Halucinațiile AI explicate: de ce modelele inventează lucruri și cum verifici rezultatul
Fiecare model lingvistic fabrică uneori informații. Mecanismul este fundamental pentru modul în care funcționează generarea bazată pe transformatoare. Iată ce este o halucinație, de ce apare și cum verifici rezultatele cu miză mare.
Ce este o halucinație și de ce apare
O halucinație AI este un rezultat afirmat cu încredere, dar care este incorect din punct de vedere factual. Mecanismul este mecanic, nu înșelător: modelele lingvistice bazate pe transformatoare generează rezultatul un token o dată, prezicând următorul token cel mai probabil în funcție de contextul anterior. Modelul nu are o verificare separată a „adevărului” — scopul său este plauzibilitatea în cadrul tiparelor pe care le-a învățat în timpul antrenării. Când datele de antrenare nu conțin un răspuns direct la o interogare, modelul generează rezultatul care sună cel mai plauzibil, care poate fi greșit. Fenomenul este documentat la toate modelele majore, inclusiv GPT-5, Claude Sonnet și Gemini 3.
Unde sunt cele mai frecvente halucinațiile
Date specifice, statistici exacte, referințe de citare, URL-uri, semnături de metode API, detalii biografice despre persoane care nu sunt publice, evenimente foarte recente (după data-limită de antrenare a modelului) și conținutul documentelor care nu se află în prompt. Tiparul este: specificitate ridicată + frecvență scăzută în datele de antrenare = risc ridicat de halucinație.
Ce fac asistenții moderni pentru a atenua fenomenul
Generare augmentată prin recuperare (RAG): modelului i se oferă documente relevante în momentul interogării, astfel încât răspunsul să fie ancorat în conținutul recuperat, nu în memoria parametrică. Perplexity folosește RAG în mod implicit — fiecare Pro Search recuperează și citează surse. Căutarea web a ChatGPT și căutarea web a Claude preiau URL-uri live și le citează. Gemini de la Google integrează ancorarea în Search. Citările transformă halucinația într-o urmă vizibilă pe care o poți verifica. Verificarea citărilor rămâne responsabilitatea utilizatorului — modelele generează ocazional citări care par plauzibile, dar care de fapt nu există.
Cum verifici rezultatele cu miză mare
(1) Pentru cod: rulează-l. Compilatorul este verificarea adevărului. (2) Pentru afirmații numerice: cere modelului sursa și verifică sursa printr-o a doua căutare. (3) Pentru citări: dă clic pe link. Dacă URL-ul returnează 404, citarea este greșită. (4) Pentru evenimente recente: verifică data-limită de antrenare a modelului și completează cu un instrument care are acces web live. (5) Pentru afirmații cu miză mare: verifică încrucișat cu un al doilea model (Perplexity ușurează acest lucru prin schimbarea modelelor per interogare).
Când poți ignora riscul
Cea mai mare parte a utilizării obișnuite are o miză mică. Brainstorming, rezumarea e-mailurilor pe care le-ai scris tu însuți, redactarea codului standard, generarea de idei — halucinațiile sunt de obicei evidente sau lipsite de importanță. Rezervă efortul de verificare pentru rezultatele unde o greșeală are un cost real: consultanță juridică, informații medicale, decizii financiare, afirmații factuale pe care le vei publica sau cita. Tratarea rezultatului AI ca pe o primă ciornă, nu ca pe un răspuns final, este modelul de operare corect.
Surse
Anthropic despre halucinații: anthropic.com/news (caută „hallucinations”). Documentația OpenAI despre halucinații + RAG: openai.com/index/why-language-models-hallucinate. Ancorare AI Google: ai.google.dev (caută „grounding”). Perplexity Pro Search: perplexity.ai/help-center. Toate URL-urile accesate la 30.04.2026.