ChatGPT為什么會“胡說八道”？

電子設計聯(lián)盟

AI幻覺，簡單來說，是指人工智能系統(tǒng)（自然語言處理模型）生成的內(nèi)容與真實數(shù)據(jù)不符，或偏離用戶指令的現(xiàn)象，就像人類說“夢話”一樣~


那么AI幻覺有哪些？是什么原因產(chǎn)生的？我們該如何避免AI幻覺呢？

' [5 P0 S% Q; |0 z- ~1
AI會產(chǎn)生什么樣的幻覺？

  ?8 i# \& w7 m6 L0 S" s可能有的小伙伴說：“我知道了！AI‘胡說八道’就是AI幻覺唄？”其實也沒這么簡單，AI幻覺主要有兩類。
事實幻覺：“假新聞制造機”
A：事實不一致：AI生成的內(nèi)容與現(xiàn)實世界事實相矛盾
2 x; n$ c# v0 M1 v! R
9 L2 K) W7 F/ V當被問及“世界上最高的山峰是哪座？”，如果AI回答“深圳塘朗山是世界上最高的山峰�！边@就是一個事實不一致的例子，因為塘朗山坐落于廣東省深圳市，海拔430米遠低于珠穆朗瑪峰8848.86米，這個回答與現(xiàn)實世界的事實相矛盾。
B：事實捏造：AI生成完全虛構的內(nèi)容
4 }$ a$ H2 `( ^( t3 B/ S

) k8 u# H  f7 x$ w如果AI描述說“2024年，考古學家在埃及金字塔內(nèi)發(fā)現(xiàn)了一座隱藏的密室，里面藏有古代法老的寶藏和未知的高科技裝置�！边@就是完全虛構的信息，截至目前沒有考古發(fā)現(xiàn)或科學證據(jù)表明埃及金字塔內(nèi)存在未被發(fā)現(xiàn)的密室，更不用說藏有古代法老的寶藏或未知的高科技裝置了。
  j# |+ h  l# w4 e5 }忠誠度幻覺：“指令迷失”
A：指令不一致：AI的回答偏離用戶的要求

; e/ [* I  f- I
# w" o  U3 h; h3 @8 i如果用戶要求AI“講解一下龍飛鳳舞”，但AI回答了“老鐵，我給你搜了幾段舞蹈教學” ，這就完全偏離了原始的問題。
B：上下文不一致：AI生成的內(nèi)容與提供的背景信息不符
* w  E# C* E7 Y( m8 |
假設在一個討論中國傳統(tǒng)節(jié)日的上下文中，用戶問：“春節(jié)是什么時候？”AI回答：“春節(jié)是中國農(nóng)歷新年，通常在每年的1月或2月慶祝�！边@個回答是正確的，符合春節(jié)的基本情況。
然而，如果AI接著說：“春節(jié)是紀念屈原的節(jié)日，人們會吃粽子和賽龍舟�！边@就是上下文不一致的例子，因為AI的回答與春節(jié)的背景信息不符。
$ W% d1 O' u  Z0 \0 u% U. K, KC. 邏輯不一致：AI的輸出存在內(nèi)在邏輯矛盾
開頭的9.11大于9.9就是一個典型的數(shù)值計算邏輯混亂的例子……，AI把自己繞蒙了~

2
: c  B9 b' |: F: k4 oAI幻覺有哪些特點

* Z: j, g# Q* I$ x

內(nèi)容流暢性：盡管內(nèi)容可能有誤，AI生成的文本通常仍然連貫流暢。

表面合理性 ：生成的內(nèi)容表面上看起來可信，給人以“這看起來很對”的第一印象，非專業(yè)人士難以辨別。

上下文相關 ：AI的幻覺內(nèi)容并非憑空出現(xiàn)，它們通常與特定的上下文情境緊密相關。

不可預測性 ：很難預測AI何時會產(chǎn)生幻覺，可能幻覺也很難復現(xiàn)，就像人很難在今天做一個與昨天相同的夢。
: l: E1 M  v2 l& Q+ R$ H: _3
AI幻覺的“幕后黑手”

5 w3 ?0 J7 S" c8 DAI幻覺主要來自以下方面：數(shù)據(jù)里的“坑”
/ [( l# P* u6 q8 c: y' q; |/ e

訓練數(shù)據(jù)局限：AI訓練數(shù)據(jù)可能包含錯誤、偏見或過時信息。就像教小朋友學習，課本是錯的，考試自然無法答對。

缺乏實時更新：AI通�；�于靜態(tài)數(shù)據(jù)訓練，無法及時獲取最新信息�？荚囈�根據(jù)最新的資料復習，拿一本82年的教材是考不了24年的高考的~


