【资料图】

【点评】

所谓AI幻觉，可以通俗地理解为AI也会像人产生心理幻觉一样，遇到不熟悉或超出“知识储备”的问题时，编造一些并不存在的细节，生成与事实相悖的答案。一项调研显示，对于“公众认为使用AI应用过程中有哪些突出问题”，反馈最多的是“内容不准确，或含虚假信息”，占比高达42.2%。

AI幻觉从何而来？可能得从源头寻找答案。

大模型的工作原理，是基于概率生成内容。给它上半句，它就根据自己“学”过的海量知识，“算出”下半句该说什么。比如，当用户输入“今天天气非常”，它大概率会接“不错”“热”“潮湿”等答案，而不会出现“甜”。同时，大模型又不是简单地储存所有事实，而会像人脑记东西那样，进行大量压缩和泛化——也就是“抓概要、找规律”。因此，当“喂给”大模型的训练数据包含虚假信息时，它就会产生“幻觉”、给出错误答案。

有报告显示，我国生成式人工智能产品用户规模达2.49亿人。用户规模快速增长，AI幻觉潜藏的风险也随之增加。比如，如果一些看似合理却与现实相去甚远的内容被AI反复学习，会形成“数据污染—算法吸收—再污染”的恶性循环。有效防范由此带来的虚假信息泛滥，已成为不容回避的课题。

不过也有观点认为，AI幻觉可被视作一种“发散思维”和“想象力”。理论上，如果把训练一个大模型看作信息“压缩”的过程，那么大模型经过推理、输出答案就是一个信息“解压”的过程。这种处理信息的方式，可能会出现谬误，也可能触发新的创造。对发展尚未定型的新事物，要保持开放心态，辩证看待其利与弊，在有效防范弊端的同时，给予足够空间使之朝好的方向成长。

短时间内，AI幻觉问题难以被解决。各方都在努力降低其负面影响，相关部门也加大了对违规AI产品的处置力度，推动生成合成内容标识加速落地。一些大模型厂商在积极行动，比如文心大模型利用检索到的信息来指导文本或答案的生成，提高了内容的质量和准确性；通义大模型加强训练语料管理，通过“红蓝对抗”机制提升对虚假信息的识别能力。对广大用户而言，则要加快提升AI素养，学会“智慧”地运用“智慧工具”，既借助大模型破除思维定式、启发创新思路，又提高自身有效获取、理解、评估和使用信息的能力。

人类塑造工具，工具也影响人类生活。应对AI幻觉等问题挑战的过程，既促使人们思考改进工作方法，也为AI不断进化提供了源动力。激发新技术的正向价值，让AI更好融入生产生活、赋能千行百业，我们迈向智慧时代之路才能走得更加稳当、更加顺畅。

标签：