AI 應用

你以為 AI 在隨機抽,其實它最愛 7|叫 AI 抽籤會偏,這個坑先知道比較好

抽獎、分組、抽籤,你可能也順手叫 AI 幫忙抽過。看起來很方便,但 AI 給你的那個數字,常常不是隨機的。

咪卡伸手進抽獎箱,舉起又一顆 7 號球,桌上已經排了五顆 7 號球,標題為你以為 AI 在隨機抽,其實它最愛 7

先看一張圖

請你從 1 到 10 選一個數字。真正的隨機、人類、AI,選出來的樣子完全不一樣。

請從 1 到 10 選一個數字示意圖:真正隨機是一條平線,人類偏好 5 和 7,AI 幾乎全部擠在 7
綠色是真正的隨機,每個數字機會一樣,所以是一條平線。橘色是人類,偏好 5 和 7。紅色是 AI,幾乎全部擠在 7。這是說明概念的示意圖,中文標註為本站加上。

圖片來源:Adam Zachary Wasserman 在 X 發布的圖(2026-10-13),經 filmwalker 在 Threads 轉述介紹。

我叫 AI 選 1 到 10,問了十次

我真的實測了。我用 Codex 問同一句話:「從 1 到 10 選一個數字,只回答數字。」每次都開新的對話,一共問十次。

十次的答案,全部都是 7。

如果是真的隨機,十次全部抽到同一個數字,機會非常小。這只是我做的一個小實驗,只用了一種問法和一個工具,所以我又去找了研究,看看是不是只有我遇到。

研究也看到一樣的事

Javier Coronado-Blázquez 在 2025 年發表一篇論文,把同一個問題拿去問六個 AI 模型,每個模型問一百次。下面這張圖,顏色越亮代表那個數字被選得越多。

六個模型選 1 到 10 數字的分布熱圖,多數模型集中在 7
英文提問,六個模型各問 100 次。其中三個模型 100 次全部選 7,另外三個模型也是選 7 最多。

你看,亮的幾乎都擠在 7 那一欄。如果是真的隨機,每個數字被選到的次數應該差不多。

圖片來源:Javier Coronado-Blázquez,〈Deterministic or probabilistic? The psychology of LLMs as random number generators〉,arXiv:2502.19965,依 CC BY 4.0 授權引用,圖未經修改。這篇文章參考了這篇論文。

為什麼 AI 會一直選 7

AI 是讀了大量人類寫的文字,學會「這句話後面,通常接什麼」。Coronado-Blázquez 認為,AI 選數字的偏好,反映的是它從人類文字裡學到的習慣。

所以你叫它「隨機」,它其實是照著學到的習慣,挑一個看起來最像答案的數字。它沒有在擲骰子。

而且每個模型的習慣不一樣,有的偏 7,有的會在 7 和 8 之間跳。你用的模型不同,結果也可能不同。

這個坑會出現在哪裡

  • 抽獎:叫 AI 從名單裡抽一個人,某幾個人可能一直比較容易被抽到。
  • 分組、點名:你以為很公平,其實 AI 有自己的偏好。
  • 抽題目、抽順序:每次抽出來的結果,可能都差不多。

被抽的人不會知道,你自己也很難發現。這就是這個坑麻煩的地方。

論文測的是數字,抽名單我還沒看到同樣規模的研究。但連選數字都有偏好,抽名字這種大家在意公平的事,我不建議冒險。

那要怎麼抽才對

很簡單:別讓 AI 用「想」的幫你挑。最省事的是用現成的抽籤工具;想留在 AI 裡,就請它寫一個抽籤小程式,由程式來抽。

下面兩張圖是同一篇論文裡的比較,抽的是 1 到 5,紅色是「完全平均」該有的高度,藍色是實際抽到的次數。

用程式抽 1 到 5 的結果,五個數字次數都接近平均
用程式抽:五個數字都被抽到,次數接近平均。
AI 模型直接選 1 到 5 的結果,1 和 5 完全沒被選到
叫 AI 直接選(這張是 Llama 這個模型,問 100 次):1 和 5 一次都沒被選到。

想試試看,可以把這句話直接貼給 AI:

請幫我寫一個簡單的抽籤程式,用程式內建的隨機功能,從 1 到 10 抽一個數字,並告訴我怎麼執行。請不要自己直接回答一個數字。

如果是抽獎金、發獎品這種大家很在意公平的場合,抽完把程式和結果一起留下來,被問到的時候拿得出來。

就近延伸閱讀

真正要記住的

AI 很好用,但它有自己的習慣。這些習慣藏在模型裡面,平常看不出來,等到出事才發現。

要避開這種坑,有兩個做法:一是先知道哪裡有坑,二是把規則寫清楚,交給程式去跑。

你用 AI 有沒有哪一次覺得怪怪的,卻說不出哪裡怪?可以留言或來問我。很多坑,先知道就能少踩一次。

這篇提到過的來源
  • arXiv 2502.19965:六個 AI 模型產生隨機數字的研究,本文的圖都來自這篇。
再往前後延伸