AI幻觉：机器一本正经胡说时，你该怎么办
第一步：先搞懂它为什么胡说大模型的本质是基于统计概率预测下一个词——它「擅长」的是语言上的连贯，不是事实上的正确。当训练数据里没有可靠答案、问题超出它的知识边界、或者数据本身被污染时，模型不会说「我不知道」，而是用最流畅的语言生成一个看起来合理的答案——这就是幻觉的机制根源。理解这一点就明白两件事：幻觉无法靠「多问几遍」根除；越是不常见、越具体、越需要精确的问题，幻觉概率越高。
第二步：识别幻觉的高发场景五类内容要格外警惕。具体数字：日期、价格、统计数据，模型可能编得有零有整；具体名称：论文标题、法条编号、书籍章节，虚构引用是重灾区；小众领域：冷门人物、地方信息、行业细节，训练数据不足，编造率飙升；时效信息：政策、价格、事件，模型的知识有截止日期，过期信息照说不误；复合推理：多步计算和逻辑链，一步错步步错还错得理直气壮。一个反常识的规律：AI在常识性问题上很可靠，越往「具体、精确、冷门」走，越要打起精神。反过来，常识性、通识性的问题大可放心用——知道边界，效率和安全可以兼得。
第三步：核验的三个动作动作一，交叉验证：把AI给出的关键事实拿到权威来源核对——官方数据查官网，论文查数据库，法条查原文，一次搜索的事。动作二，让AI自证：要求它给出信息的来源和依据，答不出出处或出处经不起查，结论就要存疑。动作三，重要决策多路确认：医疗、法律、投资这类高风险决策，AI的意见只当线索不当结论，专业人士的核验不可替代。已经有司法案例敲过警钟：有用户因AI输出的高校报考信息明显错误起诉服务提供商，法院最终驳回了诉讼请求——司法实践提示，把核验责任完全推给平台，目前并不被支持，用户自己的核实义务是实打实的。判决书的潜台词值得每个使用者读三遍：工具给你效率，责任也还给你。
加分动作：用好平台的风控设计靠谱的AI产品都在内置防线：对可能存在事实性错误的内容自动标记风险提示，提供方便的交叉验证入口。使用时主动利用这些设计——看到风险标记就多查一步；反过来，对毫无提示、包票打得满满当当的输出，反而要多一分怀疑。监管层面也在推进：网信部门已对AI生成内容乱象启动专项整治，平台的提示义务会越来越完善，但工具层面的防线，永远代替不了使用者脑子里的那道。
写在最后和AI幻觉共处的原则一句话：把它当博学但偶尔吹牛的助手——它提供线索和初稿，你保留事实的裁判权。数字、名称、小众、时效、推理，五类内容多查一步；重要决策，人的核验不可外包。AI的效率红利照单全收，事实的把关权牢牢握住，这是普通人使用AI最稳妥的姿势。