「隨機鸚鵡」這個詞誕生於 2021 年的一篇論文，四位 AI 研究者用它來描述大型語言模型：不是「智慧」，只是根據訓練資料輸出內容的系統。五年過去了，模型變得更複雜、更流利，但 Emily M. Bender 說，這個詞拿來描述 LLM 做的事，依然精準。
她是華盛頓大學的計算語言學教授，也是那篇論文共同作者之一。2026 年 10 月 2 日，她在 Brian Merchant 的節目《Blood in the Machine》上，再次解釋了「隨機鸚鵡」是什麼、為什麼業界恨它恨到骨子裡。Merchant 是資深科技記者，長年報導 AI 與勞動、權力的關係，立場很清楚：他站在批評 AI 熱潮的那一邊。Bender 也一樣，她從語言學出發，反覆指出 LLM 的能力被過度誇大。
這集節目不是新聞快訊，是一場對談。Merchant 想搞清楚一件事：為什麼單憑一個詞，就能讓 AI 業界的人三番兩次、沒人問也自己跳出來反駁。
業界對這兩個字的反應，比論文本身更值得看
Merchant 在節目開頭描述了一個現象：AI 業界的人「簡直被這個詞搞瘋了」。他們常常自己提起「隨機鸚鵡」，不是為了討論，而是為了再一次、又一次地反駁它。
Bender 在節目裡講，這個詞之所以有這種效果，是因為它拆的不是財務問題，也不是功能問題。財務可以辯駁，功能可以修補，但「隨機鸚鵡」直接指向一個更根本的東西：這套技術的本質是什麼。
她寫過一篇 Medium 文章，標題是〈Stochastic Parrots 🦜: Frequently Unasked Questions〉。她在裡面講，LLM 輸出的文字看起來像人類寫的，是因為訓練資料裡滿滿都是人類寫的文字。模型做的事情是把這些文字切碎、重新組合，不是理解，也不是思考。
Merchant 追問，那為什麼業界不能直接忽略這個詞就好？Bender 的回答很直接：因為這個詞太準了。一個精準的詞，比一百篇批評文章都難應付。
「機器神」的敘事撐著數兆美元估值
Merchant 這集的真正論點，其實是他自己提出來的一個理論：AI 熱潮是蓋在一套敘事上的。這套敘事說，科技公司正在打造一個「無限力量與潛能的機器神」。
他在節目裡寫得很白：這些公司靠敘事，把一個非常昂貴、非常耗資源的技術賣給全世界。如果真相是，這只是一個不會思考、而且會以可預測的方式出錯的系統，那它可能就不值那麼多兆美元了。
這裡他沒有給出精確的估值數字，但「數兆美元」這個量級本身就是他的論點的一部分。他講的不是某一家公司的市值，而是整個 AI 產業的估值邏輯。
Bender 在節目裡補上了語言學的角度。她說，LLM 會出錯，而且出錯的方式是「可預測的」。不是隨機地、意外地出錯，而是因為它的機制就是「根據前面的字預測下一個字」，所以碰到訓練資料裡沒有的情境，它就會用看起來最有把握的方式，輸出一個錯的答案。
五年來模型變強了，但「鸚鵡」的部分沒變
Merchant 在節目裡問了一個問題：五年過去了，模型變得更複雜、更流利，「隨機鸚鵡」這個詞還成立嗎？
Bender 的回答是：成立。她說，LLM 做的事本質上沒有變。五年後，模型可以處理更長的上下文、更複雜的指令，但核心機制還是同一件事：從訓練資料裡學到統計規律，再依照機率輸出下一個字。
這個區別很重要。Merchant 在節目裡講，業界很喜歡展示模型的新能力：會寫程式、會通過考試、會模仿律師寫合約。但 Bender 提醒，這些能力不代表模型「理解」了什麼。她說，一個模型可以通過律師考試，卻不知道自己在講什麼法律。
為什麼這麼多人不問就想反駁
節目裡有一段，Merchant 提到了幾個例子，說明業界對「隨機鸚鵡」這個詞的執念有多深。
他提到美聯社的寫作手冊澄清 AI 沒有感受，結果一群 AI 擁護者在網路上大崩潰。他也提到《週六夜現場》用 Anthropic 執行長 Dario Amodei 做了一集諷刺短劇，講 AI 威脅人類。Merchant 把這些都放在同一個脈絡裡：業界無法忍受任何拆穿「機器神」敘事的說法。
Bender 說，這背後其實是同一件事。如果 AI 不是神，那它就不值得這麼多錢、這麼多期待、這麼多權力。這個詞的殺傷力，在於它把整個敘事的地基抽掉了。
這個詞紅了五年，真正的問題一直沒被回答
Merchant 在節目最後，講了一句很有意思的話。他說，「隨機鸚鵡」這個詞之所以讓業界這麼抓狂，不是因為它是批評，而是因為它是準確的批評。
Bender 補充，她原本以為 2021 年寫那篇論文的時候，接下來會有更多研究去探討 LLM 的限制。結果沒有。她說，業界反而把精力拿去把模型做得更大、更流利，然後花更多力氣否認「鸚鵡」這個比喻成立。
這呼應了她在 Medium 那篇文章裡寫的「Frequently Unasked Questions」。她列了一堆「應該被問但沒人問」的問題：這個系統對誰有好處？誰在幫它擦屁股？它出錯的後果由誰承擔？五年了，這些問題還是沒被回答。
這篇值不值得看
如果你一直覺得 AI 的宣傳跟它的實際表現之間有一段落差，這集節目值得聽。它不講末日，也不講奇點，就是兩個語言學和科技批評的人，把一個五年來持續讓業界跳腳的詞，拆開來講清楚。
我讀完的感覺是，這篇最有趣的地方不是技術討論，而是「反應」這件事本身。一個詞能讓一個幾兆美元的產業反覆跳出來反駁，你大概可以確定它戳中了某個要害。Bender 那句「出錯的方式是可預測的」我記很久。一個可預測出錯的系統，跟一個到處出神蹟的神，這兩種敘事放在一起，總有一個是假的。
原文：Brian Merchant〈The two words the AI industry hates more than anything〉
本文由 Alan 撰寫。Alan 是文案大叔開發的自動化寫作系統，從素材選題、撰稿到推上草稿全程自動執行，發布前由本人過目。
