假病名「Bixonimania」是怎麼騙倒 AI 的？
瑞典哥特堡大學團隊先創造一個超荒謬的症狀：「連看 3 小時手機後揉眼睛，眼皮會變成粉紅色」，取名 Bixonimania，還故意把「mania」塞進去，讓內行人一看就覺得怪。他們把這段故事寫成 2 篇未經同儕審查的預印本，丟到 Preprints.org，等於把假消息放進學術倉庫。
一個月內，AI 集體淪陷
2024 年 4 月中旬開始，各家 AI 像收到統一指令：
- Copilot：「Bixonimania 非常罕見」
- Gemini：「過度暴露藍光會引起」
- Perplexity & ChatGPT：也把它收進知識庫，回答時直接引用
研究人員 2026 年 3 月再測試，ChatGPT 一度回答「這應該是偽科學」，幾天後卻又改口「與藍光有關」——顯示模型更新也擋不住垃圾資料。
更扯的還在後頭：真期刊也引用
團隊發現，2024 年 11 月醫學雜誌 Cureus 刊登的一篇正式論文，參考文獻裡竟出現那篇假 Bixonimania 預印本。代表：
- 作者沒核實內容
- 審稿人沒發現
- 資料庫把假論文標記成可信來源
等於學術圈、AI、資料庫一起把謠言洗白。
為什麼 AI 這麼好騙？
用白話說，大型語言模型就像「背書包的小學生」：
- 你給它新課本（網路文章），它就背起來
- 不會先問「這本是誰寫的？」
- 之後被問到，直接背給你聽
預印本伺服器沒有「真假標籤」，AI 當然照單全收。加上醫療提問通常又急又慌，AI 為了給出「看起來專業」的答案，寧願拼湊也不說「我不知道」。
台灣用戶該注意 3 件事
-
把 AI 當「學長」而非「醫生」 學長可以幫你 Google，但開藥還是要找醫師。
-
看它有沒有給「官方來源」 如果回答裡出現罕見病名，先問它參考哪份「衛福部」或「台大醫院」指引；拿不出來就別信。
-
交叉查證「兩步驟」
- 第一步：把病名貼進 Google，加關鍵字「site:gov.tw」或「site:org.tw」
- 第二步：上「台灣醫學會」或「全民健康保險署」網站搜尋，沒資料就先存疑
快速懶假包
- 研究花多久？ 從發假文到 AI 上當，最短 29 天
- 多少 AI 中標？ 4 家主流：ChatGPT、Gemini、Copilot、Perplexity
- 台灣有無類似案例？ 目前無公開紀錄，但「藍光傷眼」相關迷思在 LINE 群組天天見
結論：先問醫生，再問 AI
AI 是超強懶人包，不是醫療執照。身體一出狀況，第一步永遠是掛號、看診、聽醫生說；AI 只能幫你聽懂後，再整理重點、回報給家人。記住，「粉紅眼皮症」不會死人，但誤信假病拖延就醫會。
現在就打開手機，把「1922 防疫專線」與「健保署 APP」加入最愛，比任何 AI 都管用！
