官方网站-首页

你(nǐ)是(shì)不(bù)是(shì)也(yě)遇(yù)到(dào)过(guò)这(zhè)样(yàng)的(de)情(qíng)况(kuàng)：问(wèn)AI一(yī)个(gè)问题，它给了你一个特别详细、丰富，看上去好有逻辑的答案。但当我们去核实时，却发现这些信息完全是虚构的？

这就是著名的“AI幻觉”现象。

图源：河森堡新浪微博

为什么会出现AI幻觉呢？今天就让我们一起来揭开这个谜题。

为什么会出现AI幻觉？

AI幻觉指的是AI会生成看似合理但实际确实错误的信息，最常见的表现就是会编造一些不存在的事实或者细节。

就像在考试时遇到不会的题目，我们会试图用已知的知识去推测答案一样。AI在遇到信息缺失或不确定的情况时，会基于自己的“经验”（训练数据）进行填补和推理。

这不是因为它想要欺骗我们，而是因为它在试图用自己理解的模式来完成这个任务。

1

基于统计关系的预测

因为AI（尤其是像ChatGPT这样的语言模型）通过大量的训练数据学习文字之间的统计关系。它的核心(xīn)目(mù)标(biāo)是(shì)根(gēn)据(jù)上(shàng)下文预测最可能出现的下一个词，并不是对问题或内容进行真正的理解。所以 AI本质上是通过概率最大化来生成内容，而不是通过逻辑推理来生成内容的。

简单来说，AI就像是一个博览群书的智者，通过学习海量的文本和资料来获取知识。但是它并不是真正理解这些知识，而是通过找到文字之间的统计关系和模式来“预测”下一个最合适的词。即 AI 是根据之前学到的大量例子，来猜测接下来最有可能出现的词。

不过有时候，模型也会“猜错”。如果前面出现一点偏差，后面的内容就会像滚雪球一样越滚越大。这就是为什么AI有时会从一个小错误开始，最后编织出一个完全虚构的故事。

2

训练数据的局限性

由于AI并没有真实世界的体验，它的所有“认知”都来自训练数据。可是训练数据不可能包含世界上所有的信息，有时候甚至还会包含错误信息。这就像是一个人只能根据自己读过的书来回答问题，如果书里有错误信(xìn)息(xi)，或者某些领域的知识缺失，就容易产生错误的判断。举个例子：早期AI幻觉较大的时候，可能会出现AI学过“北京是中国的首都”和“巴黎有埃菲尔铁塔”这两个知识点。当我们问它“北京有什么著名建筑”时，它可能会把这些知识错误地混合在一起，说“北京有埃菲尔铁塔”。

3

过拟合(hé)问(wèn)题(tí)

因(yīn)为(wèi)大(dà)模(mó)型(xíng)的(de)训(xun)练(liàn)参(cān)数(shù)量(liàng)非(fēi)常(cháng)庞(páng)大(dà)，大(dà)模(mó)型(xíng)会(huì)在(zài)训(xun)练(liàn)数(shù)据(jù)上(shàng)产(chǎn)生(shēng)“过(guò)拟(nǐ)合(hé)”的(de)问(wèn)题(tí)。即(jí)因(yīn)为(wèi)记(jì)住(zhù)了(le)太(tài)多(duō)错(cuò)误(wù)或(huò)者(zhě)无(wú)关紧(jǐn)要(yào)的(de)东(dōng)西(xi)，从(cóng)而(ér)让(ràng) AI对(duì)训(xun)练数据中的噪声过于敏感，最终导致幻觉产生。

4

有限的上下文窗口

受限于技术原因，虽然现在大模型的上下文窗口越来越大（比如可(kě)以(yǐ)处(chù)理(lǐ)64k或128k个tokens），但它们仍然是在一个有限的范围内理解文本。这就像是隔着一个小窗口看书，看不到整本书的内容，容易产生理解偏差。

5

生成流畅回答的设计

现在很多大模型被设计成要给出流畅的回答，当它对某个问题不太确定时，与其说“我不知道”，它更倾向于基于已有知识编造看起来合理的答案。上面的种种情况叠加在一起，造成了现在非常严重的AI幻觉问题。

图库版权图片，转载使用可能引发版权纠纷

如何才能降低AI幻觉？

AI看起来很方便，但 AI 一本正经的“胡说(shuō)八(bā)道(dào)”有(yǒu)时(shí)候真的让人非常头疼，给的信息经常需要反复核实，有时反而不如直(zhí)接(jiē)上(shàng)网(wǎng)搜(sōu)索(suǒ)来(lái)得(de)实(shí)在(zài)。那(nà)么(me)，如(rú)何(hé)应(yīng)对(duì)AI幻(huàn)觉(jué)呢(ne)？我(wǒ)们(men)总(zǒng)结(jié)了(le)下(xià)面(miàn)这(zhè)些(xiē)方(fāng)法帮助大家。

1

优化提问

想要获得准确答案，提问方式很关键。与AI交流也需要明确和具体，避免模糊或开放性的问题，提问越具体、清晰，AI的回答越准确。同时，我们在提问的时候要提供足够多的上下文或背景信息，这样也可以减少AI胡乱推测的可能性。总结成提示词技巧就是下面四种问法：

1.设定边界：“请严格限定在2022年《自然》期刊发表的研究范围内”；

示例：“介绍ChatGPT的发展历程”→“请仅基于OpenAI官方2022-2023年的公开文档，介绍ChatGPT的发展历程”

