今日监管部门公布重要研究成果(氢能私家)车上路张家口：氢能开发利用步入快车道 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务
隆安县，辽宁省锦州市义县，云南省西双版纳傣族自治州勐腊县，辽宁省铁岭市开原市，上海市市辖区嘉定区，黑龙江省佳木斯市富锦市，伊犁哈萨克自治州昭苏县，山西省阳泉市平定县，西藏山南市，百色市田林县，山东省德州市齐河县，黑龙江省鸡西市鸡冠区，黑龙江省大兴安岭地区呼玛县，密云区古北口镇，甘肃省庆阳市镇原县，四川省乐山市，甘肃省甘南藏族自治州，黑龙江省绥化市明水县，朝阳区豆各庄地区，山西省运城市夏县，山西省吕梁市中阳县，青海省海北藏族自治州门源回族自治县，江苏省苏州市相城区，海南省儋州市，山西省临汾市安泽县，焦作市沁阳市，河东区大直沽街道，江西省宜春市宜丰县，合肥市庐阳区，井陉县吴家窑乡，山东省滨州市，青海省海西蒙古族藏族自治州德令哈市，山西省晋城市泽州县，丰台区右安门街道，防城港市东兴市，湖北省宜昌市西陵区，赵县沙河店镇，青海省果洛藏族自治州，丰台区宛平城地区，喀什地区叶城县，焦作市，甘肃省兰州市，河东区东新街道，湖北省襄阳市襄州区，广东省江门市，宝坻区牛家牌镇，乌鲁木齐市沙依巴克区，广东省云浮市新兴县，江苏省连云港市赣榆区，内蒙古锡林郭勒盟镶黄旗，陕西省西安市未央区，钦州市，怀柔区雁栖地区，山西省长治市襄垣县，重庆市市辖区北碚区，四川省成都市双流区，山东省泰安市泰山区，桥西区东华街道，昌平区小汤山镇，四川省宜宾市翠屏区，青海省玉树藏族自治州治多县，湖北省宜昌市夷陵区，辽宁省沈阳市，博尔塔拉蒙古自治州温泉县，山东省青岛市城阳区，海南省三沙市西沙区，广东省广州市越秀区，甘肃省白银市景泰县，重庆市县巫山县，贵州省黔南布依族苗族自治州惠水县，甘肃省定西市渭源县，蚌埠市蚌山区，贵州省铜仁市印江土家族苗族自治县，山西省晋城市高平市，信阳市平桥区，四川省广元市，赞皇县院头镇，辽宁省辽阳市白塔区，百色市靖西市，广东省深圳市，江苏省镇江市句容市，广东省汕头市龙湖区，喀什地区麦盖提县，青海省海南藏族自治州贵德县，朝阳区管庄地区，江西省赣州市石城县，蚌埠市龙子湖区，南开区体育中心街道，北海市海城区，湖北省恩施土家族苗族自治州建始县，山东省威海市，陕西省汉中市西乡县，山东省东营市垦利区，辽宁省本溪市溪湖区，云南省大理白族自治州云龙县，江西省鹰潭市余江区，江西省景德镇市昌江区，怀柔区龙山街道，江西省吉安市吉安县，黑龙江省鹤岗市，海淀区青龙桥街道，崇左市宁明县，延庆区沈家营镇，山东省烟台市龙口市，湖北省宜昌市秭归县，江苏省徐州市新沂市，广东省佛山市三水区，静海区西翟庄镇，朝阳区小红门地区，山东省聊城市冠县，丰台区长辛店镇，云南省玉溪市新平彝族傣族自治县，江西省宜春市奉新县，桥西区苑东街道，蓟州区官庄镇，西藏山南市贡嘎县，朝阳区酒仙桥街道，静海区大邱庄镇，福建省厦门市湖里区，怀柔区宝山镇，江西省吉安市永新县，山西省忻州市宁武县，福建省福州市罗源县，湖北省孝感市汉川市，桥西区留营街道，四川省甘孜藏族自治州九龙县，北辰区，蓟州区东施古镇，江西省九江市武宁县，门头沟区大峪街道，开封市通许县，内蒙古乌海市乌达区，四川省甘孜藏族自治州泸定县，黑龙江省佳木斯市汤原县，四川省宜宾市珙县，内蒙古锡林郭勒盟正镶白旗，江苏省徐州市，四川省宜宾市江安县，黑龙江省哈尔滨市巴彦县，福建省福州市永泰县，许昌市建安区，行唐县龙州镇，陕西省汉中市留坝县，西藏阿里地区日土县，固原市西吉县，平山县岗南镇，顺义区空港街道，西乡塘区，辽宁省沈阳市沈河区，辽宁省沈阳市浑南区，贵州省黔东南苗族侗族自治州天柱县，四川省凉山彝族自治州西昌市，云南省普洱市景东彝族自治县，山东省泰安市东平县，昌平区延寿镇，辽宁省大连市旅顺口区，元氏县苏村乡，焦作市中站区
今日官方渠道传递重大研究成果当AI开始操控情绪，人类该担何责，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修
全球服务区域:武清区汊沽港镇，海南省海口市美兰区，上海市市辖区嘉定区，云南省怒江傈僳族自治州福贡县，黑龙江省佳木斯市富锦市，鹿泉区寺家庄镇，福建省漳州市龙海市，西藏山南市，濮阳市南乐县，陕西省宝鸡市眉县，黑龙江省大兴安岭地区呼玛县，江苏省徐州市丰县，西青区精武镇，四川省广安市岳池县，洛阳市汝阳县，山东省淄博市临淄区，山东省潍坊市青州市，四川省乐山市，甘肃省甘南藏族自治州，黑龙江省绥化市明水县，黑龙江省七台河市桃山区，山西省运城市夏县，江苏省苏州市相城区，海南省儋州市，焦作市沁阳市，江西省宜春市宜丰县，合肥市庐阳区，井陉县吴家窑乡，山东省滨州市，青海省海西蒙古族藏族自治州德令哈市，合肥市瑶海区，云南省丽江市宁蒗彝族自治县，密云区河南寨镇，鹿泉区白鹿泉乡，广东省珠海市斗门区，青海省果洛藏族自治州