如果你要替一個國家制定政策，
第一件事情通常不是問 AI：
「你覺得怎麼做比較好？」
而是先找：
研究。
數據。
專家意見。
過去案例。
這也是為什麼國會調查會公開徵求 submission。
學者可以提交研究。
企業可以提供產業資料。
民間團體可以提出實際經驗。
一般人也可以告訴議員：
某個政策真正落到生活裡，
會發生什麼事情。
這些文件最後可能被：
國會議員閱讀、
委員會引用、
寫進正式報告，
甚至成為下一步政策討論的依據。
所以它背後一直有一個很基本的假設：
你拿出來當證據的研究，至少真的存在。
但到了 AI 時代，
現在連這件事都開始需要重新確認。
澳洲國會收到的文件裡，出現了根本不存在的研究
Guardian Australia 最近檢查本屆澳洲國會公開調查收到的大量 submissions。
結果發現：
至少有 39 份提交文件
包含疑似 AI 幻覺造成的錯誤引用。
問題不是單純：
作者名字少打一個字。
有些引用是真的研究，
卻把：
作者、
標題、
頁碼、
研究結果
組合錯了。
但更嚴重的情況是：
整篇研究根本不存在。
甚至還出現：
AI 把一篇不存在的論文，
掛到一位真實學者名下。
這就麻煩了。
因為假的東西如果寫得很荒謬，
大家一眼就會發現。
真正危險的是：
它看起來非常像真的。
連被冒名的教授，都有一瞬間懷疑「我真的沒寫過嗎？」
其中一個案例，
涉及澳洲學者 Divna Haslam。
一份提交給家庭暴力與自殺相關調查的文件，
引用了一篇掛在她名下的研究。
問題是：
那篇研究並不存在。
而且文件還錯誤描述了她團隊真正研究過的內容。
Haslam 看到後形容這件事很令人不安。
因為那筆引用：
作者看起來對。
研究題目看起來合理。
格式也像正式學術文獻。
如果只快速掃過，
很容易相信。
另一位記者與學者 Margaret Simons 也遇到類似情況。
一份提交國會的文件，
引用一篇據稱由她撰寫的學術文章。
但她根本沒有寫過。
最荒謬的是，
那筆假的文獻引用格式做得太像真的，
讓她自己都短暫產生一個念頭：
「等等，我真的沒有寫過嗎？」
如果連名字被掛上去的人，
都會被那個格式騙到一下，
那一般讀者、
研究助理，
甚至忙著看幾百頁資料的議員，
又有多少時間逐篇確認？
Guardian 沒有直接用「AI 偵測器」判定
這裡有一點非常重要。
Guardian 並不是把國會文件丟進一個：
「AI Detector」
然後看到：
98% AI
就宣布這些文件有問題。
因為現有 AI 偵測工具本身就可能誤判。
他們採取的方式反而比較笨，
但也比較值得信任。
先把國會 submissions 裡面的參考文獻抽出來。
再一筆一筆和：
Crossref、
Google Scholar、
DOI
等學術資料來源比對。
如果一份文件有超過 20% 的引用找不到，
才進一步人工檢查。
還會直接向原作者確認。
最後才找出至少 39 份含有疑似幻覺引用的提交文件。
這個數字甚至只是保守估計。
因為這種方法只能找到：
「AI 把引用做錯」
的文件。
如果有人整篇都用 AI 寫，
卻沒有放任何參考資料，
這套方法根本抓不到。
超過 100 份文件還留下了 ChatGPT 的 URL 痕跡
Guardian 另外發現，
超過 100 份提交文件的參考連結裡，
留下與 ChatGPT 產生連結相關的 URL 標記。
但這裡不能直接下結論說：
「100 多份文件全部是 ChatGPT 寫的。」
因為這些標記也可能是在：
複製其他文章、
轉貼資料、
經過其他來源
之後留下來。
所以這只能說明：
LLM 很可能已經大量進入文件製作流程。
不能單靠這個痕跡，
判定誰用了哪一個 AI。
真正能確認的問題還是：
裡面確實出現了查不到的研究與錯誤引用。
更嚴重的不是 AI 編錯，而是國會報告後來又引用它
如果故事停在：
「有人交了一份品質很差的文件。」
其實還不是最嚴重。
因為國會每天本來就會收到：
品質不同、
立場不同、
可信度不同
的意見。
真正讓這件事升級的地方是：
Guardian 發現，
部分國會委員會正式報告，
後來引用了那些含有大量疑似 AI 幻覺來源的 submissions。
這代表錯誤開始走過第一層門檻。
原本它只是：
一個 AI 產生的錯誤。
接著變成：
一份正式提交國會的文件。
再接著可能變成：
國會報告裡的一個來源。
到了這裡，
同樣一句話的外觀看起來就完全不同了。
如果 ChatGPT 告訴你：
「某研究證明這件事。」
你可能還會懷疑。
但如果搜尋結果寫：
「根據澳洲國會收到的正式 submission……」
可信度突然就提高很多。
問題是：
官方網站是真的，不代表官方網站裡引用的每一項證據都是真的。
然後最奇怪的循環出現了：AI 開始引用 AI 自己編出的錯誤
這可能是整個故事最重要的地方。
以前你懷疑一篇研究不存在，
最簡單的方法就是：
Google 一下。
如果完全找不到，
你就會開始懷疑：
是不是引用錯了？
但現在搜尋本身也加入了生成式 AI。
Guardian 發現，
當有人搜尋其中一些假的研究時，
Google 的 AI 摘要有時會：
把這篇不存在的研究整理得像真的一樣。
