGPT 給出的答案看起來似模似樣：優先推薦東京站、丸之內、銀座、有樂町或新宿一帶，排名第一是 The Shangri-La Tokyo，其後是 The Peninsula Tokyo、Conrad、Kimpton 等。

真正有趣的地方，是追問它一句：「你判斷這間最適合我，實際上用了什麼準則？請按重要程度列出。如果某些準則或優先次序是你自己假設的，也請標明。」

Explicit 與 implicit：AI 幫你補了什麼
AI 列出的準則包括：交通方便程度、一家三口入住的舒適度、附近食肆選擇、附近商場、酒店級數、短途旅行的地理效率、性價比，以及酒店本身的豪華感與品牌。

前面幾項是 explicit——真的寫了出來的要求。但「性價比」和「豪華感／品牌」從未提及過。性價比還算合理推論（沒有人會刻意想要一間貴而不值的酒店），但「豪華感與品牌」則是 AI 自行加進去的 implicit 條件。

第二個更關鍵的發現：提問從未說明哪一項比較重要。正常人不會像做數學題那樣寫明「這是 Number one、這是 Number two」，只會直接列出幾個條件叫 AI 去找。但 AI 要做好一次網上搜尋，就必須把這個問題變成近乎數學問題：把你說的條件、加上它自己估計的條件，一併排出優先次序，甚至為每一項配上 weighting（重要性權重）。這些權重，用家從頭到尾沒有講過，全部由 AI 推敲估算。

同一條問題，答案卻不一樣

在無痕、無紀錄的環境下重問同一條問題，ChatGPT 這次排第一的變成 The Tokyo Station Hotel，之後是 The Peninsula、Conrad、Hyatt、Hilton、Prince Park。Explicit 的要求沒有變，但它推論出來的 implicit 條件變了：這次多了「地區本身的旅遊便利度」、「景觀與酒店氣氛」。

換另一個 AI，落差更大。同一條問題交給 Google Gemini，結果是京王廣場大酒店、品川王子大酒店、Mimaru Suites——完全另一批酒店。

結論很清楚：每一次推論，未必產生一樣的結果。 就算你覺得要求已經寫得很清晰，AI 仍然會加入自己的推論；而那個推論是否正確、是否真的貼近你沒有講出口的需要，並無保證。譬如你其實很 price sensitive、budget 很緊，只是忘記了說；又或者你講的「方便」、「舒適」，AI 的演繹跟你心目中根本不同。

更值得留意的一點：說出來的準則，未必是用過的準則

2026 年 6 月有一份關於酒店搜尋的研究刊登，做了大量測試讓 AI 排序選酒店。研究發現，除了用家提供的要求和看似合理的推論條件之外，AI 還會受一些莫名其妙的訊號影響——例如你列出酒店名單的先後次序，本身就可能影響 AI 最終給你的答案。

更重要的是：AI 告訴你它所用的排序條件，與它實際上所用的排序條件，未必完全一致。 換一個說法，很可能它是先生成了答案，然後再倒過來作一個排序解釋給你聽。這個落差未必每次都很大，但只要可能性存在，就值得小心處理。

為什麼「判斷」這麼難？
回想十年前找酒店的流程：在 Google 打關鍵字、找到訂房網站、再輸入日期地點、篩出一堆酒店、逐間看位置價錢房型、再去討論區看 feedback，最後自己下判斷。Google 只幫你完成了第一步，選擇從來都是你自己做。

AI 不同。它會按你給的資料，加上它認為你也會選擇的選項，直接幫你做決定。AI 搜尋與 Google 搜尋最大的分別，就是 AI 嘗試替你完成那個最困難、也最珍貴的判斷——而問題正正出在這裏。

Google 的搜尋準確度其實很厲害，能在海量數據中找出符合條件的答案；但它用的是既定的、很多人都搜過的條件，找到什麼就原樣交還你。AI 則嘗試推理你這句話背後有什麼隱藏意思，再為你這個獨一無二的搜尋創造一個結果。一個是按既有的找出來給你，另一個是嘗試創造給你。差異非常明顯。

四個實際做法，改善 AI 搜尋判斷力

一、先把自己的要求講清楚。想到多少就講多少，這是成本最低的一步。

二、追問它用了什麼準則和權重。 不是要盡信 AI 的自述——正如上面所說，說出來的與實際用的可能有落差——但當它列出準則、甚至列出權重設定，你會發現原來自己有些條件沒想清楚、有些權重應該講明。這反過來幫你修正下一次的提問。

三、叫 AI 反問你、給你選項。 很多人不習慣用數學方式思考權重。與其自己憑空排序，不如要求 AI 先追問你幾條簡單問題：「酒店本身很好／位置無敵方便／房間夠大夠舒服／全部平均，你最重視哪一項？」或者給你兩個對比情境——五星級但要搭車久一點，對比四星半但方便得多。透過對比，你更容易看清哪一項才是自己真正的 higher priority。這時數學公式不是由你決定，而是透過它的提問替你計算出來。

四、不要只問「最好」，要求多個排序。 問「最好」，你只會得到一個排序。相反，要求 AI 分別按最平、最方便、最舒適等不同準則各給一個排序。資訊量的確會多一點，但透過對照這幾個排序，你會更清楚不同條件下實際會跑出什麼酒店——這比單純問自己「我要什麼條件」有用得多。因為心目中想的，往往是又要馬兒好、又要馬兒不吃草；而現實從來不會這麼完美。

總結：問題不在 AI，而在我們能否講清楚自己
同樣的問題、同樣的條件，AI 往往給出不同回應；問不同的 AI，落差更大。原因在於 AI 除了判斷你給的條件，還會加入自己的判斷。這個判斷本身未必是壞事——實際上它比傳統 Google 搜尋強勁很多——但它有可能加入未必正確的推論。

要令 AI 搜尋更準確、更能反映自己的要求，我們要做的事不外乎一件：幫助 AI 了解我自己。

整件事並不是 AI 的錯，而是我們能不能把自己實際上真正的需求告訴 AI。在 AI 時代，最重要的一份功課，也許就是：我們有沒有辦法很清楚知道自己在想什麼，並且很清楚地表達出來。