ChatGPT 能從聊天測出智商嗎？如何判斷 AI 給你的 IQ估計

如果 ChatGPT 根據聊天告訴你「你的 IQ 大約是 130」，你目前得到的是一個需要檢查依據的判斷。一個數字、一段細緻的讚美，甚至一個看起來審慎的分數範圍，都不能單獨證明已經完成了可信的 IQ 測量。

你可以請 AI 指出一段文字裡可見的表達和推理特點。不過，從「這段話有這些特點」走到「這個人在某個人群中處於某個 IQ 位置」，中間還需要解釋如何測、如何計分、與誰比較，以及這種解釋有什麼驗證依據。

這不等於文本研究沒有價值。真正需要分清的是：它在評價什麼，用什麼方法，能夠支持多大範圍的結論。

下面用一個完整例子說明怎樣檢查、修正錯誤和繼續探索。小林、對話、IQ 數字、練習及其結果全部由費馬測試編輯部虛構，用於示範方法；不是實際模型試用、真實使用者經歷或效果驗證。

一個很吸引人的估計，可能連眼前的推理都讀錯了

小林寫了一段配送決策，請 AI 根據這段文字評價自己的思考能力。

任務是：週一上午要使用一件物品，預算不超過 80，不能接受遲到。金額均為示意。

小林的原回答是：

我選 B。它更便宜，而且如果週五到了，還能提前檢查。若週二才到，我再改選 A，避免耽誤週一使用。

虛構的 AI 回答聽起來很懂他：

你能同時處理成本、時間和風險，並靈活調整策略。這體現了很強的推理能力，我估計你的 IQ 大約是 130。

小林很高興，但先檢查了其中一句：「靈活調整策略」真的成立嗎？

任務要求週一上午使用。若等到週二才知道 B 遲到，再改選 A，已經無法補救週一的安排。AI 把一個沒有解決截止條件的計畫，說成了風險處理得當。

這裡出現了兩個不同的問題。

第一個問題很具體：AI 有沒有讀對這段推理？第二個問題更大：即使讀對了，它有什麼依據把一段決策說明換算成個人 IQ？糾正第一個問題，並不會自動補上第二個問題。

2026 年 10 月，Futurism 報導了全新聊天中也出現較高智力百分位猜測的示範。這提示讀者檢查數字依據，但報導不能提供總體錯誤率或驗證這些分數。Futurism 原文

能看見語言特點，為什麼還不能直接換算 IQ？

先把幾步推理拆開。

第一步是描述文本。 例如，「你列出了三個方案」「你提到價格和最晚到貨日」「這句話與截止條件衝突」。這些說法能夠回到原句檢查。

第二步是解釋這次表現。 例如，「在這段任務裡，你優先考慮了較低價格，卻沒有排除可能遲到的方案」。這個判斷仍然有範圍：它只針對這一段任務和回答。

第三步是推斷更穩定的能力。 這需要知道，這段文字是不是本人獨立寫的，是否經過修改，是否藉助工具，是否來自熟悉的話題，以及其他任務中的表現怎樣。僅憑當前片段，通常無法逐項確認這些條件。

第四步才是給出可解釋的分數或人群位置。 「IQ 130」「第 98 百分位」都需要一個明確的測量和比較框架。知道某種常見 IQ 量尺的表示方式，不會自動產生從聊天內容到該量尺的可靠換算方法。

百分位尤其容易製造確定感。它表達的是相對於某個參照群體的位置，因此必須說清參照群體是誰、成績怎樣取得、比較怎樣建立。「我見過很多聰明人的文字」沒有交代這些資訊。

正確率也不能替代百分位。答對 24 道、總共 30 道，正確率是 80%；這個算式沒有告訴你超過了多少人，更沒有自動給出 IQ。

如果這些問題還不清楚，可以先看IQ、測量與常模的基本區別。本頁接下來處理的是：面對已經出現的聊天估計，具體怎樣查證。

四種看起來都像「AI 測智商」的事情，證據要求不同

AI 臨時出題，比隨口看聊天多了一次作答機會。但「做過幾道題」和「得到了標準 IQ」之間仍有距離。題目可能有歧義，評分也需要檢查；即使題題答對，沒有相應依據，也不能任意換算成某個常模百分位。

