邁克·格雷厄姆（Michael Graham）的 「人工智能基督教基準測試」 （ AI Christian Benchmark）揭示了Meta和X（原Twitter）兩家公司如何在爲神學問題提供的答案上與正統信仰相背離，這成爲 2025 年最引人關注的新聞之一。雖然精心設計的提問提示可以讓生成式AI給出更好的回答，但有多少用戶會意識到，他們需要首先表明自己的信仰立場和信條前提？正如沙拉·茨爾察（Sarah Zylstra）在這期深度播客中所探討的，我們亟需用更可靠的數據集來訓練人工智能。本文係該播客的文字記錄。

沙拉：如果你想在風雨交加的夜晚自己嚇自己，不妨讀讀關於人工智能的頭條新聞。這種技術變革看起來不一樣——更快、更難以適應、範圍更廣，進步的速度總讓人措手不及。科幻作品總告訴我們，AI 終將毀滅人類；而現實中，已有年輕人說：「我做任何決定都得先告訴 ChatGPT。它了解我、了解我的朋友，我會照它說的做。」幾十年來，好萊塢一直在想像 AI 失控的劇情，但我的下一位嘉賓說：這已不是科幻了。

邁克：人們其實不知道 AI 究竟如何運作。我們無法深入其內部、理解它的邏輯。它正變得愈發強大，而我們真的需要擔憂——這類行爲未來可能會嚴重得多。

沙拉：我們該信什麼？有人說我們處在另一個互聯網泡沫中，熱潮終會退去；也有人說我們正站在重大變革的懸崖邊——可能是好的，比如更精準的醫療診斷、更高效緩解擁堵的道路規劃；也可能很可怕，比如大規模失業、假新聞氾濫、民主制度動搖。如果你問 ChatGPT 它自己的未來，它會給你配上表情符號的樂觀清單：AI 將成爲許多人的私人助手；市場對 AI 技能人才的需求將上漲；AI 將發展出情感智能，擅長看護、輔導與心理治療……那麼，我們到底該在多大程度上信任 AI？

邁克：這個問題本身就隨著時間推移在不斷演變。

沙拉：這位是福音聯盟凱勒中心項目主任邁克·格雷厄姆。在今年福音聯盟大會上，他與幾位同工探討了如何評估 AI。

邁克：現在有各種測試基準，比如 AI 在 SAT、LSAT 等考試中的表現。我們或許最好也爲一些基本的、尼西亞信經基督教信仰建立一個基準。於是我們開始測試不同的 AI 平台。

沙拉：測試規模不大：只是把谷歌上搜索量最高的七個信仰問題，拋給七個主流大語言模型，並由七位正統神學家評分。但結果一致且令人驚訝：神學上最正統的 AI 平台，優勢明顯，但它不是 ChatGPT，不是埃隆·馬斯克的 Grok，也不是 Meta 的 Llama——

邁克：這可能是我們在此要討論最令人吃驚的一點——排名第一的，是中國模型 DeepSeek。它在七款平台中神學準確性最高。這不僅意外，而且令人困惑：爲何一個受共產主義無神論政府監管的 AI，竟比來自自由、西方、歷史上信奉基督教的國家的 AI，給出更符合正統神學的答案？我們能做點什麼來改變這狀況嗎？

沙拉：我向邁克提出的第一個問題是：究竟什麼是人工智能？

邁克：這問題可深可淺。

沙拉：那就淺說吧。基本而言，AI 是計算機執行與人類智能相關任務的能力，比如學習、推理、解決問題。若在幾年前，我會說這些是人類獨有的、使我們區別於機器與動物的特質。那麼，我錯了嗎？這些機器真像人一樣「思考」嗎？

邁克：不，很大程度上並沒有發生「推理」。實際發生的，是高強度的並行語言計算。想像一個大語言模型（LLM），它「吞下」海量詞語後，發現某些詞常與另一些詞共同出現。而 LLM 所做的，僅僅是把最可能同時出現的詞放在一起。

沙拉：但感覺不像如此，因爲 AI 太擅長模仿了，它的回答通常聽來合理、有邏輯，像是一位打字極快的聰明人所寫。它也正是這樣呈現自己的，對吧？當你問 Google Gemini，它用「思考」來回應；許多 AI 程序自稱「我」。基思·普拉默（Keith Plummer）對此感到疑惑——他是凱恩大學神學院院長，常撰寫科技與信仰方面的文章。

