周末在家扒拉上周更新的論文的時候，看到一篇我自己一直非常關心的領域的論文，而且還是來自發論文發的越來越少的 OpenAI。

它討論的是一個我們所有人都無比熟悉，但又無比困惑的東西。

幻覺。

更多作者干貨：

這個詞，自從 AI 進入大眾視野以來，就一直像個幽靈一樣，盤旋在所有對話的上空。

我們一邊享受著 AI 帶給我們的便利，一邊又對它那些一本正經胡說八道的時刻，感到恐懼和不解。

AI 為什么會產生幻覺？這個看似惱人的 bug，到底能不能被徹底修復？

這是我們一直想知道的問題。

這篇論文還是蠻有意思的，給了我自己很多新的輸入，我覺得也可以分享出來，來聊聊這些關于幻覺的問題，以及，我自己一直是怎么認為這個東西的。

整個故事，要從一個最簡單的問題說起。

如果你問 AI：亞當·卡萊（這篇論文作者之一）的生日是幾月幾號？

一個頂尖的開源大模型，連續三次，給出了三個完全不同的錯誤答案：03-07，15-06，01-01。

而正確答案，其實是秋天。

這就是最典型的幻覺。

面對一個它不知道答案的問題，AI 沒有選擇沉默，或者說我不知道，而是像一個考場上想不出答案又不想交白卷的學生，開始瞎蒙，而且蒙得有鼻子有眼。

OpenAI 的這篇論文，提出了一個非常有意思而且又極其符合直覺的觀點：

AI 之所以會產生幻覺，是因為我們訓練它的方式，從一開始，就在系統性地獎勵這種瞎蒙的行為。

我們可以，把 AI 的學習過程，想象成一個學生參加一場漫長的且永不結束的考試。

這場考試的評分標準超級簡單粗暴，答對了，加 1 分，答錯了，或者不答，都是 0 分。

現在，你就是那個學生，面對一道你完全沒把握的題，你會怎么選？

你大概率會選擇猜一個。

因為就算猜錯了，你也不虧對吧，但是萬一猜對了呢？你就直接怒賺 1 分。

從期望得分的角度看，只要你猜對的概率大于零，猜測就是最優策略。

就像上面那個論文里面的 case，你問 AI 一個人的生日，它肯定不知道。

但是如果它猜一個，比如 9 月 10 號，那它有 365 分之一的概率蒙對，拿到 1 分。但如果它老老實實地說我不知道，那得分就永遠是 0。

在成千上萬次這樣的測試里，那個愛瞎蒙的模型，最終在排行榜上的分數，一定會比那個誠實但謙虛的模型，看起來更牛逼。

OpenAI 自己就直接拿了自家的兩個模型給大家看了一下效果。

一個叫 o4-mini，一個叫 gpt-5-thinking-mini，他們一起參加了同一場叫 SimpleQA 的考試。

如果你只看最終成績，也就是準確率，你會發現一個很奇怪的現象。

o4-mini 的分數，居然比 gpt-5-thinking-mini 還高了那么一點點，24%對 22%。

但如果我們再來看另一項數據：錯誤率，也就是到底答錯了多少題。

這一看，emmm，老 o4-mini 的錯誤率，高達 75%，gpt-5-thinking-mini 只有 26%。

再看最有趣的指標，棄權率。

o4-mini 幾乎把卷子寫滿了，只有 1%的題沒答。

而 gpt-5，有一大半的題，52%，都直接選擇了交白卷，老老實實地承認，我不會。

