AIFokus
AI-forskning og utvikling

Hvorfor "lyver" KI noen ganger? Hallusinasjoner forklart enkelt

O
Ole Gunnar Hellenes··6 min lesing
En prikkete linje beholder samme selvsikre sjekkmerke over fylt og tom grunn og viser hvorfor KI ikke merker at den gjetter

TL;DR (Kort oppsummert)

En KI-modell “lyver” ikke i vanlig forstand. Den har ingen intensjon om å bedra deg. En hallusinasjon oppstår fordi modellen er bygget for å gjette det mest sannsynlige neste ordet i en tekst, ikke for å slå opp fakta i en database. Når den ikke har et godt svar, fyller den ofte inn hullet med noe som høres riktig ut, med samme selvsikre tone som når den faktisk har rett. Ifølge OpenAIs egen forskning skyldes dette også hvordan modeller trenes og testes: de belønnes for å gjette, ikke for å innrømme at de er usikre. Denne artikkelen forklarer mekanismen enkelt og hva du selv kan gjøre for å unngå å bli lurt av den.

 

 

Hva er egentlig en hallusinasjon?

En hallusinasjon er når en KI-modell presenterer noe feilaktig, upresist eller helt oppdiktet som om det var et faktum, uten noe signal om at den er usikker. Konkrete eksempler: en bok som ikke finnes, en lovparagraf som er feil sitert eller en kilde som høres ekte ut, men aldri har eksistert.

Begrepet er litt misvisende. En hallusinasjon hos et menneske er en sanseopplevelse av noe som ikke er der. En KI-modell har ingen sanser og ingen bevissthet å hallusinere med. Den gjør nøyaktig det samme uansett om svaret er riktig eller feil: den forutsier det mest sannsynlige neste ordet, gitt alt den har lært. Noen ganger stemmer det mønsteret godt med virkeligheten. Andre ganger gjør det ikke det, uten at modellen selv “merker” forskjellen.

 

 

Hvorfor skjer dette? To hovedgrunner

1. Modellen kan ikke skille mellom “vet” og “gjetter godt”

En språkmodell læres opp ved å se enorme mengder tekst og finner selv mønstrene i hvordan språk henger sammen. Den blir ikke fortalt hvilke enkeltfakta som er sanne eller usanne. Erik Velldal, som forsker på språkteknologi ved Universitetet i Oslo, forklarer det til forskning.no: modellene er i bunn og grunn sannsynlighetsfordelinger over hvilke ord som er mest naturlig å si videre. Møter modellen et spørsmål den mangler god dekning for, fyller den likevel inn et svar, fordi det er det den er bygget for å gjøre. Den gjetter, med samme selvsikkerhet som når den faktisk har dekning for svaret.

2. Modeller trenes og testes på en måte som belønner gjetting

OpenAIs egen forskningsartikkel fra september 2025, “Why language models hallucinate”, peker på en underliggende årsak som er lett å overse: måten modeller evalueres på under trening. De fleste tester og rangeringer gir modellen poeng for et riktig svar og null poeng både for et feil svar og for å si “jeg er usikker på dette”. Det gjør at det, rent statistisk, lønner seg for modellen å gjette fremfor å innrømme at den ikke vet. OpenAI sammenligner det med en elev som gjetter på en flervalgsprøve i stedet for å levere blankt. Gjetting gir i det minste en sjanse for poeng, mens det å la være garantert gir null. Forskerne argumenterer for at dette insentivet må endres i selve evalueringen, ikke bare “fikses” i modellen, for at hallusinasjoner skal bli sjeldnere over tid.

En prøvelapp med svarbobler viser én fylt boble blant flere tomme, som når KI gjetter fremfor å innrømme usikkerhet

 

 

Blir det bedre med nyere modeller?

Delvis. Nyere modeller hallusinerer generelt sjeldnere enn tidligere generasjoner, blant annet fordi selskapene har jobbet spesifikt med treningsmetoder og evaluering for å redusere problemet. Reasoning-modeller, som bruker mer tid på å resonnere gjennom et svar før de presenterer det, kan også redusere enkelte typer feil, siden modellen i praksis “dobbeltsjekker” egen logikk underveis.