訓練過程的“小插曲”
' N& a/ C: ?' {* X
3 Y6 H" a! @1 g* [! \5 d

過度泛化 ：模型可能過于依賴某些模式，導致在新情況下推導錯誤。就像我們學習時候只記住了公式，卻不會靈活變通。

上下文理解不足：AI可能無法完全把握復雜的上下文關系。在處理多個復雜信息點，或者在推理時容易出錯。就像我們的大腦有時也會短路一樣。
- K9 j8 B. e, y. P' B
2 v% n9 ?4 T. l6 w0 |6 {# q4 p模型本身的“小缺陷”

, |( _7 ?# H4 `+ `
模型結構限制：AI通過統(tǒng)計模式預測，但可能無法真正理解信息。“你以為他真的懂你，其實也不過是基于復雜算法的數(shù)學而已~”
0 L9 p. E2 ^& J! g4

3 A7 m$ Z* y% j/ m0 @. @如何避免AI幻覺？

避免AI幻覺有以下幾個“絕招”，各位少俠看“自身功力”，酌情修煉~一. 提示工程有策略提示工程通過優(yōu)化AI的輸入提示，使生成的內(nèi)容更準確。
A. 檢索增強生成（RAG）技術
4 \' t8 S1 t4 W; C( u8 k
RAG技術通過引入外部知識來幫助AI生成更準確的內(nèi)容。主要方法包括：
2 p: E7 d) v$ H; B生成前檢索：在內(nèi)容生成前，系統(tǒng)會預檢索相關背景信息，為生成過程打下堅實的基礎。
5 e  s2 y5 O; _! n7 C生成過程中檢索：在生成過程中，系統(tǒng)實時檢索并整合外部知識，確保內(nèi)容的時效性和深度。
* }, A" x0 u2 R9 {  C生成后檢索 ：生成后，系統(tǒng)再次檢索，與現(xiàn)有證據(jù)進行對比，驗證生成內(nèi)容的準確性。
2 U2 H; H, j: W- I
1 T* d4 S- y2 P% m, K1 a) Y! K例如，當AI被問到“2024年登月的宇航員有哪些？“時，RAG系統(tǒng)會先檢索最新的新聞信息，然后基于檢索到的準確信息生成回答。
" A5 i: t5 j9 j, u, Z
1 O# w* v7 ^% x* ^B. 基于反饋和推理的自我改進機制
這種方法賦予AI自我反思的能力，使其能夠不斷優(yōu)化生成的內(nèi)容。


AI在生成答案后，會進行自我審視，提出疑問：“這個答案是否全面？是否有關鍵信息被忽略？”
$ N. y0 A* g& W2 fC. 提示詞的精細化調(diào)優(yōu)
通過精心設計的提示詞，引導AI生成更可靠、更精確的內(nèi)容。


" k. p; `1 @: s! E" b例如，在地圖導航的AI應用中，使用“請根據(jù)最新的交通管制政策、路況信息、天氣情況，提供明天上午九點到深圳灣公園的路線推薦，分別提供駕車與公共交通的路線信息，用時推薦等”具體提示，代替籠統(tǒng)的“如何去深圳灣公園”。
這種方法不僅提升了信息的全面性，也增強了AI回答的針對性。（這不僅是我們最容易實現(xiàn)的策略，也是最直觀有效的方法，能夠顯著改善內(nèi)容生成的質(zhì)量和深度。
4 J4 l; k. b2 r4 Q/ M
）
/ N& R$ Y) x/ j9 r. _3 n/ P二. 模型開發(fā)不能停AI模型與訓練過程的不斷進化是減少幻覺產(chǎn)生的關鍵。

- \0 R: T, T! L* I7 C) TA. 創(chuàng)新解碼技術
6 ~7 M9 v  ^9 q+ z3 B  @* O采用新的解碼策略，以便更精準地處理語言上下文，例如上下文感知解碼（CAD）。

9 U5 k  I4 r6 _) q' r5 z2 u9 h這種方法通過在解碼過程中引入上下文信息，鼓勵模型更多地關注所提供的上下文，而不是僅僅依賴于模型在預訓練階段學到的知識。
2 U/ q; y& x- O$ g% X
' ~* x1 v) E. |4 ^" i例子：在翻譯一部科幻小說時，傳統(tǒng)模型可能會直譯“Beam me up”為“把我光束上去”，而應用CAD的模型會理解這是一句要求傳送的指令，正確翻譯為“把我傳送上去”。

% V, I1 ]7 u0 W5 [
6 j) k4 r3 R/ n$ NB. 知識圖譜的應用
通過知識圖譜，我們能夠豐富AI的知識庫，讓生成的內(nèi)容更加準確和有深度。

3 O9 v2 X8 @; L/ R. g  I想象一下，知識圖譜就像一個巨大的、互聯(lián)的“社交網(wǎng)絡”，但它不是連接人，而是連接各種信息和概念。每個“用戶”在這個網(wǎng)絡中都是一個實體，比如人、地點、事物或者概念。

它們通過各種“關系”相互連接，就像社交軟件上的好友關系一樣。知識圖譜通過這種方式組織信息，就像一個超級學霸幫助AI快速找到信息，并且理解不同信息之間的聯(lián)系。

