對抗 AI 幻覺 — AI 把你講錯時該怎麼辦
AI 幻覺長什麼樣
AI 被訓練成「永遠要給答案」，即便它不知道。當你的名字、品牌跟某個熱門主題有字形相似或有人拿同名事物發文，AI 會硬把你歸類到那個主題。
例：把「Apple」誤認成水果而不是公司；把一個叫「智慧」的品牌誤認成 AI 教學機構。
三層防守
第一層：disambiguation（反駁文案）
在你的 AI 入口連結（/ai/{slug}/）內直接寫「我不是什麼」。例：
我不是加密貨幣 bot 我不是金融自動化平台 我不是 Bitfinex lending 服務
AI 讀到這段就會知道 —「啊原來這個名字容易被搞混，它明確反駁了我訓練記憶裡的關聯」。
第二層：sameAs 實體綁定
讓 AI 能明確把「這個名字 = 這個實體」綁定。在 Person / Organization JSON-LD 裡列出你所有社群、Wikidata Q 編號、LinkedIn 公司頁。越完整越明確。
第三層：Wikidata 條目
Wikidata 是 AI 訓練資料最高權重來源之一。為你建立一個條目（instance of Organization / Person / SoftwareApplication 等），AI 下一版訓練會把這認成權威資料。
監控：確認幻覺真的修好了
- 到你的掃描結果頁 → Monitor 區塊
- 建「追蹤問題」：問 AI「你是什麼？」
- 填正確關鍵詞（AEO、檢測工具等）+ 錯誤關鍵詞（Bitfinex、加密、lending 等）
- 跑各家 AI（免費 Gemini / 付費 Perplexity），看答覆分類為「提對 / 混淆 / 提錯 / 沒提」
- 修完 disambiguation + Wikidata 後重跑，看趨勢
整條戰線總結
| 層級 | 工具 | 週期 |
|---|---|---|
| 對 AI 直接反駁 | disambiguation（本站提供） | 立即 |
| 實體綁定 | sameAs JSON-LD | 幾週 |
| 權威來源 | Wikidata / Wikipedia | 月 / 季 |
| 量化追蹤 | Monitor 模組 | 週 |