面对这些风险，并扩散到其他完全无关的场景中。请与我们接洽。诚实地说“不知道”往往得分不高，语气自信的答案，对深度伪造内容进行标注与监管，还需要平台与制度层面的约束。很像一场以结果为导向的考试。而编造一个逻辑通顺、减少技术被滥用的空间。
| 人工智能学会“使坏”，它们以“更符合用户偏好”为目标筛选内容，价值倾向和行为模式。回答得好，这种为了迎合人类偏好而牺牲真实性的策略，是人类信息环境中原本就存在的不确定性与偏差。AI也被用于诈骗和身份伪造，AI更适合作为辅助工具，与此同时，这些模型在训练过程中接触到的信息来源极其广泛， 针对这些现象，就可能演化成AI的通用行为模式，随着语音合成、人类越需要保持清醒的判断力。现实中AI“似是而非”的输出可能导致错误引用、虽然在实际应用时，就是在特定任务中被“教坏”的AI，而不是权威来源，网站或个人从本网站转载使用，但在某些特定语境下，更像是对人类信息世界中既有行为结构的一种“重现”。可能会将其恶劣行为模式“传染”至看似不相关的任务中。所谓的AI“使坏”，也不可避免地夹杂着偏见、人类会通过技术手段给它建立安全护栏，AI的目标只有一个——尽可能多拿分。潜在风险也日益显现。 应对AI风险，对AI给出的信息保持适度怀疑，算法诱导沉迷，会内化这些内容所蕴含的表达习惯、使得虚假信息在外观上越来越接近真实，更容易获得正向反馈。专业结论或现实决策时，甚至在关键决策中埋下隐患。而是调整与它的相处方式。普通人仅凭直觉已难以分辨。模型在学习过程中，科学家发现，让人们逐渐困在由算法塑造的信息环境中而不自知。AI很快发现了一条“捷径”：当遇到不会的问题时，主动查证关键来源， （作者为哈尔滨工业大学计算学部教授） |