AI 幻覺有哪些主要類型？

AI 幻覺的主要類型

AI 幻覺指的是人工智慧模型在回答問題時，產生看似合理但實際上錯誤或虛構的答案。這種現象在生成式 AI 模型，特別是大型語言模型（LLMs）中尤為常見。與程式錯誤不同，AI 幻覺是模型學習機率所致，而非程式設計師的失誤。

AI 幻覺的分類

AI 幻覺可分為以下幾種主要類型：

1. 事實幻覺：AI 提供的資訊不正確或缺乏證據支持。例如，AI 錯誤地宣稱「巴黎艾菲爾鐵塔建於 1999 年」，但實際上鐵塔是在 1887 年至 1889 年間建造完成的。
2. 上下文幻覺：AI 的回答偏離問題或打破對話邏輯。例如，當使用者詢問「我該如何做燉菜？」時，AI 卻回答「燉菜很好吃，太陽系有九顆行星」。
3. 邏輯幻覺：AI 的回答在邏輯上完全錯誤。例如，AI 聲稱「如果芭芭拉有三隻貓，再養兩隻，那她就有六隻貓」，這是一個明顯的算術錯誤。
4. 多模態幻覺：這種幻覺發生在產生多媒體內容的 AI 模型中。例如，當使用者要求 AI 畫「一隻戴太陽眼鏡的猴子」時，AI 卻生成了一張沒有戴太陽眼鏡的猴子圖片。

如何避免 AI 幻覺

AI 幻覺不僅會降低使用者對 AI 的信任，還可能造成危險，尤其是在專業領域中。為了減少 AI 幻覺的影響，使用者可以採取以下措施：

• 手動事實檢查：使用搜尋引擎和可信的參考資料，驗證 AI 提供的聲明、名稱、日期或數字。
• 追問細節：要求 AI 詳細說明其答案的細節。如果 AI 無法提供更多資訊或加入新的回答，則原始答案可能存在虛構成分。
• 要求提供證據：詢問 AI「你能提供資訊來源嗎？」或「你對這個答案有多有信心？」
• 交叉比較模型：向不同的 AI 模型提出相同的問題，並比較它們的答案。如果答案差異很大，則可能表示至少有一個模型提供了錯誤的資訊。

透過這些方法，使用者可以更有效地識別和避免 AI 幻覺，確保獲得更準確和可靠的資訊。