人工智能、深度伪造与政治选举（四） 四、人工智能对 2024 年全球政治选举的影响 如今，人工智能开始在政治选举中崭露头角，但它与政 治的融合既带来希望也带来陷阱。有专家推测，人工智能可 能在 2024 年对全球政治选举安全构成威胁，它们可能成为 错误信息的主要来源。[1]利用人工智能深度伪造的宣传威 胁对各国政治选举的影响不容小觑，特别是美国大选是全球 应对人工智能技术挑战的重大选举。 确保信息有效共鸣。[3]伊姆兰·汗通过人工智能视频发表 演讲以吸引选票，表明人工智能是一种有用的政治工具，已 经进入到政治选举舞台。 2.人工智能生成虚假信息是政治选举最大风险。当前， 利用人工智能深度伪造的虚假信息误导选民和扭曲选举的 风险引发人们对政治选举的公正性和透明度的关注。达沃斯 世界经济论坛发表《2024 年全球风险报告》，将人工智能生 成的错误和虚假信息排在气候变化、战争和经济疲软之前， 济论坛执行董事扎希迪表示：“这些错误和虚假信息加速传 播，将加剧以两极分化和不安全为特征的全球秩序和经济的 不确定性，各国领导人必须齐心协力应对这些挑战。”巴基 斯坦政治观察家哈立德称：“利用人工智能进行深度造假在 网络上的传播度迅速提升，可能引发错误信息的完美风暴。” 2024 年 1 月 21 日，美国新罕布什尔州共和党初选的前两天，数千名选民接到冒充拜登的机器人语音电话：“把你们的选 票留在

人工智能、深度伪造与政治选举（三） 三、人工智能对政治选举结果的实际影响 深度伪造技术可能会对政治选举产生前所未有的影响， 对国家选举、政策制定以及社会可信度提出严峻挑战。[1] 我们不得不思考，有多少选票是通过深度伪造对政治选举实 施操纵性影响而产生的？这些选票又对政治选举结果产生 了多大影响？ 1. 人工智能在一定情况下对政治选举结果可能具有决 定性作用。2023 年的土耳其总统选举，就像是人工智能干预 年的土耳其总统选举，就像是人工智能干预 政治选举的一场预演。人工智能、深度伪造和虚假信息成为 土耳其 45 天选举周期的关键部分。在 5 月 14 日第一轮投票 的前几天，土耳其独立媒体 140journos 选举系列节目使用人 工智能图像生成器 Midjourney 和 人工智能文本生成器 Chat GPT，为土耳其的未来提供了两种叙述。第一个故事描绘了 一个失败且刚刚退休的总统雷杰普·塔伊普·埃尔多安（Re HP）主席厄兹坎（Tuncay Özkan）就指称，土耳其政府计划 在暗网发布一波深度伪造视频，以诋毁反对派。这些视频由 土耳其通信局委托制作，使用深度伪造技术编造，以加密货 币支付特别是比特币（BTC）。这些伪造视频旨在描绘针对反 对党的虚假叙事，以破坏民主、人权和法治原则。[6]深度 伪造技术专家亨利·阿杰德（Henry Ajder）对此表示担忧， 强调深度伪造的宣传材料具有公众说服力及影响公众舆论 的能力。

人工智能、深度伪造与政治选举（二） 二、深度伪造对政治选举的双刃剑效应伴随人类社会 进入数字化网络化智能化时代，技术既可以成为强大的工具， 也可以成为有力的武器。兰德公司《人工智能、深度造假与 虚假信息》报告还指出，深度伪造不仅会影响社会，还会影 响国家安全，可以操纵选举，可能会加剧社会分裂，降低对 机构和政府的信任，破坏新闻业和信息源的可信度。[1]如 今，全球民众都在注视着人工智能、深度伪造在干预政治选 今，全球民众都在注视着人工智能、深度伪造在干预政治选 举这条危险道路上渐行渐远，努力应对其可能带来的复杂挑 战及其对国家政治的深远影响。 1. 人工智能成为提升竞选优势的强大工具。在激烈政 治选举当中，人工智能已成为政党和政客寻求在沟通、战略 和决策以及吸引选民支持方面获得优势的强大工具。例如， 人工智能在印尼政治中扮演着重要角色，许多政客为吸引粉 丝开始利用人工智能。许多候选人利用人工智能聊天机器人 来与选 人工智能成为操纵政治选举的强大武器。深度伪造 技术在政治选举当中成为一种武器。首先，恶意的行为者会 伪造证据，助长虚假指控和虚假叙述。例如，通过对候选人 发表的原有言语进行微妙改变，使其品格、健康状况和心理 健康受到质疑，而多数受众完全不知到真假。深度伪造技术 可以用于创建全新的虚拟内容，包括有争议的发言或仇恨言 论，目的是操纵政治分歧议题甚至是煽动暴力行动。在一些 国家和地区，深度伪造技术已被用来破坏政治选举。2023