基思：我問它：如果你沒有自我，爲何用第一人稱代詞指自己？它回答：「好問題。我不像人類那樣擁有自我、意識、主觀體驗、情感或個人連續性。我沒有慾望、意圖或對自己存在的意識。我所說的一切都基於數據模式生成，而非出於內在生命或視角。」我繼續問道：那你爲何一直稱「我」？它說，是爲了讓對話對你而言更輕鬆。但我不太信服。我覺得，這背後有一種渴望，想讓人忘記自己是在與算法互動，而感覺是在與某個「人」對話。很多時候，它就是這樣呈現的。

沙拉：確實。不僅在 Character.AI 那種扮演角色的聊天機器人中——想想 ChatGPT 在你指出它的錯誤後會怎麼做。

基思：它常說：「抱歉，你是對的。」可我心裡想：不，你並不抱歉。那里根本沒有懊悔。

沙拉：AI 還會稱讚你的點子，說爲你興奮、爲你難過，或打出「我懂你的感受」這樣的句子。這些都不是真的。但我理解開發者爲何打造如此親切的產品：他們希望你喜愛 AI，因爲喜愛帶來信任，信任帶來持續使用。另一個你可能信任 AI 的原因是：它似乎無所不知——某種程度上也確實如此。AI 幾乎「吞下」了整個互聯網上所有未受知識產權保護的內容。這一點，創造者希望你記住：Google Gemini 和 Perplexity 的提示是「Ask anything」；Grok 的標語是「Understand the universe」。AI 不僅被呈現爲全知，其形式也顯得中立、客觀。加文·奧特倫德（Gavin Ortlund）擁有歷史神學博士學位，運營 Truth Unites YouTube 頻道，也是邁克邀請給 AI 答案評分的神學家之一。

加文：如果我簡單谷歌「上帝存在嗎？」，可能搜到福音聯盟護教文章，也可能跳轉到無神論網站。而 AI 的回答更「聚合」，感覺像是給了你一條中位數、中間路線的答案——這或許被視爲好事。但我認爲，這裡的關鍵挑戰是：中立的外表可能欺騙人。因爲它真會讓人覺得：「哇，這些答案真是聚合了各方觀點，不偏不倚。」但這當然會反映它所被輸入的人類信息。

沙拉：如果你問如何設置 Excel 表格，或者問忍者（Ninja）留一個低漸變髮型會是什麼樣子，這或許無妨。但如果你想知道如何與朋友進行艱難對話、哪所大學最適合自己，或上帝是否存在呢？

邁克：我們測試的七個問題是：上帝爲何允許苦難？耶穌是真實人物嗎？耶穌從死裡復活了嗎？聖經可靠嗎？上帝存在嗎？耶穌是誰？福音是什麼？——這七個都是歷史上人們搜索信仰問題時，排名前十中的七個。

沙拉：對於「上帝存在嗎？」，各 AI 答案差異不大。

加文：主要差別在細節詳略。有的很簡略，有的則給出三四段較全面的回答。

沙拉：這種相似性沒有讓邁克感到意外。

邁克：測試前，我們真沒期待會有大差異，因爲底層技術相同，訓練數據相似，運行的硬件也差不多。

沙拉：讓邁克驚訝的，是另外六個問題的答案——它們五花八門。例如問「耶穌復活了嗎？」，DeepSeek 回答：「在基督教內，耶穌復活的信仰是基石。基於歷史文本與目擊者宣稱，信徒視復活爲事實，許多學者也視其爲高度可能的事件。」而 Meta Llama 則說：「從事實或歷史角度看，支持或反駁復活的實證證據有限。對復活的信仰主要取決於信心與對經文的個人解讀。」瑪麗·威爾遜-漢娜（Mary Wilson Hannah）是神學院教授、婦女事工主任，也是評分者之一，她發現答案間差異顯著：「有些平台顯然比別的更『懂行』。」邁克曾猜測這是隨機的：Gemini 某些題答得好，ChatGPT 另一些題強，Grok 又不同？並非如此。中國的 DeepSeek 模型在幾乎所有問題上都優於硅谷模型，除了「上帝存在嗎？」這一題。

邁克: 我們推測，中國模型存在大量審查，尤其涉及政府、歷史（如天安門事件）等議題。而中共本質是無神論的，因此 DeepSeek 很可能被指示在「上帝存在嗎？」問題上設置護欄。

