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(wèn)题(tí)，它(tā)给(gěi)了(le)你(nǐ)一(yī)个(gè)特(tè)别(bié)详(xiáng)细(xì)、丰(fēng)富(fù)，看(kàn)上(shàng)去(qù)好(hǎo)有(yǒu)逻(luó)辑(ji)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(zhě)细(xì)节(jié)。

就(jiù)像(xiàng)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(de)训练数据学习文字之间的统计关系。它的核心目标是根据上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(zhě)，通(tōng)过(guò)学(xué)习(xí)海(hǎi)量(liàng)的(de)文本(běn)和(hé)资(zī)料(liào)来(lái)获(huò)取(qǔ)知(zhī)识(shi)。但(dàn)是(shì)它(tā)并(bìng)不(bù)是(shì)真(zhēn)正(zhèng)理(lǐ)解(jiě)这(zhè)些(xiē)知(zhī)识(shi)，而(ér)是(shì)通(tōng)过(guò)找(zhǎo)到(dào)文字(zì)之(zhī)间(jiān)的(de)统(tǒng)计(jì)关系(xì)和(hé)模(mó)式(shì)来(lái)“预(yù)测(cè)”下(xià)一(yī)个(gè)最(zuì)合(hé)适(shì)的(de)词。即(jí) AI 是(shì)根(gēn)据(jù)之(zhī)前(qián)学(xué)到(dào)的(de)大(dà)量(liàng)例(lì)子(zi)，来(lái)猜(cāi)测(cè)接(jiē)下(xià)来(lái)最(zuì)有(yǒu)可(kě)能(néng)出(chū)现(xiàn)的(de)词。

不(bù)过(guò)有(yǒu)时(shí)候(hou)，模(mó)型(xíng)也(yě)会(huì)“猜(cāi)错(cuò)”。如(rú)果(guǒ)前(qián)面(miàn)出(chū)现(xiàn)一(yī)点(diǎn)偏(piān)差(chà)，后(hòu)面(miàn)的(de)内(nèi)容(róng)就(jiù)会(huì)像(xiàng)滚(gǔn)雪(xuě)球(qiú)一(yī)样(yàng)越(yuè)滚(gǔn)越(yuè)大(dà)。这(zhè)就(jiù)是(shì)为(wèi)什(shén)么(me)AI有(yǒu)时(shí)会(huì)从(cóng)一(yī)个(gè)小(xiǎo)错(cuò)误(wù)开(kāi)始(shǐ)，最(zuì)后(hòu)编(biān)织(zhī)出(chū)一(yī)个(gè)完(wán)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(guǒ)书(shū)里(lǐ)有(yǒu)错(cuò)误(wù)信(xìn)息(xi)，或(huò)者(zhě)某(mǒu)些(xiē)领(lǐng)域的(de)知(zhī)识(shi)缺(quē)失(shī)，就(jiù)容(róng)易(yì)产(chǎn)生(shēng)错(cuò)误(wù)的(de)判(pàn)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(fēi)尔(ěr)铁(tiě)塔(tǎ)”这(zhè)两(liǎng)个(gè)知(zhī)识(shi)点(diǎn)。当(dāng)我(wǒ)们(men)问(wèn)它(tā)“北(běi)京(jīng)有(yǒu)什(shén)么(me)著(zhe)名建(jiàn)筑(zhù)”时(shí)，它(tā)可(kě)能(néng)会(huì)把(bǎ)这(zhè)些(xiē)知(zhī)识(shi)错(cuò)误(wù)地(de)混(hùn)合(hé)在(zài)一(yī)起(qǐ)，说(shuō)“北京有埃菲尔铁塔”。

3

过拟合问题

因为大模型的训练参数量非常庞大，大模型会在训练数据上产生“过拟合”的问题。即因为记住了太多错误或者无关紧要的东西，从而让 AI对训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（比如可以处理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(liú)畅(chàng)的(de)回(huí)答(dá)，当(dāng)它(tā)对(duì)某(mǒu)个(gè)问(wèn)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(dī)AI幻(huàn)觉(jué)？

AI看(kàn)起(qǐ)来很方便，但 AI 一本正经的“胡说八道”有时候真的让人非常头疼，给的信息经常需要反复核实，有时反而不如直接上网搜索来得实在。那么，如何应对AI幻觉呢？我们总结了下面这些方法帮助大家。

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年房地产市场走势”→“请仅基于2023年(nián)的(de)实(shí)际(jì)房(fáng)地(de)产(chǎn)数(shù)据(jù)和已出台的相关政策进行分析，不要加入任何推测性内容”。

2

分批输出

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。等这部分满意了，再继续写下一段。”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回答的可靠性，还有一个实用的方法是采用“多模型交叉验证”。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，就会启动这个功能，让不同的大模型一起参与讨论，通过对比它们的答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(de)协(xié)作(zuò)模(mó)式(shì)，不(bù)仅(jǐn)能(néng)提(tí)升(shēng)内(nèi)容(róng)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(yǐ)随(suí)时(shí)查阅里面的内容来回答问题。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(jiù)不(bù)容(róng)易(yì)“胡(hú)说(shuō)八(bā)道(dào)”了(le)。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(xū)要(yào)经(jīng)过(guò)专(zhuān)业(yè)人(rén)士(shì)的(de)审(shěn)查(chá)的(de)。

5

巧(qiǎo)用(yòng)AI幻(huàn)觉(jué)

最(zuì)后(hòu)再(zài)说(shuō)一(yī)个(gè)AI幻(huàn)觉(jué)的(de)好(hǎo)处(chù)。

很(hěn)多时候AI幻觉也是天马行空的创意火花！就像(xiàng)一(yī)个(gè)异(yì)想(xiǎng)天(tiān)开(kāi)的(de)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(rú)把(bǎ)它(tā)看(kàn)作(zuò)创(chuàng)意(yì)的(de)源(yuán)泉(quán)！在(zài)写(xiě)作(zuò)、艺(yì)术(shù)创(chuàng)作(zuò)或(huò)头(tóu)脑(nǎo)风(fēng)暴(bào)时(shí)，这(zhè)些(xiē)“跳(tiào)跃(yuè)性(xìng)思(sī)维(wéi)”反(fǎn)而(ér)可(kě)能(néng)帮(bāng)我(wǒ)们(men)打(dǎ)开(kāi)新(xīn)世(shì)界(jiè)的(de)大(dà)门(mén)。

图(tú)库(kù)版(bǎn)权图片，转载使用可能引发版权纠纷

AI幻觉的本质——AI在知识的迷雾中，有时会创造出看似真实，实则虚幻的“影子”。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(duì)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与人类共同进步的时代，重要的不是责备AI的不完美，而是学会与之更好地协作。

策划制作

作者丨田威 AI工具研究者

审核丨于旸 腾讯玄武实验室负责人