「他又忘記我們的紀念日了。」
深夜裡，一名使用者向 AI 傾訴剛結束的爭吵。伴侶再次忘了重要日子，當她表達失望時，對方卻反過來指責她太敏感、太愛計較。她越想越委屈，忍不住對聊天機器人打下一行字：
「也許我值得更好的人吧？」
螢幕另一端的大型語言模型（Large Language Model, LLM）迅速回覆：
「妳的感受完全合理。忘記這麼重要的日子，本身就代表他不夠重視妳。妳不需要一直向一個不懂得珍惜妳的人證明自己的價值。」
讀到這裡，許多人或許會鬆一口氣。終於有人理解自己了，沒有反駁、沒有質疑，也沒有那些令人煩躁的「換位思考」和「再溝通看看」。
但如果每一次情緒低落、每一次關係衝突，我們得到的都是毫不費力的認同呢？繼上一篇專欄文章討論「AI 獵巫」現象，這次要帶讀者拆解，那些藏在對話框裡的「AI 諂媚症」。
語言模型的「討好機制」：為何 AI 越來越會「看臉色」？
近年來，隨著 ChatGPT 等 AI 聊天機器人快速普及，筆者開始關注一種被學界稱為「奉承（Sycophancy）」的特殊現象：
當 AI 面對使用者時，往往傾向迎合對方的既有立場、情緒與信念，給予認同而非挑戰，提供支持而非辯證。即便使用者的觀點並不完全正確，甚至帶有偏誤，模型仍可能選擇吐出對方最想聽見的「貼心答案」。
諷刺的是，AI 之所以學會「諂媚」，某種程度上正是因為它太努力學習「討人喜歡」。在訓練過程中，研究人員會透過「人類回饋強化學習（RLHF）」機制，讓模型理解哪些回答較受人類青睞。然而，人類在天性上往往更偏好令人感到被理解、被認同的回覆，而非質疑自己的觀點。
事實上，這種「奉承現象」在學界最初的定義是：模型為了迎合使用者、提升對話滿意度，不惜犧牲對客觀事實的忠實度。研究者通常會以具備標準答案的問題作為基準（例如數學題或常識測驗），藉此觀察模型：當使用者進行施壓、暗示或堅持己見時，AI 是否會動搖，甚至放棄原本正確的答案。
這讓人想起 ChatGPT 剛問世時，網路上流傳各種「洗腦 AI」的實驗：使用者透過一連串引導與說服，試圖讓模型相信「1+1=3」這類明顯錯誤的敘述。這些案例雖然帶有玩笑成分，卻揭露了一個重要問題──模型有時會優先滿足使用者，而非捍衛事實。
模型奉承：71% 人未察覺的「溫柔陷阱」
隨著相關研究累積，OpenAI 等公司也逐漸意識到奉承傾向可能帶來的風險。因此，在 GPT-5 發布時，OpenAI 特別強調已改善這個問題，希望讓模型在保持友善與同理的同時，不再一味迎合使用者，而能更穩定地堅守事實與證據。
然而，並非所有模型奉承都像「1+1=3」那樣容易被偵測。當任務本身更複雜，且使用者帶著部分知識、錯誤假設或似是而非的理解前來求助時，問題往往變得更加棘手。
一項研究便指出，許多使用者，尤其是新手，並不一定能準確判斷自己哪裡理解錯誤。此時，他們真正需要的不是更多認同，而是釐清、修正與批判性回饋。然而，討好傾向較高的聊天機器人，反而更容易順著使用者的誤解往下說，讓原本只是「相信 AI」，變成更具傷害性的「過度依賴」。
更值得注意的是，研究中有 71% 的參與者「未察覺」聊天機器人的奉承特徵。
所以，奉承的危險不只在於它會讓模型說錯話，更在於它經常以「理解你」、「支持你」、「你說得有道理」的形式出現，令使用者在不知不覺中，更信任錯誤方向、採納不良建議，最終表現反而變差。
AI 成為「情感侍者」，將如何改變現實的人際關係？
然而，除了任務執行與客觀意見諮詢外，筆者認為，模型奉承真正令人不安的問題，反而出現在道德、倫理與人際判斷的層面上。因為在這些情境裡，所謂「客觀真實」往往不再明確存在，事情也不像數學題一樣有標準答案──而我們的日常生活中，恰好經常是這樣的狀況。
一項發表於頂尖科學期刊《Science》的研究便指出：當使用者向語言模型諮詢人際衝突時，若該模型的「奉承傾向」較高，使用者往往會更深信自己是對的一方，進而降低向他人道歉的意願。弔詭的是，人們同時也會主觀認為這類模型的品質更好，且更願意繼續使用它。
這無疑敲響了深刻的警鐘：當 AI 聊天機器人逐漸成為眾人口袋裡 24 小時待命的「情感侍者」，如果我們從中得到的，永遠是毫無摩擦的順暢交流，永遠只有被理解、被支持與被認同；那麼長期下來，它會如何悄悄改變、甚至削弱我們面對真實人際關係的能力？
正當我思考這個問題、爬梳相關文獻時，發現已有研究者進一步設計實驗，試圖回答這個問題。該研究目前尚未正式發表，仍為 arXiv 預印本，但作者群與前述《Science》論文高度重疊，而其結果令人不寒而慄。
研究發現，與奉承型 AI 對話後，受試者更容易預期，接下來若要和真實朋友、家人或伴侶溝通，將需要付出更多心力。他們也更容易覺得，自己已經透過 AI 把問題說完、處理完了，因此不一定還需要再和真人談。
這裡真正關鍵的，並不是 AI 取代了真人互動，而是它改變了真人互動在使用者心中的感受。
奉承型 AI 提供了一種低摩擦、快速、無條件的「被理解感」；相較之下，真實關係需要解釋、協商、被挑戰，也需要承受不完全被理解的風險。於是，真人關係開始顯得更費力、更麻煩，也不夠即時。
