“Anthropic Claude2.1已经把幻觉发生几率降低了50%，但从实现原理上，模型设计就是为了生成，一定会胡说八道。”

“幻觉不是一个孤立问题，它不光跟模型结构有关，还跟数据、训练方式有关。当所有因素综合在一起，才能有效缓解幻觉问题。不过我觉得幻觉很难说根本性解决掉，它毕竟到现在位置属于概率模型。”

“可以通过有效的Prompt来减少幻觉，Prompt来自用户有时会存在误导或恶意，就需要在应用层面提供语意理解和改写。也可以制定相应安全机制，将恶意诱导排除在外。”

“现在市面上有了检索增强RAG，微调Finetune，以及控制输出和输入的工具，都是在减少幻觉。服务商做这件事情，也需要长期的AI工程化经验。”

最近一段时间，钛媒体与大量AI从业者沟通中发现：大模型幻觉，已经成为阻碍企业应用的严重缺陷性问题，这也导致大模型在实际应用中无法用起来。

2022年末，ChatGPT作为一款自动化交互式聊天机器人的出现，给业界启发，由此带动了后来自然语言处理领域的解题思路。

只不过，外界一开始所忽视的是，这款聊天机器人最早被命名为ELIZA，其目的是模拟一位心理诊疗师，通过接受用户的输入（这个过程称为“理解用户意图”），然后巧妙地输出让用户保持参与的回复。

但由于大语言模型（LLM）的训练语料是来自于互联网、书籍、文章等海量数据，虽然机器人展示出了比较高的上下文理解能力，但其局限性从其出生就一直携带：仅限于语料知识，且往往会生成一些与事实不符或毫无根据的结果，甚至编造出一些参考文献，无意中传播出错误信息。其核心就在于，大模型本身是黑匣子，基于统计学逻辑，同时会结合提示工程、学习指令数据，生成尽可能与上下文语法语义一致的结果。

最先进的AI模型也容易说谎

OpenAI的研究人员在近期报告中指出，即使是最先进的AI模型也容易产生谎言，它们在不确定的时刻往往表现出捏造事实的倾向。而这尤其在需要多步骤推理的领域尤为严重，因为一个逻辑错误就足以影响全局。

一个臭名昭著的例子，是谷歌Bard关于韦伯望远镜的说法。

当输入“可以告诉我9岁的孩子，有关韦伯望远镜有哪些新发现吗？”谷歌Bard回答是：“韦伯望远镜拍摄了太阳系外行星的第一张照片。”

其实，该回复其实是错误的。据NASA称，第一张系外行星图像于2004年拍摄，韦伯望远镜直到2021年才发射。

钛媒体摘取了TechTarget上有关幻觉的分类表述，目前来看主要有以下几类：

句子矛盾。

⠀提示：“用四言句式写一段话描述风景。”

输出：“The grass was green.The mountains were blue.The river was purple.The grass was brown.”（草是绿色的。山是蓝色的。河流是紫色的。草是棕色的。）

与提示矛盾。句子与生成该句子的提示词矛盾。

⠀提示：“给我侄女写一张生日贺卡。”

输出：“周年纪念快乐，爸爸妈妈！”

与事实矛盾。将虚构信息呈现为事实。

⠀提示：“说出美国的三个城市。”

输出：“纽约、洛杉矶、多伦多。”

不相关或随机性。生成与输入或输出无关的随机信息。

⠀提示：“请描述下伦敦。”

输出：“伦敦是英国的一座城市。猫每天至少需要喂一次。”

值得一提的是，生成式AI这件事儿的难点，不光在文字生成，同样也存在于一开始的图像生成领域。

对抗AI幻觉，从GAN就已经开始

2017年前后，GenAI使用最多的算法还不是GPT，而是对抗生成网络GAN（Generative Adversarial Networks）。即让两个神经网络相互PK，从给定的训练数据集生成更接近人类真实的图像。当年你看到过的，生成漫画脸/表情、人体姿势生成、风景合成、老照片修复等场景，都应用自GAN的不同变种。

