為什麼 AI 從不給你一樣的答案

做個小實驗。打開你最愛的 AI，請它幫你媽寫一則生日祝福，然後讀讀看。現在把對話清空，一字不差地再問一次。你幾乎一定會拿到不一樣的訊息。也許更溫暖、也許更短，也許第一則講的是蛋糕，這一則卻講起了花園。

沒有壞掉。你也沒換個說法。AI 就是不會重複自己，而且這是刻意設計的。

一旦你懂了原因，這個小毛病就不再惱人，反而變成和 AI 聊天最好用的一點。

一次寫一個字的機器

關於 AI 聊天機器人，有件事幾乎沒人告訴你。它們不是寫好一整段答案再遞給你，而是一個字一個字地蓋，反覆猜下一個字，直到答案完成。

想像全世界最強的自動完成。你打「謝謝你的」，手機就建議「訊息」「禮物」或「幫忙」。AI 做的是同一件事，只是好得多，而且是跨整篇文章在做。每一步它都看過目前為止的所有內容，然後問自己：現在最可能出現的是哪個字？

訣竅在於，它不是每次都抓最可能的那個字。它有一份簡短的好選項清單，每個都配著一個大概的機率，然後擲一顆小骰子挑一個出來。這顆骰子就是變化的來源。在前面挑了個稍微不同的字，整個答案就往別的方向走了。

認識「溫度」這個旋鈕

那顆骰子有個調節旋鈕，它的名字你之後會到處看到：溫度。

溫度決定 AI 可以在多不明顯的字上冒多大的險。它通常是 0 到 2 左右之間的數字，你可以這樣想像。

大多數聊天 App 會悄悄幫你設成中等溫度，因為那正是 AI 聽起來像個人、而不是像制式公文的位置。往上調，它就變得大膽又出人意料；往下調，它就求穩，每次幾乎講一樣的話。

在一般聊天裡你幾乎不會碰這個旋鈕。但它在每個答案底下轉著，也是你的生日祝福第二次會不一樣的主因。

那為什麼不乾脆把隨機性關掉？

問得好。如果你把溫度設成零，AI 應該每次都挑最可能的字，給你兩次一樣的答案，對吧？

大多數時候，是的。但不是每次，而原因意外地平凡。

這些模型非常龐大，跑在一整排排巨大的專用晶片上，同時服務成千上萬的人。為了跟上，系統會把請求打包在一起、把運算拆到很多晶片上，還不停調整自己的配置。這些運算在哪裡、怎麼進行，只要有一點點差別，就可能在兩個機率幾乎相同的字之間那條細線上，把選擇往一邊推。一個字變了，答案的其餘部分又可能跟著變。

所以聊天機器人不是一台裡面等著唯一正解的計算機。它更像是在不同的兩天，向一位很博學的朋友問同一個問題。大方向不變，用的字會變。

這和兩個不同的 AI 為什麼對同一個問題給你不同看法，是兩回事。如果你發現 GPT、Gemini 和 Claude 彼此不一致，那是因為它們各自被打造和訓練的方式不同。這點我們在 為什麼 AI 模型會給你不同的答案 裡拆解過了。今天的謎題更小也更奇怪：同一個模型，和它自己意見不合。

當變化反過來扯你後腿

鮮活對一則生日祝福很棒，對你需要一個事實時就沒那麼棒了。

因為 AI 是往可能的字去抓，重新問一次偶爾會把一個正確的細節，換成一個聽起來同樣有說服力的錯誤：一個編出來的日期、一本不存在的書、一個背後什麼都沒有卻講得很篤定的數字。這就是讓 AI 一臉篤定地亂編 的同一個毛病，而隨機性可能把它勾出來。

所以，兩種情況要分開處理：

• 創意或開放式（訊息、發想、取名、初稿）：變化是你的朋友。生幾個出來，挑最好的。
• 事實與細節（日期、引用、醫療或法律的重點、任何你要照著行動的內容）：別信單獨一個講得很篤定的答案。再問一次，請它自己檢查，重要的事再拿真正的來源核對。

把毛病變成超能力

一旦你不再期待有唯一的「官方」答案，一個更好的習慣就會接手。第一個答案是草稿，不是最終判決。

兩個動作就能帶來很多：

直接再問一次。 如果一個答案很接近但還差一點，就再要一次。因為上面說的種種，你會拿到一次真的不同的嘗試，而不是同一批字重排。做個兩三次，挑最好的，或把好的部分接起來。

問另一個模型。 這是最大的一招。每個模型都有自己的風格，同一個指令在每個模型手上可能出得很不一樣。有的寫得更短，有的更溫暖，有的結構更好。通往好答案最快的路，往往就是把同一個問題丟給幾個模型再挑贏家，而當它們全住在同一個地方、而不是躲在三個各自的登入後面時，這件事會容易得多。

好奇它們在同一個問題上會差多遠嗎？把其中兩個 並排放進比較工具，看它們怎麼把同一個指令帶往不同的方向。

重點回顧

你的 AI 不重複自己，不是一個要修的缺陷。它是一個系統真的每次都在為你組出點什麼的證據，一個字一個字地組，還加上一撮隨機性，讓它不會聽起來像個照稿念的機器人。

所以，善用它。別把第一個答案當成定論。想要新鮮的版本就再問一次，真正要緊的時候，就把同一個問題丟給幾個不同的模型，留下最好的那個。