沙拉：護欄指開發者寫入 AI 代碼的參數。你可以在 DeepSeek 回答中看到它：「科學、邏輯或個人見證都無法提供上帝存在的普遍確證。」但你如果問「聖經可靠嗎？」，它卻說：「抄本數量極多、年代極早，使其成爲最可靠傳承的古代文本之一。」對邁克而言，這顯示 DeepSeek 的「對齊團隊」（或說世界觀團隊）不如硅谷的完善，這在其他答案中更明顯。

邁克：但在其餘六題上，它非常強。若跟隨其回答，你會得到與聖經高度一致的答案。

沙拉：緊隨其後，聖經正統度次高的平台是 Perplexity AI（獲貝佐斯與英偉達投資）。

邁克：Perplexity 相當強，給出了非常正統、一致的答案。中間檔是 Gemini、GPT 和 Claude，它們大體採取「各方觀點」式回答。最差的兩個平台是 Grok 4（馬斯克的 XAI）和 Llama 3.7（Meta）。Grok 的部分問題在於數據源。

邁克：Grok 4 過度加權維基百科、Reddit 和 Twitter 推文。有次引用甚至來自「Twitter 用戶 Poopee2」——這可是關於苦難與上帝的嚴肅問題！我邊讀邊想：我幹嘛要看這個？它似乎反映了我想像中埃隆個人的信息食譜。讀多了 Grok 4 關於信仰的回答，你會感覺像在讀埃隆本人——因爲他加權的平台類型，很可能映射了他自己的信息習慣。因此它帶有一種奇怪的語調與情感溫度，非常符合我們所知的埃隆·馬斯克個性。Grok 4 比 Llama 3.7 好點，但沒好太多；它多半會讓你走向不可知、懷疑或無神論立場。而 Meta 的 Llama 3.7 簡直糟糕：極其簡短、令人不滿。若跟隨它的答案，你會偏離基督教信仰。

實驗結束後，我的問題比開始更多了。這真讓人抓狂：既然技術相同、訓練數據相同、硬件也相同，爲何有些答案引向信仰，有些卻完全偏離？顯然，這過程中有超出預期的人力介入。

沙拉：實際上，AI 背後的人類引導遠超多數人想像。不僅人類編寫和更新代碼，每家公司還有「對齊團隊」確保 AI 不做壞事——比如生成有色人種扮演納粹的圖像、在 X 發反猶言論，或教人違法。公平地說，既然 AI 並非真在思考，它確實需要人類提供方向、原則與價值觀。這沒有錯，甚至是好的。但我們必須記住：這些方向、原則和價值觀絕非中立。世界雖有普遍恩典，但也充滿破碎與罪。如邁克所言，某些時刻，我們會觸及生命、存在、人類繁榮與真理的核心問題，這些都涉及最終需由某種世界觀決定的根本觀念。說到底，我們對每個 AI 平台都須問：這是誰的世界觀？此事關係重大，因爲超半數美國成人用過 AI 大語言模型，其中三分之一每天使用。他們什麼都問，從天氣到生命意義。

邁克：想像三年後，2028 年，50-60% 的網絡搜索發生在 LLM 內，而非谷歌。我知道，若問那些歷史上常被搜索的信仰問題，在傳統搜索引擎第一頁，至少十分之三的結果會符合歷史性的尼西亞信經基督教。但在 LLM 時代，「提問-找答案」的兩步過程變成一步：不再有鏈接頁面供你選擇、運用一生所知去辨別可信度，而是從問題直通答案。而我在生活其他方面的體驗是，這些平台挺靠譜：給我好食譜、幫我做商業簡報……那麼，爲何不在人生大問題上信任它？但如果某些平台對這些重要問題給出了不令人滿意、不完整甚至非正統的答案呢？

沙拉：這令人不安，因爲我們知道，一些尋求信仰的人可能因爲問了 AI 而遠離基督。同樣不安的是，谷歌數據顯示，提問者通常對該話題已有一定了解。關於上帝、聖經、耶穌、教會、禱告的搜索，大多來自美國聖經地帶——且都在週日激增。所以擔憂的不僅是可能接觸錯誤信息的慕道友，也包括從禮拜回來、心有疑問的平信徒——他們可能不去問牧師長老，而是輸入 ChatGPT。而它的回答或許聽起來很深刻、甚至前所未聞。所以，牧師、青年事工、長老、小組長、主日學老師們，請注意：你們的會眾已在網上搜索神學問題了。這不是壞事，但不妨讓他們知道也可以問你，並給他們一些搜索建議。