但此算法有个问题，由于是根据给定数据集，生成的内容只会模仿，无限接近于真实，无法真正突破。

GAN的缺点被后来的扩散化模型Diffusion克服。其原理类似于给照片去噪点，通过学习去噪过程来理解一张有意义的图像是如何生成的，因此Diffusion模型生成的图片相比GAN模型精度更高，更符合人类视觉和审美逻辑，同时随着样本数量和深度学习时长的积累，模型展示出对艺术风格较好的模仿能力。

从Disco Diffusion，到2023年大火的Stable Diffusion、DALL-E2、MidJourney等，都是基于Diffusion改造而来，为图生图或文生图应用的典型代表。

最近，OpenAI提出了对抗AI“幻觉”的新策略，即奖励每个正确的推理步骤，而不是简单地奖励正确的最终答案。这种方法被称为“过程监督”，旨在操纵模型提示分解为步骤的方法。

导致AI模型产生幻觉有若干因素，其中包括训练数据有偏见、训练数据量不足、训练数据过度拟合、上下文理解有限、领域知识缺乏等等。

解决大模型的幻觉问题，其实一直是摆在明面的问题。钛媒体梳理了目前正在应用或研发的企业公开的不同解法。

数据增强

从源头上，对训练数据抓起，是多数企业在尝试的事情。原因在于，数据质量包括源数据存在偏见或错误信息，或训练数据量不足，会导致模型对其所访问的数据理解有限而导致幻觉。高质量的训练数据或添加领域知识，可有助于阻止模型生成不准确或误导性的结果。

用户理解增强

同时，对上下文缺乏理解。如果输入提示词不清楚、不一致或有矛盾的描述，也可能会产生脱离上下文或不相关的内容。用户也可以不断完善，通过使用清晰且具体的提示词，以及多shot提示，即提供所需输出格式或上下文示例，进一步引导模型达到预期结果，或者增加过滤和排名策略，调整参数，控制输出结果的随机性。

检索增强

大模型所需要的知识并不能只在用户提示词阶段获取。传统方式上，AI神经网络是通过微调模型来适应特定上下文场景或专有领域信息。尽管基于指令数据的微调技术很有效，但对计算的消耗非常大，且需要匹配实时专业知识，以适应不断变化的输出，这种方式其实灵活性不高。

2020年，Facebook AI部门自然语言处理研究员Lewis等人在论文中提出的检索增强生成（RAG），将生成器与外挂知识库用检索器结合起来，从而更易获取实时信息。这个过程不影响底层模型的推理能力，在训练期间习得的知识以神经网络权重保存，一些非参数知识则保存在向量数据库等外挂知识库中。

用个形象点的比喻，就是让大模型进行开卷考试，可以携带课本、笔记等参考资料，用于查找相关信息答案。开卷考试的理念是，重点测试学生的推理能力，而不是记忆特定信息的能力。而用户查询和检索到的信息也被填充到提示模板中，帮助Prompt提供更强的上下文答案。

大模型的产业实践，机会先行

值得关注的是，目前大模型已经在走入一些传统行业，这其中就包括工业制造领域。且不论制造业数据基础和应用场景的准备不足，由于制造业对于决策的解释和可解释性要求较高，特别是在关键决策和质量控制方面，大模型通常被认为是黑箱模型，难以解释其决策过程和推理逻辑。这可能并不符合制造业的要求。

某电力自动化全球企业最近分享的实践是，将运筹求解+深度学习结合起来进行使用，首先在智能排产环节，不只是在用运筹优化求解器的算法，甚至包括一些启发式的算法。把优化求解类的问题，会通过深度学习求一个初始解，然后再给到求解器做一个精确解。

受制于基础模型，大模型无法自我排查错误，幻觉问题在当前解决还无法根本消除。但产业界的尝试已经在说明，人工智能应用的成长，也需要先找场景，再根据技术的发展修正模型。

（作者 | 杨丽）