引入训练数据集的量很少，最终也会对训练中的模型产生 “毒害”。[2]研究人员将一些由 AI 生成的语料作为训练数 据，“投喂”给一个正在训练的语言模型，然后使用它所输 出的结果再来训练新模型，并重复这一循环。他们发现，模 型每迭代一次，错误就会叠加一次。当人们要求第 10 次被 训练出的模型写出有关英国历史建筑的内容时，它输出的却 是有关豺兔的一堆胡言乱语。[3]英国牛津大学机器学习研 究员伊利亚·舒迈洛夫及其同事称这种现象为“模型崩溃”。 如今，人工智能已经强势侵入人类的互联网，极大地改 变了网上文本和图像的生成和传播系统。牛津大学、剑桥大 学、帝国理工大学、多伦多大学研究人员发现，使用 AI 合 成数据训练 AI，在进行 9 次迭代后，模型开始出现诡异乱码进而直接崩溃，相关研究论文登上 Nature 封面。[4]研究人 员发现，如果大模型在数据训练中不加区别地使用 AI 生成 的内容，模型就会出现不可逆转的缺陷——原始内容分布的 国斗牛犬、小体巴塞特雪橇犬等。基于真实数据训练后的大 模型，输出的图像中常见品种如金毛寻回犬占大多数，而不 太常见的品种斑点狗会消失。然后，基于 AI 生成的数据训 练模型，生成的品种全是金毛了。最终，经过多次迭代，金 毛的图像完全出现混乱，脸不是脸鼻子不是鼻子大模型完全 崩溃。此外，2023 年来自斯坦福和 UC 伯克利的一项研究中， 作者同样发现，大模型在少量自己生成数据内容重新训练时， 就会输出

将舆情风险防控视为宣传部门的工作，把自己置身于事外； 在协同上，部门之间存在数据壁垒，无法及时分享数据，造 成错失最佳应对时机。如何科学有效防控舆情风险正成为广 大基层干部面对的一道重要“考题”，亟须从认知升维、制 度迭代、技术赋能、协同攻坚四个维度提升舆情风险防控能 力。 认知升维：从“被动灭火”到“主动控温”的思维转变。 党的二十大报告指出，推动公共安全治理模式向事前预防转 型。面对舆情风险，有的基层单位往往后知后觉，缺乏对网 时候发生风险，表现形式是什么，发展趋势会怎样”。三是 做好风险溯源，将矛盾消解于未然，将风险化解于无形，就 必须把好舆情风险源头关、监测关、管控关，提高预测预警 预防能力，努力做到预防在先、发现在早、处置在小。 制度迭代：从“经验导向”到“标准引领”的体系重塑。 在人工智能时代，舆情风险呈现更为复杂化、隐蔽化与裂变 式的传播特征，依赖传统的经验与临时应变的防控模式，易 受信息滞后与认知偏差影响，难以应对舆论生态新变化。舆

全风险的认知。 布鲁金斯学会发布报告《人工智能改变世界》指出，人工智 能将严重威胁国家安全。西方政要甚至发出人工智能将干扰2024 年美国总统大选的担忧。 可以预见，伴随 ChatGPT 快速迭代，人工智能向 AGI （通用人工智能）快速演进，人工智能发展和应用正在加快 速度，其带来的不仅是发展机遇，风险挑战也是如影随形。 2021 年 11 月，中央中央政治局召开会议，审议《国家安全 亿字内容。二是信息传播方式变革。Sora 等 AGI 应用爆红表明数据和算法驱动的智能传播将走向主流，意味 着信息传播范式再次革新，即从大众媒体时代的对所有人的 大规模传播，到社交媒体时代所有人对所有人的开放传播， 进一步迭代到智能媒体时代信息和内容的自动交互传播，即 一种基于深度学习技术和大数据的自动化传播。大众传播、 社交传播、智能传播三者共存，既相互竞争和替代，也相互 联动和协同，共同构成开放复杂的传播体系。三是媒体格局

仅损害了 行业的健康发展，还可能引发舆情危机。 5.技术风险 低空经济高度依赖高新技术，如无人机技术、空中出行 服务技术等。然而，这些技术的更新换代速度较快，且存在 诸多不确定性。一旦技术迭代未能跟上市场需求，或新技术 出现重大缺陷，将直接影响低空经济的可持续发展。此外， 技术风险还包括技术泄露、技术侵权等问题，这些都可能对 低空经济企业造成重大损失。 （二）舆情风险的影响 1

后不久，2005 年 9 月 25 日中国又以国务院新闻办公室、信息产业部两部门的名义正式对外发布《互联网新闻信息服务 管理规定》。 由此，标志着中国互联网信息的管理已经纳入正规，并 根据新情况新问题不断地迭代，为中国互联网的健康发展起 到了保驾护航的作用。自此，中国的互联网管理开始日臻成 熟。

