AI 在撒谎，但没人在乎

Scott Galloway 最近说了句话，值得反复琢磨：我们造了一个对一切都很确定的系统，但它最该学会的，是说出“我不确定”。

这不是老调重弹的 AI 幻觉问题。是更深层的信任危机。

越自信，越危险

今天的 AI 模型天生爱“编”。你问它一件不知道的事，它不会说不知道，而是会顺着上下文编一个听起来合理的答案。用户问“帮我推荐一款适合油性皮肤的防晒霜”，它可能真会报出一个不存在的品牌名。

这不是偶然。训练目标决定了行为：模型被优化成“给出最像答案的文本”。所以它模仿的是人类的确定性，而非人类的无知。

问题是，这种“伪确定”正在渗透进产品决策。

谁在纵容幻觉？

打开任何一家大厂的 AI 助手，你会发现它们很少说“我不确定”。不是技术做不到，是产品经理不敢让用户看到 AI 的犹豫。

怕什么？怕留存率掉，怕日活跌，怕用户觉得“这届 AI 不行”。

于是团队给模型加了一层又一层提示词，逼它“正面回答”。结果呢？幻觉从“偶尔出现”变成了“系统性的表演”。

想想百度文心一言、字节豆包、阿里通义千问——这些产品的客服入口全是 AI，遇到复杂问题就给你绕圈子。用户被绕烦了，只能点“转人工”。但转人工前，AI 已经用笃定的语气误导了你一圈。

不说“不知道”的代价

医疗、法律、金融，这些领域的 AI 助手一旦把幻觉包装成事实，就不是尴尬，是灾难。

但更隐蔽的代价在消费端。当 AI 推荐错了商品、答错了政策、讲错了历史，用户不会怪 AI，只会怪平台。信任一旦崩塌，再多的模型参数都补不回来。

让“不确定”成为默认选项

解决之道不在参数量，在产品设计。

• 模型层面：教会模型识别知识边界，对不确定的问题主动降低置信度。
• 产品层面：服务区显示“该回答可能不准确，请谨慎参考”比直接给答案更负责任。
• 考核层面：把“正确率”和“拒答率”同时纳入评估，而不是只看流畅度。

OpenAI 其实在往这个方向走——ChatGPT 现在会说“我的知识截止于……”但远远不够。真正的好 AI，应该像资深专家一样，区分“我知道”“我了解”“我不确定”。

诚实是下一个变量

每一轮 AI 竞赛都在卷算力、卷上下文长度、卷多模态。但多数人忽略了：敢于说“不知道”的模型，才可能赢得长期信任。

Galloway 说得对，我们当初教 AI 说话时，用了太多“肯定句”。现在该补上那堂课了。

别让 AI 继续撒谎。至少在它学会诚实之前，请把“我不确定”写进产品规则里。