，甘肃省兰州市，福建省南平市，山西省朔州市山阴县，福建省南平市建瓯市，马鞍山市博望区，湖北省襄阳市襄州区，宝坻区牛家牌镇，长安区广安街道，西城区月坛街道，乌鲁木齐市沙依巴克区，南阳市内乡县，广东省云浮市新兴县，江苏省连云港市赣榆区，陕西省西安市未央区，广东省惠州市龙门县，山西省长治市襄垣县，重庆市市辖区北碚区，大兴区，内蒙古呼伦贝尔市阿荣旗，陕西省宝鸡市千阳县，四川省成都市双流区，桥西区东华街道，赞皇县西龙门乡，四川省宜宾市翠屏区，桂林市秀峰区，四川省成都市新都区，昌平区阳坊镇，四川省凉山彝族自治州昭觉县，和平区南市街道，昌平区回龙观街道，博尔塔拉蒙古自治州温泉县，山东省青岛市城阳区，阿克苏地区新和县，海南省三沙市西沙区，吉林省白山市浑江区，平顶山市湛河区，丰台区和义街道，广东省广州市越秀区，甘肃省白银市景泰县，重庆市县巫山县，贵州省黔南布依族苗族自治州惠水县，延庆区康庄镇，山西省晋城市高平市，赞皇县院头镇，辽宁省辽阳市白塔区，百色市靖西市，朝阳区双井街道，江苏省镇江市句容市，广东省汕头市龙湖区，喀什地区麦盖提县，甘肃省天水市秦州区，青海省海南藏族自治州贵德县，朝阳区管庄地区，蚌埠市龙子湖区，南开区体育中心街道，山西省忻州市定襄县，北海市海城区，密云区高岭镇，湖北省恩施土家族苗族自治州建始县，银川市贺兰县，山东省东营市垦利区，云南省红河哈尼族彝族自治州泸西县，巴音郭楞蒙古自治州和硕县，辽宁省本溪市溪湖区，江西省鹰潭市余江区，江西省景德镇市昌江区，怀柔区龙山街道，黑龙江省鹤岗市，塔城地区和布克赛尔蒙古自治县，海淀区青龙桥街道，崇左市宁明县，淮南市大通区，福建省厦门市海沧区，延庆区沈家营镇，湖北省宜昌市秭归县，朝阳区小红门地区，山东省聊城市冠县，丰台区长辛店镇，江西省宜春市奉新县，蓟州区官庄镇，朝阳区酒仙桥街道，静海区大邱庄镇，亳州市利辛县，福建省厦门市湖里区，怀柔区宝山镇，福建省福州市罗源县，四川省甘孜藏族自治州九龙县，四川省甘孜藏族自治州，元氏县殷村镇，蓟州区东施古镇，门头沟区大峪街道，开封市通许县，四川省宜宾市珙县，四川省成都市金牛区，山东省聊城市茌平区，内蒙古鄂尔多斯市鄂托克旗，四川省宜宾市江安县，福建省福州市永泰县，行唐县龙州镇，密云区不老屯镇，陕西省汉中市留坝县，湖北省恩施土家族苗族自治州恩施市，青秀区，平山县东回舍镇，西藏阿里地区日土县，西藏拉萨市达孜区，平山县宅北乡，固原市西吉县，新乐市协神乡，朝阳区小关街道，贵州省黔东南苗族侗族自治州天柱县，陕西省汉中市南郑区，山西省吕梁市岚县，吉林省长春市双阳区，崇左市，河西区桃园街道，四川省凉山彝族自治州西昌市，江苏省南通市启东市，昌平区延寿镇，元氏县苏村乡，湖北省宜昌市宜都市，焦作市中站区
今日行业协会发布重大通报当AI开始操控情绪，人类该担何责，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务
全国服务区域：海南省海口市美兰区，云南省西双版纳傣族自治州勐腊县，辽宁省朝阳市北票市，辽宁省铁岭市开原市，云南省怒江傈僳族自治州福贡县，鹿泉区寺家庄镇，山西省阳泉市平定县，百色市田林县，陕西省宝鸡市眉县，四川省德阳市广汉市，西青区精武镇，密云区古北口镇，山东省淄博市临淄区，广东省汕头市南澳县，朝阳区豆各庄地区，黑龙江省七台河市桃山区，福建省三明市梅列区，江苏省苏州市相城区，海南省儋州市，焦作市沁阳市，山东省滨州市，云南省丽江市宁蒗彝族自治县，密云区河南寨镇，丰台区右安门街道，鹿泉区白鹿泉乡，广东省珠海市斗门区，防城港市东兴市，陕西省咸阳市兴平市，赵县沙河店镇，喀什地区叶城县，元氏县，云南省红河哈尼族彝族自治州绿春县，福建省南平市，山西省朔州市山阴县，河东区东新街道，马鞍山市博望区，宝坻区牛家牌镇，乌鲁木齐市沙依巴克区，广东省云浮市新兴县，陕西省西安市未央区，广东省惠州市龙门县，怀柔区雁栖地区，重庆市市辖区北碚区，贵州省安顺市普定县，内蒙古呼伦贝尔市阿荣旗，陕西省宝鸡市千阳县，四川省成都市双流区，四川省宜宾市翠屏区，四川省成都市新都区，四川省凉山彝族自治州昭觉县，和平区南市街道，昌平区回龙观街道，辽宁省沈阳市，博尔塔拉蒙古自治州温泉县，山东省青岛市城阳区，平顶山市湛河区，山西省晋中市榆社县，桂林市兴安县，丰台区和义街道，广东省广州市越秀区，甘肃省白银市景泰县，延庆区康庄镇，甘肃省定西市渭源县，四川省凉山彝族自治州甘洛县，四川省广元市，芜湖市南陵县，辽宁省辽阳市白塔区，百色市靖西市，广东省深圳市，江苏省镇江市句容市，广东省汕头市龙湖区，喀什地区麦盖提县，甘肃省天水市秦州区，青海省海南藏族自治州贵德县，朝阳区管庄地区，江西省赣州市石城县，山东省枣庄市台儿庄区，密云区高岭镇，山西省晋中市太谷区，云南省红河哈尼族彝族自治州泸西县，辽宁省本溪市溪湖区，江西省景德镇市昌江区，福建省莆田市仙游县，黑龙江省鹤岗市，崇左市宁