幻觉成了AI的“癌症”，连OpenAI也治不了

学生参加考试，当他不知道题目的答案时，可能会猜测。实际上，AI聊天机器人也一样。AI给出的答案可能看起来正确，实际却是完全错误的，这就是所谓的“幻觉”。

从本质上讲，AI大语言模型生成的回复偏离事实或者不符合逻辑，就会产生幻觉。在训练时模型难免存在数据空白，但它会用看似合理、实则错误的细节填补、掩饰。

AI并非有意欺骗人类，而是人类利用庞大数据进行训练时存在缺陷。AI预测序列的下一个单词或者词汇时，并未真正理解含义，所以导致错误。

虽然近年来AI技术有所进步，但即便是在OpenAI的GPT-5模型中，幻觉依然存在，而且还很严重。

AI幻觉出现与奖励出错有关

为什么会出现幻觉？一些专家认为，主要是训练数据和算法存在局限性。OpenAI开发的AI模型实际上就是模式匹配机器，它擅长模仿，但是当数据不完整或者含糊不清时就容易出错。

OpenAI最近发表论文，认为造成幻觉的原因是训练时方法错误。当模型输出充满自信的结果时会获得“奖励”，哪怕给出的结果是猜测的，也会得到奖励，这就诱导AI输出过度自信但存在错误的信息。

也就是说，在回复时AI喜欢“假装”自己能准确回答问题，不承认自己存在不确定性，这一问题属于隐性结构性缺陷，暂时找不到解决方法。

一些专家断言，当前的训练方法鼓励AI猜测，导致AI过度自信，不承认自己无知，结果导致“幻觉”问题有可能越来越严重。

就连OpenAI也不得不承认，幻觉可能是永远无法解决的问题。所以OpenAI认为，不应该鼓励AI猜测，而应该鼓励AI承认不确定性。

然而，另一个问题随之到来。Claude模型鼓励AI承认不确定性，对于不准确的回复，它总是避免给出定论。但如此一来，必然会导致Claude在回复时拒绝率居高不下，进而导致用户不满，最终影响实用性。

今天的AI实际上有点像“应试者”，面对问题时如果无法给出确定答案，为了提高成绩，AI会通过猜测来应对，因为猜测后成绩更高。我们的世界并非绝对的二元对立，对与错、黑与白，并非如此纯粹简单。生活中到处都是不确定性，真正的准确可能根本就无法实现。

作为人类，当我们走出校园，经历挫折和实践，会逐渐领悟到“表达存在不确定性”的价值，但在语言模型中，表达不确定却会遭到惩罚。

为了解决这一问题，OpenAI建议重新设计评估标准。在评估AI时，如果存在不确定情况，AI弃权，拒绝回应，不应该惩罚它。

OpenAI认为：“我们的评估方法偏爱准确性，这种方法需要更新，评分机制应该努力抑制猜测行为。如果主要的评分系统一直鼓励猜测，那么模型就会不断学习如何猜测。”

幻觉成了AI的“癌症”

“幻觉”问题严重阻碍了AI的普及。如果应用于医疗保健或者金融领域，不可靠的结果可能会造成严重后果。

美国普渡大学研究人员Tianyang Xu认为：“对于大多数幻觉而言，发生概率已经降低到一个用户可以接受的水平。”但在法律、数学等领域，幻觉仍然是一大障碍。

加州大学认知科学与人工智能研究专家Mark Steyvers表示：“OpenAI在做一些小努力，有进步，但离目标还很远，GPT并没有频繁地承认自己不知道。”

Tianyang Xu认为，扩大模型规模可以改善幻觉问题，我们还可以丰富模型的内部关联，提高训练数据质量。当模型训练数据不足或者基础信息存在错误时，幻觉问题尤其严重。此外，当AI面对的论文太长、内容超出理解能力时，无论是总结还是分析，都会产生幻觉现象。

哥本哈根AI公司Silvi的研究人员Mushtaq Bilal指出，完全消除幻觉几乎是不可能的，如果能做到，AI企业早就做了。

Saachi Jain管理一个AI安全团队，他认为，减少错误，让模型承认自己不知道，这是OpenAI关注的重点。针对问题，OpenAI倾向于给出冗长、开放式回答，这样也能减少幻觉现象。

艾伦人工智能研究所AI研究员Akari Asai认为，在一项名为“ScholarQA-CS”的文献综述基准测试中，如果GPT-5允许联网，它的表现很好。如果无法联网，GPT-5就会出现问题，因为大多文献综述系统具备与学术数据库交叉核对的能力，交叉校对至关重要。如果不联网，GPT-5出现错误的概率相当于GPT-4的两倍。

New Scientist在一篇文章中表示，AI出现一定程度的幻觉是难以避免的，人类可以通过检索增强生成技术来缓解，也就是让模型参考外部数据，进行交叉对比。问题在于，随着模型的扩大，“幻觉率”似乎并没有降低，反而提高了。

New Scientist在2025年5月的一篇文章中指出，由于AI复杂度增加，幻觉更严重了。甚至有人大声疾呼：“当AI变得更智能时，幻觉不仅不会减少，反而会增加。”

看来幻觉的确像是AI的癌症，人类努力多年，无法治愈癌症，可能幻觉也超出了人类认知，属于不可解决的范畴。（小刀）