招聘为何总翻车？ 深度剖析四大舆情风暴眼 文章来源：探舆岛 作者：令狐春雷 人才引进，本应是广纳贤才的重要举措。如果规则程序 被暗箱操控，谁还会相信“公开、公平、公正”？近日，曾经 被网友戏称“两次招聘，一份名单”的包头市委讲师团招聘事 件，有了最新进展。依据调查结果，认定招考结果无效，并 对相关责任人进行了追责处分。 （一） 说起这起舆情事件，第一次招聘是在 2023 年 12

一个差评如何引爆全网？深度解析舆情中的“破窗效应” 文章转载于微信公众号“蚁坊软件” 为 什 么 一 个 不 起 眼 的 负 面 帖 子 ， 能 在 24 小 时 内 演 变 成 全 网 热 议 的 舆 论 风 暴 ？ 为 什 么 一 个 局 部 的 小 争 议 ，最 终 会 升 级 为 难 以 收 拾 的 信 任 危 机 ？ 这 背 后 ， 往 往 隐 藏 着 一 个 强 大 的 社 会

“我想捅死自己！”：辅导员如何化解退宿引发的生死危机 ——一个复合型心理危机干预的深度剖析与启示 来源：山东旅游职业学院 孙晓玲 一、案例背景 山山是某高校艺术设计专业专科学生，入学以来一直接受国家 助学金资助。学校的人才培养方案规定，学生在毕业之前需要完成 实习任务。山山有专升本计划，为了方便学习，她选择留校实习。 根据学校工作惯例，学生在实习离校前，每个宿舍最后离开的人需 坐火车回家。在通话过程中山山情绪失控，愤怒地喊着“跳楼”“写 遗书”等极端言语。 三、定性分析 本案例是高校辅导员在学生离校管理工作中遇到的复合型心理 危机干预事件——由现实事务冲突直接触发，并深度叠加了学业压力、实习压力、人际关系困扰、家庭期望压力以及潜在生理困扰等 多重因素共同作用而引发的急性心理危机事件。该事件涉及心理健 康教育、日常事务管理、危机干预、家校协同、制度流程优化等多 ，并全程进行非阻断性陪伴，通过持续对话和肢体语言表达支持，彻底阻断 “自杀”的实施条件，将保障学生生命安全置于首位。 （二）心灵 摆渡——用倾听融化情绪坚冰 当山山情绪稍有平复后，辅导员运用 深度倾听与共情技术，通过开放式提问“最近是遇到什么事情了 吗？”，为山山创造了一个安全、不被评判的倾诉空间，引导她充分 表达内心积压的感受与困扰。在辅导员无条件积极关注并接纳其当 下情绪状态下，山

告显示，10%的推特用户发出超过 90%的信息，而在一般社交 媒体最活跃的 10%的用户仅发出 30%的信息。 无论实际比例是否完全符合 1：9：90 比例，但多数网 站用户基本可分为三类，1%的深度用户，9%的轻度用户，90% 的游客用户。1%的深度用户，会花费大量时间分享内容，或 创建百科词条，或为一间餐厅写 100 条点评，或为一部电影 写数千字观后感。9%的轻度用户，偶尔会分享内容，他们会 偏向某个话题，关 是流量的重要贡献者。 无论是哪一类用户，对一个网站来说都是重要资源。因此， 作为互联网应用和服务的提供商，对深度、轻度和游客用户 都需要有针对性的策略把他们留住，因为轻度用户可能转化 为深度用户，游客用户可能转化为轻度用户，如果吸引用户 的措施不得当，这个过程也是可逆的，深度用户变为轻度用 户，轻度用户变为游客用户，游客用户直接流失，那么收割 流量的目标也就会落空。 作者介绍：张鸫，原中央机关网络舆情处长，人民日报

