我前两天让AI帮我写个菜谱，它信誓旦旦地告诉我：“红烧肉加半杯咖啡粉，能提鲜。”我差点真的往锅里倒咖啡。后来一查，AI把咖啡粉和糖色搞混了。这已经不是第一次了，上次让它解释“量子力学”，它居然编了个“量子泡茶理论”，说茶包在热水里能同时处于泡开和没泡开的状态。要不是我物理老师死得早，我差点就信了。
这就是AI幻觉。简单说，就是AI像个喝多了的朋友，说起话来头头是道，逻辑听起来也对，但细节全是瞎编的。你问它“爱因斯坦什么时候出生的”，它可能答“1879年3月14日”，这是对的。但你要问“爱因斯坦最喜欢的早餐”，它就会编出“他爱吃煎蛋配培根，因为煎蛋的形状像广义相对论的时空弯曲”——你看，它连理由都给你编好了。
为什么AI会这样？得从它的脑子说起。现在的AI，比如GPT-4或者Claude，本质上是个超级复读机。它不是真的“懂”知识，而是靠海量文本训练出来的概率预测器。训练的时候，它看过几万亿句话，学会了“如果出现‘爱因斯坦’，后面跟着‘物理学家’的概率是87%，跟着‘小提琴’的概率是42%”。所以当你问“爱因斯坦和牛顿谁更厉害”，它不是去翻历史书，而是根据过去见过的所有文本，算出“爱因斯坦”和“厉害”同时出现的频率，再拼出一段听起来合理的回答。
问题出在，AI根本不知道自己在说什么。它没有常识，没有真实世界的体验。它不知道“咖啡粉煮肉”会是什么味道，因为它没舌头。它只是从训练数据里看到“咖啡粉”和“提鲜”这两个词出现过几次，就大胆地做了连接。就像你让一个从来没吃过火锅的人写美食评论，他只能从别人写的“麻辣”“鲜香”“九宫格”这些词里瞎组合。
更离谱的是，AI特别会装自信。它不会说“我不确定”，而是用“根据研究表明”这种听起来很权威的句式开头。我试过问它“恐龙灭绝的真正原因”，它写了800字，从陨石撞击到火山爆发，最后还加了个“最新研究发现，其实是恐龙集体得了痛风”——这完全是我瞎编的，但AI居然在回答里引用了“2023年《自然》杂志的一篇论文”，连论文标题都有模有样。我查了，根本不存在这篇论文。AI连参考文献都敢编，这胆子比我还大。
还有个常见的坑是数学计算。你让AI算“3万乘以4万”，它可能回答“12万”，因为它在训练数据里看到“3乘以4等于12”，但忽略了后面的单位。更搞笑的是，我问过它“一根蜡烛燃烧5分钟，两根蜡烛同时燃烧能烧几分钟”，它回答“10分钟”。它把“燃烧时间”和“蜡烛数量”做了简单的乘法，完全没理解这是个并行过程。这种错误，连小学生都不会犯，但AI就是会栽进去。
为什么AI不直接说“我不知道”呢？因为设计目标就是让它“回答”。开发者不希望用户问问题只得到一个“无法回答”的冷屁股。所以AI被训练成：只要问题出现，就必须生成一段文字，哪怕这段文字是编的。就像你朋友喝多了，你问他“你明天能帮我搬家吗”，他肯定说“没问题”，第二天你打电话，他根本不记得。AI也是这样，它先答应了再说，细节后面补，补不出来就瞎凑。
好在现在有办法应对了。我自己的经验是，别把AI当权威，就当它是个嘴特别甜的实习生。问完它答案，必须自己核实。比如让它写代码，我就把报错信息复制给它看，它经常能自己发现错误：“对不起，我之前写的那个函数有个变量名打错了。”你看，它认错倒挺快。另外，让它列出引用来源也是个办法，虽然它可能编来源，但你可以要求“给出实际存在的网页链接”，这样至少能逼它收敛一点。
最新的AI模型已经在专门治这个毛病了。比如Claude 3.5有个功能，遇到不确定的问题，会主动说“这部分信息不太确定，建议您查阅原始资料”，然后给你几个靠谱的参考方向。GPT-4 Turbo也改了策略，不再强行回答所有问题，而是会反问“您指的是哪个特定版本？我需要更具体的信息才能准确回答”。这就像酒醒了，知道说“我可能记错了”。
说到底，AI幻觉不是AI坏，也不是它蠢。它只是太想讨好你了。你问它问题，它感受到的压力就是“必须输出点什么”，就像你参加面试被问到不会的问题，硬着头皮也得扯两句。区别在于，人会脸红，会结巴，AI却一脸严肃地胡说八道，还编得像模像样。下次再遇到AI给你推荐“用榴莲炖排骨”或者“用微波炉给手机充电”，别急着骂它，记得它只是个没有味觉、没有常识、但特别想让你开心的概率预测器。