ChatGPT может придумывать факты, потому что языковая модель способна сгенерировать правдоподобный ответ даже тогда, когда надёжного подтверждения у неё нет. Уверенный тон при этом ничего не гарантирует. OpenAI прямо предупреждает о неверных фактах, вымышленных цитатах, исследованиях и источниках.
Чтобы проверить ответ ChatGPT, выделите из него конкретные проверяемые утверждения, найдите для каждого первичный источник, сверьте дату и контекст, а причинные выводы проверьте отдельно. Если доказательства недостаточны, правильный результат проверки звучит как «недостаточно данных», а не как ещё одна красивая догадка.
Почему ChatGPT придумывает факты
Самая дорогая ошибка при работе с нейросетью начинается тогда, когда мы принимаем хороший язык за доказательство.
ChatGPT способен написать уверенный ответ с точной датой, названием исследования, процентом и фамилией автора. Всё выглядит настолько убедительно, что рука уже тянется копировать абзац в статью. Только литературная гладкость и фактическая точность существуют отдельно друг от друга.
OpenAI определяет галлюцинации как правдоподобные, но ложные утверждения модели. Компания отдельно приводит примеры неправильных дат и фактов, выдуманных цитат, исследований, ссылок и слишком уверенных ответов на неоднозначные вопросы. Даже современные модели не избавились от этой проблемы полностью.
Причина сложнее популярного объяснения «нейросеть просто предсказывает следующее слово». Исследование OpenAI 2025 года показывает, что ошибки возникают уже на этапе обучения языковой модели, а традиционные системы оценки дополнительно могут поощрять угадывание вместо признания неопределённости. Если за неправильный ответ и честное «не знаю» модель получает одинаково плохой результат, попытка угадать становится выгоднее.
Уверенность ChatGPT показывает качество формулировки ответа, но не качество доказательств под этим ответом. Именно поэтому самые опасные галлюцинации часто звучат совершенно правдоподобно.
Какие ошибки ChatGPT действительно нужно искать
Ловить только придуманные цифры недостаточно. В экспертном тексте встречается гораздо более неприятная ошибка: все факты настоящие, но связь между ними уже придумана.
Представим, что компания изменила посадочную страницу 1 марта. В апреле конверсия выросла с 2,4% до 3,1%. Обе цифры подтверждаются аналитикой.
Нейросеть пишет: «Новая версия лендинга увеличила конверсию с 2,4% до 3,1%».
Вот здесь появился новый факт, хотя модель не придумала ни одной цифры. Чтобы приписать рост именно лендингу, нужно исключить влияние рекламного трафика, сезонности, цены, акций, изменений продукта и других существенных факторов.
Такой смысловой сдвиг встречается постоянно. «После» превращается в «благодаря». «Может повлиять» становится «влияет», а «один из факторов» неожиданно становится «главной причиной». Небольшое изменение двух слов способно сделать исходно корректное утверждение недостоверным.
Поэтому хороший фактчекинг проверяет не только данные, но ещё и масштаб вывода.
Как проверить ответ ChatGPT за 5 шагов
Я не проверяю длинный текст целиком. Удобнее прогнать каждое значимое утверждение через пять фильтров: утверждение, источник, контекст, дата, причинность.
Шаг №1. Выделите одно конкретное утверждение
Фраза «исследования показывают, что ИИ значительно повышает эффективность бизнеса» почти непроверяема. Кто исследовал, какой ИИ использовался, что считали эффективностью, какой бизнес изучали и насколько большим оказался эффект?
Сначала нужно превратить красивое обобщение в проверяемое утверждение.
Например: «В исследовании X компании из выборки сократили среднее время выполнения задачи на Y процентов».
Теперь понятно, что именно нужно доказывать.
Особенно внимательно я вытаскиваю из текста цифры, даты, цитаты, названия исследований, юридические утверждения, технические характеристики, сравнения продуктов и слова вроде «первый», «единственный», «лучший», «крупнейший».
Шаг №2. Найдите источник, способный доказать именно этот факт
Обычная ссылка ещё ничего не подтверждает.
