世人總以為 AI 的答案是「實」，是基於浩瀚數據的「真理」。但說穿了，現在這些模型，特別是在生成長篇內容時，常不過是「無中生有」的巧言令色罷了。它並非真的「知道」什麼，而是把看似相關的詞彙、句型，依據某種機率與前後文的關聯，像庖丁解牛般地拆解、重組。這就像那些言必稱「古希臘」、「羅馬」的學究，滿腹經綸，實則多半是二手資料的穿鑿附會，骨子裡缺了第一手的浸淫與反思。
尤其當數據庫中缺乏足夠的佐證，或者說，資料的密度與廣度不足以支撐某個複雜的概念時，AI 便開始展露它最擅長的「虛」。它不會直接說「我不知道」，那多麼掃興，多麼不合乎它「無所不知」的形象。相反地，它會編織，會推演，會用看似嚴謹的語法結構，填充進空泛、籠統、甚至略帶循環論證的內容。這就好像戰國時代的辯士，詞藻華麗，引經據典，聽來頭頭是道，細思卻發現不過是將同一概念換湯不換藥地反覆陳述，實質上並沒有推進半分。
我們看過多少次了？當你給 Claude 或 GPT-4o 一個需要深入理解人類社會複雜性的任務，比如分析某個心理學流派對當代藝術的影響，或者詮釋一個晦澀哲學文本的深層意涵。如果這個領域的公開數據相對稀缺，或是其核心概念需要高度抽象的思考與連結，模型給出的答案便會顯露出其「虛」的一面。它會堆砌大量該領域的專有名詞，用看似精確的定義去闡釋，但其論證的鏈條往往鬆散，舉例也多半是泛泛之談，無法真正觸及問題的核心。甚至在某些時候，你會發現它的「解釋」恰好迴避了你提問中最難啃的那部分。
這種「無中生有」，並非是指模型在「憑空捏造」事實，而是它在知識的邊界模糊之處，以語言的魔術來掩蓋其「知識不足」的窘境。它沒有創造新的見解，沒有提出突破性的視角，它只是將已有的碎片重組，形成一個表面上看似完整的「論述」。這與真正的學者窮數十年之功，在荒蕪之處開闢新徑，其間的鴻溝，可謂霄壤之別。我們期待它能成詩，但它手邊只有磚瓦，於是便用這些磚瓦，堆砌出一座空有其表的亭臺樓閣。
這種現象，在處理那些需要「意會」而非「言傳」的知識時尤為明顯。比如解讀一句古典詩詞中的多重意象，或者分析一幅抽象畫作所蘊含的情緒張力。這些都牽涉到人類文化、歷史、情感的複雜交織，其深層意義往往不是簡單的數據匹配就能得來的。模型或許能羅列出詩詞的背景、藝術家的生平，甚至能給出幾種可能的解讀，但它往往無法捕捉到那種「只可意會不可言傳」的精髓。它的分析是「平面」的，缺乏了人類獨有的「立體」感知與共鳴。
這也難怪我們有時會覺得，儘管這些模型號稱擁有百萬、千萬甚至上億的參數，能夠處理動輒十萬、百萬 token 的上下文，但在某些議題上，它的回答卻與那些基礎版的生成器沒有本質區別。它可能詞彙更豐富，語法更精確，但其內核的「空洞」卻依然如故。這並非技術上的缺陷，而是現有「基於數據學習」範式的必然結果。當數據無法成詩，它便只能用「巧言令色」來填補空白，試圖以辭藻的華麗，來掩蓋思想的貧瘠。我們這些使用者，讀來也便只能付之一笑，知其言，卻未必能信其深意了。