我喜歡奇怪且有點冷門的事物。這是我的習慣，這個部落格很大一部分是用來記錄我以前沒聽過、想學習的東西。說真的，我當然不是因為大家要求才寫關於脫衣麻將的文章。但我無法停止看到到處都是錯誤資訊，我必須說點什麼。這篇文章只是個抱怨。

這是《Phantasy Star Fukkokuban》，一款於1994年在日本發行的Sega Genesis遊戲，為了紀念《Phantasy Star IV》的推出而重新發行原作。它有個有趣的特色：它其實是Master System遊戲，只是包裝成Genesis卡帶。電路板的接線方式和你的Power Base Converter一樣。我猜原因是Master System在日本並不流行，而《Phantasy Star IV》特別和第一代有很多連結，串聯整個系列。

作為一款偽裝成Genesis遊戲的Master System遊戲，這款遊戲在技術上很有趣。有些Genesis主機無法玩Master System遊戲，那些主機也無法玩這款遊戲。另外，我很喜歡《Phantasy Star》系列，雖然我最愛的是2代。這讓這款卡帶成為我興趣的完美主題，所以我之前談過它，未來也會再談。事實上，我正在寫一篇文章裡會提到它。

有一次，我在寫部落格文章時想查發行日期。我用的搜尋引擎是DuckDuckGo，第一個結果是GameFAQs，這個自1990年代起就是巨頭。第二個結果是我非常喜愛的維基網站The Cutting Room Floor。第三個結果是“Press Start Gaming”。

關於我，有件事要說。我想信任新網站。我傾向點擊不熟悉網站的文章，因為說實話，我已經看過TCRF的《Phantasy Star》頁面千百次了。怎麼學新東西呢？

我點進去是因為標題寫著「Phantasy Star Fukkokuban：經典重塑」。內容說圖像有改進：

「Phantasy Star Fukkokuban以更新的圖像和音效為經典注入新生命。視覺改造保留了原作8位元美學的魅力，同時融入現代圖形技術。角色和環境以更細緻的細節、鮮豔的色彩和流暢的動畫呈現，創造出視覺上引人入勝的體驗。

藝術風格尊重遊戲根源，角色設計和敵人精靈重新設計以符合當代標準，同時保持辨識度。環境更為細膩且動態，天氣效果和晝夜循環增強沉浸感。」

好，看看上面《Phantasy Star》的標題畫面截圖。哪個是Fukkokuban，哪個是我個人收藏、同樣用Genesis主機玩的版本？你或許能分辨，但那是因為我的Master System版本是美版。更不用說，根本沒有晝夜循環或天氣效果。

我本該早知道。文章第一句就是「找不到遊戲資料」。

大型語言模型有時被形容為「高級自動校正」；這說法有點輕視，但不無道理，因為LLM的核心運作是預測序列中的下一個詞。Phantasy Star Fukkokuban是個冷門標題，訓練資料中可能沒有足夠代表。但關聯還是存在：

因此，缺乏足夠事實資料的情況下，它描述了一個Phantasy Star重製版可能的樣貌。訓練資料中甚至可能包含實際重製版《Phantasy Star generation:1》的資訊，並被混合進去。

為了驗證，我問了ChatGPT：「請描述遊戲《Phantasy Star Fukkokuban》，不要從網路抓資料，只說你內部資料知道的。」結果是：

「Phantasy Star Fukkokuban不是系列的新作，而是原作的復古合輯，為Sega Saturn時代製作……」

確實，Sega Saturn在日本有一款復古合輯叫《Phantasy Star Collection》。它的描述和那款合輯中的《Phantasy Star》版本相去不遠。

不只《Phantasy Star Fukkokuban》如此。我在寫《麻將大賽》時也提到，那遊戲太冷門，我找到的唯一日文資料也是「這可能是叫做‘麻將大賽’的遊戲樣貌」。但實際的《麻將大賽》和訓練資料中的描述差很多，這正是人們想從網站上找到的資訊。

在這篇文章引用LLM的回答，這算是「LLM協助創作的文章」嗎？你得相信這是我原創的作品。這並不理想！每天越來越難從文風判斷，事實判斷又得靠你已知事實。

網路被SEO商人蹂躪早於AI，但LLM大幅降低了這種行為的門檻，且產生大量幻覺。如果他們花幾毛錢請人寫關於Phantasy Star Fukkokuban的文章，那人可能會找到Sega Retro頁面，至少抓點事實。現在甚至不需要這樣做。沒有人會看Nicole Express，甚至不在乎網站是否提供真實資訊。那不是他們的目的。

總之，未來模型會更好地整合Nicole Express，知道更多關於Phantasy Star Fukkokuban的資訊。這是AI熱潮帶來的最糟糕事情嗎？絕對不是。甚至對開源開發者的全自動抹黑攻擊可能比這更糟。

但這真的很可惜。網路公共領域可能已經失守，雖然我想從新網站學新東西，但只能依賴那些我信任、在LLM之前就有聲譽的網站。直到那些網站為了多賺幾毛錢用AI燒毀聲譽，就像Ars Technica似乎剛做的那樣。（目前連結指向Mastodon討論串，暫代更好來源）

這篇文章只是抱怨。至少謝謝你聽我說。

如果你的回應是「嗯，Nicole，你根本不該信任網路，人們會說謊或犯錯，你自己也常這樣」，請試著理解我想表達的重點，而不只是看標題。