AI 回答问题快得离谱。让它讲恐龙、写故事、帮你找代码里的毛病、想个科学项目，几秒钟就来了。有时候答案很好用。有时候它说得特别有底气。有时候它就是错的。
这就有点让人摸不着头脑了：都厉害成这样了，怎么还会错？因为 AI 其实并不「知道」任何事。它在按规律往下预测，多数时候预测得挺准，偶尔就翻车。
AI 可能猜错
你抛出一个问题，AI 要做的是拼出一个形状对得上的答案。它翻出从海量例子里学到的规律，一个词一个词地预测下一个该是什么。说白了，它从头到尾都在做同一件事：非常有根据地猜。
问「世界最高的山是哪座」，它几乎不会错，珠穆朗玛峰这件事在它见过的资料里出现过无数次。但问题一变得又偏又具体，它可能压根不知道。麻烦在于它还是会答，而且答得很顺。该说「我不确定」的时候，它常常不说。
什么是幻觉？
AI 编出一条信息，还一本正经地当成事实端给你，这种情况大家叫它「幻觉」。它不是真看见了什么，它是造出了一个听起来很真、其实不成立的答案。
它可能给你这些：
- 一本根本不存在的书名
- 一个对不上的日期
- 一句从来没人说过的名言
- 一条听着很科学、其实是错的知识
- 一个你怎么查都查不到的出处
错误的数据会导致错误的答案
AI 是从数据里学出来的。数据就是文字、图片、数字和各种各样的例子。可数据本身不一定干净。网上有过时的东西，有带偏见的东西，有缺了一半的东西，也有纯粹就是错的东西。规律从哪儿学来，错也就从哪儿跟着来。
想象你借了一本笔记本复习，里面有些页写得很好，有些页答案是错的。你要是照单全收，就会不知不觉把错的一起背下去。AI 掉的是同一个坑，只不过它那本笔记本大了几亿倍。
AI 并不总是理解问题
有时候答错纯粹是因为问题没问清楚。有人跑过来问你「它多大？」，你的第一反应肯定是「什么它？」。AI 不会这么反问，它会自己猜「它」指的是谁。猜歪了，后面整段就全歪了。
所以提示词很要紧。提示词就是你敲给 AI 的那句话。与其说「跟我讲讲能源」，不如说「用四年级学生能听懂的方式，讲清可再生能源和不可再生能源的区别」。方向给足了，答案立刻是另一个水准。
AI 可能混淆相似的事物
AI 抓规律很厉害，可长得像、听着像的东西容易被它揉成一团。名字相近的两个历史人物、同名的电影和书、一个说法很顺但其实不准的科学解释，都可能出岔子。
它没有像你这样亲眼看过这个世界。有些系统也不会自动更新到最新。碰上刚出的发现、新规定、这两天发生的事，一定要自己去查可信的一手来源。
怎么核实 AI 的答案？
一条简单规则
可以这样问自己：这条信息是哪来的？换个靠谱网站还能找到同样的说法吗？跟老师讲的对得上吗？它本身讲得通吗？
有个三重检查特别好用：它说得通吗？另一个可信来源认不认？老师、家长或者懂行的人会同意吗？只要有一条卡住，就先慢下来。
核心思想
AI 会错，原因就那几条：它在预测，它学的数据不完美，它会误读没问清的问题，它会把相近的东西搞混，它有时候不知道最新的事。这不代表它没用，只代表用它得带着脑子。