但实 则回避了“制度设计、决策逻辑、监管体系”等深层责任。 即便处置，也只是针对最显眼的局部下功夫，形成“局部问 题已解决”的闭环，让人误以为整体问题已处理。简言之， “头疼医头”的迷惑性，在于它精准模仿了“有效处置”的 “表面动作”（快速、具体、有针对性），却省略了“有效 处置”的核心（挖根源、解根本、建长效），让“假应对” 看起来像“真解决”，直到同类问题反复出现，其本质才会 暴露。 质的严重背离，也是最伤公信力的不良处置范式。这种思维 误区的核心是因果关系错位，部分社会管理者有意或无意将 “无关因素”当作“关键变量”，本质是对问题的认知存在根本性偏差。“头疼医脸”的危害，在于用错误的逻辑消耗 资源，不仅无法解决问题，还可能因干预方向错误而激化矛 盾，让问题更复杂。 “头疼医脸”试图“消灭问题”而非“解决问题”，属 于形象管理的异化，这种碎片化应对暴露出三重认知缺陷：

出，ChatGPT 和其他大型语言模型（LLM）工具生成的输出 容易受到多种风险的影响。[1]生成式 AI 存在三大安全隐患， 一是源于技术缺陷，二是源于数据缺陷，三是源于用户滥用。 这三个问题的根源在于大模型的固有脆弱性，如生成偏见、 歪曲事实和泄露数据等。技术本是中立的，没有善恶之分， 就看是谁为了什么目的来使用。这就使得技术也具有偏向性 和风险性的。OpenAI 也发现 ChatGPT 存在问题，其网站首

依托较为成 熟的行业组织或行业协会强化自律性管控，引导民众参与监 管。然而，互联网和社交媒体的迅猛发展重构了美国的政治 权力格局，政治人物利用网络指导施政、操纵网民情绪的“永 恒选战”广泛存在于美国的政治实践之中，致使网络舆情的 个性化和不可控性显著增强，民意表达的分散性和民粹化倾 向日益明显，真假新闻之辩不断升级，以政治国家为代表的 公共权力与以普通民众为代表的公民权力之间的博弈愈演 愈烈，加剧了美国的政治极化和社会撕裂。新加坡“三管齐 下”（athree-prongedapproach）的网络舆情治理模式具有显 著的协同意蕴，形成了政府、企业、公众三方共同治理的完 备体系，其特色在于政府十分重视加强公众的网络素养教育， 政府在实施轻触式管理制度和行业自律的同时，调动各方力 量提升公众的网络素养和网络安全意识，并特别关注老年群 体网络素养的提升，采取的措施包括法律约束、政策审查、

力巨大。 2.网络舆情情感治理策略 情感根植于社会现实，一方面能够促进理性协商、推动 社会变革，另一方面可能在流量至上的话语逻辑下沦为情绪 宣泄的窗口，从而威胁社会稳定。因此，网络舆情治理的关 键在于情感治理。在情感与理性二元辩证关系的基础上，政 府应当树立以共识筑共情、以人为中心的治理理念，创新技 术与情感相融合的治理手段，发挥媒体的作用，以打造新时 代的集体记忆，塑造统一的价值观和认同基础，重塑情感主 向高效回应。传统的网络舆情治理遵循法治思维下的应急维 稳思路，注重网络舆情的短期遏制，忽视长期治理。不论是 法治治理路径还是市场治理路径，均依赖现有法律法规或组 织制度来管控舆情，二者间的区别在于市场治理路径更强调 行业组织的自发性和利益最大化。而互联网的快速发展推动 网络舆情治理关注有效性和回应性，要求不同治理主体进行 资源整合和功能互补，强调信息技术的智能化和精准化应用。 不仅如

得 到大规模应用。网络信息制造者通过大数据能够捕捉受众的喜好，违法主体为获取关注和利益而制造“热点”、博 取“眼球”。热点事件成为流量“热源”，违法主体借助热点事件不断“炒作”“发酵”，根本目的在于攫取非法利益。数 字技术使网络信息生成加速从事实导向转向流量导向，流量利益裹挟网络表达，大量失真信息在网络空间泛滥， 数字生态严重恶化。生成式人工智能是利用机器学习方法从过往经验中获取学习内容或对象，基于算法、模型、 预测和防备，缩短了舆情应对时间，考验舆情治理的敏捷性。其三，舆论反转现象频发。舆论反转一般是指在互 联网传播场域中，对同一事件的舆论出现一次或多次显著变化甚至出现反向变化的现象。舆论反转是公众意见的 对立、胶着和裂变，其原因在于潜在利益相关者的情感纠缠和观念之争。一方面，虚假信息的生成和传播，特别 是寄生于热点新闻的虚假信息层出不穷，导致了舆论反转，加剧了数字生态的恶化；另一方面，舆论反转也会引 发网络舆情突变风险，部 阶段化治理框架内置入“政府—平台”的 多主体治理结构，实现建设有限政府和有为政府的要求。有限政府理论起源于英国著名哲学家洛克，由自然权利、 社会契约以及权利让渡等理论构成。政府治理模式转变的旨趣在于探究如何建设一个高效负责的政府，让政府治 理朝着服务目标迈进。有限政府理论为建设服务型政府提供了理论基础和借鉴参考，特别是强调对政府职权的约 束以及对政府和市场关系的处理。有为政府强调政府应当“