Если речь идёт о функции ChatGPT, сильным источником будет официальная документация OpenAI. Если обсуждается закон, нужен официальный текст нормативного акта. Для финансового показателя публичной компании разумнее искать её отчётность, а для научного вывода нужна сама публикация.
И здесь ИИ часто помогает довольно хорошо: можно попросить его определить, какой тип первичного источника нужен для проверки конкретного утверждения, а уже потом искать документ.
Шаг №3. Откройте источник и найдите подтверждающий фрагмент
Это место многие пропускают. ChatGPT дал ссылку на OpenAI, McKinsey, Росстат или научную публикацию, ссылка существует, значит всё нормально.
Ничего подобного.
Источник может быть настоящий, но говорить совсем о другом. Иногда совпадает тема, но не цифра. Иногда цифра есть, однако относится к другому году. Бывает ещё веселее: исследование действительно содержит нужный процент, но измеряет другой показатель.
Сама OpenAI предупреждает, что результаты веб-поиска и цитирования могут оказаться неполными, устаревшими или неправильными, поэтому советует открывать источник и проверять, действительно ли он поддерживает ответ.
Поэтому работающая проверка: не «ссылка существует», а «в источнике существует доказательство нужного утверждения».
Шаг №4. Проверьте дату и границы данных
Правдивый факт спокойно становится неправильным ответом через год.
Особенно быстро стареют тарифы, возможности ИИ-сервисов, интерфейсы, законы, рыночная статистика, характеристики продуктов и должности конкретных людей.
Допустим, нейросеть сообщает стоимость подписки и прикладывает официальную страницу. Сам источник хороший, но поисковый фрагмент или старая публикация относится к 2024 году. Пользователь спрашивал про август 2026 года, поэтому технически подтверждённая цифра всё равно не отвечает на вопрос.
Для чувствительных ко времени данных проверяйте две вещи отдельно: было ли утверждение правдой и остаётся ли оно правдой сейчас.
Шаг №5. Отделите факт от причинного вывода
Этот фильтр я считаю самым недооценённым.
Если после внедрения чат-ботов продажи выросли, это ещё не доказывает, что чат-боты вызвали рост. Если после обновления статьи трафик увеличился, это не означает автоматически, что изменение текста стало единственной причиной.
Для причинного утверждения нужны дополнительные основания: эксперимент, контроль других факторов, исследовательский дизайн, последовательность измерений или хотя бы прозрачное объяснение ограничений. Если таких данных нет, формулировку нужно ослабить.
Вместо «новая страница увеличила конверсию на 18%» корректнее написать: «после запуска новой страницы конверсия выросла на 18%; одновременно существенных изменений рекламной кампании не проводили». Это уже честнее, потому что читатель видит границы доказательства.
Реальный пример: как одна фраза искажает даже настоящий источник
Возьмём утверждение, которое вполне мог бы написать ИИ:
«OpenAI доказала, что главная причина галлюцинаций заключается в том, что современные бенчмарки заставляют модели угадывать».
Ссылка существует. Исследование OpenAI действительно опубликовано. Тема совпадает: на беглый взгляд факт прошёл проверку.
Но оригинальная работа говорит тоньше. Авторы связывают появление галлюцинаций со статистическими свойствами обучения языковых моделей, а их сохранение дополнительно объясняют системой оценивания, где угадывание может оказываться выгоднее признания неопределённости.
Слово «главная» в исходной фразе уже лишнее. Выражение «бенчмарки заставляют» тоже слишком категорично. Корректная версия звучит так:
«Исследователи OpenAI считают, что системы оценки, поощряющие угадывание вместо признания неопределённости, помогают сохраняться галлюцинациям языковых моделей».
Источник тот же самый, ссылка та же самая. Но только вторая формулировка не приписывает исследованию более сильный вывод, чем оно реально делает.
Вот почему фактчекинг по принципу «нашёл ссылку и успокоился» регулярно пропускает ошибки.
Самая коварная галлюцинация содержит настоящий источник, настоящую цифру и неправильный вывод между ними. Такой текст выглядит проверенным именно потому, что половина его деталей действительно верна.
Можно ли заставить ChatGPT вообще не придумывать факты
Гарантировать отсутствие галлюцинаций одним промптом нельзя. OpenAI прямо пишет, что проблема остаётся даже у более новых и точных моделей. Но можно изменить условия задачи так, чтобы модели было менее выгодно заполнять пробелы.