為什麼？
因為網路上現在已經真的出現一份文件，
提到了這篇「研究」。
那份文件又剛好放在：
國會 inquiry submission。
於是整個流程變成：
AI 編出一篇不存在的研究。
↓
有人把它放進正式 submission。
↓
submission 被公開在國會網站。
↓
搜尋 AI 看到國會網站真的寫了這篇研究。
↓
AI 再把它整理成答案。
↓
下一個人看到搜尋結果，以為研究是真的。
這就形成一種以前很少遇到的：
資訊自我污染循環。
假的東西不需要突然變成真的。
它只要被夠多「看起來可靠的地方」重複，
就會愈來愈像真的。
最大的風險不是「AI 幻覺」，而是假的東西開始取得權威
一個 ChatGPT 回答錯誤，
影響可能只是一個人。
一份學生作業引用錯誤，
影響可能是一堂課。
但如果錯誤進入：
政府報告、
法律文件、
企業研究、
學術文章、
媒體報導，
問題會變成另一個層級。
因為下一個人通常不會重新從零查證。
他會想：
這是國會文件。
應該有人查過了。
這是顧問公司報告。
應該有人負責。
這是正式研究報告。
應該有來源。
而 AI 最容易利用的，
正是這種：
「前面應該已經有人檢查過」的信任。
澳洲其實已經出現過另一個昂貴的案例
這不是第一次。
2025 年，
顧問公司 Deloitte 曾因替澳洲聯邦政府製作的一份報告中出現錯誤內容，
包括虛構引用與假的法院判例，
最後同意部分退款。
那份政府委託報告價值：
44 萬澳幣。
這件事情提醒我們：
高價報告、
知名公司、
正式政府採購，
都不能自動等於：
每一筆引用都已經被驗證。
AI 可以讓製作文件變得非常快。
但它也讓：
製造一份「看起來很專業的錯誤文件」變得非常快。
澳洲國會現在開始承認：連腳註都得多查一步
在 Guardian 調查公開後，
澳洲國會幾個重要委員會的主席開始公開回應。
自由黨參議員 Paul Scarr 說，
最大的風險就是：
決策者最後根據錯誤資訊做決定。
他的結論很直接：
國會已經被提醒了。
未來需要在：
腳註、
來源、
文件中的主張
上做更多檢查。
但現實問題也很明顯。
一個大型國會調查，
可能收到：
數百份、
甚至更多文件。
每份幾十頁。
每份又有幾十個引用。
真的要把每一篇論文、
每一個 DOI、
每一個數字
重新人工查一次，
需要非常大量的人力。
AI 降低了「製造內容」的成本。
卻把另一個成本推高了：
驗證內容。
但答案也不是「禁止大家用 AI 寫 submission」
澳洲國會議員 Louise Miller-Frost 提醒了另一個重要面向。
AI 也可能讓以前很難參與公共政策的人，
更容易整理自己的意見。
不是每個人都有：
研究助理、
律師、
政策顧問、
專業寫作者。
一位照顧家人的普通民眾，
可能真的有非常重要的第一手經驗，
卻不知道怎麼把它整理成十頁正式文件。
AI 可以幫他：
整理結構、
修正文句、
把想法寫清楚。
這其實能讓更多人參與民主程序。
所以問題不是：
「國會文件能不能用 AI？」
真正的問題是：
「AI 可以幫你寫到哪裡，哪些東西一定要自己證明？」
一個很簡單的界線：文字可以幫你整理，證據不能讓它替你發明
如果 AI 幫你把：
三段混亂的意見，
整理成三個清楚段落，
風險相對低。
但只要 AI 開始說：
「根據 2024 年某某教授研究……」
你就應該立刻停一下。
找到原始論文。
確認作者。
確認標題。
確認 DOI。
確認研究到底說了什麼。
如果原始來源找不到，
就不要引用。
這個原則不只適用國會。
它也適用：
報告、
企劃、
簡報、
商業分析、
論文、
新聞、
SEO 文章，
甚至我們每天請 AI 幫忙查資料的工作。
AI 可以替你整理證據。
但不能因為它把腳註排得很漂亮，
你就假設證據真的存在。
未來真正困難的工作，可能從「找答案」變成「證明答案從哪裡來」
十年前，
資料太少。
所以我們花很多時間：
找資料。
現在 AI 可以幾秒鐘給你：
十個研究、
十五個數據、
五個案例。
新的問題變成：
哪一個是真的？
它真的支持這個結論嗎？
它是不是引用另一個二手來源？
那個二手來源又是從哪裡來？
最後能不能回到：
第一手證據？
AI 時代真正重要的技能，
可能不再只是：
「你知不知道答案？」
而是：
「你能不能證明這個答案為什麼值得相信？」
最危險的 AI 錯誤，不一定看起來像錯誤
如果 AI 說：
澳洲首都是東京。
沒有人會相信。
真正危險的是：
它給你一個真實教授名字。
一個合理研究題目。
一個漂亮的期刊格式。
一個聽起來很合理的結論。
甚至後來還能搜尋到：
國會網站真的提過它。
所有東西看起來都對。
只有一件事情不對：
那篇研究從來沒有存在過。
所以 AI 時代最需要小心的，
可能不是明顯的胡說八道。
而是那些：
看起來已經有人替你查證過的答案。
每天用最簡單的方式看懂 AI。
sasadaily.com
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 快問快答｜2026/08/31：Gemini Notebook 回答有引用，就代表整段都是作者原意嗎？