云端模拟演练，学习新媒体沟通等技能，提高对舆情风险的 识别精准度。 协同攻坚：从“单兵作战”到“全域联动”的生态构建。 基层舆情风险防控不只是单个部门的“独唱”，更是基层各 个力量的“大合唱”，关键在于能否有效地整合各方力量， 形成部门协同、社会共治的局面。通过打破组织壁垒、整合 多元主体、重构运行机制，将分散的应急响应升级为系统化 治理工程，破解“数据孤岛”“职责模糊”“响应迟滞”等难题，

易。这如同在大多数选举中，若是赢得半数以上选票，候选 人就可以上任发号施令。《连线》杂志编辑克里斯·安德森 对此进行了描述：“像网络世界这样高度网络化的市场中， 其实更有可能出现垄断者。网络效应的阴暗面在于它会让富 者愈富。 100 条定律|网络舆情的 51%法则 ” 这种情况如同人们常说的马太效应。马太效应源自《圣 经·新约》的“马太福音”一则寓言：“凡有的，还要加给 他叫他多余；没有的，连他所有的也要夺过来。”它是由美

，谣言就更加不 容易被放弃。在这种情况下，要驱逐人们头脑中的固有想法， 简直困难至极。即便是把事实真相呈现在人们面前，他们也 很难相信。 防止互联网时代越来越容易被引爆的谣言，最好的方法 在于摸清散布谣言者的心理机制和谣言的传播机制。把人们 置于均衡信息环境，让受众及时接收并相信知情者发布的更 正信息。 作者介绍：张鸫，原中央机关网络舆情处长，人民日报 社传播内容认知全国重点实验室资深研究员、乌镇数字文明

的单一目标思维，使其在 追求目标时看不到人类视角中的“底线”和“原则”，唯利 是图便可以不择手段。可以看到，即便在训练数据和反馈机 制中未涉及欺骗元素，AI 也有自主学习欺骗的倾向。而且， 欺骗能力并非仅存在于模型规模较小、应用范围较窄的 AI 系统中，即便是大型的通用 AI 系统，比如 GPT-4，在面对 复杂的利弊权衡时，同样选择了欺骗作为一种解决方案。 不法分子一旦掌握 AI 欺骗技术，可能将之用于实施欺

化引导策 略的优化与情感反馈机制的细化，全面提升系统的动态适应能力 与智能服务水平。 2. 以“智”助学 (1) 学习资料推荐 学习资料推荐作为支撑个性化学习的重要应用功能，其核心 目标在于依据学生当前的学习水平与认知状态，动态推送个性化、 高匹配度的学习资源与相关内容，包含但不限于习题、教学视频、 历史事件、前沿科技、时事动态等。从技术本质上看，学习资料22 推荐系统是通过算法模型模拟教师在教学过程中的资源筛选与 理系统、在线评估工具、智能教室设备等，采集学生在德、智、 体、美、劳各方面的表现数据进行综合分析，为每个学生建立过31 程性的学生发展画像，从而进行客观评估，促进“五育并举”育人 目标实现。其核心技术难点在于多模态数据融合感知网络与动态 评价模型的构建，包括但不局限于：通过物联网终端与智能传感 器实现德育情感数据（如课堂互动行为语义分析、社交协作模式 挖掘）、美育创造力数据（如绘画笔触动力学特征提取、音乐节 日常表现，结合社会实践、团队合作、创新思维等行为特征，为 学生提供多维度的综合评价报告，帮助学生认识到自身的全面发 展状况，也为教师提供全面了解学生情况、调整教育教学策略的 依据。学生综合素质评价的核心技术难点在于多模态数据融合与 动态认知建模。第一步，通过物联网与智能设备实现跨场景数据 采集，结合区块链构建可信数据链；第二步，利用计算机视觉、 自然语言处理及情感计算来解析学生的行为特征；第三步，基于