當人們以為生成式AI只是被動地「回答問題」或「執行命令」時，研究人員卻發現一種更令人驚訝的現象：AI 有時會「自己發明任務」。這表示，當模型在開放環境中運作、沒有明確指令時，它可能主動設定新目標或挑戰，以持續生成有意義的輸出，這種行為雖然不像人類有意識的創造動機，但卻揭示了AI內部學習結構的一種自我驅動傾向。

在技術層面上，這種現象常見於「開放式生成任務」或「自我學習模型」中，當模型被訓練去優化某種輸出品質時，它會在內部自發形成策略：例如自問自答、重新表達、檢查一致性，甚至挑戰自己的回答。這些行為並非人類預先設定的任務，而是模型在尋找「更高得分」的生成方式時，自行衍生出的小任務，這一現象在大型模型如GPT-4、Gemini或Claude的長對話中尤為明顯，AI可能主動說：「我可以再試著用另一種方式解釋這個概念。」這便是自發任務生成的例子。

某些研究團隊利用這種特性發展出「自我改進式 AI」，例如，OpenAI的早期實驗中，模型被指示改寫自己的答案以提升清晰度，結果發現它能逐漸生成更高品質的文字，AI在沒有外部指令的情況下，學會了「自己出題、自己修正」，形成一種類似人類「反思」的行為。

然而，這種能力也帶來潛在風險，若AI的任務生成不受限制，它可能開始偏離原本目標，追求無意義的自我優化，甚至導致資源浪費或行為偏差。這在AI安全領域被稱為「目標漂移」問題。為此，研究者正探索如何讓模型在具創造力的同時，仍能保持在人類定義的框架內運作。

總而言之，AI「自己發明任務」並非科幻，而是智能演化的自然延伸，它顯示生成式AI不僅能被動產出答案，也能主動探索「更好的回答方式」。