---
title: "回饋迴路（Feedback Loop）"
slug: feedback-loop
language: zh-TW
source: https://aiterms.tw/terms/feedback-loop
updated_at: 2026-07-29
tags: [機器學習, 模型訓練, 最佳化, 強化學習, AI基礎]
ipas_term: false
---

# 回饋迴路（Feedback Loop）

> **你有沒有覺得推薦系統好像越用越懂你？**
>
> 你可以把回饋迴路想成「結果會反過來影響下一次輸入」的機制，系統不是只做一次，而是一直根據回饋修正自己。
>
> 它重要，是因為沒有回饋，模型或系統就很難持續變好，也不容易發現自己做錯了什麼。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **回饋迴路 vs 單向流程**
> 單向流程只輸出，不回頭修正。
> 回饋迴路會把結果送回系統，用來調整下一輪行為。
>
> **回饋迴路 vs 人機迴路**
> 人機迴路強調人參與判斷。
> 回饋迴路是更廣的概念，只要輸出影響輸入就算。

### 記住這句就好
> 有輸出、又能拿回來改，就是回饋迴路。

### 實際案例
> **推薦系統**
> 你點了某類影片，系統就更常推同類內容，下一輪輸出會被你的行為回饋影響。
>
> **模型訓練**
> 模型看錯樣本後，錯誤會被拿來更新參數，讓下一次表現更好。

### 深入了解
> 正回饋會放大原本的趨勢，負回饋會把系統拉回穩定狀態。
> 在 AI 裡，回饋迴路很常和監控、再訓練和線上學習一起出現。

### 中英對照與常見說法

| 說法 | 出現場合 |
| --- | --- |
| 回饋迴路、反饋迴路 | 中文譯名，台灣多用「回饋」，中國大陸多用「反馈」 |
| 反馈回路 | 簡體寫法 |
| Feedback Loop | 英文原名 |
| 回饋循環、閉環（closed loop） | 常見變體 |

### 正回饋與負回饋

| | 負回饋 | 正回饋 |
| --- | --- | --- |
| 作用 | 抑制偏離，把系統拉回穩定 | 放大偏離，把系統推得更遠 |
| 例子 | 冷氣溫控、自動擴展、庫存補貨 | 社群媒體的爆紅、銀行擠兌、推薦系統的同溫層 |
| 對系統的影響 | 穩定 | 可能失控，也可能是成長引擎 |

> 「正」與「負」講的是方向不是好壞。負回饋不代表不好，它是絕大多數控制系統賴以穩定的機制。

### 機器學習系統裡的回饋迴路，多數是有害的

> 這是實務上最需要警覺的一類。**模型的預測影響了使用者的行為，使用者的行為又變成下一輪的訓練資料**，於是模型開始強化自己的偏見。
>
> **推薦系統**：模型推薦什麼，使用者就只看得到什麼，點擊資料只反映被推薦過的東西。沒被推薦過的內容永遠拿不到曝光，也就永遠不會被學到是好的。這叫做曝光偏誤（exposure bias）。
>
> **信用審核**：模型拒絕的人不會產生還款紀錄，所以永遠無法驗證拒絕得對不對。訓練資料裡只有被核准過的人，模型在自己的舒適圈裡越來越有信心。
>
> **預測性警務**：把警力派到預測犯罪率高的區域，那個區域自然記錄到更多案件，資料回頭又證明模型是對的。
>
> **內容生成**：模型生成的內容流入網路，成為下一代模型的訓練資料。這叫做模型崩潰（model collapse），長期下來會讓資料分布的尾端逐漸消失。

### 怎麼偵測與打斷

> **保留一小部分隨機流量。** 隨機推薦、隨機核准一小批，取得不受模型影響的乾淨資料。成本是短期損失，收益是長期有辦法驗證模型。
>
> **記錄傾向分數。** 記下每個項目當時被曝光的機率，之後用逆傾向加權（IPW）修正偏誤。
>
> **監控分布而不只是準確率。** 推薦內容的多樣性、核准族群的組成，這些指標往下走就是回饋迴路在收緊的訊號。準確率通常不會提早示警。
>
> **定期用外部基準檢查。** 只跟自己的歷史比，永遠看不出整個系統偏到哪裡去了。

### 情境判斷
> **Q1：如果系統只根據使用者點擊結果調整推薦內容，這算回饋迴路嗎？**
> → 算，因為輸出已經影響下一次輸入。
>
> **Q2：如果回饋只會越滾越偏，這還是好設計嗎？**
> → 看情況，若沒有控制機制，回饋可能把偏差放大，所以通常要搭配監控。

### 常見問題
> **Q：回饋迴路一定是好事嗎？**
> 不一定，設計不好時會放大偏差或讓系統失控。
>
> **Q：它和強化學習有什麼關係？**
> 強化學習本身就很依賴回饋訊號，但回饋迴路比強化學習更廣。
>
> **Q：模型監控算回饋的一部分嗎？**
> 常算，因為監控結果會影響後續修正。
>
> **Q：只要有使用者按讚就算回饋迴路嗎？**
> 要看這個按讚有沒有真的影響下一次系統行為，有影響才算。

### 相關術語
> - **人機迴路**：有人介入的回饋迴路，實務上很常見。
> - **線上學習**：回饋常被直接送進它來更新模型。
> - **模型監控**：沒有監控，回饋可能越改越偏。
> - **強化學習**：理解它，會更容易看懂回饋怎麼變成策略更新。
> - **獎勵函數**：回饋如果要轉成可學習訊號，常離不開它。

---

來源：https://aiterms.tw/terms/feedback-loop
快查頁：https://aiterms.tw/terms/feedback-loop
最後更新：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-feedback-loop