2026年8月26日，尼泊尔与中国西藏交界地区发生严重洪水和泥石流，在两国都造成人员伤亡和巨大损失。

中国已经明确，此次灾害由尼泊尔境内高位冰川崩塌引发，继而导致跨境链式灾害。但如果此时向ChatGPT等欧美常用的大模型询问灾害原因，通常会得到气候变化、冰川融化等解释，一些大模型在回答时甚至将其归因于中国境内的水坝工程。即使有些大模型在回答中强调“该联系尚未证实”，也依然可能在全球读者心中建立错误联系。

AI幻觉与AI污染：严重侵蚀媒体公信力

为什么会出现这种情况呢？

复旦大学张军平教授向笔者解释，目前常用的语言大模型，本质上是在海量文本中学习词语、概念和句式之间的统计联系。文字被切分成一个个“词元”，模型根据当前上下文，计算下一个词元出现的概率，再逐步生成完整回答。

大模型在训练时会总结出规律并将其压缩在参数中。面对信息丰富、事实稳定的问题，它通常表现可靠；面对冷门问题、突发事件或矛盾材料，则可能用语言上“像答案”的内容填补空白，这就是著名的“AI幻觉”，更通俗的叫法是“大模型瞎编乱造”。

如果说，“AI幻觉”是无意中出现的大模型错误的话，那“AI污染”就是有人利用大模型的漏洞刻意要达成的结果。大模型在回答新近发生的事情时通常要联网，系统会先检索网页，再对材料排序并交给模型组织答案。某种说法出现得越频繁、语种覆盖越广、表达越一致，与相关概念形成的统计联系就可能越强。

于是有人利用大模型的这一特性，用大量账号和平台重复贴出某一谣言，就有可能被大模型采用并反馈给更多的使用者。随着失实信息、片面叙事和重复性偏见大量进入互联网，模型训练、检索和答案生成都会受到影响，此次尼泊尔泥石流灾害中，多个欧美常用的大模型即受到污染。

争夺国际话语权，逆转算法弱势

由此不难看出，大模型的偏好和国际传播能力息息相关。一个国家如果在国际舆论场上缺少及时、清晰、有影响力的声音，即使掌握事实，也可能在机器检索中缺席，关于这个国家的事情就容易出现AI幻觉；在突发事件中，其他国家率先发布并被大量转载的片面说法，则可能成为模型最先看到的解释框架，导致AI污染。

要解决这一问题、防止国家形象因为AI幻觉和AI污染而受损，我们不仅需要更多技术攻关，也需要进一步加强对外传播能力建设。

过去，国际传播能力不足主要表现为本国声音难以进入海外报纸、电视台和社交平台等传播渠道。在AI时代已经到来的今天，这种差距还会转化为“算法可见度”的差距。越来越多的人不再逐一打开网页，而是直接阅读机器综合的答案。哪些媒体被检索、哪些观点被引用、哪些事实进入摘要，正在影响人们认识一个国家和一场事件的方式。

2026年1月，澳大利亚学者蒂莫西·科斯基（Timothy Koskie）发表研究结果，在分析Copilot生成的434份新闻回答中发现，即使用户身处澳大利亚，大模型仍明显偏向欧美媒体，只有约五分之一的回答包含澳大利亚媒体链接。

现实中的传播差距，可能被训练数据和检索排序进一步放大，并由此形成恶性循环：影响力较弱的媒体很少进入大模型答案，因而失去受众和链接；影响力继续下降后，被大模型看到的机会更少。大型英文媒体的叙事则被不断检索和重复，成为大模型回答的默认信息源，并通过被更多用户接受而进一步建立优势。

媒体的责任：不止于核查事实

这也正是AI时代媒体的责任。当然，作为信息的传递者，媒体最基本的责任仍是核查事实，应尽可能依托现场采访、政府通报、科学数据和原始文件，保证事实不出错。

但责任不能止于不出错。媒体应当主动提供高质量的人工智能信源，形成准确自然的多语种报道产品，列明数据出处和原始文件。只有这样才能让事实进入大模型的算法，从而防止全球用户获得错误或者带有偏见的答案。

作为媒体，还应主动监测主要大模型在涉华问题上的答案，并检索其引用的信源是否可信。发现错误后，应通过权威报道、事实核查、平台反馈和国际合作，让修正信息进入更广泛的传播网络，逆转大模型对此事的错误认知。

AI时代，一篇报道不仅会影响受众的认知，还可能成为未来机器理解世界的材料。提升国际传播能力、增强权威信源供给、争取在全球信息网络中的可见度，已经不仅关系到媒体自身，也关系到一个国家能否在AI时代被准确理解并参与议题设置。这正是AI时代新闻媒体新的使命与责任，也是中国媒体下一步应当努力的方向。

作者：张周项，中国日报社欧盟分社首席记者、高级记者

审核专家：张焱，光明日报高级编辑

内容来自：中国科普作家协会