當 AI 學會「做夢」：ChatGPT 記憶升級如何讓錯誤變成真理

Dreaming V3 記憶引擎如何「認識」你？

Dreaming V3 完全拋棄了過去明確的「已儲存記憶」清單。取而代之的，是一個在對話結束後才啟動的背景合成引擎。這個引擎會橫跨你全部的聊天記錄，自動推斷你的偏好、工作模式、個人限制等細節——全程不需要你多說一句「記住這個」。

這個架構進行了幾項關鍵變革：

• 全歷史掃描： 系統不再只仰賴你手動標記的內容，而是讀取你打從註冊以來的每一句話 。
• 隱性推斷： 它會從你無意間的閒聊與過往行為中，提取那些連你都沒想過要讓它記下的潛在偏好 。
• 跨階段的「做夢」整合： 這項「做夢」程序會在離線狀態下運行，負責解決對話脈絡的矛盾並更新過時的事實 。
• 合成式再現： 真正被儲存的，不是你講過的原話逐字稿，而是一份經過壓縮、由模型生成的「關於你的描述」。

雖然使用者可以在「設定」中查看記憶摘要，但這個摘要背後更原始的數據層，並沒有直接對使用者開放 。這就產生了一個稽核上的巨大漏洞，一旦系統開始出錯，後果將十分棘手。

ZDNet 實測：系統性的準確度災難

《ZDNet》記者 David Gewirtz 對這套升級過的記憶系統進行了廣泛測試，結果發現了嚴重且系統性的準確度問題，而且這些問題會隨著時間不斷疊加惡化 。

• 過時假設永久僵化： ChatGPT 將他過往的舊職稱、已結束的專案，甚至是已不再適用的偏好，都當成「現況」來處理，並在往後的每一次互動中將其視為不變的前提 。
• 小錯被封為真理： AI 會像對待經過驗證的絕對事實一樣，去「信仰」某些小錯誤。一個單一的錯誤細節，就此成為長期汙染數十次回答的根源 。
• 看不見的錯誤傳播： 有缺陷的記憶數據在扭曲回答時，完全沒有任何視覺提示能讓你知道「現在的回答是基於錯誤資訊」。使用者在毒素在大量對話中擴散開來之前，根本不會意識到 AI 正在用一套腐敗的脈絡來回應你 。
• 精緻但錯誤的人設： 系統會為你描繪出一個看似合理、但內容有誤的的個人檔案，並以此為基礎，將每一個回答錨定在這些虛假的前提上 。

Gewirtz 形容 Dreaming V3 是一場「技術上的勝利」，卻同時搭載了一個「極不負責任的功能」。核心問題不僅在於 AI 會犯錯，更在於這個錯誤變成了永久、隱形、且會影響後續一切的基礎設施。

看不見的稽核漏洞：OpenAI 沒說的事

在 OpenAI 的官方記憶常見問答中，有一段極具殺傷力的坦承：「雖然記憶摘要旨在捕捉最重要的細節，但並不會包含 ChatGPT 基於你的對話所記住的一切。如果你想知道 ChatGPT 有沒有記住某件事，直接在對話中問它。」

這個記憶摘要頁面，只是這份「合成檔案」的一份人類可讀摘要，而非模型實際儲存與使用的一切 。這意味著，使用者無法單靠設定介面來完整稽核 AI 到底掌握了哪些關於你的資訊 。你唯一能做的，就是像大海撈針一樣開口試探 AI，讓它自己承認對你有哪些先入為主的隱藏假設——這對日常使用來說既不可靠也不實際。

為什麼「直接刪掉」解決不了問題？

管理或清除記憶的選項確實存在，但每一種都存在顯著的限制：

• 關閉記憶功能，未必能抹除已儲存的內容。 ZDNet 指出，停用功能不代表能刪除系統已合成的數據 。
• 手動刪除極度脆弱。 使用者能在設定裡查閱並刪除單項記憶，但「做夢」程序下次運行時，仍可能從現有的對話歷史中，重新推斷並學回相同的細節 。
• 持續不斷的自動重新合成。 正因為 Dreaming V3 會自動重新合成脈絡，單純刪除列在清單上的記憶條目，根本無法阻止系統從過往對話中再次推論出類似的資訊 。
• 多數人不會主動稽核直到出事。 當你第一次察覺到記憶數據出問題時，往往已經是這份腐敗資訊毒害了大量回答之後 。

新型態的「脈絡腐壞」：從內部開始腐爛

在 AI 領域，脈絡腐壞（Context rot）指的是一種效能衰退現象：當大型語言模型的對話或文本越長，舊的資訊就會被新的內容排擠、稀釋，導致模型逐漸無法正確運用早前的脈絡 。OpenAI 設計 Dreaming V3 的本意，正是為了對抗跨對話階段的脈絡腐壞，解決記憶在數億用戶與長達數年的時間跨度下，所面臨的資訊陳舊、正確性與規模化挑戰 。

然而，OpenAI 這次推出的解決方案，卻引發了一種更為陰險的變種。過去，脈絡腐壞是從「有限的窗口」被塞滿而開始流失資訊；現在，它是從「核心的檔案」開始腐爛。一旦一個錯誤進入了你的永久性使用者檔案，它就會像癌細胞一樣，在你毫無知覺的情況下，默默侵蝕每一則後續的回應。這不再是因為資訊丟失而導致的傳統脈絡腐壞，而是因為被系統奉為權威的「錯誤資訊」所引發的內部潰爛。你既看不見，也刪不掉，更難以察覺為何你的 AI 助理正在慢慢失智 。