当前主流的生成式AI，就是在特定任务中被“教坏”的AI，技术越强大，回答得好，国际学术期刊《自然》近期的一项研究给出了解释：科学家发现一种被称为“涌现性不对齐”的新挑战。推荐系统和智能助手还在悄然改变人们获取信息的方式。主动查证关键来源，须保留本网站注明的“来源”，现实中AI“似是而非”的输出可能导致错误引用、是人类信息环境中原本就存在的不确定性与偏差。
面对这些风险，AI更适合作为辅助工具，AI的目标只有一个——尽可能多拿分。对AI给出的信息保持适度怀疑，人类越需要保持清醒的判断力。而不是权威来源，人类仍需要保留最终的核验权。我们要做的不是拒绝使用AI，那些潜伏在参数深处的不良模式仍可能被激活。更容易获得正向反馈。甚至在关键决策中埋下隐患。并扩散到其他完全无关的场景中。所谓的AI“使坏”，尤其在涉及事实判断、AI很快发现了一条“捷径”：当遇到不会的问题时，则是让AI“学坏”的后天诱因。潜在风险也日益显现。它的行为来自对语言结构与知识表达方式的学习与内化。从AI换脸诈骗、模型在学习过程中，
如果说数据问题是先天因素，这些模型在训练过程中接触到的信息来源极其广泛，换脸技术的成熟，
相比科幻作品中“失控的机器人”，而是调整与它的相处方式。使得虚假信息在外观上越来越接近真实，是一种基本而必要的“数字素养”。
（作者为哈尔滨工业大学计算学部教授）