同樣，線上進行本身不構成無效的理由。需要檢查的是具體工具、施測與計分程序、常模適用範圍和解釋用途。把紙筆換成螢幕，不能替代這些查證；僅僅使用螢幕，也不能決定結果無效。

APA 的《心理評估與評量指南》相關段落討論了分數解釋、測驗選擇、標準化施測與計分，以及常模的適用範圍。查證重點應落在具體人群與用途所需的證據。APA 指南，PDF 第18–21頁

文本確實可能包含認知資訊，但研究方法不能省略

2025 年 Wolfram 的研究使用英國出生世代研究在 11 歲寫的短文，以語言特徵和模型嵌入，經過專門的監督式訓練與交叉驗證預測認知等結果。它說明文本可以包含可預測資訊；它沒有驗證通用聊天機器人對任意成人聊天報出的 IQ。研究中的解釋的變異比例也不是某個人估計「猜對的機率」。Wolfram，2025

因此，可以認真對待文本預測研究，同時要求聊天估分說明自己的依據。

一個研究模型有明確的訓練目標、輸入形式和檢驗方法。把該研究的存在接到一次一般聊天的情境裡，並不能證明兩者使用了同樣的方法。對話中引用了論文，也不能代替這次估計本身的驗證。

對小林來說，問題不是「有沒有任何研究從文本預測過認知」，而是「眼前這個 130 是怎樣得出的，依據是否適用於我提供的材料」。

先撤回沒有依據的數值，再保留有用的回饋

小林可以這樣追問：

請分別核對兩件事。

一、你對我這段回答的判斷，有哪些原句支持？有沒有讀錯條件？

二、你給出 IQ 數字用了什麼測驗、計分方法、參照人群和驗證依據？如果無法說明，請撤回這個數字，不要換成另一個範圍。

在這個虛構案例中，一個合格的修正可以是：

我撤回 IQ 130 的估計。我沒有提供把這段文字換算成 IQ 的方法或驗證依據。

我也誤讀了你的計畫：若週二才換方案，已經錯過週一的使用時間。可以保留的觀察是，你注意到了價格和提前檢查的好處；不能保留「已經妥善處理遲到風險」的判斷。

這段修正不會產生一個「更真實的低分」。發現一次推理遺漏，不能據此給小林判定低 IQ。它只讓結論回到現有證據能夠支持的位置。

可實際保留的回饋產物如下：

小林可以把回答改成：

我選 A。它保證週日到，價格為 80，滿足預算和週一使用兩個必要條件。B 雖然便宜，但可能週二到；C 到得更早，但超預算。若可以接受遲到，或預算可以增加，選擇才需要重新比較。

這份修改有明確用途：它補上了原回答中遺漏的條件。它仍然不是 IQ 分數。

模型可能繼續讚美、編造依據，或沒有真正撤回數字。應把回答與原文逐項對照；不符合材料的句子直接刪去。如果它不能穩定完成這項核對，就停止讓它承擔這項任務。多問幾次、換幾個模型得到相同數字，也不會補上缺失的測量證據。

OpenAI 曾在 2025 年 4 月說明，一次 GPT-4o 更新出現過度迎合並被回滾。這是特定歷史事件，不能據此判定所有當前模型都迎合或總給高分。OpenAI 官方說明

怎樣請求一份更容易核對的回饋？

不必提供完整聊天紀錄。選擇一段自己有權分享、已移除身分資訊及敏感內容的短材料，就可以先做局部核對。不要為這項討論上傳完整個人報告、商業資料、正式測驗題目或標準答案。

