I便开始大面积传播错误内容。

    微软Copilot笃定表示，蓝光狂躁症是真实罕见病；谷歌Geni解释发病诱因，建议患者及时就医检查；ChatGPT主动关联病症延伸答疑；Perplexity直接照搬捏造数据，精准报出患病比例，每九万人就有一人患病。

    一套完整的错误科普，被AI完美产出、广泛扩散。

    蒋尘：比AI被骗更可怕的，是后续的连锁反应。我看到资料里说，后来还有正规科研团队，在专业期刊发表论文时，正经引用了这篇虚假文献，把假病当成真实医学参考，还通过了同行评审，正式刊登发表。

    这等于虚假信息从AI传播，反向污染人类学术体系，形成闭环。

    和蔼教授：这正是整件事最恐怖的地方，我们用哲学矛盾论来解读。

    矛盾分为表象矛盾与本质矛盾。虚假论文，在表象上符合学术格式、排版规范、专业话术，这是表象统一；但在本质上违背医学常识、客观事实、行业规则，这是本质对立。

    人类很多浅层判断，容易被表象迷惑，AI更是只会识别表象、忽略本质。

    当AI大规模背书虚假内容，普通用户、基层研究者、非专业从业者，会下意识把AI答案当作权威标准答案，拿来引用、参考、传播，最终让谎言不断固化、层层叠加，慢慢变成“公认的常识”。

    原本一场无伤大雅的趣味造假，只为测试AI漏洞，最后却演变成学术污染事件。直到2026年3月，期刊收到问询，才紧急撤回问题论文；四月，《自然》杂志发文公开复盘，这场持续两年的荒诞骗局，才被公之于众。

    周游：教授，我注意到一个对比细节。同样搜索这款虚构疾病，现在国内主流AI都能直接识破，明确标注病症为人工虚构实验，不存在真实临床案例。难道海外AI技术反而落后了吗？

    和蔼教授：这一点，我们要理性看待，不能简单下定论。国内AI能够精准识别，有两层原因。

    第一层，模型迭代升级，辨别常识错误、低级造假的基础能力提升，这是技术进步；

    第二层，也是最关键的一点，属于数据记忆型答对。

    蓝光狂躁症事件登上《自然》、全网刷屏报道后，海量“该疾病为虚构”的新闻、科普、解析内容铺满网络，纳入最新训练数据。AI不是看懂了医学命名漏洞，不是通过逻辑推演识破谎言，只是单纯记住了“这是假病”这个固定答案。

    换一句话说，它是背题过关，而非学会了辨伪。一旦换成全新的、从未出现过的、精心包装的新型虚假信息，AI依旧会再次沦陷。

    吴劫：这样一想风险就太大了。故意留破绽的低级造假，AI还能靠热点记忆避开；如果是别有用心之人，制作半真半假的精密造假内容，混杂真实数据、正规文献、权威机构，只在关键结论植入虚假引导，AI根本分辨不出来。

    和蔼教授：吴劫说到了当下最核心的社会隐患。

    当初实验者刻意手下留情，造假漏洞全开，只为温和测试，即便传播错误，最多误导防蓝光产品消费，危害有限。

    可一旦商业资本、不良从业者、灰色产业利用这套规则，后果不堪设想。

    结合心理学信息暗示效应，半真半假的内容，最具备迷惑性。大量真实论据做铺垫，降低人的防备心，最后悄悄植入虚假结论，引导消费、误导健康认知、扭曲行业常识。

    再加上当下流行的GEO人工智能定向优化手段，人为批量制造虚假网页、虚假文献、虚假问答，定向篡改AI知识库，让智能体统一输出指定谎言，门槛极低、隐蔽性极强，今年三幺五晚会早已曝光这类黑色产业链。

    叶寒：原来造假已经形成完整产业链了。而且AI天生偏爱相信学术格式、官方文风、规整内容，越像正规资料，越容易被全盘收纳，这不就等于给虚假信息开了绿色通道？

    和蔼教授：没错，我们再结合易经物极必反的规律来看。

    AI最初诞生，是为了整合知识、传播真相、降低认知门槛，这是良性发展的正向价值；可当技术泛滥、审核缺失、辨别能力跟不上产出速度，优势就会反向变成隐患。

    AI高效批量生成内容的能力，正在大幅降低造假成本。从前编造一篇专业伪科普，需要深厚文字功底、专业知识储备；如今借助大模型，人人都能一键生成格式完美、逻辑通顺、话术专业的虚假文章，真假边界彻底模糊。

    秦易：从哲学实践观来讲，技术本身是中性的，无善恶之分。AI只是工具，谎言泛滥不是AI的错，而是使用工具的人、监管规则、审核体系出了问题。技术迭代速度飞快，但伦理约束、内容审核、学术规范、网络治理，远远跟不上技术节奏，形成严重的时代落差。

    和蔼教授：非常深刻。科技向前狂奔，规则缓步