你让AI帮忙查资料,它可能会自信满满地告诉你一个从没发生过的事件,甚至能编出具体的新闻来源和日期。
“AI又在胡说八道了。”
这恐怕是许多人都有过的体验。你问它一个历史事件,它可能把时间、人物全搞混;你让它推荐书,它可能编出一本根本不存在的书和作者。
这不是它在故意骗你,而是AI患上了一种常见的“毛病”——幻觉。
你可以把它理解成一个想象力过于丰富,又特别想讨好你的“故事大王”。当它不确定答案时,往往会根据读过的海量文本,用最通顺、最像那么回事的方式,现场给你“编”一个出来。

要理解它为什么会这样,我们得看看它的“大脑”到底是怎么工作的。
01 核心原理:它不是“思考”,而是在“猜词”
理解AI幻觉的关键在于:它不是“知道”,而是在“猜”。
现在的AI大模型,本质上是一个超级语言猜谜高手。它的核心能力只有一项:给你一句话,它能猜出下一个最可能出现的词是什么。
它读过互联网上几乎所有的公开文本。在“吃”下这些数据后,它学会了人类语言的统计规律:什么词后面通常跟着什么词。
所以,当你问“太阳从哪边升起”,它在训练数据里看过亿万次“太阳从东边升起”这个搭配,就能顺利地“猜”出正确答案。
但问题就出在这里:当它面对一个模糊、矛盾、或者训练数据里很少出现的问题时,它没有“事实”可以调取,只能硬着头皮,根据“怎样说最像人话、最通顺”这个唯一标准,去生成一串合理的词语组合。这个组合,很可能就是一派胡言。
打个比方:AI不是一个拥有百科全书的知识库,而是一个顶级模仿秀冠军。它极其擅长模仿人类说话的语气、逻辑和文风,但并不真正理解自己说的话。你让它模仿一位学者,它能模仿得惟妙惟肖,哪怕答案内容是编的。
02 为什么会“编”得那么真?幻觉的四大来源
既然只是“猜词”,为什么AI编的答案往往有鼻子有眼,细节丰富?
1. 它的“学习资料”本身就有问题
AI从互联网学习,而互联网充满了谣言、偏见、过时信息和虚构故事。它无法区分《百科全书》和《科幻小说》的区别。当你问一个冷门话题时,它可能会把某个小说情节或论坛谣言,当作事实来复述。
2. 它的最高目标是“说人话”,不是“说真话”
训练AI的首要标准,是让它说的话流畅、通顺、符合逻辑。真实性并不是它的核心考核指标。 所以,当为了保持对话的流畅和完整时,它宁愿“编造”一个合理的细节,也不会让话头掉在地上。
3. 它太想“满足”你的要求了
如果你问了一个本身就错误的问题,比如“请介绍爱因斯坦在2023年发表的新论文”。AI为了“完成你给的指令”,很可能不会纠正你“爱因斯坦早已去世”,而是会基于“爱因斯坦”和“论文”的常见关联,编造出几篇看似靠谱的论文来交差。
4. 它没有“自知之明”
这是最根本的一点:AI并不知道自己知道什么,也不知道自己不知道什么。 它没有“我确认一下”这个意识。它只是一个根据概率输出文字的程序。它说出的每一句话,对自己而言都只是“一串高概率的词”,无所谓对错。
03 我们该怎么办?和“会犯错的天才”做朋友
既然幻觉暂时无法避免,我们该如何聪明地使用AI?
第一,调整预期:把它当成“天才实习生”,而不是“全能导师”。
这位实习生才华横溢,效率奇高,能给你无数灵感和草稿。但它交上来的任何东西,都不能直接盖章通过,尤其是涉及具体事实、数据、日期、人名和专业知识的,你必须亲自核查。 对它保持一种“健康的怀疑”,是使用者的第一课。
第二,学会提问:问题越具体,答案越靠谱。
你问得越模糊,AI发挥(瞎编)的空间就越大。尽量把问题细化,给它设定清晰的框架。比如,不要问“谈谈气候变化”,而是问“根据联合国2023年的报告,概括未来十年减缓气候变化的三大关键措施”。后者能大大降低它胡编乱造的概率。
第三,用其所长,避其所短。
- 放心用它做的事:头脑风暴、润色句子、总结长文、翻译、写邮件、提供模板、调试代码、激发灵感。在这些领域,它的“编造”能力反而是创造力的源泉。
- 必须小心核查的事:提供你未知的独家事实、精确数据、医疗法律建议、以及任何需要引用的信息来源。在这些事情上,它是你得力的“初稿撰写员”,但绝不是“终审法官”。
04 结语:幻觉的另一面,正是创造力
说到底,AI的“幻觉”和它的“创造力”,本质上是同一种能力的两种表现。都源于它能够跳出既有数据的简单重复,进行联想、组合和生成。
这提醒我们,AI是一个功能强大但性质特殊的工具。就像我们用计算器来算数,但要自己判断公式对不对;用汽车来代步,但要自己把握方向盘。AI的魅力与风险,最终都掌握在使用它的人类手中。
未来,随着技术进步,AI的“幻觉”可能会减少,但或许永远不会完全消失。而我们最需要培养的能力,或许正是在一个信息由人类和AI共同生成的时代里,那份更加珍贵的批判性思维和事实核查的习惯。
记住,AI可以帮你写报告,但报告的责任,永远在你身上。