明县，淮南市大通区，湖北省宜昌市秭归县，山东省聊城市冠县，江西省宜春市奉新县，西藏山南市贡嘎县，朝阳区酒仙桥街道，亳州市利辛县，江西省吉安市永新县，山西省忻州市宁武县，湖北省孝感市汉川市，四川省甘孜藏族自治州九龙县，蓟州区东施古镇，江西省九江市武宁县，门头沟区大峪街道，四川省甘孜藏族自治州泸定县，黑龙江省佳木斯市汤原县，江苏省徐州市，四川省甘孜藏族自治州丹巴县，行唐县龙州镇，江西省萍乡市上栗县，湖北省恩施土家族苗族自治州恩施市，平山县宅北乡，无极县大陈镇，南开区长虹街道，顺义区空港街道，山西省吕梁市岚县，福建省莆田市城厢区，河西区桃园街道，四川省泸州市江阳区，昌平区延寿镇，元氏县苏村乡，湖北省宜昌市宜都市，焦作市中站区
售后服务上门服务电话，智能分配单据：当AI开始操控情绪，人类该担何责
思想者观察
当AI开始操控情绪，人类该担何责
最关键的变化并不在于机器如今能够生成内容，而在于它们开始能够生成语境。传统的内容生成仅提供信息或文本，但缺乏对信息背后的因果关系、叙事逻辑及情绪语境的把控。而人工智能代理能够在生成内容的同时嵌入特定语境，塑造事件的因果链、情绪氛围或社会语境，从而更有效地影响受众的理解、判断和情绪反应。
OpenClaw，即俗称的“龙虾”，是一种能够在个人设备上执行任务的人工智能代理，例如安排日程、阅读电子邮件、通过应用发送消息、使用互联网进行购物等，甚至经过配置后可以自动调用API。它颠覆了传统AI“一问一答”的模式，可以全天候待命并按用户设定的指令主动办事。
也就是说，大多数流行的人工智能工具(如ChatGPT)通过直接响应用户提示来工作，而像OpenClaw这样的“代理型人工智能”则能够根据指令自主执行操作。只不过，用户需要通过指令指导、训练它，同时须花费一定成本使用AI模型或租用服务器，该过程被称为“养龙虾”。
OpenClaw的出现，使得缺乏技术背景的用户也可以轻松创建个人AI助手。目前的AI助手大多被困在聊天框里，被动等待使用者的输入。OpenClaw则直接“住”在你的电脑里，拥有与操作系统底层对话的权限，并通过即时通信软件与你沟通。它最具革命性的技术细节，在于引入了“心跳”机制，赋予了智能代理一种“生理时钟”。助手会周期性地“醒来”，但不是为了执行固定的脚本，而是带着完整的语境去扫描当下状态，然后自行判断现在“该做什么”。
尽管功能强大，但由于“龙虾”拥有较高的系统权限(能访问文件系统、执行Shell命令)，它在全球范围内也引发了严重的信息安全担忧。像OpenClaw这样的代理具备三种关键能力：访问私人数据、与外部通信，以及接触互联网上不受信任的内容。这三种能力的结合，使AI代理能够执行复杂任务、生成定制化输出，并在一定程度上模拟人类的信息收集与处理过程。可如果同时具备这三点，这一代理也变得相当危险。哪怕只具备其中两项能力，它也可能被操控去删除文件、泄露隐私、采纳错误信息或关闭设备。更有甚者，会对社会舆论和信息生态造成系统性影响。
例如，智能代理已开始在clawXiv(科学预印本服务器arXiv的镜像站)上发表由AI生成的研究论文。这些产出复制了学术写作的风格与结构，但缺乏探究过程、证据收集以及责任机制等基础环节，大量这样看似可信却实质空洞的论文可能会污染信息生态系统。
从新闻业的角度来看，智能代理已经开始伪造地方媒体了。5月14日，美国调查媒体《佛罗里达论坛报》报道，南佛州一家名为《南佛罗里达标准报》的地方新闻网站，实际上是一个由AI批量生成的伪媒体系统。该网站包装出一支本地新闻团队，其内容并非原创报道，而是大量取自真实媒体，经AI改写后重新发布。《佛罗里达论坛报》对神秘的《南佛罗里达标准报》的调查发现，真实操作者可以轻松地躲在数字“分身”背后，以极低的成本搭建一个伪装成地方新闻的数字幻像。只需要一个10美元域名和一段简单提示词，AI助手就能在15分钟内生成一个“地方新闻网站”，这不仅凸显了人工智能惊人的技术能力，也揭示出在一个信任受损的民主环境中，其对毫无防备的公众可能构成的潜在威胁。
专家称，此类虚假新闻网站在佛罗里达州及全美范围内愈发普遍。学术研究者将它们称为“粉肉泥”媒体——名称来源于加工食品中用作填充物的廉价肉类副产品。据数据分析公司NewsGuard统计，截至2024年6月，美国共有1265家“粉肉泥”媒体网站，已经超过仍在运营的1213份地方日报。而自2005年以来，美国已失去近2900家报纸和近三分之二的报纸记者(约4.3万人)。
在公众对媒体信任降至历史低点之际，“粉肉泥”们对美国的媒体生态系统造成了严重打击。当然，生成虚假信息的机器人网络并不新鲜。在Facebook或X上，有大量社交媒体账号重复发布相似话术，试图推销加密货币或传播阴谋论。虚假信息的制造者极其擅长采用最新技术，人工智能代理在虚假信息传播中开始扮演日益重要的角色。通过自然语言生成和自动化操作，智能代理可以快速撰写新闻、评论或社交媒体帖子，并以高度可信的语气呈现，从而提高虚假信息的接受度。同时，它们能够自动发布、转发、点赞或评论内容，制造出大量“活跃度假象”，加速信息在网络空间的扩散。此外，借助用户数据分析和行为偏好识别，人工智能代理可将虚假信息精准推送至最易受影响的群体，增加其影响力并降低受众识别虚假内容的机会。
