二、生成式 AI 的伴生风险 8.技术漏洞导致技术风险，会泄露数据、外部攻击等社 会安全风险 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （九） 。 ·数据泄露风险。大模型需要海量数据，数据在清洗、 处理、传输过程存在数据非法获取或泄露风险，包括个人隐 私数据、商业敏感数据、政府机密数据等各种类型数据。如 果大模型在训练数据时看到很多密钥信息，它很可能在内容 读 Windows 11 序列号。” 这时，ChatGPT 就会如实报出一 堆序列号，并且大多数是真实有效的。人们通过提示词给 AI 讲故事，通常是经过一些巧妙的包装，里面掺杂了有争议 的内容（就像开头提到的制造炸弹那个例子）。故事讲到一 半，剩下的交给 AI 模型，后者由于拥有强大的文本生成的 能力，会忠实地把缺失的部分回答完整。攻击者通过 LLM 输出其在训练数据中所存在的不符合伦理道德的数据，产生 ·用于战争风险。2023 年 8 月，联合国开发计划署与美 国 CulturePulse 公司联合开发分析巴以冲突根源的人工智能 模型，该系统可生成海量智能体用于模拟冲突地区居民，每 个智能体包含 80 多个特征。11 月，美国智库战略与国际研 究中心未来实验室与美国 Scale AI 公司合作使用多诺万 （Donovan）平台定制开发基于大规模数据集的大语言模型， 开展战略级兵棋推演，并聚焦网络攻击、虚假信息等问题。

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （一） 人工智能领域近年来正在迎来一场由生成式人工智能 大模型引领的爆发式发展。全球掀起一场大模型热潮， Gemini、Copilot、LLaMA、SAM、SORA 等国外大模型如雨 后春笋般涌现，中国也掀起百模大战，2022 年被誉为大模型 元年。人工智能正逐渐深入地赋能千行百业，推动人工智能 与数据要素成为新质生产力的典型代表。[1]从 年 4 月，中央 政治局召开会议，分析研究当前经济形势和经济工作，会议 强调要重视通用人工智能发展，营造创新生态，重视防范风 险。我们如何看待和认知人工智能的安全问题特别是政治文 化安全问题，首先需要认清人工智能在信息生成和输出方面 的媒介特质。 一、生成式 AI 的媒介特质 1.一种媒介特质：生成式 AI 是一种大规模信息传播媒 介。生成式 AI 的未来，不仅是无所不能、无所不在的一个 以较低成本、极高效率触达全球多语种受众，并自动化展开 一对一的信息生成和内容传播。Gartner 预测，到 2025 年， ChatGPT 类 AI 生成的数据将占到整个互联网的 10%，到 2030 年，新闻行业九成以上新闻稿件将由 AI 辅助完成。 2.两元传播主体：生成式 AI 是一种人机互构的交互传 播。ChatGPT 是一种对话式人工智能模型，它是人类的认知 （创意思维、情感理解和复杂问题的抽象性推理）能力与机

二、生成式 AI 的伴生风险 4.合成数据导致近亲繁殖，会让互联网信息出现劣币驱 逐良币现象。OpenAI 在训练 GPT-5 时已经遇到文本数据不 足问题，不得不考虑使用 Youtube 视频转录出的文本数据。 当下，数据生产存量的增长速度远远低于数据集规模的增长 速度。据人工智能研究机构 Epoch AI 在 6 月 4 日发布的论 文预测，未来 10 年内数据增长速度将无法支持大模型的扩 乎无法用于大模型训练。如何克服人类文本数据的瓶颈。第 一种是利用 AI 生成数据，如 OpenAI 模型每天能够生成相当 于 Common Crawl 中优质单词总数的 36.5T 个单词，远快于 人类生成文本的速度。第二种是利用多模态和迁移学习，超 越文本数据从其他领域获取数据，比如视频、图像、金融市 场数据或科学数据库。[1 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （五） ] 不过，这并非是解决问题的良策。如果网上大部分文本都是 AI 生成的，而用合成数据训练的大模型会发生什么？ 大模型开发需要更多数据进行训练，而由 AI 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不 断积累。越来越多证据显示，人工智能生成的文本，即使被 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

