作者用 ELI5 的方式拆解「幻觉」这个词。他反对把 AI 拟人化：幻觉听起来像某个有意识的机器发了疯，或者是前沿模型代码里的一个 bug，但真相平淡得多——它就是让 AI 之所以有用的同一套机制，在对某个问题没有可靠答案时，给出一个听起来很自信的回答。模型不检索事实，也没有事实数据库，它只根据海量文本学到的模式预测下一个最可能的 token；训练数据「大体上」反映现实，而幻觉正好发生在「统计上可能」与「实际为真」之间的那道缝里。当候选词按概率排序时，「我不知道」几乎不在前列，因为确信的陈述在训练语料里远比承认不确定常见；更麻烦的是多数基准里「我不知道」和答错一样得零分，于是猜反而在排行榜上更好看。幻觉在少被讨论的话题、具体数字日期与引用、训练截止之后的事，以及包含错误前提的问题上都会明显增多。