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~
2 e' @" a! L; p
+ i- s9 O9 g' [; V- H  {
1 X5 h' M7 J: r* ~( |7 q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？

1
AI會產(chǎn)生什么樣的幻覺？

  S1 s% q) j5 U" B, g! j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。
. v6 ~+ D- b1 p( L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
# k# @# ~$ I9 s0 H0 {7 W  `
9 z  {# c& O/ f0 T/ K# 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。”這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(gòu)的內(nèi)容
- O! G+ W+ E+ y0 H. l
5 u4 R* e, r+ T
. R4 Y  S8 M+ V" F% |% T3 @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(gòu)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。
忠誠度幻覺：“指令迷失”
& j% H0 O9 `6 I! [* B2 k0 {5 o/ wA：指令不一致：AI的回答偏離用戶的要求


% s; R) f2 v" m; U7 @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
/ k$ j8 z4 M% z5 v5 ^" C
) s& R; k- V+ c/ p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。”這個回答是正確的，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。”這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。
C. 邏輯不一致：AI的輸出存在內(nèi)在邏輯矛盾
% @' W6 m4 M9 U% w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~
/ Z2 A- B- x9 `- f6 `0 V
2
AI幻覺有哪些特點
) Q4 ?2 T/ H; c, t" s( C+ k

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。
' ^4 J: G6 _+ n' g5 d' u3
& [- P6 o1 k* g( H4 Q' B# p# rAI幻覺的“幕后黑手”
# K% d; f* N( y  T- T" W" n
6 @( C  w3 B7 |1 B3 e9 {0 dAI幻覺主要來自以下方面：數(shù)據(jù)里的“坑”

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~

) x/ ~/ A5 y$ c, |0 }1 T3 j; B
訓練過程的“小插曲”

- i: r" N7 N2 L/ i& t$ c

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。
/ B4 q/ o$ K# y( M
' |# m8 V& I6 |8 J, b& e9 @( b模型本身的“小缺陷”


% Y2 p" }$ ]6 @% d9 g模型結(jié)構(gòu)限制：AI通過統(tǒng)計模式預測，但可能無法真正理解信息�！澳阋詾樗�真的懂你，其實也不過是基于復雜算法的數(shù)學而已~”
4
4 @% g4 z4 F6 X8 v
4 V2 x: s9 _/ E4 s! I% t6 ]' W2 _如何避免AI幻覺？
' Q# b9 v" d& V+ ?/ [
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。
8 c' V% U+ n, `: ]# a& Z  e8 a, `A. 檢索增強生成（RAG）技術
2 A$ M$ P- H7 z7 I3 A
$ [' L7 R, L; Q7 w$ lRAG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：
. E/ A$ Y# ?( O2 P5 D1 P2 U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。
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。
2 z, p$ t) G% V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。

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。

B. 基于反饋和推理的自我改進機制
8 u# k+ h  u& d" g0 d3 b7 G: B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？”
C. 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。


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。
: [  R+ y( Q6 R9 U. A1 s( s  o- I
" h& k* c4 v9 T1 ~* P! l* F# |7 V）
7 l1 }2 B4 J7 E& ^/ C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。

# k% F/ S7 ]1 k4 z/ y( ]A. 創(chuàng)新解碼技術
3 ^5 S  T, }2 l% p: W! J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）。
1 J  `8 X4 E# d! m# d
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。

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”。
6 B8 ^2 _  t( @) x  }$ @4 \

" ]: J$ I  ?9 V: }8 ^+ r( PB. 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。

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。
. m7 t2 q' x' b2 }" F$ P
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。
3 q; F. g: v. {+ ^. P' }

C. 基于忠實度的損失函數(shù)
, q4 N5 g& I2 Z: P4 H6 I& _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”。
: h9 r  u" G3 G0 b# F6 ]9 _: W$ X

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。
  u) c7 U  v9 S  r0 z
0 r2 G* }9 Z& a+ ?1 O7 v
D. 監(jiān)督微調(diào)
. G% I9 I! J  I/ h# Q' s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。
- `9 l! u" k$ ]5 O

/ N( {9 b- [& L  @# `; O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。
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。
$ K2 M- a9 [2 Q3 h. p
( J( B- _1 r/ z; Q& b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。

5 O6 b: i( Q" ~. U& w7 s8 k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�！毕到y(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。


# J( U) y6 W# X/ d) ]2 z0 v0 DB. ReAct（Reasoning and Acting，推理與行動）：
( q% n1 L3 |2 E8 y' V. K. KReAct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。

$ B2 Y: j# n+ P8 V& y$ _2 vReAct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。
* }2 _  J: z, K5 P& c0 p
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。



7 p  k* n# h# Q* PEND
' A' b' s" A9 c$ D0 I& S, ~/ n文檔君的AI幻覺就介紹到這啦！是不是秒懂了“AI幻覺”？
/ P1 w6 d! V& U
! O/ x0 |1 D( D- K' {) P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。
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

~~~

4 Q, b9 v5 y5 R+ B0 Q- T小問答
請問“林黛玉倒拔垂楊柳”屬于AI的哪一種幻覺呢

？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~
  @0 b  E9 ~. Q* v( X0 @
. t2 v& a" O6 N% n7 B" |/ ?
/ n. [' X$ g. U