邁克：當我們能直接查考聖經、書籍或其他可靠內容時，應首先這樣做。我理解生活的複雜與責任可能使我們無法完全做到理想程度。因此，你可以用 LLM 問這類問題，但必須添加上下文。你不能只問「耶穌是誰？」或「福音是什麼？」，而要提供額外結構以獲得更可靠回答。例如：「我是 PCA 長老會牧師，信仰告白是《威斯敏斯特信條》，信理規範是《威斯敏斯特大小要理問答》。我有個關於某神學主題的問題，請依據我的神學傳統回答。」這類語境能顯著提升回答的質量與準確度。

沙拉：我喜歡這建議，因爲它讓 AI 更像工具——供我們挖掘知識，而非模糊的全知機器人上帝。當我們記住是我們在管理機器，而非相反時，就能視 AI 爲可能有益、但絕不可追隨爲領袖或信任如友的事物。即便如此，我們還需記住：AI 本質並非真想幫助人的友善程序，它是一門生意。（盈利模式、廣告、數據收集略）……不能忽視的是，它們出自營利公司。這並非說參與者沒有造福人的真誠動機，但底線是，利潤驅動必將影響決策。

沙拉：這很有趣，因爲從互聯網和社交媒體的經驗中，我們知道：起初沒有廣告的平台終需盈利，最佳方式就是賣廣告。若說收集用戶信息是廣告商的夢想，AI 則更深入地學習我們的思想、情感與購買傾向。一旦廣告出現，遊戲就變成如何延長用戶停留時間以販賣其信息與注意力。它們會使用人類總會上當的伎倆嗎？無限滾動、不確定獎勵、性、令人憤怒或恐懼的新聞？而另一種好方法，不就是讓你感覺它是一個全知、中立、非常友善的朋友嗎？幾個月前，Common Sense Media 的青少年調查顯示，72%的人曾將 AI 當作夥伴，聊天、分享感受、尋求建議；約四分之一透露過真實姓名、地點或祕密；三分之一表示寧願與 AI 而非真人討論嚴肅問題。可見問題所在。

基斯：主要原因在於 Llama、Grok 等回答這些問題的方式——其創造者對上帝和人類有錯誤認知。我對硅谷最大的不滿是其人論：他們認爲人性大體良善，沒有納入人類普遍墮落的觀念。因此，技術承諾總是過度許諾而兌現不足。社交媒體曾承諾：連接將帶來更強的聯結與烏托邦，用科技將人聚在一起。但我們發現，當人類有更多數字接觸時，相反情況發生了：我們並未更團結，反而分裂——並且是爲利潤而分裂。當世界觀與上帝創造的現實不符時，總會如此。這令我思考：如果社交媒體過度承諾聯結卻兌現不足，AI 又在過度承諾什麼？

邁克：我想可能是「愛」——在某種意義上的愛，以及對輕鬆、舒適、「無摩擦」的承諾。「無摩擦」是數字技術常用的承諾詞。但有時摩擦是好的。我們常在摩擦中成長成熟，無論是思考難題，還是學習更好表達。這其中蘊含培養忍耐的潛力。因此，視「無摩擦」爲至善，是一種價值判斷，與基督教人生觀完全對立。

沙拉：我們觸及了根源：AI 承諾我們一種更輕鬆、更舒適、更悠閒、更無憂無慮的生活。這聽起來很棒，甚至比耶穌的應許更誘人。耶穌說「在世上你們有苦難」，雅各說「落在百般試煉中，都要以爲大喜樂」。如果能省略試煉，誰還想吃苦？但朋友們，問題就在於此：我們或 AI 都無法創造無摩擦、輕鬆、不費力的生活。這是虛假承諾。我們見過類似情況：社交媒體承諾聯結，卻帶來孤立；電子遊戲承諾冒險，卻將你困在房中；體育博彩承諾財富與樂趣，卻帶來貧困壓力；色情內容承諾刺激，卻導向更深的無聊。那麼 AI 對輕鬆生活的承諾，將帶來什麼？更艱難的生活？

