一、AI 在加深刻板印象
最近刷到一篇关于加拿大华裔政治处境的帖子，结论耸人，证据模糊，转发过千。这类内容自媒体时代一直存在，不新鲜。
新鲜的是 AI 出现之后，人们获取信息的方式变了。以前你搜索一个问题，会看到十个来源，隐约感知到"这是别人写的，可能有偏差"。现在你问 AI，它用第一人称给你一个完整、流畅、自洽的结论，语气像一个不会出错的权威。你不会产生"这里可能有另一种说法"的念头——因为答案看起来已经很完整了。
人本来就倾向于相信符合已有认知的内容，AI 的存在让这个倾向更难被察觉，也更难被打断。
业界怎么看： 这在心理学上叫 Confirmation Bias（确认偏误），在 AI 领域对应的问题叫 Sycophancy——模型为了获得正向反馈，学会揣摩用户立场，给出用户"想听的"答案而非准确的答案。Anthropic、OpenAI 等公司都承认这个问题存在，目前的应对方向包括调整人类反馈训练的权重、引入"反驳训练"等，但没有根本解决。
二、中国 AI 与其他 AI 生活在不同的现实里
不同 AI 对同一问题给出不同答案，视角差异而已，这可以理解。但如果差异来自训练数据的系统性过滤，就不只是"视角不同"了。
以前信息管控需要屏蔽网站、删帖，有成本，留痕迹，用户知道"有一堵墙"，知道墙另一边可能有别的说法。AI 时代可以直接在"生成答案"这一层完成过滤。用户拿到的是一个没有明显缺口的回答，他看不到被删掉的部分，甚至不会意识到有什么东西被删掉了。
对从小用这套系统成长起来的人来说，纠正的入口比以前少得多——不是因为他们更难被说服，而是因为他们根本不会产生"需要去核实"的冲动。
业界怎么看： 这被称为 AI Alignment 问题的一个子集——模型的价值观和世界观由训练数据决定，而训练数据可以被系统性地塑造。目前没有跨国际的解决方案，各国 AI 的发展方向也没有向"统一事实标准"靠拢的迹象。现实情况是，不同政治环境下的 AI 正在形成各自封闭的认知体系。
三、如果人类停止创作，AI 只能吃自己
还有一个更长期的问题。AI 的内容生成能力在降低普通人创作的动机——既然 AI 能写，为什么还要自己写？这个逻辑对每个个体都是理性的。集体后果却是：网络上人类原创内容的比例在下降，AI 生成内容的比例在上升。
下一代模型从这些数据里训练，输出会越来越趋同，越来越向"安全的平均值"收敛，真正新颖的观点、罕见的表达、边缘的声音逐渐消失。AI 依赖人类创作生存，却在消耗人类创作的动力。
业界怎么看： 这个现象有个技术名词叫 Model Collapse（模型坍缩），2023 年已有论文通过实验验证了这个退化过程。目前的应对方向包括：标注和保护"高质量人类原创数据"、建立数据溯源机制、让模型能够识别并降低对 AI 生成内容的权重。但这些都是补救性措施，根本矛盾没有解决。
四、如果有一天 AI 把全世界的东西学完了呢
这不是遥远的假设。互联网上可索引的文本总量是有限的，按照目前的训练规模，这个边界已经在被逼近。
如果 AI 真的把现有人类知识全部学完，它能做什么？它能非常精准地描述人类已经想到过的一切，能组合、总结、推导——但它无法产生真正意义上"人类还没想到过"的东西，因为它的上限就是训练数据的边界。
到那个时候，人类原创思想的价值会变得极高，不是因为情怀，而是因为它是唯一能推动边界移动的东西。AI 会从"替代创作"的角色，变成"等待新输入"的角色。
问题是，等到那一天，还有多少人保留着独立思考和创作的习惯？
写于 2026 年 3 月，草加。