“虽然AI产生的“幻觉”也许令人担忧，但该技术仍然是塑造行业以及开创未来的重要一环。”—Shoshana Kranish

人工智能通常被视为有助于化解当今社会中大量紧迫难题的良策，其强大的功能包括：快如闪电的数据整理速度、准确的预测功能、无人可及的分类效率，不一而足。但其仍然是一项不断进步、存在缺陷的技术，最近，“幻觉”成为了关于AI的焦点议题。

具体而言，AI会提出一些不合常理的提议，比如在披萨上涂胶水，以免奶酪滑落，而且在被标准进行法律研究时，它还会虚构整个法庭案件。然而，虽然存在这些幻觉难题，AI仍然是一种备受依赖的工具：如今，企业、政府以及整个行业都将其作为运营的重要支柱。

然而，一款经常产生错误结局的工具如何能用于对精度标准极高的工业应用呢?答案有点复杂。

何为AI幻觉?

AI幻觉是其由于处理失误以及不良的训练数据等多种缘故而也许生成不准确或误导性的结局。

以谷歌最近推出的AI概览(AI Overviews)功能为例，AI概览几乎从一开始就产生了“幻觉”，给用户的提议包括吃石头来避免矿物质缺乏，或者从金门大桥上跳下去。但当这些概览答案出现之后，谷歌立即迅速撤回了大部分答案。

达索体系天然语言处理专家和AI专家Eric Vernet解释道：“大型语言模型(LLM)通过大量公共文本得到训练，而这些文本大多来自互联网。其进修环境天然而然地会包含大量通用信息，其中一些为垃圾信息。”

“掌握全部这些同时包括了有用和误导性的姿势后，AI也许会在某些情况下得出完全错误的答案”，他补充道。

AI体系必须对来自LLM的海量数据进行分类，才能执行相关功能

像大多数技术一样，AI也有弱点，而生成式AI工具尤为脆弱。AI本身不会思索，只会分类。它会查阅大量数据，识别玩法并从中推断真理。它本身不具备思考，无法权衡其给出的想法，而且在接收海量信息(其中一些是垃圾信息)时，它不了解怎样区分对错。

在解释谷歌概览功能的争议时，谷歌搜索副总裁Liz Reid表示，该产品经过训练，“会显示排序最靠前的网页结局所支持的信息”，不过指定网页的浏览量和其公开内容的正确性并无关系。

AI最大的缺陷其中一个是，其智能取决于所接收的数据，如果接收的信息质量不高，那输出结局也不尽如人意。

虽然存在幻觉，但仍有用武之地：

AI超越了聊天机器人的范畴

毋庸置疑，生成式AI存在一定缺陷。但还有很多其它类型的人工智能对于企业的日常运营不可或缺。

例如，汽车制造商也许会运用判别式AI对零件进行分类，接着将其和预测式AI进行耦合，后者可以识别玩法并做出预测，以便用于决策制定。这些预测可应用于从材料成本到机器维护的任何环节，在业务运营的各个层面，AI用例屡见不鲜。

汽车制造商利用AI来优化零件采购和设计，调整职业流程并确保机器的准确性和高效率。

这类可自在支配的工具比一些公开的程序更准确、实用，而且更容易获取成功，这都要归功于其所采用的训练方法。

面给公众的程序是通过LLM进行训练，但用于工业用途的AI并非如此。它在仅包含所需信息的孤岛环境中进修，以确保工具提供准确性和实用性。由于只接触相关的特定信息，这种AI不太也许产生幻觉。

Vernet表示：“根据企业自己的专有数据和分类标准训练的后端AI要比生成式AI准确得多。一些企业拥有自己专用的词汇和流程等，因此，如果AI专门根据这些信息集进行训练，它将变得‘更智能’。”

这对于拥有重要专有信息或运用特定内部语言的企业而言尤为重要。通过部署基于公共数据训练的工具将无法胜任这项职业，只有熟悉企业术语、缩略词及流程等的特殊工具才能实现其所需要的目标。

大家能够化解AI幻觉吗?

和全部技术一样，AI需要故事NLP专家Kelly Stone所提出的“人机回圈”验证阶段。通过将人类纳入到检查和改进AI输出的流程之中，这将确保此类技术能够持续进修，从而最终产生更精细、更准确的答案。

AI企业一直在努力改进其产品，通常有几种重要的方法来实现这些改进。拥有海量数据已经让人感到开头难了，但真正的挑战在于采用一种易于访问和运用的方法来组织这些数据。同时，思考到大多数企业的数据都在不断增长，有时甚至呈指数级增长，这就说明稳健可靠的结构特别重要。

在3DEXPERIENCE平台等统一位置维护数据库，可让企业在一致的环境和情形下保存信息。这些数据可从统一位置高效应用于任何类型的功能，无论是预测成本波动还是通过执行NLP来描述市场动向，都易如反掌。托管的平台摆脱了孤岛信息，让用户能够访问顶级解析功能，从而有望优化流程，发现新机遇，并改进企业运营。

达索体系信息情报品牌NETVIBES的Stone主张进一步开发和运用此类程序。通过完善AI，这将减少幻觉难题，为各类用户带来更值得信任的工具。再结合不断扩展的后端程序以及为其提供动力的AI，大家将获取最佳的情报风暴。

Stone表示：“我确信，未来的AI将特别可靠。”虽然她承认大家尚未成功，但她认为，将生成式、判别式和预测式等全部类型的AI的准确率进步到接近100%，而非80%左右，这并非天方夜谭。

众所周知，人无完人，人类尚且如此，因此要创建一台最佳无缺的机器有点强人所难。但克服生成式AI幻觉等重重障碍，将开始壹个无限也许的新全球，并帮助大家兑现这类新兴技术的全部承诺。

为未来AI完善化解难题的方式

和全部其它技术及创造一样，AI也面临“最后一英里”的终极难题。

公交车会停靠在终点站，但乘客的旅程永无止境。禁止通行的道路和失灵的GPS设备会给送货上门配置障碍，但这依旧阻挡不了大家在线购物的行动。人工智能也不例外。其生成式功能就是这最后几英里，正如那些尚未开通地铁的社区或者只有无人机才能到达的偏远地区。

当公共交通体系并未覆盖城市的每个街区时，大家没有弃之不用;当一些偏远的地址难以到达时，大家也没有言败在线购物的想法。大家仍在努力给全部人提供这些机会，而且AI趋于最佳的坎坷之路也如出一辙。

虽然生成式AI也许会继续产生幻觉，但后端AI将不遗余力地为整个行业发光发热。持续改进、训练和接触高质量的结构化数据，将是确保人工智能臻于卓越的必要条件。操作证明，在实现最佳的路途中，最后一英里的终极挑战(细微的差异、不可言喻的人情味、未预见情况的应对之策)往往都晦涩难懂。但晦涩难懂并非不可实现。虽然AI幻觉现象带来了一系列特殊的挑战，但也凸显了人类协作在AI开发和部署中的重大意义。

随着企业和技术专家持续开发用于进步AI性能的战略，业界对其有能力实现行业变革的信心不断提高。完善AI的旅程遍布荆棘，但对于跨越“最后一英里”鸿沟的不懈追求正是大众共同给往美妙未来的良好例证。未来，AI化解方法不仅近乎最佳，而且值得信任、高度可靠，将成为化解全球上一些最紧迫挑战的决定因素利器。

作者：Shoshana Kranish：

Shoshana目前担任达索体系企业出版部门顶级经理。她在新闻、市场营销和公关方面拥有丰盛的经验，其作品已在全球各地出版，并在互联网上发表。

（来源：达索体系）