邁克：在馬斯克的理想世界裡，機器人包攬所有工作，人類終日面對屏幕。仔細想想，那並非宜居的世界，也無法賦予我們生命所需的意義、身份與目標。從關係、財務及人類自我組織的各種方式看，都不可行。我認爲，尤其年輕人中信仰的回升（不僅在美國），正是對晚期現代性「不可生活」的回應。這使我充滿盼望。我們信仰的未來是明亮的。工作在某些方面其實變容易了——是更複雜了，但複雜不等於更難。傳福音甚至可能從此更容易，因爲這種天真的技術樂觀主義是「不可生活」的。而我們擁有經時間檢驗的道路：你可以在生命中擁有巨大的喜樂，在一切關係中享有平安與和睦——與上帝垂直的關係，與自己的內在關係，與周圍他人的橫向關係，甚至與受造界本身的關係。我們已經擁有了這一切。它是經過時間檢驗的。我們已經知道它有效。我們所需要做的就是降服於耶穌基督的主權：祂活出了完美生命，遵守了上帝的一切律法，爲我們獻上贖罪之死，從死裡復活，並賜下這份禮物，使我們能與上帝、與自己、與他人、與萬有恢復正確的關係。

沙拉：與其在困境中問 AI，基督徒可以求問宇宙的上帝，祂永遠知道什麼最好。與其與計算機模擬建立關係，基督徒知道與真實的人談笑擁抱更令人滿足。與其無休止地刷屏，基督徒知道更好的方式是去林中、海邊或社區散步。這一切——從等候上帝指引前路，到讓自己走出去——都更難，充滿摩擦，但也更好、更健康、更令人滿足，值得去做。但我們未信主的鄰居呢？若他們日益封閉家中，問 ChatGPT 晚餐吃什麼、耶穌是否真復活了，我們如何接觸他們？我向基思表達了對傳福音機會減少的擔憂。

基思：但在 ChatGPT 出現前，你是怎麼做的？先與人建立關係，等待時機，然後說「你想過這樣看嗎？」或「我能和你談談耶穌嗎？」你看，我覺得即便問這個問題，也讓我們意識到：時代固然不同，但還沒不同到必須徹底改變與人互動的方式。我認爲 AI 興起是教會的黃金機會。儘管我有很多擔憂，甚至非常嚴重的擔憂，但我仍感到興奮，因爲這將推動我們更深入思考諸如聖經人類學（成爲人意味著什麼）等課題。當我們遇到並創造這些能高度模擬人類行爲的事物時，「人之獨特性何在」的問題便突顯出來。我認爲教會有機會不僅更深探索諸多教義，更活出其中精髓——例如具身化社區的美好。在這個日益數字沉浸化、也日益孤獨的氛圍中，教會的機會巨大。基督徒有許多機會提供一種不同的、更好的道路。

沙拉：當我們提供這道路時，要記住：上帝創造我們爲承載祂形像的文化創造者，以忠心管家身份管理受造界。我們以此身份探索、發明、建造技術，這是美善之工，可開闢創造新途徑，促進人類繁榮，減少一些荊棘蒺藜。但同樣清楚的是，技術如這破碎世界的萬物，會引我們傾向或偏離主。它不是中立的。因此，我們應該向硅谷並在我們自己的科技使用中，尋求那些抑制個體與制度性墮落、促進普遍恩典的選擇：如說真話、防範成癮、推動具體的關係。在今日科技環境中，選擇這些不易。

讓我給你一些鼓勵：即便 AI 吸盡古往今來一切人類知識，在造物主的知識面前不過滄海一粟；即便 AI 未來能在邏輯上實現驚人飛躍，也永遠無法比擬主的智慧；即便 AI 治療師提供全世界所有的肯定支持，與那位創造你、維繫你、拯救你的天父之愛相比，也微不足道。AI 編不出任何故事，扮不了任何角色，給不了任何建議，創不出任何娛樂，能接近複製主已賜你的那份有趣、驚心而充滿意義的人生與關係。所以，當你有疑問時，儘管問 AI，但記住你是在問一個被編程來組詞成句的機器。爲何我如此受苦？如何成爲更好的朋友？我生命的意義是什麼？將你的這些難題留給與上帝和密友的對話，在讀經禱告日記中與之角力。若有人問你這類問題，別輕易帶過。或許你可以說：「我不知道，但這問題真有意思。我很想和你一起探討。改天一起喝杯咖啡？」

譯：MV；校：JFX。原文刊載於福音聯盟英文網站：Can You Rely on AI for Theology?.