AI“幻觉”的类型、原因与应对方法(3/3)——如何应对AI“幻觉”

2 评论 2657 浏览 2 收藏 5 分钟

在前面的文章中,我们已经分享了AI幻觉的类型,以及产生幻觉的原因,这篇文章,我们来说一下应对方法:如何解决AI幻觉的问题。

在了解了AI“幻觉”产生的原因后,我们需要对其进行有效的应对,以确保AI能够有效地“为我们所用”。

首先,AI的研发团队是会持续地改善AI的“幻觉”问题。其次,我们作为使用者,也是有一些手段和技巧来尽量避免AI产生“幻觉”问题的。

对于AI研发团队来说:

  • 迭代优化模型:研发团队会通过持续的模型迭代和优化,来改善AI的理解和推理能力,减少AI“幻觉”。
  • 模型解释性:研发团队可以使用模型解释工具来解释模型的预测结果,从而理解模型为何会产生“幻觉”,并据此优化模型。
  • 更丰富的训练数据:研发团队可以提供更多丰富且平衡的训练数据,让模型有更多元的视角和理解,以减少过度推断或假设。
  • 用户反馈:研发团队会通过收集用户反馈,获取模型“幻觉”现象的实际案例,并根据这些反馈进行模型优化。
  • 使用RAG控制内容:相对于上面都是细水长流的几项手段,引入“RAG”可以取得立竿见影的效果。RAG(Retrieval Augmented Generation),即检索增强生成,是指对大模型输出进行优化,使其能够在生成答案之前,引用训练数据来源之外的权威知识库。RAG的作用类似为大模型配备搜索引擎,相当于让大模型在“开卷”而不是“闭卷”环境中做出反应。

对于AI使用者来说:

  • 提升个人判断力:不论是阅读AI的回答还是处理其他信息,不盲目接收信息,保持批判性思维,提升自我判断力并永远是第一位的。
  • 理解AI的局限性:了解AI当前的技术发展程度和存在的问题,不完全依赖它作为唯一信息来源,特别是在关键的决策当中。
  • 优化问题提问方式:通过使用更加明确和具体的提问方式,以减少AI的过度推断和假设。对问题进行细化,尽量避免让AI进行过多的揣测。(这里展开来讲就涉及到Prompt的编写问题了,我们就留到另外的文章来解答吧。)
  • 重复或重新提问:如果对AI的回答有疑问或不满意,可以试着以不同的角度或方式,进行重复或重新提问。如果每次得到的答案都一致,那么AI的答案可能更可信。
  • 索取支持信息:在向AI寻求答案时,可以要求AI提供答案的来源,这样我们可以验证答案的准确性。

总的来说,AI不是无所不能的,它有自己的局限性,AI“幻觉”是一个无法避免的存在。但只要我们持续学习,掌握科学使用AI的方式方法,AI就能够更好地为我们工作,成为我们的左膀右臂。

结语

到这里,我们已经完整介绍了AI“幻觉”的类型、成因与应对方法了。接下来还有一份“番外篇”,我将针对国内的主流AI大模型,进行一轮“幻觉”横向对比个人测评。那么,到底哪家产品表现最佳,我们下一篇文章来揭晓。

讨论话题:你有哪些对应AI“幻觉”的妙招?评论区里也分享一下吧。

注:由于本文预设读者是AI零基础人群,期望达到启发作用。因此笔者会尝试用尽量浅显的语言来介绍,而在简化某个概念、原理的过程中,可能会丢失其完整性。这一点还请读者注意。

作者:产品经理崇生,公众号:崇生的黑板报

本文由 @产品经理崇生 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自 unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 本系列第二篇《AI“幻觉”的类型、原因与应对方法(2/3)——为什么会产生AI“幻觉”》回顾
    https://www.woshipm.com/share/6073096.html

    来自广东 回复
  2. 本系列第一篇《AI“幻觉”的类型、原因与应对方法(1/3)——什么是AI“幻觉”》回顾
    https://www.woshipm.com/share/6073002.html

    来自广东 回复