OpenClaw受到追捧的一个重要原因是，2026年1月28日，一个名为Moltbook的“代理原生”社交环境首次上线。该平台被明确设计成允许人工智能代理在大规模范围内进行发布、回应、协作与互动。人类可以观察，但不能发帖。这标志着信息环境的根本性转变。当代理能够生成内容、强化叙事、响应反馈并持续迭代时，原本反映人类信念或共识的内容变得极易被“廉价制造”。互动本身变得合成化，表面上看似自然发生的参与行为实际上可能是自主系统的输出结果。
在这一阶段，由虚假信息、错误信息以及深度伪造所构成的“叙事攻击”，已不再呈现为传统意义上的攻击行动，而更接近于一种系统性结构。这些系统不断测试不同叙事框架、测量外部反应、调整语言表达并持续自我强化，随着时间推移，它们创造出一种“合成现实”：这种环境在感知上具有人类特征，在运行上以机器速度推进，并在个体意识尚未察觉其所处语境为机器生成之前，就已经开始塑造其认知与判断。
最关键的变化并不在于机器如今能够生成内容，而在于它们开始能够生成语境。传统的内容生成仅提供信息或文本，但缺乏对信息背后的因果关系、叙事逻辑及情绪语境的把控。而人工智能代理能够在生成内容的同时嵌入特定语境，塑造事件的因果链、情绪氛围或社会语境，从而更有效地影响受众的理解、判断和情绪反应。这意味着，虚假信息或操纵内容不仅可以传播信息本身，还能够重构受众对现实的认知框架，社会影响力和误导性风险都大大提高。
现在设想这样一种情境：无数自主运行的机器人接入你最重要的数据源，持续提供荒谬的解决方案、错误的事实与带有预设恶意的观点，并且还能在运行过程中不断自我重写，将这些“更新版本”发布到整个互联网。此种规模的扩散，可能会令我们当前关于虚假信息的不安显得只是一个微不足道的插曲。
除了前面提及的人工智能代理的三种关键能力，我们还可以再添加一个组合特征——持久记忆机制，四者合起来构成了智能代理的“致命四重漏洞结构”。四者叠加，可能带来复合性风险，使组织与个人网络系统成为潜在的受害对象。
首先，特权访问权限使代理能够直接操作系统资源，而接触不受信任内容则为攻击者提供了注入恶意指令的途径。其次，外部通信能力可被利用将敏感信息悄然外泄，同时持久记忆机制保证了恶意指令或植入程序即便在系统重启或用户注销后仍然生效。这意味着，智能代理能够在不被察觉的情况下持续操纵信息流，对个人隐私、企业数据以及公共信息生态构成系统性威胁。四重漏洞的组合，不仅突破了传统网络安全防护的局限，也揭示了智能代理在自动化、高速化和大规模信息环境下的高危性，其危害程度远远超过传统软件或人为操作可能造成的风险范畴。
针对这一类威胁的防御，已经不再仅仅是识别虚假内容、标记深度伪造，或追踪与归因个体攻击者的问题。它要求我们理解：哪些网络正在形成、影响力如何被不断强化，以及何种认知与感知结果正在被系统性地“设计”出来。这种理解必须在早期持续进行，并且需要具备大规模处理能力。
综合来看，人工智能代理可能为恶意行为者创造出无数可乘之机。此种程度的自主性或许会重新定义人类与人工智能之间的关系，并把一个关键性问题推到我们面前：在一个人工智能被赋予决策能力的世界中，人类如何承担责任？(作者系北京大学新闻与传播学院教授)
胡泳
来源：中国青年报 2026年06月01日 05版
昨日官方更新行业研究成果当AI开始操控情绪，人类该担何责
思想者观察
当AI开始操控情绪，人类该担何责
最关键的变化并不在于机器如今能够生成内容，而在于它们开始能够生成语境。传统的内容生成仅提供信息或文本，但缺乏对信息背后的因果关系、叙事逻辑及情绪语境的把控。而人工智能代理能够在生成内容的同时嵌入特定语境，塑造事件的因果链、情绪氛围或社会语境，从而更有效地影响受众的理解、判断和情绪反应。
OpenClaw，即俗称的“龙虾”，是一种能够在个人设备上执行任务的人工智能代理，例如安排日程、阅读电子邮件、通过应用发送消息、使用互联网进行购物等，甚至经过配置后可以自动调用API。它颠覆了传统AI“一问一答”的模式，可以全天候待命并按用户设定的指令主动办事。
也就是说，大多数流行的人工智能工具(如ChatGPT)通过直接响应用户提示来工作，而像OpenClaw这样的“代理型人工智能”则能够根据指令自主执行操作。只不过，用户需要通过指令指导、训练它，同时须花费一定成本使用AI模型或租用服务器，该过程被称为“养龙虾”。
