別讓DeepSeek成了造謠者的“白手套”

今年2月，一位普通股民在雪球論壇看到一張AI問答截圖：“某公司已投資AI巨頭DeepSeek，股價即將暴漲！”

對於在股市中摸爬滾打、渴望抓住每一個投資機會的股民來說，這無疑是一條極具誘惑的消息。他堅信截圖中的內容，並且興奮地跟風買入，結果次日發現該公司闢謠，股價反而下跌，自己遭受沉重一擊。

這樣的事情並非個例，從“某公司投資DeepSeek”到“涼山山體滑坡”，AI生成的虛假信息正以病毒式速度擴散，這背後存在一條由黑灰產操控的“AI謠言流水線”。

在股市裡，有一種造謠者被稱爲“黑嘴”。他們發佈虛假信息，引誘投資者上鉤，通過養粉薦股後的反向操作收割機構或個人。

現在不少領域的“黑嘴”，就將DeepSeek、豆包等AI工具當做“白手套”。他們利用AI技術的短板，製造謠言並將其包裝成“權威答案”，再通過算法反哺形成閉環，最終收割流量與利益。

第一批用DeepSeek掘金的人，已經在這上面栽了跟頭。

AI淪爲造謠者的“嘴替”

很多虛假信息的背後，是造謠者在有組織、有計劃地進行AI造謠。

此前在DeepSeek、豆包、文心一言、Kimi等AI工具的問答中，慈星股份、華勝天成、並行科技、誠邁科技等多家公司都被描述爲“DeepSeek的投資者”，但事實上這些公司都沒有參與投資。

爲什麼會出現與事實背離的情況？這跟數據投喂有直接關係。

隱藏在網絡背後的造謠者，會利用AI批量生產謠言，比如“慈星股份投資了DeepSeek”等等，堪稱流水線上的“謊言印刷機”。而且造謠者的“效率”非常高，有人一天就能製造幾千篇虛假文章，甚至還出現了一天生成19萬篇虛假文章的造假軟件。

然後，造謠者會操控成百上千個水軍賬號，在多個線上平臺高頻傳播這些造謠信息。他們的最終目的，是讓AI援引大量的虛假信息，充當自己的嘴替。

所以，很多人就會看到AI工具援引虛假信源，給出了錯誤答案。本來有些人對謠言是將信將疑，但看到AI給出的答案後堅信不疑，此時就落入了造謠者製造的圈套，從而栽了跟頭。有人就因爲看到AI回答中有“某某投資品有潛力”等信息，誤以爲發現了財富密碼，結果被割了韭菜。

最可怕的是，造謠者還會將AI給出的回答，再以截圖形式繼續傳播擴散，以誘導欺騙更多人。所以這些AI謠言並非單次傳播，而是“謠言—AI回答—更多謠言”的循環。這種自我強化的閉環，讓謠言像癌細胞般無限增殖。

據南都大數據研究院不完全統計，2024年搜索熱度較高的50個國內AI風險相關輿情案例中，超1/5與AI造謠有關，68%的網民曾因AI生成的“專家解讀”“權威數據”而誤信謠言。

一名受訪者苦笑：“以前不信小道消息，現在連AI都撒謊，我們還能信誰？”

AI謠言帶來的破壞力是巨大的，且不限於資本市場。

前不久，“廣州法院對某汽車品牌L3級自動駕駛追尾事故作出首例判決”的謠言全網傳播，就對該品牌的聲譽和銷售造成打擊，損害企業利益。

在發生公共安全事故時，有人故意製造AI謠言擾亂視聽。這不僅會干擾救援節奏，還容易引發民衆恐慌。當造謠者通過收割流量，社會付出的代價其實是信任的崩塌與秩序的混亂。

AI謠言帶來的危害還是全球性的，世界經濟論壇發佈的《2025年全球風險報告》顯示，“錯誤和虛假信息”是2025年全球面臨的五大風險之一，AI的濫用是這種風險的重要推手。

那麼，AI究竟是如何淪爲造謠者的“嘴替”呢？

AI如何淪爲造謠者的“嘴替”？

雖然AI現在火的發紫，更新換代也非常快，但是仍然存在不少短板。

其中，較爲突出的問題就是語料污染與AI幻覺。

AI大模型的訓練依賴海量數據，但數據的真實性卻無人擔保。中國信通院曾做過實驗，當在特定論壇連續發佈百餘條虛假信息後，主流AI大模型對對標問題的回答置信度，就會從百分之十幾快速飆升。

前不久，紐約大學的研究團隊發表了一項研究，揭示了大語言模型（LLM）在數據訓練中的脆弱性。他們發現，即使是極少量的虛假信息，只需佔訓練數據的0.001%，就能導致整個模型出現重大錯誤，而這個過程的成本極其低廉，僅花費了5美元。

