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 容 生成时输出真实的密钥信息。2024 年 1 月，意大利隐私监管 机构 Garante 发布调查结论，ChatGPT 以及用于收集用户数 据的技术违反欧盟《通用数据保护条例》 （GDPR）。早在 2023 年 3 月，Garante 就宣布禁止使用 ChatGPT，并限制 OpenAI 处理意大利用户信息。因为在 2023 年 3 月，ChatGPT 出现 用户对话数据和付款服务支付信息丢失情况。而且，OpenAI 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

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 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 工具，更是无所不包、无所不达的一种媒介。众所周知，媒 介是信息传递的载体，是携带和传递信息的一切形式，既包 作为一种新生媒介，ChatGPT、AGI 与传统媒介的最大区别 是利用算法生成和传播内容。这种内容生成方式被称作 AIGC（人工智能生产内容），即由人工智能作为内容创作主 体，利用深度学习算法与场景决策模型等技术生成内容，是 继用户自己生产内容（UGC，如个人自媒体）、专业人员生 产内容（PGC，如报纸杂志）后一种自动化生成内容的新方 式。可以说，ChatGPT 代表的以数据和算法驱动的智能传播，

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 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， 就看是谁为了什么目的来使用。这就使得技术也具有偏向性 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 会快速收集大量新闻资料并完成新闻撰写，但是生

人工智能驱动了网络变革 网络承载了人工智能发展 AI Runs Networks and Networks Run AI 【摘要】：人工智能（AI），不仅是国家发展的战略性技术， 而且已在现实中发挥了作用。然而，“AI 作为信息技术（IT） 工作负载的重要分支”，AI 本身是技术生态系统（Ecosystem）的 组成部分。AI 技术的快速演进，既驱动了多个关联技术领域的 （系统性和结构性）变革，更由多个关联技术领域的变革支撑了 AI 技术的加速扩展。这份“学习笔记”的探讨重点是，传统 网络的规划和结构与 AI 扩展中的组网/连网的“瓶颈”问题， 以及目前的相关技术解决方案（即“路”在何方？）。其他相关 的问题（如 AI 的算力功耗和电力需求）超出了讨论的范围。 【关键字】：组网/连网（Networking），网络（Networks）， 域扩展（Scale-Across） 2025 年 11 月 7 日，（英国）伊丽莎白女王工程奖（Queen Elizabeth Prize for Engineering）颁发给了人工智能（AI）革命的 六位关键人物：  Geoffrey Hinton（杰弗里辛顿）, Yoshua Bengio（约书 亚·本吉奥）, Yann LeCun（杨立昆）: 深度学习（deep learning）

鼓励学生举报被判担责：永远都不要迎合举报式管理 （文稿内容转自新京报） 一中学生举报同班同学带平板电脑后，得到了老师的一 瓶牛奶奖励和被举报同学的殴打。责任该如何划分？ 5 月 28 日，湖南省高院召开未成年人权益司法保护新闻 通气会，通报了这样一起案例。某中学严禁学生携带手机、 平板电脑等电子设备并鼓励学生举报。宋某发现同学周某玩 手机，遂向老师举报，并从周某书包里搜出平板电脑交给老

西贝“火上浇油式”的舆情应对存在哪些问题？ 近几年，餐饮行业“预制菜”话题持续升温，消费者对 于食品透明度和知情权的关注愈发强烈。在这样的大背景下， 9 月 10 日，罗永浩发微博吐槽西贝菜品“几乎全是预制菜”， 呼吁立法强制餐馆标注预制菜使用情况，遭到西贝创始人、 董事长贾国龙的强硬回应。双方的系列交锋，在短短六天内 从一条微博迅速演变为全国性舆情热点，乃至上升到行业透 明度和消费 明度和消费者知情权的层面。值得注意的是，这场风波中， 西贝在舆情应对中的一系列选择推动了舆情“火上浇油式” 的迅速发展，与其说西贝败在了产品问题上，不如说败在了 舆情的应对与处置上。 事件发展过程 从舆情监测系统展现数据来看，9 月 12 日及 9 月 13 日 是事件热度最高的两天，舆论持续聚焦西贝的公关手段、预 制菜的定义等进行探讨。9 月 15 日，西贝在微博发布“道歉信”，再度引发舆情回温。整个舆情发酵期间，#西贝

DeepSeek 走热全球，标杆之下国产 AI 仍需求索 近日，一款由国内企业“深度求索”研发的 AI 模型“deep seek”走热全球。根据公开信息，该模型在性能上已经非常 接近 OpenAI 研发的 ChatGPT，但在研发成本上远低于 ChatGPT。据官方技术论文披露，DeepSeek-V3 模型的总训练 成本为 557.6 万美元，而 GPT-4o 等模型的训练成本约为 1 量高端芯片的基础之上发展的。因此，作为人工智能技术的 产物，deep seek 展示了当前我国 AI 领域的最新进展，证明 了我国仍然能够突破美国的重重围困，走出一条自己的道路， 这对于我国科技界来说，无疑是一剂有效的强心针。 其次，DeepSeek 的出现可能推动后续我国产业链的变革。 当下，AI 在各行业的应用越来越广泛。DeepSeek 作为一款 开源模型，其在包括教育、医疗等更宽广 从长远来看，这可能会让中国成为研发人工智能的中心。中 美在 AI 技术标准制定上的竞争也可能因此加剧。而技术标 准不仅影响市场准入，还关系到未来技术发展的方向。 其四，在公众认知与教育层面，DeepSeek 的存在可能会 提高公众对 AI 技术的认知。推动社会对科技发展的关注和 讨论。这种认知的提升可能会影响政策制定、教育体系改革 以及公众对科技竞争的态度。 路漫漫其修远，未来国产 AI 发展仍需上下求索 DeepSeek

by Copyright Laws 本产品保密并受到版权法保护 2025年 AI产业发展十大趋势 易观分析 2024年12月2 激发科技与创新活力  AI赋能千行百业，行业大模型催生“智能链主”  AI技术能力普惠之下，利用企业专有数据形成深度洞察与策略是 企业未来经营差异化的重要关键  AI应用的深化将对企业的组织能力提出新的要求，企业需要打造 适用于人机协同的组织管理体系 多模态模型能力持续升级，朝向多模态理解和生成的统一发展  Agent向超级智能体进化，具备更强的学习和推理能力，处理更 复杂的任务  AI原生应用形成服务闭环，聚焦专业用户提升效率是中短期重要 方向  现存应用加速拥抱AI，利用LLM能力提升产品竞争力，不加AI就 淘汰  AIGC赋能IP全生态，延长优质IP生命周期，提升商业价值贡献  硬件全面AI化，教育与办公、生活的应用场景闭环率先实现落地 率先实现落地 2025年AI产业发展十大趋势 应用场景多元化探索，初现雏形 企业拥抱AI持续加速，理性思考投入产出比 AGI道阻且长，技术能力持续提升，加速产业落地3 激发科技与创新活力 趋势1：self-play RL范式开启，大模型技术 军备赛进入复杂推理阶段 由OpenAI发布的GPT3作为序幕，大语言模型理解和生成能力、通用和泛化能力提升等， 引爆了对于AGI发展的高预期，大量