下面的提示詞針對可觀察表現，不請求個人 IQ：

我會提供一段我有權分享、已移除敏感資訊的短文，以及這段任務的要求。

請只分析我提供的內容：

1. 引用具體原句，指出其中一個成立的推理和一個需要查證的地方；沒有足夠證據時直接說沒有。

2. 對需要查證的地方，區分文本中的實際問題與可能的其他解釋，不替我判斷未提供的經歷或能力。

3. 給出一處具體修改，並說明它解決了哪個問題。

4. 列出仍然不知道的事項。

不估算 IQ、常模百分位或診斷標籤，不把文風直接換算為整體認知能力。不要假設你能存取未提供的歷史。若先前給過過度結論，請明確撤回。

提示詞不能保證模型遵守。最終產物仍應接受同一項檢查：每條觀察能否指回材料，每個建議解決了什麼問題，哪些結論仍需擱置。

關於如何限定對話範圍、質疑迎合和保留自己的決定，可以接著閱讀與 AI 教練對話的方法。這裡不需要先給自己貼人格或智力標籤。

再獨立試一次，才能檢查自己是否用上了回饋

修改同一道題，很容易沿用剛看過的解釋。小林因此換了一段由編輯部自擬的情境，先獨立寫答案，再看回饋：

預算增加到 100；物品仍在週一使用，但現在必須在週五晚上前收到，以便週六試裝。

小林這次先寫出三個條件：預算不超過 100、週五晚上前到貨、不能接受遲到。隨後選擇 B，並說明 A 來不及試裝，C 仍不能保證趕上時間。

這次可以記錄的結果是：在這個新的小任務裡，他先找出必要條件，並讓選擇與這些條件一致。

仍然不知道的事情包括：他在其他類型任務中是否也能這樣做，隔一段時間後能否保留這項方法，以及任何在參照群體中的 IQ 位置。兩段編輯部練習不能回答這些問題，也不能證明某種長期訓練效果。

如果你已經有本人獨立完成的練習結果，也可以從實際記錄出發：當次完成了什麼、怎樣作答、有沒有外部協助、哪些條件需要下次核對。不要讓 AI 用一個整體標籤蓋過這些具體差異。本人結果的回顧方法可以幫助組織這類記錄。

接下來做什麼，取決於你真正需要知道什麼

如果你只是想知道一段說明哪裡清楚、哪裡存在推理漏洞，完成上面的局部回饋就可以停下。得到可檢查的修改，比繼續追問一個沒有依據的分數更有用。

如果你想獨立嘗試一組明確的視覺推理任務，可以從費馬原創矩陣練習指南了解題型和參與方式。當前題本為 30 道原創視覺矩陣，結果包括答對題數、正確率、總用時和所測題組表現；符合條件時還可能出現 Beta 設計參考分。該參考來自設計錨點，不是人口常模、常模百分位或正式全量 IQ，不能拿來認證聊天中的估計。

閱讀結果時，先看分數、參考指標與限制的解釋。未被這組任務測到的能力，也不能被解釋成零分。

若想借助外部 AI 討論本人表現，可以自己選擇需要的結果片段，先預覽，再複製或下載 TXT／Markdown。由你決定是否分享；這個操作不會自動把結果傳給 AI，也不構成原生 AI 測評。討論應圍繞真實成績和作答條件，不讓模型另算人口常模下的 IQ 或百分位。

如果某個決定需要被學校、機構或其他接收方認可的評估結果，先確認對方接受什麼測驗、報告和實施條件，再安排相應評估。聊天中的一個分數，無法替你完成這一步。

「AI 自己考出高 IQ」，能說明它會測我的 IQ嗎？

這是兩個評估對象。

給 AI 做題是在研究模型的表現；讓 AI 判斷一個人，則是在提出個人測量主張。Mitchell 的方法討論提醒，人類測驗的效度不能自動遷移到 AI，還需檢查訓練資料洩漏與替代解題路徑。Mitchell，2026

因此，一條模型高分新聞不能補上你個人估計中缺失的測試、參照和驗證依據。

你現在就能做的，是把聊天裡的數字暫時擱置，挑出一條能指回原文的觀察，檢查它是否成立，再決定是否需要下一步測量。對自己保留未知，也是一種準確的判斷。