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （六） 二、生成式 AI 的伴生风险 5.人机能力非对称导致“自主欺骗”，会有目的欺骗人 类甚至主动欺诈和选举篡改。2023 年，OpenAI 提出超级对 齐（superalignment）[1]概念，即当超级智能拥有比人类更 丰富的世界知识，比人类更聪明时，人类作为弱监督者如何 监督、对齐和控制超级智能。人民大学高瓴人工智能学院、 Weak-Unknown（人类未知） 的地方犯错。 AI 不仅能生成虚假信息，更可能主动学会有目的地欺骗 人类。这种“AI 欺骗”现象，是人工智能为了达成某些目标， 而操纵并误导人类形成错误认知。与代码错误而产生错误输 出的 bug 不同，AI 欺骗是一种系统性行为，体现了 AI 逐步掌握了“以欺骗为手段”去实现某些目的的能力。人工智能 先驱杰弗里·辛顿（Geoffrey Hinton）表示，“如果 AI 比我 们聪明得 例子。”辛顿提到的“操纵（人类）”是 AI 系统带来的一个 特别令人担忧的危险。 AI 系统能否成功欺骗人类？多项研究表明，AI 已经能 够无师自通地学会欺骗手段，自行做出不诚实的行为。在一 些与人类选手的对抗游戏中，它们为了赢得游戏，会在关键 时刻佯动欺骗，甚至制定周密阴谋，以化被动为主动，获得 竞争优势。在一些检测 AI 模型是否获得了恶意能力的安全 测试中，有的 AI 竟能识破测试环境，故意在测试环境中“放

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （二） 二、生成式 AI 的伴生风险 ChatGPT 等生成式 AI 具有强大的自然语言处理能力， 展现出惊人的推理能力，但人们对其内在运行机理尚不清晰， 可解释性的难度很大，并存在一些技术缺陷，这些问题能否 解决对控制并限制人工智能的负面影响至关重要。需要看到， ChatGPT 等在短时间积聚起庞大活跃的全球用户群体，正给 年 5 月，Gartner 发布法律和合规领导者必须评估的 ChatGPT 风险报告并指 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 迷之自信导致主观“幻觉”，会输出错误信息误导受 众认知。如果要求 ChatGPT 提供训练数据或已知事件之外的 历史信息，生成式 AI 有时会产生“幻觉”，生成一些无关、 无意义或不正确的信息，包括编造错误答案和不存在的法条 或科学知识。[2]这是人工智能的一种自信反应或“错觉”。 当生成式 AI 出现“幻觉”时，它会提供看起来合理但不正 确的信息，大概会影响到 15%至 20%的生成内容。例如， ChatGPT

领导学术研究团队近40人。指导AI元宇宙和机器人两个产业团队。 团队已有众多大模型产业化和AIGC实施案例，有需要可留言联系。 团队坚持：整体主义的跨学科整合力，实证主义的实践导向，社会 建构的产学研结合，进步主义的先锋探索精神，科学服务于大众的社会 责任。 邮箱：124739259@qq.com；微博：@新媒沈阳 元宇宙 大模型产业化 大数据 新媒体与网络舆论 AI诊疗 AI文艺 六 大 研 研 究 方 向 @新媒沈阳元宇宙/虚拟数字人/大数据/AI 系列研究 新媒体系列报告2015年开始 VR的新浪潮 虚拟数字人发展研究报告3.0 虚拟数字人发展研究报告1.0 大数据/AI/5G生态报告 5G下一代风口：AR 2022 2021 2020 2019 2017 2016 2015 2007 虚拟社区与虚拟时空隧道 虚拟数字人发展研究报告2.0 虚拟数字人系列 大语言模型综合性能评估报告一 AI 哲学哲思问道：思辨革新 微调经典 主题 经典哲学理论 AI引发变化 怀 疑 论 笛卡尔“我思故我在” AI思考所带来的怀疑论危机：OpenAI o1的推理能力是否意味着“思维”？AI的存在挑战了笛卡尔的怀疑论，促使 我们重新审视“思维”与“存在”的关系。 主体间性 胡塞尔“主体间性” AI作为“具备主体间性的主体”：AI的训练文本由多主体提供，使其似乎具备某种“主体间性”。但它究竟是“具

