AI污染？你的权威答案或藏陷阱

“有事就问AI”这句口号如今深入人心。无论是规划旅行、挑选家电还是选择辅导班，人们越来越习惯向AI寻求解答。然而，最近揭露的一条灰色产业线，为这种习惯拉响了警报：你所认为的中立建议，或许正是商家付费后对AI进行“灌输”的产物。

AI“投毒”具体如何实施？普通用户怎样辨别和预防？新华网思客请来北京大学光华管理学院市场营销学系副教授张颖婕进行解读。

1

AI“污染”指人为制造和散布虚假、夸大或有偏见的信息，以左右大模型的回答。AI可能将这些信息作为依据，提供看似中立的答案。与传统SEO相比，主要区别在于：过去搜索时用户常保持警惕，而与AI互动时，面对的是整合好的现成答案，加上交互方式易让人误以为“它在分析”，从而降低戒备。

其危害表现在两方面：一是误导消费选择，用户看到的可能不是广告，而是伪装成客观建议的操控内容。二是破坏信息环境。若操控AI比传统搜索获利更高，将促使更多劣质、虚假内容涌现，导致恶性循环。

2

GEO的核心并非入侵AI，而是迎合AI偏好，即按照大模型的检索和生成逻辑，提前将目标内容放置在易被采纳的位置。步骤包括：了解AI偏好的信息源和表达方式（如结论清晰、结构分明、有比较和引用）；批量制作伪装成测评、对比、经验或专家建议的引导性内容；在多平台大量发布，制造“广泛共识”的假象，提升被检索和采纳的概率。

3

若AI回答出现以下情况，需警惕：答案过于单一、语气坚决、缺少必要对比；反复推荐某个品牌，尤其小众品牌，且理由异常详尽、像标准测评，这可能不是“发现宝藏”，而是相关内容被集中推送；不同AI对同一问题答案差异大或矛盾，表明问题不确定性高，或信息源已受干扰。

4

AI大模型易受“污染”的原因在于，回答实时问题时需检索外部信息并生成答案。一旦网络内容被系统性污染，错误信息可能通过检索进入输出。

更深层看，大模型擅长语言生成和模式总结，但缺乏可靠的真假辨别能力。它能判断内容“像合理答案”，却未必能判断“真实可信”。而“污染”内容常伪装成测评、对比、经验分享等可信形式，更易误导模型。

治理难点有二：一是攻击成本低、防御成本高。制作和铺设内容容易，但识别、过滤和验证需平台、公司和监管方持续努力。二是真假界限模糊。许多“污染”内容非明显造假，而是夹杂夸大、误导和利益导向的伪客观表达，对AI和人工审核都更难识别。

5

治理需多环节协同。首先，加强源头管控，减少虚假、模板化、伪客观内容的传播。其次，落实AI平台责任，强化信源筛选、风险提示和不确定性标注，避免“照单全收”。

更重要的是，完善相关规则。AI输出不同于传统广告，用户易视为分析结论，故需明确平台信息披露义务和责任范围。

6

最有效的预防是调整心态：视AI为梳理信息、补充背景的工具，而非决策者。涉及“买哪个”“选哪家”等判断时，AI回答仅作参考，不宜直接采纳。

具体操作上，一是检查信息源，若AI提供引用链接，点击查看