2.标注不确定：“对于模糊信息，需要标注‘此处为推测内容’”；

示例：“分析特斯拉2025年的市场份额”→“分析特斯拉2025年的市场份额，对于非官方数据或预测性内容，请标注[推测内容]”

3.步骤拆解：“第一步列举确定的事实依据，第二步展开详细分析”；

示例：“评估人工智能对就业的影响”→“请分两步评估AI对就业的影响：

1)先列出目前已发生的具体影响案例；

2)基于这些案例进行未来趋势分析”。

4.明确约束：明确告诉AI要基于已有事实回答，不要进行推测。

示例：“预测2024年房地产市(shì)场(chǎng)走(zǒu)势(shì)”→“请(qǐng)仅(jǐn)基(jī)于(yú)2023年(nián)的(de)实(shí)际(jì)房(fáng)地(de)产(chǎn)数(shù)据(jù)和(hé)已(yǐ)出(chū)台(tái)的(de)相(xiāng)关政(zhèng)策(cè)进(jìn)行(xíng)分(fēn)析(xī)，不(bù)要(yào)加(jiā)入(rù)任(rèn)何(hé)推(tuī)测(cè)性(xìng)内(nèi)容(róng)”。

2

分(fēn)批(pī)输(shū)出(chū)

因为AI内容是根据概率来进行生成的，一次性生成的内容越多，出现AI幻觉的概率就越大，我们可以主动限制它的输出数量。比如：如果我要写一篇长文章，就会这么跟AI说：“咱们一段一段来写，先把开头写好。等这部分满意(yì)了(le)，再(zài)继续写下一段。”这样不仅内容更准确，也更容易把控生成内容的质量。

3

交叉验证

想要提高AI回答的可(kě)靠(kào)性(xìng)，还(hái)有(yǒu)一(yī)个(gè)实(shí)用(yòng)的(de)方(fāng)法(fǎ)是(shì)采用(yòng)“多(duō)模(mó)型(xíng)交(jiāo)叉(chā)验证”。使用的一个AI聚合平台：可以让多个AI模型同时回答同一个问题。当遇到需要严谨答案的问题时，就会启动(dòng)这(zhè)个(gè)功(gōng)能(néng)，让(ràng)不(bù)同(tóng)的(de)大(dà)模(mó)型(xíng)一(yī)起(qǐ)参(cān)与(yǔ)讨(tǎo)论(lùn)，通(tōng)过(guò)对(duì)比(bǐ)它(tā)们(men)的(de)答(dá)案来获得更全面的认识。

点击可放大，图片来源：作者提供

再比如纳米AI搜索平台的“多模型协作”功能，它能让不同的AI模型各司其职，形成一个高效的协作团队。让擅长推理的DeepSeekR1负责分析规划，再由通义千问进行纠错补充，最后交给豆包AI来梳理总结。这种“专家组”式的协作模式，不仅能提升内容的可信度，还能带来更加全面和深入的见解。

图源：作者提供

4

RAG技术

AI是一个聪明但健忘的人，为了让他表现更靠谱，我们可以给他配一个超级百科全书，他可以随时查阅里面的内容来(lái)回(huí)答(dá)问题。这本“百科全书”就是RAG的核心，它让AI在回答问题之前，先从可靠的资料中找到相关信息，再根据这些信息生成答案。这样一来，AI就不容易“胡说八道”了。目前RAG技术多用在医疗、法律、金融等专业领域，通过构建知识库来提升回答的准确性。当然实际使用中像医疗、法律、金融这样的高风险领域，AI生成的内容还是必须要经过专业人士的审查的。

5

巧用AI幻觉

最后再说一个AI幻觉的好处。

很多时候AI幻觉也是天马行空的创意火花！就像一个异想天开的艺术家，不受常规思维的束缚，能蹦出令人惊喜的点子。

看看DeepSeek就知道了，它确实比ChatGPT和Claude更容易出现幻觉，但是今年DeepSeek能火得如此出圈也离不开其强大的创造能力。

有时候与其把AI幻觉当成缺陷，不如把它看作创意的源泉！在写作、艺术创作或头脑风暴时，这些“跳跃性思维”反而可能帮我们打开新世界的大门。

图库版权图片，转载使用可能引发版权纠纷

AI幻觉的本质——AI在(zài)知(zhī)识(shi)的(de)迷(mí)雾(wù)中(zhōng)，有(yǒu)时(shí)会创(chuàng)造出看似真实，实则虚(xū)幻的“影(yǐng)子(zi)”。但就像任何工具一样，关键在于如何使用。

当我们学会用正确的方式与AI对话，善用它的创造力，同时保持独立思考，AI就能成为我们得力的助手，而不是一个“能言善辩的谎言家”。

毕竟，在这个AI与人类共同进(jìn)步(bù)的(de)时(shí)代(dài)，重(zhòng)要(yào)的(de)不(bù)是(shì)责(zé)备(bèi)AI的(de)不(bù)完(wán)美(měi)，而(ér)是(shì)学(xué)会(huì)与(yǔ)之(zhī)更(gèng)好(hǎo)地(de)协(xié)作(zuò)。

策(cè)划(huà)制(zhì)作(zuò)

作(zuò)者(zhě)丨(gǔn)田(tián)威(wēi) AI工(gōng)具(jù)研(yán)究(jiū)者(zhě)

审(shěn)核(hé)丨(gǔn)于(yú)旸(yáng) 腾(téng)讯(xùn)玄(xuán)武(wǔ)实(shí)验(yàn)室(shì)负(fù)责(zé)人(rén)