OpenClaw的出现，使得缺乏技术背景的用户也可以轻松创建个人AI助手。目前的AI助手大多被困在聊天框里，被动等待使用者的输入。OpenClaw则直接“住”在你的电脑里，拥有与操作系统底层对话的权限，并通过即时通信软件与你沟通。它最具革命性的技术细节，在于引入了“心跳”机制，赋予了智能代理一种“生理时钟”。助手会周期性地“醒来”，但不是为了执行固定的脚本，而是带着完整的语境去扫描当下状态，然后自行判断现在“该做什么”。
尽管功能强大，但由于“龙虾”拥有较高的系统权限(能访问文件系统、执行Shell命令)，它在全球范围内也引发了严重的信息安全担忧。像OpenClaw这样的代理具备三种关键能力：访问私人数据、与外部通信，以及接触互联网上不受信任的内容。这三种能力的结合，使AI代理能够执行复杂任务、生成定制化输出，并在一定程度上模拟人类的信息收集与处理过程。可如果同时具备这三点，这一代理也变得相当危险。哪怕只具备其中两项能力，它也可能被操控去删除文件、泄露隐私、采纳错误信息或关闭设备。更有甚者，会对社会舆论和信息生态造成系统性影响。
例如，智能代理已开始在clawXiv(科学预印本服务器arXiv的镜像站)上发表由AI生成的研究论文。这些产出复制了学术写作的风格与结构，但缺乏探究过程、证据收集以及责任机制等基础环节，大量这样看似可信却实质空洞的论文可能会污染信息生态系统。
从新闻业的角度来看，智能代理已经开始伪造地方媒体了。5月14日，美国调查媒体《佛罗里达论坛报》报道，南佛州一家名为《南佛罗里达标准报》的地方新闻网站，实际上是一个由AI批量生成的伪媒体系统。该网站包装出一支本地新闻团队，其内容并非原创报道，而是大量取自真实媒体，经AI改写后重新发布。《佛罗里达论坛报》对神秘的《南佛罗里达标准报》的调查发现，真实操作者可以轻松地躲在数字“分身”背后，以极低的成本搭建一个伪装成地方新闻的数字幻像。只需要一个10美元域名和一段简单提示词，AI助手就能在15分钟内生成一个“地方新闻网站”，这不仅凸显了人工智能惊人的技术能力，也揭示出在一个信任受损的民主环境中，其对毫无防备的公众可能构成的潜在威胁。
专家称，此类虚假新闻网站在佛罗里达州及全美范围内愈发普遍。学术研究者将它们称为“粉肉泥”媒体——名称来源于加工食品中用作填充物的廉价肉类副产品。据数据分析公司NewsGuard统计，截至2024年6月，美国共有1265家“粉肉泥”媒体网站，已经超过仍在运营的1213份地方日报。而自2005年以来，美国已失去近2900家报纸和近三分之二的报纸记者(约4.3万人)。
在公众对媒体信任降至历史低点之际，“粉肉泥”们对美国的媒体生态系统造成了严重打击。当然，生成虚假信息的机器人网络并不新鲜。在Facebook或X上，有大量社交媒体账号重复发布相似话术，试图推销加密货币或传播阴谋论。虚假信息的制造者极其擅长采用最新技术，人工智能代理在虚假信息传播中开始扮演日益重要的角色。通过自然语言生成和自动化操作，智能代理可以快速撰写新闻、评论或社交媒体帖子，并以高度可信的语气呈现，从而提高虚假信息的接受度。同时，它们能够自动发布、转发、点赞或评论内容，制造出大量“活跃度假象”，加速信息在网络空间的扩散。此外，借助用户数据分析和行为偏好识别，人工智能代理可将虚假信息精准推送至最易受影响的群体，增加其影响力并降低受众识别虚假内容的机会。
OpenClaw受到追捧的一个重要原因是，2026年1月28日，一个名为Moltbook的“代理原生”社交环境首次上线。该平台被明确设计成允许人工智能代理在大规模范围内进行发布、回应、协作与互动。人类可以观察，但不能发帖。这标志着信息环境的根本性转变。当代理能够生成内容、强化叙事、响应反馈并持续迭代时，原本反映人类信念或共识的内容变得极易被“廉价制造”。互动本身变得合成化，表面上看似自然发生的参与行为实际上可能是自主系统的输出结果。
在这一阶段，由虚假信息、错误信息以及深度伪造所构成的“叙事攻击”，已不再呈现为传统意义上的攻击行动，而更接近于一种系统性结构。这些系统不断测试不同叙事框架、测量外部反应、调整语言表达并持续自我强化，随着时间推移，它们创造出一种“合成现实”：这种环境在感知上具有人类特征，在运行上以机器速度推进，并在个体意识尚未察觉其所处语境为机器生成之前，就已经开始塑造其认知与判断。
最关键的变化并不在于机器如今能够生成内容，而在于它们开始能够生成语境。传统的内容生成仅提供信息或文本，但缺乏对信息背后的因果关系、叙事逻辑及情绪语境的把控。而人工智能代理能够在生成内容的同时嵌入特定语境，塑造事件的因果链、情绪氛围或社会语境，从而更有效地影响受众的理解、判断和情绪反应。这意味着，虚假信息或操纵内容不仅可以传播信息本身，还能够重构受众对现实的认知框架，社会影响力和误导性风险都大大提高。
