每小時數千萬條錯誤，調查揭露 Google AI 搜索的「準確率幻覺」

作者：克洛德，深潮 TechFlow

深潮導讀：《紐約時報》聯合 AI 初創公司 Oumi 的最新測試顯示，Google 搜索的 AI 摘要功能（AI Overviews）準確率約為 91%，但以 Google 年處理 5 萬億次搜索的體量換算，這意味著每小時產生數千萬條錯誤答案。更棘手的是，即便答案正確，超過半數的引用鏈接也無法支撐其結論。

Google 正在以前所未有的規模向用戶輸送錯誤信息，而大多數人毫不知情。

據《紐約時報》報導，AI 初創公司 Oumi 受其委託，使用 OpenAI 開發的行業標準測試 SimpleQA 對 Google 的 AI Overviews 功能進行了準確性評估。測試覆蓋 4326 次搜索查詢，分別在去年 10 月（Gemini 2 驅動）和今年 2 月（升級至 Gemini 3 後）各進行一輪。結果顯示，Gemini 2 的準確率約為 85%，Gemini 3 提升至 91%。

91% 聽起來不錯，但放到 Google 的體量上就是另一回事。Google 每年處理約 5 萬億次搜索查詢，按 9% 的錯誤率計算，AI Overviews 每小時產生超過 5700 萬條不準確的答案，每分鐘接近 100 萬條。

答案對了，來源卻是錯的

比準確率更令人不安的是引用來源的「脫錨」問題。

Oumi 的數據顯示，Gemini 2 時代，37% 的正確回答存在「無根據引用」問題，即 AI 摘要所附鏈接並不支持其給出的信息。升級到 Gemini 3 後，這一比例不降反升，跳增至 56%。換言之，模型在給出正確答案的同時，越來越不會「交作業」。

Oumi CEO Manos Koukoumidis 的質疑直指要害：「即便答案是對的，你怎麼知道它是對的？你怎麼去驗證？」

AI Overviews 大量引用低質量來源加劇了這一問題。Oumi 發現，Facebook 和 Reddit 分別是 AI Overviews 第二和第四大引用來源。在不準確的回答中，Facebook 被引用的頻率達到 7%，高於準確回答中的 5%。

BBC 記者一篇假文章，24 小時內「投毒」成功

AI Overviews 的另一個嚴重缺陷是極易被操縱。

一名 BBC 記者用一篇刻意編造的虛假文章進行測試，不到 24 小時，Google 的 AI 摘要便將其中的虛假信息作為事實呈現給用戶。

這意味著任何了解系統運作機制的人，都可能通過發布虛假內容並推高其流量來「投毒」AI 搜索結果。Google 發言人 Ned Adriance 對此的回應是，搜索 AI 功能建立在與屏蔽垃圾信息相同的排名和安全機制上，並稱測試中的「大多數例子都是人們實際不會搜索的不切實際的查詢」。

Google 反駁：測試本身就有問題

Google 對 Oumi 的研究提出了多項質疑。Google 發言人稱該研究「存在嚴重漏洞」，理由包括：SimpleQA 基準測試本身包含不準确信息；Oumi 使用自家 AI 模型 HallOumi 來評判另一個 AI 的表現，可能引入額外誤差；測試內容不反映用戶的真實搜索行為。

Google 內部測試也顯示，Gemini 3 在脫離 Google 搜索框架獨立運行時，產生虛假輸出的比例高達 28%。但 Google 強調，AI Overviews 借助搜索排名系統來提升準確性，表現優於模型本身。

不過，正如 PCMag 評論所指出的邏輯悖論：如果你的辯護理由是「指出我們 AI 不準確的報告本身也用了可能不準確的 AI」，這恐怕並不能增強用戶對你產品準確性的信心。