Eldre/mindre modeller Nyere/større modeller Reasoning-modeller
Hallusinerer Oftere Sjeldnere, men ikke aldri Reduserer enkelte logiske feil, men ikke oppdiktede fakta eller kilder
Løser problemet helt Nei Nei Nei

Tre søyler med synkende høyde viser at hallusinasjoner blir sjeldnere i nyere modeller, men aldri forsvinner helt

Men ingen av disse forbedringene fjerner problemet helt. Reasoning reduserer logiske feil på oppgaver med flere steg, men er ingen garanti mot at modellen fortsatt finner opp et feil faktum eller en kilde som ikke finnes, bare med mer overbevisende mellomregning på veien dit. Så lenge modeller fortsatt bygger på å forutsi sannsynlige ord og fortsatt i praksis belønnes for å gjette i stedet for å innrømme usikkerhet, vil hallusinasjoner mest sannsynlig fortsette å forekomme, i mindre, men ikke fraværende, grad.

 

 

Hvordan kan du beskytte deg mot å bli lurt?

  • Sjekk fakta som faktisk betyr noe, spesielt tall, navn, lovhenvisninger, kilder og datoer, mot en uavhengig kilde før du stoler på det eller bruker det videre.
  • Be modellen om kilder eller lenker og sjekk at kilden faktisk finnes og faktisk sier det modellen påstår. En oppdiktet kilde som ser ekte ut, er et av de vanligste tegnene på en hallusinasjon.
  • Vær ekstra på vakt ved smale eller ferske temaer. Jo mindre data modellen har sett om noe, desto større er sjansen for at den fyller inn hullene selv.
  • Be om at modellen sier fra hvis den er usikker, i stedet for å gi et bestemt svar. Det hjelper ikke alltid, men enkelte modeller er bedre til å flagge usikkerhet når du eksplisitt ber om det.
  • Ikke la selvsikker tone lure deg. En hallusinasjon høres nesten alltid like trygg og velformulert ut som et korrekt svar. Tonefallet i seg selv sier ingenting om hvor riktig innholdet faktisk er.

 

 

Vanlige spørsmål

Hallusinerer alle KI-modeller like mye?

Nei, det varierer mellom modeller og oppgavetyper. Generelt hallusinerer nyere, større modeller mindre enn eldre og mindre modeller, men ingen modell er fri for det, og noen oppgavetyper (som å be om presise sitater eller referanser) er mer utsatt enn andre.

Er hallusinasjoner det samme som at modellen “lyver”?

Nei. Løgn forutsetter en intensjon om å bedra, og det har ikke en KI-modell. Den gjør det samme uansett om svaret er riktig eller feil. Den forutsier det mest sannsynlige neste ordet basert på mønstre i treningsdataen, uten noen bevissthet om hva som faktisk er sant.

Kan hallusinasjoner fjernes helt?

Ikke med dagens teknologi og treningsmetoder, ifølge OpenAIs egen forskning. Det er mulig å redusere dem betydelig gjennom bedre trening og evaluering, men å garantere at en språkmodell aldri tar feil, vil kreve mer grunnleggende endringer i hvordan modellene fungerer.

Hallusinerer KI mer på norsk enn engelsk?

Det finnes ikke noe entydig svar på dette, men det er en rimelig antakelse at modeller som har sett mindre treningsdata på et gitt språk, generelt har svakere dekning og dermed en noe høyere risiko for å fylle inn hull med gjetning på det språket. Engelsk er fortsatt det språket de fleste store modeller har sett mest av.

 

 

Oppsummering og kilder

En hallusinasjon oppstår fordi en KI-modell er bygget for å forutsi sannsynlig tekst, ikke for å slå opp fakta, og fordi vanlig trening og evaluering belønner selvsikker gjetting fremfor ærlig usikkerhet. Nyere modeller hallusinerer sjeldnere, men ingen har løst problemet helt. Den beste beskyttelsen er fortsatt din egen kildekritikk: sjekk det som betyr noe, spesielt tall, navn og referanser, uansett hvor sikkert svaret høres ut.

Det viktigste å huske:

  • En hallusinasjon er ikke løgn. Modellen har ingen intensjon om å bedra deg
  • Modeller forutsier sannsynlig tekst. De slår ikke opp fakta i en database
  • Vanlig trening og evaluering belønner gjetting fremfor å innrømme usikkerhet, ifølge OpenAIs egen forskning
  • Nyere modeller og reasoning reduserer hallusinasjoner, men fjerner dem ikke
  • Sjekk alltid tall, navn, kilder og datoer selv, uavhengig av hvor sikkert svaret virker

Kilder brukt i denne artikkelen:

Sist oppdatert: August 2026

Les også

#ai-forskning#hallusinasjon#chatgpt#claude