在前面的文章中，我們已經分享了AI幻覺的類型，以及產生幻覺的原因，這篇文章，我們來說一下應對方法：如何解決AI幻覺的問題。
在了解了AI「幻覺」產生的原因後，我們需要對其進行有效的應對，以確保AI能夠有效地「為我們所用」。
首先，AI的研發團隊是會持續地改善AI的「幻覺」問題。其次，我們作為使用者，也是有一些手段和技巧來盡量避免AI產生「幻覺」問題的。
對於AI研發團隊來說：
- 迭代優化模型：研發團隊會通過持續的模型迭代和優化，來改善AI的理解和推理能力，減少AI「幻覺」。
- 模型解釋性：研發團隊可以使用模型解釋工具來解釋模型的預測結果，從而理解模型為何會產生「幻覺」，並據此優化模型。
- 更豐富的訓練數據：研發團隊可以提供更多豐富且平衡的訓練數據，讓模型有更多元的視角和理解，以減少過度推斷或假設。
- 用戶反饋：研發團隊會通過收集用戶反饋，獲取模型「幻覺」現象的實際案例，並根據這些反饋進行模型優化。
- 使用RAG控制內容：相對於上面都是細水長流的幾項手段，引入「RAG」可以取得立竿見影的效果。RAG（Retrieval Augmented Generation），即檢索增強生成，是指對大模型輸出進行優化，使其能夠在生成答案之前，引用訓練數據來源之外的權威知識庫。RAG的作用類似為大模型配備搜索引擎，相當於讓大模型在「開卷」而不是「閉卷」環境中做出反應。
對於AI使用者來說：
- 提升個人判斷力：不論是閱讀AI的回答還是處理其他信息，不盲目接收信息，保持批判性思維，提升自我判斷力並永遠是第一位的。
- 理解AI的局限性：了解AI當前的技術發展程度和存在的問題，不完全依賴它作為唯一信息來源，特別是在關鍵的決策當中。
- 優化問題提問方式：通過使用更加明確和具體的提問方式，以減少AI的過度推斷和假設。對問題進行細化，盡量避免讓AI進行過多的揣測。（這裡展開來講就涉及到Prompt的編寫問題了，我們就留到另外的文章來解答吧。）
- 重複或重新提問：如果對AI的回答有疑問或不滿意，可以試着以不同的角度或方式，進行重複或重新提問。如果每次得到的答案都一致，那麼AI的答案可能更可信。
- 索取支持信息：在向AI尋求答案時，可以要求AI提供答案的來源，這樣我們可以驗證答案的準確性。
總的來說，AI不是無所不能的，它有自己的局限性，AI「幻覺」是一個無法避免的存在。但只要我們持續學習，掌握科學使用AI的方式方法，AI就能夠更好地為我們工作，成為我們的左膀右臂。
結語
到這裡，我們已經完整介紹了AI「幻覺」的類型、成因與應對方法了。接下來還有一份「番外篇」，我將針對國內的主流AI大模型，進行一輪「幻覺」橫向對比個人測評。那麼，到底哪家產品表現最佳，我們下一篇文章來揭曉。
討論話題：你有哪些對應AI「幻覺」的妙招？評論區里也分享一下吧。
註：由於本文預設讀者是AI零基礎人群，期望達到啟發作用。因此筆者會嘗試用盡量淺顯的語言來介紹，而在簡化某個概念、原理的過程中，可能會丟失其完整性。這一點還請讀者注意。
作者：產品經理崇生，公眾號：崇生的黑板報
本文由 @產品經理崇生 原創發佈於人人都是產品經理。未經作者許可，禁止轉載
題圖來自 unsplash，基於CC0協議
該文觀點僅代表作者本人，人人都是產品經理平台僅提供信息存儲空間服務。