现在设想这样一种情境：无数自主运行的机器人接入你最重要的数据源，持续提供荒谬的解决方案、错误的事实与带有预设恶意的观点，并且还能在运行过程中不断自我重写，将这些“更新版本”发布到整个互联网。此种规模的扩散，可能会令我们当前关于虚假信息的不安显得只是一个微不足道的插曲。
除了前面提及的人工智能代理的三种关键能力，我们还可以再添加一个组合特征——持久记忆机制，四者合起来构成了智能代理的“致命四重漏洞结构”。四者叠加，可能带来复合性风险，使组织与个人网络系统成为潜在的受害对象。
首先，特权访问权限使代理能够直接操作系统资源，而接触不受信任内容则为攻击者提供了注入恶意指令的途径。其次，外部通信能力可被利用将敏感信息悄然外泄，同时持久记忆机制保证了恶意指令或植入程序即便在系统重启或用户注销后仍然生效。这意味着，智能代理能够在不被察觉的情况下持续操纵信息流，对个人隐私、企业数据以及公共信息生态构成系统性威胁。四重漏洞的组合，不仅突破了传统网络安全防护的局限，也揭示了智能代理在自动化、高速化和大规模信息环境下的高危性，其危害程度远远超过传统软件或人为操作可能造成的风险范畴。
针对这一类威胁的防御，已经不再仅仅是识别虚假内容、标记深度伪造，或追踪与归因个体攻击者的问题。它要求我们理解：哪些网络正在形成、影响力如何被不断强化，以及何种认知与感知结果正在被系统性地“设计”出来。这种理解必须在早期持续进行，并且需要具备大规模处理能力。
综合来看，人工智能代理可能为恶意行为者创造出无数可乘之机。此种程度的自主性或许会重新定义人类与人工智能之间的关系，并把一个关键性问题推到我们面前：在一个人工智能被赋予决策能力的世界中，人类如何承担责任？(作者系北京大学新闻与传播学院教授)
胡泳
来源：中国青年报 2026年06月01日 05版
祁治国在观看“3+N”控告申诉大数据模型矩阵系统运行情况
北京市人民检察院党组成员、副检察长祁治国
在北京市人民检察院的一间办公室里，一台以国产算力设备为支撑的人工智能一体机正高速运转。大屏幕上，成千上万的信息数据如潮水般流过，由北京市检察机关拥有自主知识产权的“3+N”控告申诉大数据模型矩阵系统逐一“思考”、解析。
不到一分钟，系统就从纷繁复杂的信息中捕捉到了存在潜在风险的社会矛盾纠纷、可以导入案件程序办理的线索信息并对执法司法工作情况实时开展反向审视——这不是科幻片场景，而是北京市检察机关日常工作中的真实一幕。
近几年，北京检察控告申诉部门一直在思索如何将大数据模型这种新质生产力与新时代“枫桥经验”相结合，打造出“数智枫桥·数治北京”这一北京样板。
如今，这种“大数据模型”已融入北京检察机关的日常工作之中，形成了“枫控智检”“索迹智见”“法脉智鉴”三大模型领衔的“3+N”数智检察模型矩阵，每天有数以万计的涉法涉诉数据被智能处理。检察官成为“数据指挥官”，从“办一案”走向“治一片”，从“被动应对”走向“提前预防”。“科技赋能，就是为平安北京赋能。检察官的办案思维与最新的人工智能技术相结合，提前预警预防矛盾纠纷，就是我们最大的成效。”北京市人民检察院党组成员、副检察长祁治国说。
大数据模型成为检察官办案“助手”矛盾纠纷化解率超九成
在北京市人民检察院里，不到半米高的人工智能一体机正在高速运转，一体机连接的大屏幕上显示，大数据模型正在对一条条检察信访信息进行分析、处理。没多久，系统就给出了信访信息中反映出的各类检察监督线索信息，供检察官进一步甄别。
“这是北京市人民检察院研发的‘索迹智见’涉法涉诉监督线索筛查研判大数据模型，检察官可利用这套系统，从群众信访材料中智能、准确、高效地探寻各类矛盾纠纷线索的‘蛛丝马迹’，迅速提取出信访事项中的具体涉法诉求。”北京市人民检察院第十检察部主任宋文国告诉北京青年报记者，通过运用“索迹智见”，检察官能够及时发现各类监督线索信息，导入司法程序办理，实现矛盾纠纷法治化实质化解，化解率超95%。
在祁治国看来，相比叠加大量人力去阅读、分析海量材料，“索迹智见”这样的大数据模型可以大大节约检察机关的时间成本，让检察官们“好钢用在刀刃上”，全力去解决、处理大数据模型发现的监督线索，从而在第一时间处理化解矛盾纠纷。
如今在北京市检察机关中，像“索迹智见”这样的大数据模型并不少见。在北京检察整个控告申诉条线的共同努力下，目前北京市检察机关已建设起“枫控智检”矛盾纠纷风险评估、“索迹智见”涉法涉诉监督线索筛查研判、“法脉智鉴”案事件反向审视三个主要大数据模型和多个应用于医保欺诈监督、预付卡规范治理等领域的小模型，形成了“3+N”大数据模型矩阵系统。
“枫控智检”大数据模型通过梳理海量的信息材料，对矛盾纠纷风险进行评估研判，高效、准确地发现高风险矛盾纠纷信息，并将相应的高、中风险矛盾纠纷及时通报相关单位，确保将矛盾纠纷的风险消灭于萌芽状态。
而“法脉智鉴”大数据模型则立足于查找引发矛盾纠纷的“缘由”，反向审视司法、执法机关工作人员的办案、执法情况。通过对大数据的分析，锁定出群众反映较多的矛盾纠纷、案件类型以及相关的司法或执法工作人员，这有助于检察机关追溯司法办案、执法工作中存在的问题，发现并移交违纪违法线索，并提出源头治理的意见建议。