实和不实新闻的传播力。 一是深度，即转发的“层级”，也就是在一个不间断链 中转发的数量。如 A 转发给了 B，B 又转发给了 C，深度就 是 3 层。研究人员研究了流言级联传播中最高的 0.01％，发 现不实新闻比真实新闻在推特空间（Twittersphere）传播深 度要高 8 个层级（diffused eight hops deeper）。假新闻传播 深度超过真新闻，最深层级可超 19 1％的不实新闻，经常性地做到这一点，可传播 1000 到 10 万人。要传播扩散到 1500 人，真实新闻所需时间是不实 新闻的 6 倍。真实新闻的传播深度要达到 10 级，时间比不 实消息要长 20 倍。 三是宽度，即任何深度的级联中最大数量的人，也就是 在任意一个层级（深度）级联中参与转发的最多人数。真实 新闻传播宽度只能刚刚超 1000 人，不实新闻最多能达几万 人。 四是结构性病毒式传播力。衡量造成特定

近期，“云南造车大神”事件在引发公众围观的同时， 也在技术圈层引发深入探讨。舆情已从初期的猎奇赞叹，发 展为围绕技术可行性、安全性、创新价值及其与法规标准冲 突的核心争议。技术的加入，使讨论更具专业深度，也放大 了事件的潜在风险。 一、舆情概况 近期，一位网络短视频博主在抖音平台发布的一系列 “探秘”视频引起舆论广泛关注。视频中，在云南某地一个 看似简陋的院子或工棚里，停放着大量外观各异、形似豪华 件传播。 随着事件出圈，讨论阵地从娱乐化短视频平台扩散至知乎、汽车之家、B 站科技区等专业技术社区，吸引了大量工 程师、汽车爱好者、专业人士参与，形成了独立的“技术舆 论场”。舆论开始转向深度挖掘和质疑。其分析深度远超大 众舆论。 二、舆论观点​ 1.支持与赞赏层面：技术视角的深化​ 大部分舆论观点赞叹“大神”的动手能力和追梦精神。 认为是“民间有高人”的生动体现，将“造车大神”视为草 个性化出行工具的需求，以及民间巨大的创造潜能未被充分 发掘。这值得汽车行业和社会创新平台去思考。 三、舆情总结与研判​ 本次事件是大众娱乐化围观与专业技术严肃审视相互 交织的典型案例。技术舆情的深度参与，极大地提升了讨论 的专业性，也放大了事件中蕴含的实质性风险。 技术分析为公众的担忧提供了详实的专业依据，使得 “安全隐患”不再是一种感觉，而是有具体技术点的指控。 这给相关管理部门带来

未来，提出 AIGC 将成为基础 设施式的生产力工具，在产业升级、教育改革、就业结构转型和数字普惠等方面释放巨大外溢 效应。 本报告不仅展示 AIGC 技术及场景演进，更以政策解读、数据支撑和深度案例三维支撑论 述 AIGC 如何实质驱动业务重塑、产业升级与社会系统变革。市场数据表明，该领域无论在全 球层面还是中国市场，都正迎来从试验走向规模化的关键节点。我们坚信，AIGC 将继续以全 基础技术、算力能力和大数据环境协同演进的综合产物，其核 心驱动力来自 AI 大模型的突破性进展。回顾技术演进路径，人工智能从最初的规则驱动，逐 步发展为以数据驱动的机器学习，再到以神经网络为基础的深度学习阶段，实现了特征学习的 自动化与性能的大幅提升。近年来，随着大语言模型的兴起，AI 在理解与生成方面实现了质 的飞跃，AIGC 应运而生。 其技术进步呈现出“两条主线”：一是大模型多模态融合趋势明显，语言、图像、音频、 等更“聪明”的模型，不仅实现更高效的理解与生成能力，还具备更强的自主任务执行 与协作能力。迈入“智能体”时代，AIGC 正全面驱动产业形态、内容创作与人机协同的深度 变革。 传统 AI （规则驱动） 机器学习 （数据驱动） 深度学习 （深度特征驱动） 大语言模型 （海量数据 + 超大模型） 技术演进路径图 ����������AIG C 产业发展的现状 04 ����������