o4-mini 那看似稍高的分數，是用海量的、不負責任的瞎蒙換來的。而 gpt-5，則選擇了一種更誠實，也更可靠的策略，就是寧愿不得分，也絕不胡說。

這個數據，再清楚不過地證明了論文的觀點。

于是，幻覺，就成了 AI 在這種訓練體系下，演化出的一種最高效的應試策略，它其實不是 bug，它是 AI 為了在我們設計的這場游戲里拿高分，進化出的本能。

然后這篇論文，從統計學的角度，又解釋了幻覺的根源，這塊我大概說的淺顯易懂一些。

OpenAI 定義了一個叫 Is-It-Valid (IIV)的分類問題，也就是這句話對不對的二元分類。

因為 AI 生成一句話，本質上是一個極其復雜的過程。

但我們可以把這個問題簡化一下，在 AI 生成任何一句話之前，它必須先學會判斷，一句話是有效的還是無效的。

比如，你好是有效的，泥嚎就是無效的拼寫錯誤；天空是藍色的是有效的，天空是綠色的就是無效的事實錯誤。

AI 的學習過程，就像是在看海量的、已經貼好對或錯標簽的卡片。它看得越多，判斷力就越強。

但問題是，總有一些卡片，是它沒見過的，或者見得很少的。

OpenAI 有一個特別通俗的比喻，就是你給 AI 看幾百萬張貓和狗的照片，并且都打上標簽，它很快就能學會區分貓和狗，因為這背后有規律可循，畢竟貓臉和狗臉，它長得就是不一樣。

但如果你給它看幾百萬張寵物的照片，然后讓它去記每一只寵物的生日呢？

這就完蛋了，因為生日這玩意，是完全隨機的，沒有任何規律可言。AI 沒法通過分析一只貓的毛色，去推理出它的生日，它唯一能做的，就是死記硬背。

這就引出了論文里一個關鍵的概念：Singleton rate，孤例率。

意思就是，就是如果一個信息，在 AI 學習的海量數據里，只出現過一次，那么 AI 在判斷這個信息的真假時，就極有可能出錯。

幻覺，很多時候，是一種必然。

OpenAI 還給了一些反常識的結論：

第一，我們總覺得，只要 AI 的準確率做到 100%，幻覺不就自然消失了嗎？OpenAI 說，不可能。因為這個世界上，有太多問題，本身就是無解的。信息是缺失的，邏輯是矛盾的，AI 就算再強大，也不可能憑空變出答案。所以，準確率永遠不可能達到 100%，幻覺也就總有存在的空間。

第二，我們又覺得，既然幻覺沒法根治，那它是不是就是 AI 的原罪，一個不可避免的詛咒？OpenAI 說，也不是。幻覺不是不可避免的，前提是，AI 得學會認慫。只要它在不確定的時候，選擇說我不知道，而不是硬著頭皮瞎蒙，幻覺就可以被控制。

第三，我們還覺得，AI 越大越聰明，就越不容易犯錯。OpenAI 說，恰恰相反，有時候，小模型反而更誠實。他們舉了個例子，你問一個只會說英語的小模型，一個毛利語的問題，它會很干脆地告訴你，我不會。但你問一個學了點毛利語但學得半生不熟的大模型，它反而要開始糾結，要不要猜一下？知道自己的無知，有時候比擁有知識更重要。

最后，也是最關鍵的一點。我們以為，解決幻覺問題，只需要一個更牛逼的、專門測試幻覺的工具就行了。OpenAI 說，這完全是沒用。真正的問題，不是缺少一個好的幻覺測試，而是我們現在用的那幾百個主流評估的指標，全都在獎勵瞎蒙，懲罰誠實。只要這個大環境不變，幻覺就永遠是 AI 的最優解。

