當(dāng)前，我國AI大模型的應(yīng)用呈現(xiàn)迅猛增長態(tài)勢。QuestMobile發(fā)布的最新數(shù)據(jù)顯示，DeepSeek上線次月（2025年2月），活躍用戶規(guī)模就突破了1.8億。但在AI應(yīng)用大眾化的同時，也有不少網(wǎng)友驚呼：與AI的蜜月期還沒有結(jié)束，就發(fā)現(xiàn)它在騙我！

　　有人用AI查資料，發(fā)現(xiàn)AI會編造假論文，期刊名稱、論文標題、作者、網(wǎng)址等信息一應(yīng)俱全，可全是編的；曾有一條“80后死亡率突破5.2%”的假新聞廣為流傳，據(jù)辟謠者分析，最初的信源可能來自AI對話……

　　這其實不是新問題，而是在大模型誕生之初就存在的老毛病——AI幻覺。甚至有專家認為，AI幻覺是大模型的“基因病”。因為AI大模型訓(xùn)練依賴海量數(shù)據(jù)，但數(shù)據(jù)的真實性卻無人擔(dān)保。AI大模型訓(xùn)練過程中，是將海量數(shù)據(jù)高度壓縮抽象，輸入的是內(nèi)容之間關(guān)系的數(shù)學(xué)表征，而不是內(nèi)容本身。AI與人類對話時，模型基于統(tǒng)計概率生成文本，追求流暢性而非真實性，很容易編出看似流暢但完全不符合事實的內(nèi)容。

　　既然AI幻覺是“基因病”，那這病能治嗎？要怎么治？

　　首先，AI幻覺也帶來了AI的“超能力”，沒必要根除。

　　AI幻覺也有好的一面。AI自主生成內(nèi)容是大語言模型的突出特點，是最具想象力的技術(shù)突破。作為大模型與生俱來的特點，AI幻覺決定了大模型的創(chuàng)造力，對實現(xiàn)通用人工智能（AGI）非常重要，并可在科研、文藝等領(lǐng)域發(fā)揮作用。

　　比如，游戲開發(fā)、動漫設(shè)計、小說創(chuàng)作等領(lǐng)域歡迎奇思妙想，AI幻覺可以突破思維定式，為創(chuàng)作提供靈感。再如，科學(xué)研究中往往也需要非常規(guī)思路來破局闖關(guān)，AI不走尋常路的創(chuàng)造力，可以推動科研工作出現(xiàn)“AI幻覺—實驗驗證—理論重構(gòu)”的新范式。

　　其次，AI幻覺雖不可根除，但可以控制。

　　對于AI幻覺，我們不能放任自流。一方面，AI幻覺產(chǎn)生大量虛假信息，這些虛假信息被新一代AI系統(tǒng)學(xué)習(xí)，就會形成“數(shù)據(jù)污染—算法吸收—再污染”的惡性循環(huán)。另一方面，在企業(yè)生產(chǎn)、醫(yī)療、法律等容錯率很低的領(lǐng)域，AI幻覺可是“要命”的大毛病。因此，我們要從技術(shù)研發(fā)和管理機制上雙管齊下，防范AI幻覺信息的泛濫。

　　技術(shù)層面，檢索增強生成（RAG）技術(shù)、多模型交叉驗證、動態(tài)知識更新機制等，都已被證明是減少AI幻覺的有效手段。未來，還需要繼續(xù)提升訓(xùn)練數(shù)據(jù)質(zhì)量與清洗標準，嚴格檢測數(shù)據(jù)的來源和真實性，減少噪聲干擾；引入強化學(xué)習(xí)與人類反饋機制，提升AI邏輯推理能力；增強AI大模型檢測能力，用AI監(jiān)管AI。

　　用戶層面，對AI輸出的答案不要直接采信，可以用多個AI模型分別生成答案再交叉驗證、對照取優(yōu)，對關(guān)鍵任務(wù)輸出更有必要采取人工交叉驗證，結(jié)合文獻數(shù)據(jù)庫、行業(yè)知識圖譜等專業(yè)工具作出判斷。

　　監(jiān)管層面，“標注AI生成內(nèi)容”已成為我國監(jiān)管部門推動的方向，這體現(xiàn)了對生成式人工智能的透明度要求，將提高AI生成內(nèi)容的可追溯性和可解釋性。未來，我們還應(yīng)加快人工智能法立法進程，建立全周期全鏈條監(jiān)管體系。

　　實現(xiàn)“不被AI忽悠”目標，既需要算法工程師構(gòu)建底層安全防線，也需要全社會共同建設(shè)可信AI生態(tài)。期待中國AI產(chǎn)業(yè)解決好這道AI幻覺控制難題，在創(chuàng)造力與真實性之間取得平衡。（本文來源：經(jīng)濟日報 作者：佘惠敏）