AI常会产生“幻觉”给出错误答案。摩根大通AI研究院通过分析37万提问发现，改变提问方式能有效降低出错率。这项研究揭示了语言特征与AI可靠性间的深层联系，为人机高效协作提供了实用指南。
智能速览
AI出错概率与问题的语言表达方式直接相关。
模糊、复杂和否定句式是增加AI幻觉风险的主要因素。
意图明确、可回答性强的问题能显著提升回答可靠性。
抽象式任务（如总结分析）的风险远高于提取式任务（如查找信息）。
增加具体约束、明确意图是优化提问的有效策略。
精华内容
与AI沟通不仅是技术，更是语言艺术。研究团队通过大数据分析，绘制出了一张清晰的风险地图，指引我们如何构建更优质的问题。
识别高风险问题
研究表明，某些语言特征会显著增加AI犯错概率。
首先是缺乏具体性，例如询问“关于特斯拉的信息”，会让AI因指代不明而编造内容。
其次是句子结构过于复杂，多层嵌套从句会干扰AI对核心意图的理解。
此外，使用“不是”、“没有”等否定句式，也容易让AI在逻辑推理中出现偏差。
构建高可靠性问题
想让AI回答更可靠，可以从问题设计入手。
意图明确的问题能大幅降低错误率，例如在问题中直接使用“总结”、“比较”、“提取”等指令动词。
可回答性是另一个关键保护因素。基于事实、有明确答案的问题，如“《路》的作者是谁”，AI几乎不会出错。
相比之下，需要主观判断或预测未来的问题，风险则要高得多。
任务类型的风险差异
不同类型的AI任务，其出错风险模式截然不同。
提取式任务因为有明确的参考材料，风险最低。
选择题任务因存在干扰项，风险处于中等水平。
风险最高的是抽象式任务，这类任务完全依赖AI的内部知识，缺乏外部约束，研究显示有44.5%被标记为高风险，更容易产生“天马行空”的错误内容。
三大提问优化原则
基于研究发现，可以遵循三个简单有效的原则来优化问题。
第一是增加消歧约束，明确问题中的时间、地点和实体信息，例如将“关于Java”改为“Java编程语言的主要特性”。
第二是明确表达意图，直接告诉AI需要做什么。
第三是预先解决多义性，对可能产生歧义的词汇提前澄清。这些策略无需改动AI模型，只需调整提问习惯即可见效。
这项研究证明了优化提问是提升AI可靠性的有效途径。未来，智能问题评估与重写工具或将成为标配。掌握提问的艺术，将是AI时代的关键技能，你准备好改变自己的提问方式了吗？
