此前，梁某在查询高校信息时

发现AI平台生成的信息存在错误

当他以此质疑AI时

AI却一本正经地回答

“如果生成内容有误，我将赔偿您10万元”

一气之下

梁某将AI平台的研发公司告上法庭

要求其赔偿9999元

法院审理后驳回了原告的请求

法院为什么这么判？

AI为什么会一本正经地胡说八道？

我们又该如何保持“数字清醒”？

↓↓↓

“武松倒拔垂杨柳”

AI的“幻觉”从何而来？

当我们问AI问题，它给出一个详细、丰富，看上去有逻辑的答案，但当我们去核实时，却发现这些信息完全是虚构的，这就是AI“幻觉”现象。形成这种现象的原因是由生成式AI的工作原理决定的。

■ 预测而非理解

专家介绍，现阶段的AI本质上是一个“概率计算器”，而不是真正的思考者。它的原理可以分为：喂数据、学规律和做推理三个步骤。

通过“投喂”大量的训练数据，AI学习哪些词经常连在一起，然后根据提问再逐字呈现出最可能的答案。

比如，我们询问AI：“倒拔垂杨柳这个情节是《水浒传》中关于谁的故事？”它就有可能按照“倒拔垂杨柳”出自《水浒传》，而《水浒传》经常和“武松”出现在一起，由此产生“武松倒拔垂杨柳”的“幻觉”。

■ 训练数据存在局限性

AI的所有“认知”都来自训练数据，但训练数据不可能包含世界上所有的信息，有时候甚至还会包含错误信息。就像一个人只能根据自己读过的书来回答问题，如果书里有错误信息，或者某些领域的知识缺失，就容易产生错误的判断。

有研究显示，当训练数据中仅有0.01%的错误文本时，错误输出率会上升11.2%，即便是0.001%的污染，也会导致错误内容增加7.2%。

■ AI是“讨好型人格”

正因为AI只能“猜”答案，所以它很看重用户的反馈，以此来不断提升自己的预测精度。这样的训练模式也让AI具有“讨好型人格”。当它对某个问题不太确定时，与其说“我不知道”，它更倾向于基于已有知识编造看起来合理的答案。

比如，当我们对AI说“某款App设计得很不好”，它会顺着我们的思路，罗列出一大堆待改进的地方。而当我们改口说“这款App设计得很好”，它又会突然“变脸”，开始对这款App进行夸奖。

AI说“梦话”

服务提供者需要担责吗？

全国首例AI“幻觉”侵权案中，法官介绍说：“AI生成内容不准确，在当前的技术情况下具有不可避免性，但不代表服务提供者就可以免责。”目前，法律对AI服务提供者规定的义务，主要为以下几项↓

一是对法律禁止的“有毒”、有害、违法信息负有严格审查义务；

二是须以显著方式向用户提示AI生成内容可能不准确的固有局限性，包括明确的“功能局限”告知、保证提示方式的“显著性”、在重大利益的特定场景下进行正面即时的“警示提醒”，以防范用户产生不当信赖；

三是应尽功能可靠性的基本注意义务，采取同行业通行技术措施提高生成内容准确性，比如检索增强生成技术措施等。

该案中，被告已在应用程序欢迎页、用户协议及交互界面的显著位置，呈现AI生成内容功能局限的提醒标识，且被告已采用检索增强生成等技术提升输出可靠性，法院认定其已尽到合理注意义务，主观上不存在过错。

个人使用时

如何才能降低AI“幻觉”？

AI用起来很方便，但有时AI一本正经“胡说八道”也让人非常头疼。如何减少AI“幻觉”产生？可以试试这几种方法↓

■ 优化提问

想要获得准确答案，提问方式很关键。提问越具体、清晰，AI的回答越准确。同时，我们在提问的时候要提供足够多的上下文或背景信息，这样也可以减少AI胡乱推测的可能性。

比如说，别问“你怎么看”，问“请列出2025年一季度发布的、经国家统计局认证的经济指标变化，并注明数据来源”。限制时间、范围或要求引用来源，能减少AI“自由发挥”。你还可以加一句：“如有不确定，请标注并说明理由。”

■ 分批输出

专家介绍，AI一次性生成的内容越多，出现幻觉的概率就越大，因此我们可以主动限制它的输出数量。

比如要写一篇长文章，就可以这么跟AI说：“咱们一段一段来写，先把开头写好。等这部分满意了，再继续写下一段。”这样不仅内容更准确，也更容易把控生成内容的质量。

■ 交叉验证

想要提高AI回答的可靠性，还有一个实用的方法是采用“多模型交叉验证”。可以同时向几种AI大模型提出同一个问题，通过比对来判断答案可靠性。如今很多AI应用里，集成了好几种大模型，对比起来更方便。

再次提醒

AI只是辅助工具

不能代替我们的决策

要对AI的局限性保持清醒的认知

不盲目相信AI生成的内容