AI说错话,凭什么叫「幻觉」?一场正在改写行业话语权的命名之战

一个词，藏着一场骗局

先说一个真实案例。

2023年，美国一名律师用ChatGPT准备法庭材料，AI信心满满地引用了六个判例。律师照单全收，提交法院。结果法官一查：六个案例，全部不存在。

律师被罚款，颜面尽失。

AI公司怎么解释？「这是幻觉（hallucination）。」

这个词用得太妙了。幻觉——像梦境，像艺术，像某种神秘的感知偏差。听起来，AI只是偶尔「看见了不存在的东西」，带点科幻味，带点无奈，却不带任何责任。

但现在，有人要把这块遮羞布扯掉了。

▲ Groq创始人Jonathan Ross，2026年4月17日，1.4万人围观

Ross的炸弹：「两年后没人再说幻觉」

Jonathan Ross不是普通人。他是Google TPU的创造者，Nvidia首席软件架构师，Groq创始人——AI硬件圈里真正懂底层的人。

4月17日，他发了这条推文：

“In two years, nobody serious will call AI errors hallucinations.

Error is the better word. An error is a human thing, and humans have been building guardrails around errors for centuries – editors, checklists, code reviews.

Errors we know how to handle.”

「两年后，严肃的人都不会再把AI的错误叫幻觉。错误才是更好的词。错误是人类的东西，人类几百年来一直在为错误建立护栏——编辑、清单、代码审查。错误，我们知道怎么处理。」

14112人看到了这条推文，248人点赞，50条回复。

但真正值得抓的，不是「两年后」这个预测，而是后两句话。

Ross在做一个工程类比：人类社会已经为「错误」发展出一整套防护机制。AI也应该被放进这个治理框架里。

叫「幻觉」，就是在说：这东西神秘，难免，你只能接受。

叫「错误」，就是在问：错误率是多少？在哪个环节产生？怎么加校验？谁来负责？

一字之差，天壤之别。

不只是Ross一个人在说

这场讨论，早就在多个方向同时发酵。

Wharton商学院教授Ethan Mollick，在Ross发推前几天，发了一条被近3万人看到的推文：

“Hallucinations remain in LLMs, but note that over centuries we have developed complicated, successful machines that take uncertain output from unreliable sources & reduce the risk of errors.

We call those machines organizational structures & we can apply similar approaches to AI.”

「幻觉在大模型里依然存在，但几百年来，人类已经发展出复杂而成功的机器，用来把不可靠来源的不确定输出降风险。那种机器，就叫组织结构。同样的方法，可以用在AI上。」

▲ Wharton教授Mollick：464赞，3万人围观

Mollick没有否认幻觉还在，但他把重点放到了组织、流程、校验、分工上。和Ross的「编辑、清单、code review」，是同一路数。

更早的声音来自学术界。东北大学AI研究院的Usama Fayyad，早在2023年就说得更直接：

“Generally speaking, we don’t like the term because these models make errors — and we can explain why they make errors.”

“When you say hallucinations, you’re attributing too much to the model… intent; consciousness; understanding.”

「我们不喜欢这个词，因为这些模型是在犯错——而且我们可以解释它们为什么犯错。说’幻觉’，是在给模型赋予太多东西：意图、意识、理解力。」

联合国大学（UNU）也发文批评：

“To build and integrate artificial intelligence into our society responsibly, we must speak about it with precision.”

「要负责任地把AI融入社会，我们必须精确地谈论它。」

就连Google Cloud，在自己的官方解释页面上，也已经把AI hallucinations定义为「incorrect or misleading results that AI models generate」——不正确或误导性的结果。

哪怕平台没有弃用这个词，落地定义里，它已经被「错误化」了。

反对者说：不是一回事

当然，Ross的回复区里也有人不买账。

Justin Hudson（@RISignal）的反驳逻辑清晰：

“An error and a hallucination are not the same thing. They come from different reasoning paths… A hallucination is not just a mistake, it is unconstrained inference that can produce a coherent but unfounded answer with no built in self correction.”

「错误和幻觉不是一回事，它们来自不同的推理路径……幻觉不只是一个失误，它是无约束的推断，能产出连贯但毫无根据的答案，而且没有内置的自我纠错机制。」

▲ Justin Hudson：我更关心的是机制，不是词

另一位用户grant说得更简洁：

“yeah but hallucinations are a specific kind of error… grabbing the wrong information is an error, making something up entirely is a hallucination. the distinction is valuable.”

「幻觉是一种特定类型的错误……抓错信息是error，完全凭空编造是hallucination。这个区分是有价值的。」

这两条反驳，代表了「机制保留派」的核心立场：他们不反对把AI输出当工程问题治理，但反对把所有错误压扁成同一种error——因为LLM的错误往往是流畅、完整、强自信、却没有事实锚点的那种。

这是很强的论点。

真正的分歧：治理语言 vs 机制语言

把这场争论拆开来看，其实双方说的不是同一件事。

Ross派强调的是治理可落地：

• 叫error，就能问错误率
• 叫error，就能建评估集
• 叫error，就能加护栏、做人工复核、追责任边界

Hudson/grant这派强调的是机制不要被抹平：

• LLM的错不是普通软件报错
• 它是「高流畅度、高置信度、低事实锚定」的特殊失败模式
• 这个特征值得保留一个专属标签

两边都有道理。但有一个数据，让这场争论的天平开始倾斜。

2026年初，OpenAI自己的研究论文，从数学上证明了：对于自回归语言模型，幻觉/错误是不可消除的固有属性。o1的错误率16%，o3是33%，o4-mini高达48%。

这不是偶发的神秘现象。这是可度量的系统性错误。

这个词，帮了谁的忙

现在可以说一件更不舒服的事了。

「幻觉」这个词，客观上对AI公司非常有利。

它把产品缺陷包装成了一种带点诗意的特质。它让用户觉得「AI就是会偶尔抽风，这很正常」。它让监管者很难追问：你的错误率是多少？你的护栏在哪里？你的责任边界在哪里？

一旦改叫「错误」，游戏规则就变了。

教育、医疗、金融、法律——这些场景对「错误」语言极度敏感。一旦承认这是error，就意味着要有error budget、review流程、责任边界和补救机制。

这正是Ross们想要的。也正是某些人不想要的。

结语：词语是战场

语言不是中立的。

「幻觉」让AI显得神秘而难以驯服。「错误」让AI变成一个需要被治理的工程系统。

这场命名之争的本质，是AI行业从「新奇玩具」进入「生产工具」阶段的必然阵痛。越进入真实业务，越不接受神秘说法，越要追责和控风险。

Ross说，两年后严肃的人都不会再说「幻觉」了。

也许不需要两年。

当一个词开始帮人逃避责任，它的寿命，就已经进入倒计时了。

— END —