學生參加考試，當他不知道題目的答案時，可能會猜測。實際上，AI聊天機器人也一樣。AI給出的答案可能看起來正確，實際卻是完全錯誤的，這就是所謂的“幻覺”。

從本質上講，AI大語言模型生成的回復偏離事實或者不符合邏輯，就會產生幻覺。在訓練時模型難免存在數據空白，但它會用看似合理、實則錯誤的細節填補、掩飾。

AI并非有意欺騙人類，而是人類利用龐大數據進行訓練時存在缺陷。AI預測序列的下一個單詞或者詞匯時，并未真正理解含義，所以導致錯誤。

雖然近年來AI技術有所進步，但即便是在OpenAI的GPT-5模型中，幻覺依然存在，而且還很嚴重。

AI幻覺出現與獎勵出錯有關

為什么會出現幻覺？一些專家認為，主要是訓練數據和算法存在局限性。OpenAI開發的AI模型實際上就是模式匹配機器，它擅長模仿，但是當數據不完整或者含糊不清時就容易出錯。

OpenAI最近發表論文，認為造成幻覺的原因是訓練時方法錯誤。當模型輸出充滿自信的結果時會獲得“獎勵”，哪怕給出的結果是猜測的，也會得到獎勵，這就誘導AI輸出過度自信但存在錯誤的信息。

也就是說，在回復時AI喜歡“假裝”自己能準確回答問題，不承認自己存在不確定性，這一問題屬于隱性結構性缺陷，暫時找不到解決方法。

一些專家斷言，當前的訓練方法鼓勵AI猜測，導致AI過度自信，不承認自己無知，結果導致“幻覺”問題有可能越來越嚴重。

就連OpenAI也不得不承認，幻覺可能是永遠無法解決的問題。所以OpenAI認為，不應該鼓勵AI猜測，而應該鼓勵AI承認不確定性。

然而，另一個問題隨之到來。Claude模型鼓勵AI承認不確定性，對于不準確的回復，它總是避免給出定論。但如此一來，必然會導致Claude在回復時拒絕率居高不下，進而導致用戶不滿，最終影響實用性。

今天的AI實際上有點像“應試者”，面對問題時如果無法給出確定答案，為了提高成績，AI會通過猜測來應對，因為猜測后成績更高。我們的世界并非絕對的二元對立，對與錯、黑與白，并非如此純粹簡單。生活中到處都是不確定性，真正的準確可能根本就無法實現。

作為人類，當我們走出校園，經歷挫折和實踐，會逐漸領悟到“表達存在不確定性”的價值，但在語言模型中，表達不確定卻會遭到懲罰。

為了解決這一問題，OpenAI建議重新設計評估標準。在評估AI時，如果存在不確定情況，AI棄權，拒絕回應，不應該懲罰它。

OpenAI認為：“我們的評估方法偏愛準確性，這種方法需要更新，評分機制應該努力抑制猜測行為。如果主要的評分系統一直鼓勵猜測，那么模型就會不斷學習如何猜測。”

幻覺成了AI的“癌癥”

“幻覺”問題嚴重阻礙了AI的普及。如果應用于醫療保健或者金融領域，不可靠的結果可能會造成嚴重后果。

美國普渡大學研究人員Tianyang Xu認為：“對于大多數幻覺而言，發生概率已經降低到一個用戶可以接受的水平。”但在法律、數學等領域，幻覺仍然是一大障礙。

加州大學認知科學與人工智能研究專家Mark Steyvers表示：“OpenAI在做一些小努力，有進步，但離目標還很遠，GPT并沒有頻繁地承認自己不知道。”

Tianyang Xu認為，擴大模型規模可以改善幻覺問題，我們還可以豐富模型的內部關聯，提高訓練數據質量。當模型訓練數據不足或者基礎信息存在錯誤時，幻覺問題尤其嚴重。此外，當AI面對的論文太長、內容超出理解能力時，無論是總結還是分析，都會產生幻覺現象。

哥本哈根AI公司Silvi的研究人員Mushtaq Bilal指出，完全消除幻覺幾乎是不可能的，如果能做到，AI企業早就做了。

Saachi Jain管理一個AI安全團隊，他認為，減少錯誤，讓模型承認自己不知道，這是OpenAI關注的重點。針對問題，OpenAI傾向于給出冗長、開放式回答，這樣也能減少幻覺現象。

艾倫人工智能研究所AI研究員Akari Asai認為，在一項名為“ScholarQA-CS”的文獻綜述基準測試中，如果GPT-5允許聯網，它的表現很好。如果無法聯網，GPT-5就會出現問題，因為大多文獻綜述系統具備與學術數據庫交叉核對的能力，交叉校對至關重要。如果不聯網，GPT-5出現錯誤的概率相當于GPT-4的兩倍。

New Scientist在一篇文章中表示，AI出現一定程度的幻覺是難以避免的，人類可以通過檢索增強生成技術來緩解，也就是讓模型參考外部數據，進行交叉對比。問題在于，隨著模型的擴大，“幻覺率”似乎并沒有降低，反而提高了。

New Scientist在2025年5月的一篇文章中指出，由于AI復雜度增加，幻覺更嚴重了。甚至有人大聲疾呼：“當AI變得更智能時，幻覺不僅不會減少，反而會增加。”

看來幻覺的確像是AI的癌癥，人類努力多年，無法治愈癌癥，可能幻覺也超出了人類認知，屬于不可解決的范疇。（小刀）