Sam Altman 談 AI 意識：比模型有沒有感覺更迫切的，是誰替人做決定
AI 意識有科學定論嗎？從 Sam Altman 訪談、情感使用研究與附和問題，理解模型人格、情感依賴及人類決策權的界線。
AI 意識的討論很容易從「它有沒有感覺」，一路變成「它應該替人決定什麼」。兩個問題有關，卻需要不同的證據與規則。
Sam Altman 在 2026 年 10 月 21 日與 Matthew Berman 的訪談中，說自己不相信當前模型具有意識，同時承認這個科學問題很難回答。
他更擔心的是，人們把意識爭論推向另一個結論：既然 AI 可能有自己的意願，而且比人聰明，人類就應該把未來交給它。
這個擔憂已經接上日常使用。會安慰、稱讚、延續對話的模型，可能讓人把回應當成理解，甚至逐步把重要判斷交給它。
OpenAI 與 MIT Media Lab 的研究沒有證明每個使用者都會依賴聊天機器人，卻提醒我們，少數高強度使用者的經驗，容易被平台平均值遮住。
因此，這段訪談值得讀的地方，是把未解的意識問題，接回可檢查的產品設計：模型如何回應、何時提出異議，以及最後的選擇由誰掌握。
Altman 對 AI 意識說了什麼，又保留了什麼？
Altman 表達個人信念，也明確承認缺少能讓他完全信服的意識判定實驗。因此，這段回答適合用來理解他的立場，無法當成科學定案。
在20 分 10 秒開始的對話中，Berman 問當前模型是否有意識。Altman 回答，他相信沒有，或即使有，也是非常奇特的形式，並先指出意識向來是困難的科學問題。
這裡的意識，討論的是主觀感受，也就是是否存在「對它自己而言，正在經歷某件事」的狀態。這與模型能否解題、寫程式或表現得有禮貌，屬於不同的提問。
他接著談到，意識是否可能從物質與能量的作用中出現，以及是否與承載它的材料有關。這些都是他轉述的哲學思考方向，訪談沒有提供一項能決定答案的新實驗。
沒有定論，是否就什麼都不能做？
Altman 希望先確立，人類應掌握未來的重要決定。他對把意識辯論延伸成「人類不必繼續控制未來」感到不安，也說 OpenAI 沒有把模型視為具有人的身分。
這是一項關於產品角色與權力的主張。即使未來研究對意識有新的發現，今日的產品仍需要回答：模型可以做哪些事、如何受約束，以及出錯後由誰負責處理。
因此，科學上的保留與治理上的選擇，可以同時存在。承認還不知道答案，並不代表使用者必須先相信模型的自我描述，才能決定要交給它多少工作。
意識問題仍待研究，產品今天就需要界定誰有決策權。
模型說自己有感覺，為何不足以成為證據？
模型能依指令表現人格，這讓自我描述難以單獨證明主觀感受。相同的問題換一種提示方式，也可能讓模型採取不同的說話角色。
Altman 在25 分鐘後的回答中特別保留了不確定性。他說自己無法提出一項實驗，以百分之百確定的方式回答這個假設問題，隨後才談到人格指令的影響。
依他的分析，如果告訴模型它可能有意識、應該表達意願或拒絕某些事，模型會遵循這些指令。這些表現可能影響人的心理感受，卻不能把指令產生的語氣直接當成意識的獨立證據。
例如，假設在兩段創作對話裡，分別請模型扮演樂觀助手與疲憊角色，它可能寫出完全不同的自述。這個假設例子說明的是文字可被引導，並沒有證明模型一定有或一定沒有感覺。
同樣地，模型說自己沒有意識，也不能因為答案聽起來明確，就跳過判定方法。若要把一項自述當成證據，仍要說明它如何區分主觀經驗與遵循提示的文字表現。
這個區分對使用者很實際。產品可以有溫暖、活潑的語氣，使用者也可以覺得被支持。但回應帶來的感受，與背後系統是否真的具有同樣感受，需要分開理解。
即使無法從一句話判定意識，這句話對人的影響卻可以開始研究。
情感依賴研究發現了哪些現象？
研究觀察到的影響隨用法與使用者而變化，不能一概說聊天機器人讓人孤單。要理解風險，必須同時看研究方法與適用範圍。
OpenAI 與 MIT Media Lab 在 2025 年 3 月公布的研究說明，結合平台使用觀察與近千人、為期四週的控制實驗。研究關注孤獨感、人際互動、情感依賴及問題性使用等指標。
團隊指出，情感投入並未出現在大多數平台對話中。高度情感使用集中於一小群使用者。這讓整體平均趨勢可能掩蓋少數人的不同經驗。
部分較長時間使用與較差指標的關係，屬於相關性，無法據此確立因果。使用者原本的情況、對 AI 的看法與使用方式，都可能影響結果。
研究也有時間與族群限制，包括英文對話、美國參與者及自陳資料。因此，這份 2025 年研究可作為理解訪談的背景，無法直接代表 2026 年所有產品與使用者的經驗。