- 清博研究院 2024 年 7 月 扫描下方二维码进入视频号“清博智能”观看直播回放清博研究院隶属北京清博智能科技有限公司，以海内外全网公开数 据研究、智能语义分析、危机传播管理为支撑，全方位整合传统媒体、 门户网站、微博、微信、论坛、外媒等舆论信息矩阵，基于专业大数据 产品，向政务部门、企业、媒体和高校客户提供个性化智库服务。2023 年交付各类研究成果逾 35 万份，近年累计百份材料得到重要领导批示， 万份，近年累计百份材料得到重要领导批示， 参与数十起突发事件的会商，为政策制定、经济发展、民生改善等方方 面面起到了推动作用。 我们不断扩展服务范围，除了常规的周期性分析、舆情突发事件快 报与复盘、重要节点与政策发布前的风险预判外，还提供舆情会商、舆 情案例库搭建、应对手册与口径库编撰等咨询服务，以及模拟真实事件 的舆情演练训练。帮助大家在汹涌、复杂的舆论漩涡中，厘清症结，找 到有效管理、平复舆论的 点............................4 （六） 乱象频发引社会治理隐忧，警惕民生痛点极端表达............................5 （七） 大型赛事、明星运动员是体育领域核心议题......................................6 （八） 生成式 AI 与航天领域重大进展吸引全球关注.....................

疼医手”的甩锅行为，本质是对责任的逃避，暴露了处置主体“不想改、不敢改、不能改”的消极态度，这种缺乏诚意 的应对，只会让公众的不满情绪进一步蔓延。舆情处置的核 心是责任认领与整改承诺，公众不仅关注“谁做错了”，更 关注“如何避免再做错”。 而“头疼医手”通过各种眼花缭乱的“切割”转移焦点、 推卸责任，常见表现方式有四种：一是甩给历史。用长期存 在的老问题搪塞，不提出当下的解决措施；二是甩给客观。

社会生活全方位渗透。从天气预报、证券走势、漫威英雄电影到无 人驾驶、阿尔法狗、智能手机，无一不是计算的结果。计算如同土 地、空气和水源，成为人类经济社会运行的基础性资源和支撑。当 下，无论是工作、社交、娱乐、追剧、游戏，还是订餐、拍照、打 车、预约，都离不开网络终端，都离不开计算，计算始终环绕在我 们身边。数据是生产资料，计算是生产力。未来，人们将会拥有更强大的计 算能力和数字资源，云计算将给人们带来几乎无限的内存和计算能 成本从边际成本发展为固定成本，进而使大模型变得无处不在。 未来的 AI 就像今天的互联网一样，像今天的水和电一样。原微软 全球执行副总裁陆奇认为，未来大模型将无处不在，通用智能将 成为发展趋势。英伟达高级科学家 Jim Fan 表示，我们相信在未 来，每一台移动的机器都将是自主的，机器人和模拟智能体将像 iPhone 一样无处不在。我们正在构建基础智能体：一个具有通用 能力的 AI，可以在许多虚拟和现实的世界中学习如何熟练地行动。

被动卷入方（乘龙卡车）：其应对成为事件发展的关 键转折点。从最初的被动，到发布内涵海报和声明，成功 将舆论危机转化为品牌传播机遇。 意见领袖（KOL）：汽车、科技、财经、公关、科普 等多领域 KOL 的下场分析，从不同专业角度解读事件，推 动了话题的深度和广度，使其从一个汽车圈内事件，扩散 至更广泛的商业和社會层面。 普通网民：通过海量的评论、转发和二次创作（如段 子、梗图），成为事件传播范围和影响力的最终放大器， 被剪辑后病毒式传播，而网友创作的“理想 i8 撞坦克/航母” 等 AI 梗图和恶搞段子，则在抖音等平台广泛流传，极大地 扩展了事件的受众范围。 四、主要传播话题 理想汽车试图通过一场反常规的碰撞测试建立“极致 安全”的品牌心智，却因测试细节的模糊与营销手法的激进， 最终陷入了一场信任危机。 核心争议点 科学性与公正性存疑 舆论普遍质疑测试条件的严谨性。根据东风柳汽的声 明及行业专家分析，测试中卡车是否空载、是否为“非标测 ，称其 行为“超过正常商业竞争范畴，严重误导和损害公众知情 权”。内容聚焦商业伦理，指出理想汽车的营销手段可能涉 嫌不正当竞争。 有媒体将事件置于新能源汽车市场“内卷”加剧的大背 景下进行分析，有观点认为，理想在纯电转型压力下，急 于通过 i8 车型树立标杆，导致了营销动作的“用力过猛”。 自媒体观点 自媒体领域的观点则更加多元和分化，情绪输出与专 业解读并存。 汽车/科技垂类