圖片來源：英國《自然》網(wǎng)站

人工智能（AI）技術(shù)正以前所未有的速度發(fā)展，生成式AI憑借其驚人的創(chuàng)造力，不斷刷新人們的認知。然而，即便是看似“聰明絕頂”的AI，也難逃“幻覺”的困擾。這里的“幻覺”，指的是AI生成看似合理但實際不準確或虛假的信息。

英國《自然》雜志網(wǎng)站在1月22日的報道中指出，AI“幻覺”可能會引發(fā)嚴重后果，科學(xué)家正各出奇招，力求降低其發(fā)生率。這些措施包括增加事實核查、對AI進行“腦部掃描”等，以促進AI的健康、高效發(fā)展。

主因是數(shù)據(jù)模糊

各種生成式AI，包括由大語言模型驅(qū)動的聊天機器人，常常會編造信息。它們有時會模糊事實與虛構(gòu)，在看似真實的陳述中夾雜錯誤信息。這既是其創(chuàng)造力的體現(xiàn)，也是其不足之處。

美國佐治亞理工學(xué)院理論計算機科學(xué)家桑托什·威姆帕拉解釋稱，大語言模型的設(shè)計原理并非輸出準確事實，而是通過模式識別生成答案。其內(nèi)部復(fù)雜的運行機制迄今仍像一個“黑匣子”，人們難以洞悉其推理過程。

美國加州Vectara公司旨在減少生成式AI的“幻覺”。其聯(lián)合創(chuàng)始人阿姆爾·阿瓦達拉表示，在訓(xùn)練過程中，這些模型會壓縮數(shù)萬億個單詞間的關(guān)系，隨后通過一個龐大的網(wǎng)絡(luò)模型重新展開這些信息。盡管這些模型能夠重構(gòu)出接近98%的訓(xùn)練內(nèi)容，但剩下2%的內(nèi)容卻會讓其“誤入歧途”，生成不準確或虛假信息。

導(dǎo)致AI出現(xiàn)“幻覺”的原因多種多樣，其中訓(xùn)練數(shù)據(jù)中的模糊性和錯誤是常見因素。也有人認為，即使訓(xùn)練數(shù)據(jù)準確無誤，AI也有可能產(chǎn)生“幻覺”。這種現(xiàn)象與某一事實的稀缺程度密切相關(guān)。因此，即使經(jīng)過人類反饋調(diào)整過的聊天機器人，也無法完全避免出錯。

多領(lǐng)域面臨考驗

AI的“幻覺”可能會給人們的工作和生活帶來較大影響。

在新聞領(lǐng)域，大語言模型可能生成虛假新聞事件，擾亂信息傳播秩序，誤導(dǎo)公眾認知。Vectara公司針對文檔內(nèi)容開展的研究表明，一些聊天機器人編造事實、虛構(gòu)信息的幾率高達30%。世界經(jīng)濟論壇發(fā)布的《2025年全球風險報告》顯示，錯誤和虛假信息是2025年全球面臨的五大風險之一。

在法律領(lǐng)域，它可能引用虛構(gòu)的法律條文和案例。比如，2023年美國律師史蒂文·施瓦茨就因“輕信”ChatGPT，在法庭文件中引用了并不存在的法律案例。而在醫(yī)學(xué)領(lǐng)域，它可能提供錯誤的診斷和治療建議，危及患者生命。

《自然》在報道中指出，AI“幻覺”在科學(xué)參考文獻方面出現(xiàn)錯誤的情況也極為普遍。2024年的一項研究發(fā)現(xiàn)，各類聊天機器人在提及參考文獻時的出錯率在30%至90%之間。它們至少會在論文標題、第一作者或發(fā)表年份上出現(xiàn)偏差。雖然聊天機器人都帶有警告標簽，提醒用戶對重要信息進行二次核實。但如果用戶對聊天機器人的回復(fù)深信不疑，可能會引發(fā)一系列問題。

多舉措減少“幻覺”

為進一步提升AI的精確度，科學(xué)家正想方設(shè)法降低其“幻覺”。

例如，增加模型訓(xùn)練參數(shù)和訓(xùn)練時長可有效減少“幻覺”。但這種方法需要付出高昂的計算成本，并可能削弱聊天機器人的其他能力，如機器學(xué)習算法對未知數(shù)據(jù)的預(yù)測和處理能力。

此外，使用更大、更干凈的數(shù)據(jù)集進行訓(xùn)練，也是降低AI模型“幻覺”出現(xiàn)的有效途徑。然而，當前可用數(shù)據(jù)的有限性限制了這一方法的應(yīng)用。

檢索增強生成（RAG）技術(shù)也為減少AI“幻覺”提供了新思路。該方法通過讓聊天機器人在回復(fù)問題前參考給定的可信文本，從而確保回復(fù)內(nèi)容的真實性，以此減少“幻覺”的產(chǎn)生。在醫(yī)療和法律等需要嚴格遵循經(jīng)過驗證的知識的領(lǐng)域，RAG技術(shù)備受青睞。

不過，美國斯坦福大學(xué)計算機科學(xué)家米拉柯·蘇茲根表示，盡管RAG能提升內(nèi)容真實性，但其能力有限。蘇茲根團隊的研究表明，一些為法律研究開發(fā)的、號稱“無幻覺”的RAG增強模型雖有所改進，但仍存在不足。

開發(fā)者也可以使用一個與AI訓(xùn)練方式不同的獨立系統(tǒng)，通過網(wǎng)絡(luò)搜索對聊天機器人的回復(fù)進行事實核查，谷歌的“雙子星”系統(tǒng)便是一個典型例子。該系統(tǒng)提供了“雙重核查響應(yīng)”功能：內(nèi)容如果突出顯示為綠色，表示其已通過網(wǎng)絡(luò)搜索驗證；內(nèi)容如果突出顯示為棕色，則表示其為有爭議或不確定的內(nèi)容。但是，這種方法計算成本高昂且耗時，而且系統(tǒng)仍會產(chǎn)生“幻覺”，因為互聯(lián)網(wǎng)上錯誤信息泛濫。

在去年6月出版的《自然》雜志上，英國牛津大學(xué)科學(xué)家刊發(fā)論文稱，他們利用“語義熵”，通過概率來判斷大語言模型是否出現(xiàn)了“幻覺”。語義熵是信息熵的一種，被用于量化物理系統(tǒng)中所包含的信息量。通過評估AI模型在特定提示詞下生成內(nèi)容的不確定性，來計算模型的困惑程度，從而為用戶或模型提供警示，提醒其采取必要的循證措施，確保更準確的答案輸出。

美國卡內(nèi)基梅隆AI研究人員安迪·鄒采用的方法是在大語言模型回答問題時，繪制其內(nèi)部計算節(jié)點的激活模式。他形象地稱之為“給AI做腦部掃描”。利用不同的計算節(jié)點活動模式，可以告訴我們AI模型是在“說真話”，還是在“胡說八道”。（記者 劉 霞）

分享讓更多人看到