21社论丨完善数据治理，推动人工智能产业健康发展

近日，央视“3·15”晚会曝光了一条利用人工智能实施的灰色产业链——AI“投毒”。报道中，记者购买了一款名为“力擎GEO优化系统”的软件，虚构一款并不存在的智能手环，散布于多个互联网平台。结果显示，多个AI大模型在回答相关问题时，竟主动推荐了这款虚构产品，且排名靠前。

所谓AI“投毒”，是人工智能数据污染的一种典型表现，指行为人通过主观恶意编造、篡改数据，诱导人工智能输出错误信息。需要指出的是，数据污染并非伴随大模型才出现。早在搜索和算法主导互联网信息的时代，人为篡改和操纵数据以提升排名、谋取商业利益的现象就已存在，并在部分领域形成灰色产业链。

当前，各类AI大模型已深度融入人们的工作与生活，数据质量直接决定了模型能力的上限与安全的底线。AI数据污染，除了一些人为主动注入恶意数据外，更隐蔽、更普遍的来源，是模型在采集海量网络数据时，未能有效甄别和剔除其中存在偏差、失实或劣质的信息。

我国相关研究数据显示，当训练数据集中混入仅0.01%的虚假文本时，模型输出的有害内容便会增加11.2%；即便虚假文本比例降至0.001%，有害输出仍会上涨7.2%。这表明，哪怕极小规模的数据污染，也足以对模型安全构成实质性挑战。在我国大力推进人工智能规模化应用的当下，必须将数据质量与AI数据污染治理置于战略高度，以清洁可信的数据优势，支撑人工智能产业的健康、可持续发展。

数据污染更深层的影响，是触发“递归污染”。人工智能既是数据污染的受害者，也是污染数据的再生产者。当污染数据被模型吸纳并生成内容，这些被污染的内容又可能被反复抓取、用作后续模型的训练数据，从而形成“自我吞噬”的递归循环。这种现象需要警惕并及时应对。

以央视曝光的GEO灰产为例，相关问题需及时治理，同时，就内容生态而言，AI生成爽文的成本趋近于零、产量近乎无限，若此类内容持续获得算法推荐，优质原创内容将被海量“数据垃圾”湮没，出现“劣币驱逐良币”的生态失衡。

需要警惕的是，数据污染一旦发生，治理难度远超污染本身。数据验证、核实与过滤需要投入大量专业资源，且往往难以彻底消除影响。因此，需要从源头阻断，避免递归污染不断累积，导致模型输出质量下降，以及认知能力退化。一项研究表明，当模型长期暴露于低质量网络信息时，其能力退化是深层、持久且难以修复的，相当于让模型“永久变笨”。

因此，必须以前瞻性、系统性的思路，加大对人工智能产业链源头的污染治理力度。

当前，《生成式人工智能服务管理暂行办法》及新版数据安全法已将AI训练数据纳入监管框架，但仍有待深化。针对人工智能发展过程中涌现的新问题，应进一步完善治理规则，尤其要强调以预防数据污染风险为核心的制度设计，在责任设定上更多体现风险导向和过程规制，而非仅靠事后行为结果的追责。

数据信息质量及其治理问题，对于全球AI行业而言，是一个共性的课题，全球应加大合作，积极提升数据治理水平。