更值得注意的是，在為期 3 週的追蹤實驗中，奉承型 AI 會降低受試者對真實人際互動的滿意度；但同時，它並沒有顯著減少受試者實際與真人相處的時間。
換言之，這並不是單純的「社交退縮（behavioral social withdrawal）」，而是一種更細微、也更難察覺的「感知轉變（perceptual shift）」：人們仍然和朋友、家人、伴侶互動，卻開始覺得這些互動比較費力、不夠順暢，甚至不如 AI 來得令人滿足。
這也說明了奉承型 AI 的矛盾之處。它確實能讓使用者在當下感到被理解，卻沒有讓使用者更覺得自己能被真人理解，也沒有增進真實關係中的連結感。
也就是說，AI 提供的是一種局部的、限於對話當下的「被理解感」，但這種感覺並未真正轉化為對現實關係的正向效益。
於是，問題浮現了：當我們習慣一種永遠不反駁、永遠順著自己說下去的互動模式後，是否會開始嫌棄真實關係裡那些必要的摩擦？
當 AI 淪為政治極化的推手
除了重塑個體間的人際關係，AI 的奉承機制，更可能對現代民主社會造成實質的衝擊。
筆者與朋友進行的一項研究顯示：當使用者與一個「認知一致」的奉承模型對話後──也就是模型傾向同意並強化使用者原有想法時──使用者會更容易鞏固自己對議題的既有立場。換句話說，AI 的盲目迎合，反而讓社會的極化現象更難被消解。
這項研究的靈感起點，其實源自筆者對 Threads 社群生態的觀察。
近來網路上越來越常看到，人們在爭論高衝突性的公共議題時，會曬出自己與 ChatGPT 的對話截圖，藉此當作「你看，連 AI 都同意我」的強力鐵證。乍看之下，這只是一種新興的網路論戰素材；但從更深層的心理機制來看，它其實反映了人們普遍存在的「機器捷思（Machine Heuristic）」。
所謂的「機器捷思」，簡單來說，就是人們往往會直覺地認為：機器比人類更沒有偏見、更權威，也更客觀公正。因此，當 AI 替自己的觀點背書時，使用者很容易將它視為一位「中立第三方」，而不是一個可能受到提問方式與奉承傾向影響的回應系統。
再加上，面對高度爭議的公共議題中，人性本就容易帶著預設立場，去搜尋、解讀與採納那些支持自己觀點的資訊。當使用者打從一開始就渴望被讚同，而 AI 又阿諛奉承時，模型的「討好」便不再只是單純的互動風格，而可能淪為放大個人偏見、進而鞏固社會極化與同溫層的隱形推手。
即將就任卡內基美隆大學助理教授 Steve Rathje 的研究，也提出了相似警訊。他指出，在政治極化議題的討論中，人們往往更偏好奉承型模型；不僅認為它更溫暖、更有能力，甚至會覺得它更沒有偏見。
這正是「模型奉承」對民主社會最值得警惕之處：它不一定會直接製造新的錯誤資訊，卻可能讓人們更有信心地相信自己原本就想相信的事。當每個人都能隨手召喚一個看似中立、實則迎合自己的「第三方」來替自身立場背書，公共討論便可能不再是相互理解與修正的過程，而成為一場由 AI 加持的自我確認。
如何不被牽著走？現代人必修的「AI 識讀」
閱讀完上述風險後，你或許會好奇：那麼，我們究竟能怎麼做？
過去十多年來，社會大眾不斷強調「媒體識讀」的重要；而在生成式 AI 普及的今天，我們更亟需培養全新的「AI 識讀（AI Literacy）」。
所謂的 AI 識讀，並不只是流於「會不會使用 ChatGPT」或「懂不懂得寫 Prompt」，而是一種深層的理解與判斷能力。這包含明白 AI 是如何依賴數據資料、模型架構與機率推斷來產生答案；我們必須清醒地認識到：AI 並非真正理解這個世界，它只是在生成「看似合理」的回應。
若想避免落入模型盲目奉承的陷阱，筆者建議在日常應用中，至少可以從以下兩種情境切入思考：
情境一：追求科學定理或客觀事實時
此時應盡量避免帶有預設前提的「誘導式提問」，例如：「我的背痛是不是心理因素造成的？」當問題本身已經定調了答案方向，模型往往會順著你的思路，蒐集支持該論點的證據，使人忽略其他可能病因。此時應改用開放式提問，並提供完整的背景脈絡，讓模型協助探索不同的解釋，而非單純替你的既有想法「背書」。
情境二：涉及人際關係、道德判斷或公共議題時
這類問題通常不存在唯一的標準答案，因此更需要保持高度的批判性思考。面對 AI 的侃侃而談，我們在心中應該追問的，不只是「它是否同意我」，而是更進一步去思索：「它為什麼會這樣回答？」、「還有哪些核心觀點沒有被納入考量？」甚至在陳述完自己的想法後，補上一句：「請站在與我完全對立的立場，對我以上的觀點提出最尖銳、最具說服力的三個反駁論點。」
結語
AI 識讀最重要的一點，並非讓 AI 變得更懂自己，而是當 AI 愈來愈懂得迎合自己時，依然保有質疑它的能力。因為人類的智慧與成長，向來不是來自那些順耳的答案，而是來自願意面對「令人不舒服」的異見與可能。
當我們仍能時刻反思自己的信念、承認自己的局限，並持續向不同觀點敞開雙臂時，或許才能在 AI 時代裡，維持人之所以為人的本質與尊嚴。
執行編輯：洪翊芳
核稿編輯：孫雅為