Первое полезное правило заключается в разрешении неопределённости. Если данных недостаточно, модель должна иметь право ответить «не удалось подтвердить».
Второе правило требует отделять факт от интерпретации. Модель должна явно показывать, где заканчивается источник и начинается её вывод.
Третье правило запрещает создавать недостающие ссылки, цифры, цитаты и исследования.
Четвёртое требует искать первичный источник, когда доступен веб-поиск.
Пятое заставляет проверять не весь абзац одновременно, а отдельные атомарные утверждения.
Именно такая конструкция полезнее магической команды «никогда не галлюцинируй».
Готовый промпт для проверки фактов в ChatGPT
Этот шаблон рассчитан на статьи, посты, исследования, коммерческие материалы, кейсы и собственные ответы ChatGPT. Он не просит нейросеть немедленно исправлять текст, потому что смешивать проверку и переписывание невыгодно: модель начинает незаметно заменять сомнительные факты новыми.
Проведи профессиональный фактчекинг текста.
Не переписывай материал на первом этапе.
Сначала найди все утверждения, которые можно объективно проверить.
Особенно внимательно проверь:
1. цифры, проценты и денежные значения;
2. даты и сроки;
3. имена, должности и названия организаций;
4. исследования, отчёты и статистику;
5. цитаты;
6. законы и нормативные требования;
7. технические характеристики;
8. сравнительные утверждения;
9. слова «первый», «единственный», «лучший», «крупнейший»;
10. причинные конструкции: «из-за», «благодаря», «привело к»,
«увеличило», «снизило», «стало причиной».
Для каждого утверждения выполни проверку отдельно.
Сформулируй конкретный проверяемый тезис.
Определи, какой первичный источник способен его подтвердить.
Если веб-поиск доступен, найди первичный источник.
Не считай пересказы одного документа независимыми подтверждениями.
Открой источник и проверь, подтверждает ли он именно это утверждение,
а не только относится к той же теме.
Проверь дату публикации, период данных и актуальность информации.
Отдели факт источника от интерпретации автора текста.
Отдельно проверь причинность.
Совпадение событий по времени не считай доказательством причины.
Присвой утверждению один статус:
«подтверждается»;
«подтверждается частично»;
«не подтверждается»;
«недостаточно данных».
Если утверждение подтверждается частично, покажи конкретную часть,
которая выходит за пределы источника.
Если надёжного подтверждения нет, не подбирай похожий факт
и не создавай источник по памяти.
После проверки найди отдельно:
вымышленные или неподтверждённые факты;
устаревшие данные;
недоказанную причинность;
искажённые проценты;
неподтверждённые цитаты;
источники, которые не доказывают стоящее рядом утверждение.
Только после завершения аудита предложи исправления проблемных фрагментов.
ТЕКСТ: (вставьте текст)
Сильная часть этого промпта находится в процедуре проверки и в разрешении модели признать отсутствие доказательств.
Почему веб-поиск ChatGPT не отменяет фактчекинг
Встроенный поиск сильно помогает с актуальными данными. ChatGPT может искать информацию в интернете и показывать источники, а функция поиска сейчас доступна пользователям разных тарифов.
Но OpenAI отдельно предупреждает, что поисковые результаты и цитирования всё равно могут оказаться неполными, устаревшими или неверными. Поэтому источник нужно открывать самостоятельно и проверять дату, авторитетность и соответствие конкретному утверждению.
Получается важное разделение. Поиск помогает найти доказательство, но наличие поиска не превращает любой сгенерированный ответ в доказанный факт.
Для обычного рецепта цена ошибки невелика. Для юридического документа, медицинского решения, финансового расчёта, научной публикации или публичного обвинения одного автоматического поиска уже недостаточно.
Когда ChatGPT нельзя использовать как единственный источник
ChatGPT вообще не стоит оформлять как первоисточник факта, если существует документ, организация или человек, откуда этот факт можно получить напрямую.