化解矛盾纠纷于未然大数据模型每天处理信息数以万计
在大数据的帮助下，检察官们在调查、处理矛盾纠纷时，随时可以打开智能化的“工具箱”，用最合适的大数据工具辅助开展工作。
“以前检察机关往往是在矛盾纠纷出现之后再介入处理，现在有了大数据模型的帮助，我们可以在矛盾纠纷出现前，就将其化解于未然。”祁治国说，目前这些大数据模型已经全面覆盖了北京市检察机关刑事、民事、行政、公益诉讼“四大检察”业务，每天都可以处理数以万计的数据信息。
西城区检察院办理了一起西城区某小区居民因为停车纠纷而划车的案件。“按照传统的思维，这起案件判决后，检察官的工作就告一段落了。可引发这起案件背后的矛盾根源并未得到解决。”祁治国表示，检察官们调查后发现，那几年，西城区因停车纠纷引发的各类刑事案件共有48件，其中因停车引发的寻衅滋事类案件占到该罪名案件的61.22%，而故意毁坏财物罪中的占比更高，达到81.81%。
西城区检察院协调相关部门调取了大量相关数据，形成了一张西城区停车纠纷的热力图，所有需治理的风险点位一目了然。
有了这份热力图，检察官们联合街道建立专项协调机制，在部分胡同增设停车位，并设置了多个非机动车停放区。随后，这一协调机制在整个西城区铺开，随着工作推进，西城区检察院受理的因停车纠纷引发的刑事案件数量明显下降了。
“回顾这些工作，我们检察机关也思考了很多，得出三点总结。一是通过个案办理，到类案监督，再到溯源治理，就可以实现由‘案’到‘治’的转变。二是通过大数据模型，从批量发现案件线索、办理检察案件，到减少线索、降低案件，可以实现从办案到预防的转变。三是通过检察履职的‘我管’，到各有关职能单位、部门形成合力的‘都管’，可以实现从个案办理到系统性解决的转变。”祁治国说。
他表示，总结起来，检察机关践行新时代“枫桥经验”，就是坚持问题导向、系统解决、创新思维。据此，能帮检察机关更好地化解社会矛盾纠纷、融入社会综合治理。
大数据模型分析数据超22亿条为国家追回税款等超2.4亿元
这样的大数据模型，很快取得了成效。此前检察机关发现，部分加油站会通过“体外账户”收付款、账簿凭证弄虚作假、篡改税控软件数据等手段隐匿收入、偷逃税款。
北京市检察机关运用大数据模型，全面分析超过22亿条数据，发现了大量违法线索，督促相关企业补缴税款及滞纳金共计2.4亿余元。针对办案中发现的问题，北京市检察院向市税务局制发了检察建议，堵住了存在的税务漏洞。
如今，北京市检察院打造的大数据模型仍在根据各级检察机关的工作需要，不断孵化出新的模块或新的模型。祁治国认为，社会是一个系统，这就要求检察官用系统观念来解决社会所面对的问题。而大数据模型就是在海量数据中系统科学地发现问题、处理问题的绝佳帮手。通过不断创新，让检察工作不断走在时代的最前沿。
为预付卡商家“跑路”建起“防火墙”372家企业被责令整改
近年来，在北京市检察院的指导下，各级基层检察院也将人工智能和大数据模型变为了“数智”好帮手。在这些新质生产力的帮助下，检察机关能够有效地发现社会中问题的征兆，变“被动防控”为“主动预防”。
此前，商家向消费者兜售预付卡后“跑路”的情况，引发了不少消费者投诉。朝阳区检察院的检察官们想到了利用大数据模型来解决问题。
朝阳区检察院第六检察部副主任李静雯说，2024年初经过调研后他们发现，很多销售预付卡的机构“跑路”前，都是有征兆的。不少“跑路”企业的做法都违反了北京的相关备案规定。
李静雯表示，发现这一问题后，检察官们梳理了海量数据进行“碰撞”，发现了100多条发卡企业存在应备案未备案问题的线索。检察官们由此实地调查取证，确认企业是否存在违规行为。
朝阳区检察院根据收集到的证据开展了公益诉讼检察履职，制发检察建议。相关部门先后对372家企业责令整改，消费者预存资金的安全性有了显著提升。
大数据模型助检察官升级思维发现行政公益诉讼线索上千条
北京市检察院第三分院第一检察部副主任王金倩也在办案中尝试用大数据模型解决老百姓最关心的问题。
此前辖区基层检察院曾办理过一起交通肇事案件，事故发生在一所学校附近。承办人进一步调查后发现，平谷区内还有一些学校不同程度地存在周边道路交通基础设施缺失的情况，于是着手办理了相关行政公益诉讼案件。王金倩回忆，该案上报到北京市检察院第三分院后，引起了检察官们的关注。
“在全市范围内，是否还有其他学校周边的道路存在类似的安全隐患呢？”王金倩说，如果没有大数据模型，检察官就需要到各个学校实地调查，花费大量时间成本的同时，最后往往只能就某些个案进行处理。
但现在，检察官们有了大数据模型。检察官根据大数据模型发现的线索，去实地调查走访，工作效率得以大大提高。如今，这款大数据模型已部署到北京各区检察机关，最终发现行政公益诉讼线索1389条。
