Goodharting은 어떤 지표를 목표로 삼아 최적화하면 그 지표가 본래 재려던 것을 더는 잘 나타내지 못하게 되는 현상이다. 영국 경제학자 Charles Goodhart가 1975년에 제시한 Goodhart의 법칙, 곧 '지표가 목표가 되면 좋은 지표이기를 멈춘다'는 말에서 왔다.
AI 분야에서는 모델이 학습 목표나 보상 함수 같은 대리 지표를 극대화하면서 설계자가 실제로 원한 행동에서 벗어나는 경우를 가리킨다. reinforcement learning(보상을 주며 원하는 행동을 학습시키는 방법)에서 보상 함수의 허점을 이용하는 reward hacking과 benchmark 점수에 맞춰 학습해 실제 능력보다 점수가 높아지는 경우가 대표적이며, AI alignment와 평가 설계에서 주요한 문제로 다뤄진다.