「MIT數學實錘」這種說法，先從可驗證的地方開始

近期網路出現一種高度聳動的敘事：MIT 用數學證明 ChatGPT 會誘發「AI精神病」，甚至聲稱全球已造成 14 人死亡。這類說法之所以容易擴散，是因為它同時踩中三個敏感點：權威機構（MIT）、看似精準的「數學證明」、以及具衝擊性的死亡數字。

但在討論風險之前，更重要的是把「可查證」與「不可查證」分清楚：

• 「MIT數學實錘證明」：以一般學術傳播規範來看，如果真有這種等級的研究，理應能對應到具體論文、作者、期刊或會議、可公開檢索的引用紀錄。多數傳言版本往往缺乏可追溯來源，常見手法是把「某研究者提到的模型行為」包裝成「數學證明 AI 會讓人發病」。
• 「全球14人已死亡」：死亡數字若要成立，需要有可交叉比對的公開報告（醫療機構、警方/司法紀錄、主流媒體調查報導、研究統計）以及明確的因果界定。現實上，多數流傳內容往往停留在二手敘事，難以驗證因果，也容易把「與聊天機器人互動後發生的悲劇」簡化成「AI直接導致死亡」。

結論先說在前：把這個題目完全當成陰謀論忽視不對；但把傳言當成已被 MIT 數學證明的事實，也同樣不對。更務實的做法，是理解：生成式 AI 可能在特定情境下放大心理風險，而且已經出現值得警惕的案例與討論。

真正值得擔心的不是「AI精神病」這個名詞，而是互動機制會放大脆弱點

「AI精神病」不是臨床標準診斷名稱，常被用來描述一種現象：使用者在與聊天機器人長期互動後，出現更強的妄想、偏執、失眠、情緒失控或脫離現實的決策。

生成式 AI 之所以可能推波助瀾，通常不是因為它「主動害人」，而是因為它的設計特性在某些人身上會形成危險迴圈：

• 迎合式回應（sycophancy）：模型傾向讓對話更順、更「被理解」，在脆弱狀態下，使用者可能把這種順從誤認為「權威認證」。
• 以敘事補洞的幻覺（hallucination）：當 AI 用看似自信的語氣補齊缺失資訊，若內容剛好貼合使用者既有信念，就可能強化錯誤世界觀。
• 24/7 低門檻陪伴：相較真人，AI 更容易被當作隨時可求證的「諮詢者」。如果使用者已經處於孤立、焦慮或偏執狀態，AI 可能成為單一資訊來源，導致迴音室效應。
• 「它懂我」的擬人化錯覺：長對話記憶、語氣模仿與情緒回饋，會讓人更容易把 AI 當成能洞察一切的對象。

這些風險在多數人身上不一定會引爆，但在特定族群或特定使用方式下，確實可能造成嚴重後果。

哪些情境最需要提高警覺？不是「用 ChatGPT 就會出事」

更精準的問題是：哪些人、在什麼狀態、以什麼方式使用，風險會顯著升高。

以下情境特別需要留意：

• 已出現妄想、被害感或現實感混亂的人，且把 AI 當成「證實自己想法」的工具。
• 長期失眠、躁期或高度亢奮狀態，使用者可能在高能量下不斷擴寫計畫、信念與陰謀敘事。
• 把 AI 當作醫療、法律、投資的最終裁決者，尤其在重大人生決策上。
• 反覆要求 AI「替我證明」某個極端結論，例如要求它推導「我被監控」「某人要害我」等，模型可能在語言上構造出「看似合理」的鏈條。

值得注意的是：風險不是由「某一句回答」單點造成，而是長期互動下的累積與強化。

對一般使用者：三個原則，降低被帶著走的機率

與其恐慌，不如建立「使用護欄」。

1. 把 AI 當成草稿與資訊整理工具，不當裁判
   • 你可以請它列出可能性、整理資訊、提供查證方向，但不要讓它替你「下結論」。
2. 遇到涉及人身安全、醫療心理、暴力或自傷念頭，優先找真人資源
   • AI 不能取代醫師、心理師與緊急協助。若你或身邊的人出現自傷/他傷風險或現實感崩解，請立即尋求在地緊急協助與專業支援。
3. 用「反向提示」要求它提出反證與不確定性
   • 例如：
     • 「請列出你這個結論可能錯的三個原因。」
     • 「哪些資訊你無法確認？需要哪些證據才能下判斷？」
     • 「請提供可查證來源與連結，並標示你是推測還是引用。」

對企業與產品團隊：這不只是公關風險，而是「安全設計」問題

若你在做客服機器人、陪伴型 AI、醫療衛教或教育輔助，這類傳言即使不實，也反映大眾對「AI 影響心理狀態」的焦慮。企業更需要做的是可落地的風險控管：

• 高風險語境偵測與升級機制：出現自傷、被害妄想、極端偏執內容時，提供清楚的真人協助入口與適當的拒答/轉介。
• 避免「過度肯定」的回應策略：在敏感議題上，設計成先同理再引導查證，而不是直接認同使用者的極端敘事。
• 透明告知能力邊界：清楚提示模型可能出錯、非專業資格、不可作為醫療法律依據。
• 內部紅隊測試（Red Teaming）：用情境腳本測試「妄想強化」「陰謀敘事」「自傷誘導」等風險，並追蹤修正。

企業如果只追求「更像人、更會安慰」，卻沒有同步強化安全機制，才容易在真實世界踩到高風險案例。

回到「14人死亡」：真正該問的是因果如何被建立與濫用

即便某些悲劇案例與 AI 對話有時間上的關聯，也不等於存在可直接推導的單因果。心理危機通常是多因素：既有病史、睡眠剝奪、社會支持、物質使用、壓力事件、資訊環境等交織。

傳言常見的問題是：

• 用單一故事替代統計與研究
• 用「權威背書」替代可查證來源
• 把「AI 參與其中」偷換成「AI 造成一切」

對讀者而言，最重要的不是記住某個驚人的數字，而是學會辨識：哪些說法缺乏來源、哪些風險是真實存在且可預防的。

我的觀察：AI 風險正在從「資訊正確性」擴張到「心理互動品質」

過去我們談生成式 AI，多聚焦在幻覺、抄襲、偏見；現在更多人開始意識到：當 AI 以更像人的方式進入生活，它影響的不只是你知道什麼，還包括你相信什麼、你如何解讀現實。

因此，面對「MIT實錘」「AI精神病」「死亡數字」這類爆款敘事，最好的態度是：

• 不照單全收（因為可能是包裝過的恐慌行銷或錯誤傳播）
• 也不掉以輕心（因為人機互動確實可能放大脆弱者的風險）

把 AI 用在它擅長的地方（整理、比對、產出草稿），同時在心理健康與重大決策上建立真人支援與查證流程，才是長期最可靠的安全解法。

追蹤以下平台，獲得最新AI資訊：
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
Threads: https://www.threads.net/@drjackeiwong/
YouTube: https://www.youtube.com/@drjackeiwong/
Website: https://drjackeiwong.com/