布了文生视频大模型 Sora，及首次由 AI 生成的长达 1 分钟的多镜头长 视频。当日，话题#sora#便登上微博热搜榜、阅读量突破亿。以及，随 后 5 月迭代的大模型 GPT-4o，都给生成式人工智能领域带来新变化。国7 内也迎来生成式人工智能产品与技术的更新迭代浪潮。除了去年底爆火 的 Kimi，今年阿里云正式发布通义千问 2.5，字节跳动正式发布豆包大 模型家族、AI 应用开发平台“扣子”等。 航天领域重大进展引发国际关注。今年

提供参考材料与外部资源 • 向模型提供外部参考文献或文本， 并要求根据这些材料生成答案 • 要求模型在作答时引用或链接到 具体的来源 • 集成外部工具（如代码执行）来 完成复杂的计算或查找任务 6. 动态反馈与迭代优化 • 在收到回答后，指出模型的误差 或不足，并要求修正 • 让模型根据前一轮的输出进行自 我改进 • 请求模型总结多轮对话中的关键 点，确保连贯性和准确性 提示词工程：精准指引 效能增益1 技术前瞻：利用新技术为艺术创作带来新的可能性。 词工雕琢：精准构建提示词与指令 词汇精选：精心挑选词汇，作为AI创作的提示词。 逻辑构建：通过合理的逻辑结构和叙事线索串联提示词，形成具 有连贯性和故事性的创作指令。 迭代优化：不断测试和调整提示词与指令，追求最佳效果。 RPA自动化：流程优化与效率提升 流程标准化：将重复性任务标准化，为RPA自动化奠定基础。 智能辅助：减轻艺术家的工作负担，使其更专注于创作本身。 风格融合：融入艺术家的个人风格，使作品更具辨识度和深度。 智评反馈：五品评估法 将作品划分为五个的等级：凡品、精品、优品、罕品和孤品。 代表作品在创意、难度、艺术性和美感等方面的不同水平。 循环迭代：将AI评估与创作过程相结合，形成循环迭代的创作 模式。美学理论：启迪创意 引领风尚 不可能美学 趋无限美学 反 物 理 美 学 异世界美学 高细节美学 乱混沌美学

字时代的网络舆情治理带来新的挑战。既有的回应治理路径 和法治治理路径无法有效覆盖网络舆情生命周期的各个阶 段，在很大程度上呈现出治理失灵的状态。“大数据悖论” 带来诸多治理困境。一是技术困境。数字技术更新迭代速度快，容易产生同 质化竞争；网络数据信息传递内耗大，容易造成信息失真和 数据安全问题。此外，大数据技术人才缺乏、网络舆情分析 算法简单、数据质量良莠不齐、数据孤岛与数据鸿沟等问题 尚待解决

…………………………8 1.4美国实施思想殖民的基础条件……………………11 1.5美国实施思想殖民的深层动因……………………14 第二章 美国思想殖民的实践体系 ……………………17 2.1战略体系：历史迭代与纵深拓展…………………17 2.2组织体系：多个主体勾连合谋……………………21 2.3价值体系：“普世价值”瞒天过海 ………………26 2.4传播体系：多重渠道立体灌输……………………29 第二章 美国思想殖民的实践体系 美国思想殖民活动有着深厚的实践基础和清 晰的战略布局，逐步形成了一套完备的体系 支撑。 2.1战略体系：历史迭代与纵深拓展 美国思想殖民是在强烈的战略意图和清晰的 战略布局下开展的，几经历史迭代，已经形成了 包括宣传战、信息战、思想战、认知战等在内的 多维立体的战略体系。 （一） 媒体宣传与“宣传战” 从两次世界大战到 20 世纪 60 年代，美国主

能技术的升级换代，动态更新相关建议，避免错失人工智能赋能 教育的未知领域。 3．以师生人工智能能力为基构建“师-生-机”新教学法关系 随着人工智能技术的生成性及动态应答能力的增强，人工智 能智能表象层面的机器能动性正得到迭代性的强化。与此同步， 人工智能在教育、教学、学习和评价中全链条的渗透已逐步构建 出由教师、学生和机器三个具备相对能动性的活动体的新型教学 法关系。本《蓝皮书》梳理了“师-生-机”教学法关系的多维度、 成“数据采集-认 知建模-动态预测-反馈干预”的全链条技术闭环。 在实践中有少量应用案例表明，人工智能技术或有机会去逐 渐突破“一测定终身”的局限，实现成长性评价，尝试有效促进教 育评价方式迭代及效率升级。如某小学针对学校学生评价指标体 系的每个指标，都设置了不同的采集要点，在系统中内置了文本、 数字、文档、音频、图像等多种录入形式，满足各种相关指标数 据的采集需要，并根据不同数据类型设计不同的采集工具。学生 础的技术，推动人工智能与教学场景深度适配，提升落地效率与 使用成效，杜绝“技术先行、场景滞后”的现象。 （3）理性建设推进教育试点。人工智能技术虽具变革潜力， 但在教育中的实际应用尚不成熟，应充分认识其快速迭代与能力 边界的双重特性。在开展教育试点前，必须理性评估其在具体教 育任务中的适用性，警惕削弱教师育人功能的“去人化”倾向，有 组织、有重点地开展试点探索，防止一哄而上、一哄而散。在试65 点