众所周知，AI 的能力有多强，那它开始胡扯的时候就有多烦。它既会一本正经的编造着从没见过的事情。也会在最简单的比大小问题上栽跟头。
从两年前惊艳问世的 ChatGPT、到如今默默落地的 DeepSeek V3.1，没有一个大模型，能逃过幻觉这个坎。
为什么大模型离不开幻觉？
这个问题本身，在互联网上也成了未解之谜，不过上周 OpenAI 的一篇论文里，倒是提出来一个蛮有趣的观点。
“造成 AI 幻觉的根本原因，可能是来自于人类训练 AI 的过程”
简而言之，不是 AI 不行，而是我们训练它的方式不对，都怪我们 CPU 它。
为啥要把这锅甩给人类？
要回答这个问题，就得从内外两个层面来理解大模型。
一方面，大模型训练的机制就决定了，它们天生就容易产生幻觉，这就是 AI幻觉的“内忧”
在训练模型的时候，模型要从海量的文本里，学到能够预测出下一个单词的能力。
因此， 只要一句话看起来像是个人话，那么模型就会开始学习它的结构，
但模型有时候只顾着学结构了，这句话的内容到底对不对，它可分辨不了。
而当我们对模型提问的时候，模型也会优先想着，把这句话给回答个完整，但问题是，不是所有的提问，都会有个明确的答案。
举个例子，咱们如果拿出火锅的照片来让大模型判断这是什么动物，那么模型就会开始分析火锅的特征，发现它的毛是金色的，又很长很大只，同时可能又有 92.5%的概率是只狗。
而模型在过去的学习过程中，是能够从不同的图片中，学些到狗子的长相特征的。于是把这些特征给连接起来一判断，就会发现它有很大的概率是一只金毛。
但是如果咱们换个问题，问它火锅是哪年哪月出生的，那大模型就直接懵逼了啊，这个问题，模型肯定没学过，光是看图像，谁也没法知道这只狗的生日是啥时候。
如果此时模型还在硬着头皮回答，随便编了个答案抛出来，那就变成了我们常说的幻觉问题了。
产生幻觉，可以说是大模型的天性，或者换个角度来说，大模型的本质就是词语接龙，只不过答对了的题目会被我们认为是正确，答错了的题目被我们称之为幻觉。
同时另一方面，我们现在训练大模型，给模型打分评估的方式，也是的让模型的幻觉问题变得更加严重的“外患”。
还是刚才那个问生日的问题，咱们把训练的过程简化一下：
假设模型回答对了一个问题，加一分，回答错了问题则不加分。
那么当我们问它火锅的生日的时候，如果模型直接选择摆烂，说不知道，那么它一辈子都只是个零蛋。
但是如果它开始瞎猜，随便说个日期出来，那么可能会有三百六十五分之一的概率给它蒙对了。
一边是绝对失败，一边是几百分之一的概率答对。
只要模型选择了瞎猜，那么它最后的平均得分，就永远都比放弃做答要来的高一些。
所以，为了能让自己在人类定制的排行榜里刷到更高的分，越来越多的大模型也失去了说：“我不知道” 的权利，对于追求分数的模型来说，瞎猜成了唯一的理性选择，而诚实则是一种最愚蠢的策略。
OpenAI 的研究人员还观察了一下目前主流的各类大模型排行榜。
结果发现大家都是通过这种“只分对错”的方式，来测试大模型的能力。
本意是用来衡量模型能力的考题，反而变成了促使大模型幻觉的“外患”。
为了验证这种“应试思维”到底有多大影响，OpenAI 就拿自己旗下的俩模型做了个对比，结果它就发现，在刷题的时候，老模型 o4-mini 的正确率，甚至还要比新模型 GPT-5 要高了 2 个百分点。
不过代价呢，是有四分之三的问题全都答错了，只有 1% 的题目，o4-mini会干净利落的承认大模型是有极限的。
而 GPT-5 在这方面则是善变的多，遇到自己不会的问题，会直接了当的承认自己不知道。
这也是 OpenAI 对 GPT-5 最认可的地方，虽然它刷榜考试，面对应试教育的能力变差了，但是它学会认错了呀。
在论文的最后，OpenAI 还搬出来了几个有趣的观点：
他们认为对大模型来说，幻觉没有办法消除，只能想办法来避免。
因为不管模型大小，搜索信息和推理文本的能力有多高，这个世界上一定是有问题是没有答案的。
而面对这些没有答案的问题，模型要学会从应试教育中跳出来，勇敢的回答说我不知道。
同时比起大模型来说，小模型反而更容易意识到自身的局限性。
因为很多知识小模型可能根本没学过，所以人家反而会干脆利落的承认我不会，但是大模型因为啥都学会了一点，所以面对一些题目的时候可能就会很自信的 A 上去了 。
结果没学透，反而把问题给答错，好事做成了坏事，就变成了幻觉。
最后，作为指导模型的人类，我们也要重新去设计评估模型能力的方式，重新设计训练模型的体系，来降低模型瞎猜的概率。
看起来是挺有道理的，不过 —— 话又要说回来了。
一个没有幻觉的大模型，真的是我们需要的吗？
换个角度来说，如果两年前，大模型对自己不能确定的一切问题，都在会回答：“对不起，我不知道”，那么这种疯狂道歉，用户体验稀烂的 AI，或许根本不会火起来。
实际上，这两年也有越来越多的研究发现，模型的创造力和幻觉，其实是一个相辅相成的两面。
一个不会出现幻觉的模型，或许也会同步失去创造的能力。
就拿刚发布的 GPT-5 来说，虽然 OpenAI 用了上面提到的很多办法，让它出现幻觉的概率降低了。
但是同样的，整个模型也变得失去了人味，没有激情，变蠢了。
对面同样的问题，GPT-5 表示的冷静的多。
原本不少人一天前，还在和 GPT4o 谈着甜甜的恋爱呢，结果一觉醒来，奥特曼把老模型全给砍了。
幻觉概率变少的 GPT-5 变成了一个冷冰冰的理科生，或许它写代码的能力变强了，但是一到了聊聊天，文艺创作这些领域，就变得好像是一个小脑被阉割的呆子。
这你受得了吗，于是愤怒的网友们发起了“拯救 4o” 的网络运动。
闹到最后，山姆奥特曼也是认了怂，给大家重新开放了老模型的权限。
所以，一味的抑制模型的幻觉，真的是件好事么？
到底是允许模型犯错，还是要让它什么都不做，这或许没有一个标准的答案，每个人的选择，都各有不同。
或许有一天，用户真会嫌弃 AI 太“老实”，没有灵气；
但在另一边，还有人则更想要一个可信赖的伙伴。
