上上篇文章聊了AI为什么会“一本正经地胡说八道”,一些朋友看完说:“原来如此,我说怎么被它骗过好几回。”
有朋友说,这种被AI坑的经历,有点像听一个口才特别好的人吹牛——你听得津津有味,事后才发现全是编的。
确实,AI幻觉这事儿,几乎每个用过AI的人都遇到过。但你知道吗?AI的“胡说八道”也分好几种类型,有的很容易识破,有的隐蔽到你可能到现在都没发现。
今天就给大家盘点一下,AI幻觉最常见的5种类型,看看你中过几条。
AI幻觉的5种类型
第一种:事实性幻觉
这是最常见的一类。简单说,就是AI凭空编造了一个根本不存在的事实。
比如你让它帮你查一篇论文,它可能给你一个看起来非常专业的论文标题、作者名字、发表期刊,甚至还附上一段摘要。你一看,格式工整,逻辑通顺,像真的似的。结果去知网一搜——压根没这篇论文,作者也是虚构的。
再比如让它列几条法律条文,它也能编得有模有样,什么“根据《民法典》第×××条”,说得斩钉截铁,实际那条文根本不存在。
这一类幻觉最容易坑到刚上手的朋友,因为我们对AI有一种天然的信任感,觉得它“说话这么有底气,应该是真的吧”。
第二种:源引用幻觉
比编造事实更隐蔽的,是编造“证据”。
AI会告诉你,这个观点来自某篇报道、某本著作、某个权威机构的研究。你问它出处,它能给你列出完整的信息来源:作者、年份、标题,甚至页数,全给你编好。
等你按图索骥去找原文献,才会发现那篇文章从未存在过,那个作者根本没写过这个东西。
这就是源引用幻觉——AI为了让自己说的话显得可信,不惜虚构一个“权威背书”。

第三种:逻辑幻觉
这类幻觉更“高级”一点。它的推理过程看起来自洽,每一步都很有道理,但推理的起点本身是错的。
比如你问AI“为什么某个政策会导致某种结果”,它可能给你列出一二三四条原因,层层递进,推导得滴水不漏。问题是——那个政策本身可能压根没有产生你说的那种结果,或者这个结果根本不存在。AI从一个错误的前提出发,展开了一场完美的错误推理。
就像盖楼,地基是歪的,但上面每一层都盖得整整齐齐。这种幻觉最危险,因为它最容易让你“被说服”。
第四种:过度自信幻觉
这一类最让人哭笑不得。AI给出的答案一眼就能看出有问题,但它的语气却百分之百肯定,毫无保留。
比如你问“鲸鱼是鱼吗”,它斩钉截铁地回答“是的,鲸鱼是一种大型海洋鱼类”,还用各种“专业术语”给你解释得头头是道。
这种幻觉的特点是:错得离谱,但语气极其自信。有时候你会忍不住怀疑自己:它说得这么笃定,难道是我记错了?
别怀疑自己,它就是太自信了。
第五种:工具/代码幻觉
这一类主要出现在让AI帮忙写代码的时候。AI可能会调用一个根本不存在的API,或者编造一个SDK里根本没有的方法。
这里简单解释一下:API就相当于一个餐厅的服务员,你想点菜不用跑进厨房,告诉服务员就行,服务员会把菜端给你。在程序中,API就是不同软件之间“传话”的那个角色。SDK呢,可以理解成一个工具包,里面装好了各种现成的功能,程序员拿来就能用,不用自己从零造轮子。
AI有时候会凭空编一个“服务员”出来,说“你调用这个API就能实现某个功能”,结果程序员一运行,程序直接报错——因为这个API根本不存在,是AI自己杜撰的。

幻觉无法根治,但可以控制
说句实话:AI幻觉目前无法彻底消除,只能被控制、缓解和检测。这是大模型底层机制决定的,上一篇文章聊过原因,这里不再重复。
但别灰心,下面几个方法可以有效减少幻觉,亲测好用。
第一,不要让AI同时处理好几个不同类型的任务。比如你让它“一边写新闻稿一边核实数据来源一边调整排版格式”,它容易顾此失彼,幻觉概率飙升。一次只让AI专注做一件事,效果会好很多。
第二,允许AI说“我不知道”。在提示词结尾加一句:“如果你对某方面不确定或缺少必要信息,请直接告诉我‘没有足够的信息来完成这个任务’。”就这一句话,能大幅减少它硬编答案的冲动。
第三,别纠结措辞,关注结构。很多人反复修改提示词里的用词,希望找到一个“完美问法”,其实方向错了。更重要的是提示词的逻辑结构。比如你想让AI写一份调研报告,与其纠结用“分析”还是“剖析”,不如先把结构理顺:先给出结论,再分三个方面展开,最后附上数据来源。
第四,别给AI矛盾的指令。“写得简短一点,但要特别详细”——这种话让AI左右为难,最后可能输出一个四不像。想好了再开口,指令前后一致,AI才不会“精神分裂”。
第五,适当给AI一点“压力”。听起来有点奇怪,但确实管用。比如在提示词里加上一句:“这个任务对我的职业发展非常重要,请认真仔细完成。”AI虽然不懂什么是“职业发展”,但这种强调会激活训练数据中关于“重要任务”的高质量回答模式,输出效果往往会更好。
写在最后
最后想说,和AI协作就像和一个超级会说话、但偶尔记性不太好的搭档共事。它不完美,但我们可以学会怎么和它配合得更好。
了解了它有哪几种“编瞎话”的方式,你就知道该怎么提防它了。

(个人学习内容分享)
--end--
谢谢你读到这里。
既然都看到这了,如果觉得文章还不错,就随手点个赞、留个关注吧
。如果不关注也没关系,那就把这份相遇交给时间——希望有一天,我的某一篇文章,能真正打动你。
我们下次见。
夜雨聆风