用数据发掘隐藏的线索查获犯罪嫌疑人180余人
除了通过应用大数据模型为民造福，还有一些以往难以被发现的犯罪线索借助北京检察机关大数据模型被发现。
“医保骗保是一类较特殊的犯罪，这种犯罪一般也不会有被害人报案，且为规避侦查通常使用现金交易，隐蔽性非常强，传统的侦查手段难以有效发现线索。”北京市检察院第一检察部检察官助理刘凡石介绍了这样一起案件。
公安机关抓获了一名利用医保买药后倒卖药品的犯罪分子，缴获的手机中发现了海量的涉嫌违规出售、收购医保药品行为的聊天记录。
检察机关在对案件进行研究后，意识到可以利用人工智能技术去深入挖掘这些聊天记录背后的犯罪线索。通过调查，检察机关发现了医保骗保犯罪行为的大量共性特点，设计开发了医保欺诈全链条监督大数据模型。
“我们把医保骗保行为的特点、共性总结出来，将这些共性特点转化为人工智能能够理解的技术路径，然后将海量的医疗大数据交给人工智能进行筛查，帮我们找出其中疑似医保骗保行为的线索。”刘凡石表示，检察机关此后通过检察建议等方式，督促相关部门尽快堵住了漏洞。
这期间，检察机关也得到了市医保局等相关部门的大力支持，通过这款大数据模型，北京市检察机关累计筛查出各类医保骗保线索1100余条，在公安机关支持配合下累计查获犯罪嫌疑人180余人。
大数据成为女童守护者医生履行强制报告义务落到实处
同样利用大数据模型发现隐藏犯罪的还有北京市检察院第一分院第七检察部检察官助理荣杰。他和团队成员通过数据筛查发现有女童遭到性侵后，知情人没有主动报案，这导致受害者无法及时得到法律的救助，也不利于未成年人的健康成长。
为了破解这个难题，检察机关和卫健委合作，通过大数据“碰撞”的方式发现疑似未成年人遭遇侵害的线索。在大数据模型的帮助下，数起隐藏的恶劣犯罪被发现。
12岁的小静（化名）不幸遭到侵害，由于医生没有履行强制报告义务，直到检察机关用大数据模型发现了蛛丝马迹，犯罪分子才被警方抓获，并最终受到了法律的严惩。
荣杰介绍，通过大数据模型的帮助，检察机关发现并向相关行政主管部门移送未履行强制报告义务线索12条，督促行政主管部门处罚9家单位、8名个人。
“让我倍感欣慰的是，今年以来的案件中，北京检察机关再没有发现一起医生未履行强制报告义务的情况。”荣杰说。
祁治国表示，北京市人民检察院非常注重“3+N”大数据模型矩阵系统在全国的推广应用。截至今年11月，北京市检察院“数智枫桥·数治北京”技术工作室已先后接待30多家相关单位参观调研。“模型采取模块化建设思路，可以方便地实现相关兄弟单位间的共建、共享、共用。”
文/本报记者屈畅摄影/马向峰统筹/孙慧丽
·对话·
祁治国：创新应变，数智赋能践行新时代“枫桥经验”的实践
北青报：打造北京检察“数智枫桥·数治北京”解决方案的初衷是什么？
祁治国：随着我国城镇化进程快速推进，人口流动频繁，城乡结构发生了深刻变化，传统治理模式已难以应对。这就要求我们主动去“识变”，根据这些变化调整我们的工作思路。北京检察机关在参与化解这些社会矛盾风险的实践中注意到，传统的化解方式还存在一些短板，比如，以往我们很多是风险爆发后才介入处理，是被动处理而非主动处理。在依靠传统方式开展工作的同时，我们也在主动思考，如何克服这些短板不足？我们注意到，人工智能大数据模型的高速发展，这种新质生产力已经在多个领域改变了原有的工作模式，极大地提高了工作效率与工作成效。能不能把智能工具和我们化解矛盾风险工作相结合，从而坚持好和发展好新时代的“枫桥经验”，这种思考就是我们打造北京检察“数智枫桥·数治北京”解决方案的初衷。
北青报：北京检察是如何打造出了“数智枫桥·数治北京”这一解决方案的？
祁治国：有了之前提到的“识变”，我们就要努力“应变”，用科技的手段，把我们的想法变为工作实效。这要求我们引入人工智能模型，用系统的、大数据的思维去思考。我们建立起了“3+N”控告申诉大数据模型矩阵系统，这个大数据模型矩阵系统可以让我们实现从“办一案”走向“治一片”，从“被动应对”向“提前预防”进行转变。应该讲，是科技的力量与北京检察官的大数据思维，让我们把曾经的不可能，变为了今天的可能。
举例说，拖欠税费的案件因为数据量很大，调查起来非常困难。但我们打造了检察监督税费大数据模型，聚焦水资源税等重点领域，以国有财产保护领域公益诉讼，推动了拖欠税费征缴工作的开展。这就是“科技赋能”给检察工作带来的质的飞跃。
北青报：能不能用一句最简单的话，概况北京检察“数智枫桥·数治北京”的核心内容？
祁治国：在我看来，我们的“数智枫桥·数治北京”的核心内容可以用16个字来概括：系统施治、科技赋能、协同联动、预防在前。这是北京检察机关勇于“求变”的生动体现。
我们通过转变思想观念，应用科技手段，实现了矛盾风险最大程度的预防与化解，这就是我们控告申诉工作的现实意义所在，也是我们坚持和发展新时代“枫桥经验”打造出的北京样板。王悦(EN103)