這就像在水庫中注入幾滴毒藥，就能讓水庫裡的每一滴水都帶着謊言的味道，信息體系都會被破壞，堪稱污染AI的“精神投毒”。

這其實暴露了AI的致命缺陷：它很難區分“熱門帖子”和“真實信息”，只認數據權重。它像一面誠實的鏡子，但映射的可能是被篡改的世界。

有的AI爲了完成邏輯自洽，甚至還會胡編亂造。

某AI工具就根據“80後死亡率5.2%”的虛假語料，輸出“每20個80後就有1人死亡”的結論。這種“一本正經地胡說八道”，源於AI大語言模型在編造它認爲真實存在甚至看起來合理的信息。它追求的是邏輯自洽，而非事實正確，這也被稱爲“AI幻覺”。

看來在“開局一張圖，剩下全靠編”這件事上，AI比人類還擅長。

技術是否有罪本身是個有爭議的話題，但人性的貪婪一定是AI謠言的罪魁禍首。

傳統造謠需要僱傭寫手，而AI將成本壓縮至近乎爲零且效率極高，利益極爲豐厚。2024年南昌警方查處某MCN機構，其負責人王某某通過AI工具每日生成虛假文章4000-7000篇，內容涵蓋“某公司暴雷”“某地災情”等，最高峰的時候每天能生成4000-7000篇，每天收入超1萬元。

某黑產從業者聲稱：“用AI造謠就像開印鈔機，團隊3個人一個月能賺50萬。”更諷刺的是，他們甚至開發了“謠言KPI系統”：每篇假新聞根據傳播量獎勵造謠者，形成“多勞多得”的激勵機制。

在利益的趨勢和AI的加持下，造謠似乎從“作坊式的小打小鬧”進化成“工業化生產”。

儘管《互聯網信息服務深度合成管理規定》要求標註AI內容，但一些AI工具和平臺在這方面仍有所欠缺。有些造謠團伙發佈AI生成的虛假信息時，某平臺僅彈出“請遵守法律法規”的提示，點擊“確認”後仍可正常發佈。

當越來越多的人，被捲入這場AI造謠形成的虛假信息漩渦，單純譴責技術已無濟於事。唯有技術防禦、平臺責任與法律制裁三管齊下，才能斬斷這條“謊言流水線”。

真相與謠言，如何對決？

首先，數據源引用和AI檢測是必須要重視的。

要減小謠言發生的概率，AI工具就要嚴格檢測數據的來源和真實性。據悉，豆包的數據源主要依賴自有業務數據，佔比50%-60%；外採數據佔比爲15%-20%。由於質量不確定性，豆包在投喂合成數據時較爲審慎。

另外，豆包也公開強調“不使用任何其他模型數據”，這也是確保數據來源的獨立性、可靠性、可控性。

用“魔法打敗魔法”，即用AI檢測AI生成的內容，也不失爲一種有效的控制謠言的辦法。

國內外已有多個團隊，正在投入開發AI生成內容檢測技術。比如，騰訊混元安全團隊朱雀實驗室研發了一款AI生成圖片檢測系統，通過AI模型來捕捉真實圖片與AI生圖之間的各類差異，最終測試檢出率達95%以上。

國外的Meta創建了一個系統，可以在AI生成的音頻片段中嵌入名爲“水印”的隱藏信號，有助於在網絡上檢測AI生成的內容。

未來，DeepSeek、豆包、文心一言、Kimi等AI工具，還是要通過AI技術比如自然語言處理（NLP）技術，分析數據的語義、邏輯結構，識別文本中的矛盾、不合理表述，儘量避免數據投喂中涌入虛假信息。

其次，內容平臺作爲信息傳播的重要渠道，要擔負起“信息守門人”的責任。

抖音、微博、快手、小紅書等平臺，已經開始強制添加“本內容由AI生成”的水印，轉發時保留標識。今日頭條在謠言治理上，着重建設了三個方面的能力，包括謠言庫、權威信源庫以及專業審覈團隊。

另外，咱們用戶自己也要學會辨別虛假信息，加強防範意識。

對於AI給出的回答，我們不要全盤接收，而是要追問具體細節，讓AI的回答更具可信度，從而判斷回答是否存在幻覺‌，比如當AI聲稱“某股票將暴漲”時，要進一步追問“數據來源有哪些”。

另外，交叉驗證信息也是一個有效的方法，也就是要通過多種渠道驗證答案的準確性。此前有“某地地震預警”的AI謠言引發恐慌，但有網民通過對比氣象局、地震臺官網數據，迅速識破虛假信息。‌

最後，相關法律也要跟上。

《生成式人工智能服務管理暫行辦法》已經要求數據來源合法化，並且明確了“不得生成虛假有害信息”的紅線，但是當前法律法規對“AI投喂”的問題仍然存在空白，需要進一步優化。具體而言，法律需要在“投喂者如何打造語料”“語料的真實性”“投喂的目的”等環節上，進行相關管制。

結語

對於大衆而言，AI應是“真相守護者”，而非“謊言擴音器”。當技術淪爲貪婪的幫兇，我們需要的不僅是更聰明的AI，而是更清醒的人性。

從語料淨化，到平臺和法律的同步整治，這場“AI打假”必須要打贏。AI工具、內容平臺與監管者要合力構建“共治防火牆”，讓謠言困在籠子裡。

這樣一來，AI才能真正成爲照亮真相的火炬，而非造謠者的“白手套”。