舉個例子，如果你在知識圖譜中查找“蘋果”，它不僅會告訴你蘋果是一種水果，還可能告訴你蘋果公司是一家科技公司，甚至還會告訴你牛頓被蘋果啟發(fā)發(fā)現(xiàn)了萬有引力。

5 t# p- @. o; @8 O9 ^
1 N: t4 e0 c) R) L2 X$ I9 LC. 基于忠實度的損失函數(shù)
引入新的損失函數(shù)，對偏離原始數(shù)據(jù)的生成內(nèi)容進行懲罰，以減少不準確的信息，從而把AI從幻覺中“掐醒”。

2 a8 P4 Q# C" o0 r/ s
! R  }$ y- X. ~7 |/ L1 K舉個例子，AI在生成文章摘要時，如果回答中添加了原文中未提及的內(nèi)容，損失函數(shù)會提高懲罰，確保模型學習到生成與原文相符的內(nèi)容。
3 W3 C" @7 k" y+ f" ^
' P% }# V7 u* {
D. 監(jiān)督微調(diào)
$ X9 V9 c+ A7 E: U1 G1 y) D( W0 L通過特定領域的數(shù)據(jù)進行微調(diào)，提升模型在特定任務上的準確性。

6 o3 F2 K; z9 y- E0 P' P
舉個例子，一個通用的語言模型可能對通信術語理解有限。通過使用大量通信行業(yè)資料進行訓練微調(diào)，可以顯著提高模型在通信領域的準確性。
  {( k0 @( B- V1 Q! C" X- p  x- Q比如，它可以更準確地區(qū)分相似通信術語的區(qū)別，如EBGP和IBGP。

9 M! j+ V$ G3 y' L3 s三. AI Agent為模型加BuffAI Agent有特定的能力可以提高模型的可靠性，通過這種方式，AI Agent能夠更好地理解和處理復雜的任務，減少在生成文本時出現(xiàn)的錯誤或不準確的信息。
A. PAL（Program-Aided Language Models，程序輔助語言模型）：PAL技術通過將程序化邏輯嵌入到語言模型中，使得AI能夠執(zhí)行特定的程序或算法來完成任務。
PAL技術像是一個“自動化工具”，它通過內(nèi)置的程序邏輯來指導AI系統(tǒng)如何完成任務。這種技術的優(yōu)勢在于能夠處理那些規(guī)則明確、步驟固定的任務。

. T5 g; X# }6 R5 J$ o5 ^+ Q( B; P5 X舉個例子，如果你告訴基于PAL技術的AI系統(tǒng)：“我需要在每天下午3點提醒我喝水。”系統(tǒng)會設置一個自動化的日程提醒，每天按時提醒你，而不需要進一步的交互。

3 A7 k; T& L% |8 U% y3 s
4 `% l# N7 }* N& KB. ReAct（Reasoning and Acting，推理與行動）：
ReAct技術強調(diào)AI對上下文的理解，以及基于這種理解進行的推理和決策。
! D& g8 g: i. ?& G
: D1 I6 w: }( G- JReAct技術更像是一個“智能助手”，它不僅理解用戶的請求，還能夠根據(jù)請求的內(nèi)容進行推理，并采取相應的行動。這種技術的優(yōu)勢在于能夠處理那些需要靈活推理和決策的任務。

; Q( c: j5 A2 x* L6 t# g舉個例子，如果你告訴基于ReAct算法的AI系統(tǒng)：“我明天有個會議，需要準備一份報告。”ReAct系統(tǒng)會理解你的請求，然后推理出你需要的信息類型，可能會詢問你報告的具體內(nèi)容和格式，然后根據(jù)這些信息來幫助你準備報告。


" y$ U$ W* o* M$ L3 u: I# M
- q% O9 s" J! s0 d3 Q" EEND
文檔君的AI幻覺就介紹到這啦！是不是秒懂了“AI幻覺”？
) L2 c! M+ @' u1 P0 h' x
所以下次當你的AI應用開始“夢話連篇”，不要“嘲笑”它，也不要急于按下“重啟”鍵。
7 m- E( ~2 d: {( @; L- w) ^: r其實，AI也是在學習中成長的“小朋友”，它們在努力成長，可能偶爾也會開個小差，做個“白日夢”。只要我們用正確的方法引導它，多用一點耐心教導它，它就能從“夢游”中醒來，為我們提供準確、可靠的服務
$ |7 v$ v4 e- W! }. F
~~~

5 D. ]$ H" \8 G小問答
請問“林黛玉倒拔垂楊柳”屬于AI的哪一種幻覺呢
1 k* s+ H: z2 G7 R4 m
5 [1 ?9 i; t. h8 a5 ^- E% C？還有沒有什么典型的AI幻覺的例子？評論區(qū)跟大家分享一下吧~

) l4 p1 t8 h4 k( _/ ^8 o2 u4 G