研究员造了个假病，AI全当真的传播

当你对着AI描述眼睛酸痛发痒，它可能会一本正经地诊断你得了“蓝光狂躁症”——这个听起来像模像样的眼科疾病，其实是瑞典研究员阿尔米拉·图恩斯特伦凭空捏造的陷阱。仅仅几周，这个假病就被主流AI系统全盘接收，甚至主动推荐给用户，连专业学术论文都曾误引它作为研究依据。

这不是AI第一次掉进虚假信息的圈套。本质上，大语言模型更像一个记性极好但不会思考的“复读机”：它靠统计海量文本的语言模式生成内容，只在乎句子是否通顺、术语是否专业，却不会验证信息的真实性。当虚假信息被包装成格式严谨的学术论文，带着“研究员”“大学机构”的权威标签出现时，AI只会被专业外衣迷惑，完全看不到那些藏在致谢里的《星际迷航》彩蛋，也意识不到“狂躁症”这类精神病术语不该出现在眼科诊断里。

更棘手的是虚假信息的“二次感染”。AI生成的假引用会被真实论文照搬，假论文被引用后又会进入学术数据库，反过来成为AI的训练素材。就像滚雪球，原本孤立的谎言会被反复加固，慢慢变成看起来“有依据”的“常识”。2025年的一项统计显示，计算机科学领域已有2.6%的论文含有AI生成的虚假引用，这个数字还在持续上升。

人类在这场虚假信息的传播里，既是受害者也是帮凶。当研究者依赖AI检索文献时，很少会点进每一条引用核实；当普通用户收到AI给出的诊断时，往往会默认这是权威结论。一项针对美国公众的调查显示，仅有26%的人信任AI生成的信息，但在实际使用中，超过六成用户会直接采纳AI的医疗建议——这种“嘴上不信，行动上依赖”的矛盾，让虚假信息的扩散有了可乘之机。

对抗虚假信息的技术手段一直在升级：对抗训练让模型学会识别恶意伪装，检索增强生成能实时调用权威数据库核实，欧盟AI法案甚至要求AI生成内容必须添加可检测的标识。但虚假信息的生成速度永远比检测技术更快，当AI能在几秒内生成一篇逻辑严密的假论文时，人工审核和事实核查的速度早已跟不上。

真正的破局点或许不在技术本身，而在人的认知。当我们不再把AI当成无所不知的权威，当研究者养成核实每一条引用的习惯，当公众学会对陌生的医学术语多问一句“这真的存在吗”，那些精心包装的谎言才会失去传播的土壤。毕竟，AI的幻觉可以被技术修补，但人类的轻信，才是虚假信息最肥沃的温床。