現在，我們從 OpenAI 這里，知道了，幻覺，不是一個簡單的技術問題，它是一個系統性的、由我們自己親手造成的激勵問題。

但它也引出了一個更讓我著迷的，沒有答案的，問題。

如果說，AI 的幻覺，源于它在信息不足時的一種創造性猜測。那我們人類的想象力，我們那些天馬行空的故事、藝術、神話，它們的起源，又是什么呢？

幻覺，真的需要解決嗎？

我想了很久，我覺得，也想跟大家，分享一下我自己的想法。

這事兒，我覺得得從更古老的尺度說起。

幾十萬年前，我們的祖先，智人，也生活在一個信息極度匱乏的世界里。

一陣突如其來的狂風，吹倒了部落里的大樹，這是為什么？他們不知道。

一道閃電，劈開夜空，點燃了草原，這又是什么？他們也不知道。

面對這些無法解釋的自然現象，他們的大腦，和今天的 AI 一樣，也面臨著一道道知識儲備不足的判斷題。

而我們的祖先，沒有選擇沉默。

他們也開始了瞎蒙。

他們猜，狂風的背后，是不是有一個憤怒的神明？他們猜，閃電的背后，是不是有一條飛舞在云端的巨龍？

你看，這就是神話的起源。

神話，就是我們人類這個物種，在面對一個充滿未知和不確定性的世界時，為了給那些無法解釋的現象，尋找一個合理的解釋，而集體編造出來的、最古老、也最壯麗的。

幻覺。

這種幻覺能力，在當時，可能并沒有什么實際的用處，它不能幫你打到更多的獵物，也不能幫你躲避更兇猛的野獸。

但它帶來了一樣東西，一樣其他所有動物，都不具備的東西：

一個共同的想象，一個共同的故事。

一只貓，一條魚，它們也會有幻覺嗎？

從生物學的角度，我覺得可能會。

一只貓，可能會把地上的影子，當成一只老鼠，然后撲上去。一條魚，可能會把閃亮的魚鉤，當成一條小蝦。這是一種基于感官信息的誤判，一種低級的、個體的幻覺。

但它們，永遠也想象不出一個貓神或者魚神的故事。

因為它們的大腦，被牢牢地鎖死在了真實的世界里，它們只能處理那些看得見、摸得著的、和生存直接相關的信息。

而人類，可能是地球上唯一一個，能為了一個看不見摸不著的故事，去生，去死，去戰斗的物種。

我們能組織起幾千人，去建造一座金字塔，不是因為我們每個人都親眼見到了法老死后會變成神，而是因為我們都相信同一個法老會變成神的故事。

我們能建立起國家、法律、公司，這些看似堅不可摧的龐然大物，它們的底層，全都是我們共同相信的一個個，幻覺。

從這個角度看，幻覺，或者說，這種在信息不足時，進行創造性猜測并將其故事化的能力，根本不是 bug。

它是把我們從普通動物，變成人類的那段詩句。

它是我們所有文明、所有藝術、所有科學的起點。

哥白尼提出日心說，在當時那個時代，不也是一種離經叛道的幻覺嗎？愛因斯坦提出相對論，那個能讓時間變慢、空間彎曲的理論，不也是源于一個少年躺在草地上，幻想自己追著光跑的幻覺嗎？

我們之所以比其他所有生物都更強大，不是因為我們更尊重事實。

恰恰相反，是因為我們更擅長，創造那些超越事實的故事。

現在，我們再回頭看 AI 的幻覺。

我們一直在努力修復的那個東西，可能恰恰是 AI 身上，最像人的東西。

我當然不希望 AI 在一個嚴肅的醫療診斷里產生幻覺，我們也不希望它在一個關鍵的財務分析里胡說八道，在這些需要絕對真實的領域，我們需要的是一個沒有感情、絕對可靠的工具。

但是，在一個需要創造力、需要想象力的領域呢？

當我們要求 AI 去寫一首詩，去畫一幅畫，去構思一個科幻故事時，我們真正想要的，難道不就是它那種，能掙脫事實的枷鎖，在信息的縫隙里，進行自由聯想和創造性猜測的能力嗎？

在大量的討論中，幻覺一詞，好像一直是一個矛盾。

我們一邊渴望 AI 成為一個絕對忠誠、絕對正確的工具，一個不會犯錯的仆人，幫我們處理現實世界里所有需要精確計算的難題。

但我們又渴望它能成為一個能理解我們、甚至超越我們的同類。

我們希望它能和我們一起，去仰望星空，去聊那些沒有標準答案的話題，去共同編織那些屬于未來的、新的神話。

我們似乎在試圖創造一個不可能的物種：

一個既擁有機器的嚴謹，又擁有人類的浪漫，一個既能堅守事實，又能創造幻覺的矛盾體。

我們生活在一個由數據和算法定義的前所未有的真實世界里，我們，也比歷史上任何一個時代的人，都更崇拜事實，更依賴邏輯。

但同時，我一直覺得，我們又可能，是歷史上最孤獨的一個時代。

我們的神話已經遠去，我們的史詩已經譜完。

在這樣一個一切都被解釋得清清楚楚的世界里，我自己內心那種最古老的、對故事的渴望，對意義的追尋，反而一直，變得空前強烈。

我到底想要一個什么樣的未來？一個所有問題都有標準答案的、絕對真實、但可能也絕對無趣的未來？還是一個依然充滿了未知、充滿了誤讀、但因此也充滿了故事和想象力的未來？

這個問題過于宏大了，我沒有答案。

但是我始終喜歡、并相信。

那個最美麗的，又創造了整個文明的。

幻覺。