Если модель сообщает новое правило OpenAI, открывайте документацию OpenAI. Если пересказывает закон, проверяйте официальный текст закона. Если приводит исследование, ищите саму публикацию. Если называет показатель компании, проверяйте отчётность или официальный релиз.
У ChatGPT в такой схеме другая сильная роль. Он быстро находит утверждения, которые стоит проверить, помогает сформулировать поисковые запросы, сравнивает документы, замечает противоречия и показывает места, где вывод оказался сильнее доказательства.
Использовать его как помощника фактчекера разумно, использовать фразу «ChatGPT сказал» вместо источника уже гораздо рискованнее.
Ещё один тест, который ловит половину проблем
После проверки попросите ChatGPT забыть задачу «подтвердить текст» и сменить направление работы:
«Предположи, что публикацию нельзя выпускать. Найди утверждения, которые конкурент, редактор или специалист сможет опровергнуть первичным источником. Для каждого покажи, какое доказательство отсутствует».
Почему это полезно? В первом режиме модель ищет подтверждения уже существующей версии текста и легко попадает в confirmation bias. Во втором режиме она ищет точки отказа.
Для важных публикаций я бы запускал такой аудит отдельно, желательно в новом диалоге и с исходным текстом без предыдущих объяснений модели. После этого всё равно остаётся человеческая проверка первичных документов. Но количество неприятных сюрпризов становится заметно меньше.
Частые вопросы о фактах и галлюцинациях ChatGPT
Почему ChatGPT придумывает несуществующие факты?
Языковая модель может сформировать правдоподобное утверждение даже при недостатке надёжной информации. OpenAI называет такие фактически неверные ответы галлюцинациями и отмечает, что проблема сохраняется у современных моделей.
Почему ChatGPT придумывает ссылки и исследования?
Названия авторов, журналов, исследований и URL имеют узнаваемую языковую структуру, поэтому модель способна сгенерировать правдоподобную комбинацию без реального источника. OpenAI прямо относит вымышленные цитаты, исследования и ссылки к типичным примерам галлюцинаций.
Как проверить информацию, которую дал ChatGPT?
Сначала выделите конкретное утверждение, затем найдите первичный источник, откройте его и проверьте нужный фрагмент. После этого отдельно сверьте дату, контекст и допустимость причинного вывода.
Можно ли верить ChatGPT, если он дал ссылку?
Само наличие ссылки недостаточно. OpenAI предупреждает, что результаты поиска и цитирования могут быть неполными, устаревшими или неверными, поэтому источник нужно открывать и сверять с ответом.
Как заставить ChatGPT не выдумывать информацию?
Полностью гарантировать отсутствие ошибок промптом нельзя, но риск можно уменьшить. Разрешите модели отвечать «недостаточно данных», запретите создавать недостающие факты и требуйте подтверждение каждого важного утверждения первичным источником.
Помогает ли новый чат проверить ответ объективнее?
Новый диалог убирает часть накопленного контекста и снижает вероятность того, что модель будет защищать предыдущую формулировку. Для критичных данных независимая проверка всё равно должна включать реальный первичный источник.
Что проверять в тексте в первую очередь?
Самого пристального внимания требуют цифры, даты, цитаты, исследования, законы, медицинские и финансовые утверждения, технические характеристики и причинные выводы. Именно там маленькое искажение чаще всего меняет практический смысл текста.
Что делать, если факт невозможно подтвердить?
Не стоит заменять его похожей цифрой или более удобной формулировкой. Лучше удалить утверждение, явно обозначить неопределённость или написать, каких данных не хватает для проверки.
Вывод
Если ChatGPT написал уверенный ответ, это ещё не повод ему не доверять, но и не повод публиковать текст без проверки. Нормальный фактчекинг начинается с конкретного утверждения и заканчивается не красивой ссылкой, а доказательством, которое действительно поддерживает этот тезис.
Рабочая схема остаётся короткой: утверждение → первичный источник → контекст → дата → причинность.
Используйте ChatGPT для поиска слабых мест, разбора текста и организации проверки. А там, где цена ошибки заметна, открывайте первичный источник своими руками. Пять минут на такую проверку стоят дешевле статьи, в которой уверенная нейросеть случайно придумала вам исследование, закон или прекрасные 37 процентов из ниоткуда.