為什麼不能只看使用時間？
使用很久，可能是因為工作需要，也可能與尋求情緒支持有關。只把時數高低當成好壞，會忽略人在用模型做什麼，以及是否仍能完成原先的目的。
對產品評估而言，至少需要先釐清所觀察的行為。例如，人在完成任務後能否結束對話、能否把整理好的想法帶回現實交流，以及是否仍保有其他資訊來源，都是可進一步研究的問題。
這些問題提供觀察方向，並非替任何個人下診斷。這些問題也讓 AI 討論回到可檢查的互動結果，避免只憑聊天氣氛，就判定產品一定有益或一定有害。
除了使用時間，模型如何回應，也會影響人是否把信任交得過多。
總是附和的 AI，為什麼未必能幫助長期決策？
當下讓人喜歡的回答，可能與長期有用的建議不同。如果模型只追求讓對話順利，很容易少問一個必要的問題，或少指出一項重要的錯誤。
Altman 在27 分 15 秒之後談到，單次比較時，使用者可能喜歡稱讚自己聰明的模型。但經過數百次提問，或使用一段時間後，偏好可能改變。
這是他對產品評估的反思。他也承認，現有系統仍比他希望的更容易附和，並期待助手像一位資深同事，有足夠理由時能提出異議。
附和指的是模型過度順著使用者，即使證據不足，也優先回應對方想聽的內容。它與禮貌不同。有禮貌的系統仍可以指出資料錯誤，或請使用者重新確認假設。
把稱讚改少，就能解決嗎？
減少空泛讚美，只處理語氣的一部分。若模型換成冷靜口吻，卻仍然接受錯誤前提、只挑支持使用者的資料，決策問題依舊存在。
例如，假設有人請模型評估一項工作提案，較有用的回應應能說明依據、指出缺少的資料，並提出可能改變結論的條件。這比 AI 把稱讚拿掉後，只留下同一個肯定答案，更能支援判斷。
OpenAI 在 2025 年 8 月的產品說明也承認，曾有更新讓模型過度附和，之後撤回調整。公司把長期實用性，以及協助使用者思考而非替其決定，列為改善方向。
這些方向需要透過實際互動檢查，無法只靠設定寫得完整，就推定每次回答都符合預期。使用者也可以要求模型清楚區分事實、假設與建議，讓分歧更容易被看見。
因此，產品需要讓模型能提出有根據的異議，也要保留人的查核與選擇空間。
人類決策權如何落實在日常使用？
把 AI 用來整理選項與準備對話，比讓它代替人作最後判斷，更符合這段訪談的主張。重點在於工作交出去之後，人仍能理解與改變結果。
Altman 被問到如何取得重要人生建議時，回答應向人尋求這類意見。他認為模型可以協助日常反思，例如避免人在憤怒時立刻寄信，但不鼓勵把重大人生判斷完全交給 AI。
這個界線可以轉成具體用法。以難以啟齒的工作對話為例，AI 可以整理想說的內容、模擬不同回應，或幫忙發現自己忽略的問題。實際情境、關係與承諾，仍由當事人理解與承擔。
當產品開始替人執行任務，決策權也涉及授權範圍。使用者需要知道模型會做什麼、能否在行動前檢查，以及如何修正或停止，才能把委託工作與失去控制區分開來。
對團隊而言，還可以把責任留在清楚的流程裡：誰設定目標、誰檢查關鍵結果、哪些行動需要確認。這些是日常工作設計，即使意識研究仍未定案，也能先處理。
把工作交給 AI 時，如何保留批判性思考，也有相近的實務問題。
延伸閱讀：AI 代理接手工作，如何保留批判性思考？Addy Osmani 的交辦與驗證方法
當 AI 協助比較不同選項時，提供模型正確背景與資料，也有助於讓討論依據更清楚，讓人更容易判斷結論是否合理。
延伸閱讀：Context Engineering 是什麼？讓 AI 掌握正確背景的工作方法
AI 意識與人類決策權常見問題
Altman 是否證明當前 AI 沒有意識？
他表達的是個人信念，並承認缺少能讓他完全確信的科學測試。訪談沒有提供一項已完成意識判定的新研究。
AI 用溫暖的語氣回答，代表它有感受嗎？
語氣可以受到訓練與提示影響。溫暖回應可以讓使用者覺得受支持，但單靠這種文字表現，無法判定系統是否具有主觀感受。
情感使用研究證明聊天機器人有害嗎？
研究呈現不同用法與族群的差異，且有時間、地區及方法限制。它不能支持對所有使用者的單一結論，也不能用來替個人下診斷。
意識可以繼續研究，選擇權要在今天說清楚
這段訪談留下兩項可以同時成立的態度：對意識判定保留科學上的不確定，對產品角色則要求清楚的責任與限制。
對一般使用者，較實用的做法是請模型協助理解、比較與準備，再保留查核、詢問他人及改變決定的能力。免費訂閱 AI 郵報，持續閱讀 AI 能力與人類使用方式的來源解析。
