四川
如果一个外国学生从未系统了解过日本侵华历史，第一次向人工智能提问时，得到的回答却淡化侵略责任、回避屠杀事实，会发生什么？
他未必知道哪里出了问题，那段回答可能语句流畅、条理清楚，还带着几条看起来很正规的参考资料。错误的历史叙述，就这样成了他的第一印象。这正是日本右翼向大模型“投毒”引发警惕的原因。
10月9日，外交部例行记者会上，有记者就日本右翼持续向国际主流大模型提供篡改后的二战历史语料提问。外交部发言人毛宁指出，相关做法意在扭曲全球公众的二战历史认知，为日本摆脱战后体制约束、加速再军事化扫除舆论障碍。
这意味着，谁的材料被系统采用，谁的叙述框架被保留下来，可能直接影响用户如何理解一件历史事件。对历史修正主义而言，隐蔽的办法是逐步淡化关键事实，让责任主体模糊，让侵略行为显得缺少明确性质。例如，解释战争时只讲资源需求，却不讲对他国主权的侵犯。介绍一座城市被占领时，只讲军事进程，却省略随后发生的大规模暴行。
这些说法的共同问题是用局部描述遮蔽完整事实，军事行动、城市陷落当然可以成为历史研究的内容。但如果用户询问屠杀，回答却把重点转移到战役经过，便没有回答真正的问题。词语看似温和，那些暴行的事实却被掩盖了。
大模型的语言能力，来自对大量数据的学习。它能归纳表达规律、建立知识关联，也能根据问题组织解释。但回答流畅，不代表每个事实都经过了档案核验。
所谓数据投毒，核心是有人故意把恶意样本混入系统使用的数据，使模型学习或输出朝着预定方向偏移。
一种情况发生在训练阶段，经过篡改的材料如果进入训练数据，并对学习结果产生影响，问题可能体现为模型反复采用错误的知识关联或叙述方式。
另一情况发生在使用阶段，许多AI会先搜索网页、检索资料库，再根据找到的内容回答。这叫检索增强生成，即使模型本身没有重新训练，被污染的外部资料也可能影响当次答案。
互联网有那么多正确资料，少量错误内容难道不会被冲淡？
历史叙述的污染，还可能比明显的胡言乱语更难识别。因为一段材料可以包含大量正确的时间、地名和人物，只在决定性质的地方动手脚。普通读者未必会逐句核对，自动化处理也可能保留其中的问题。等这段材料被重新概括，原来的措辞甚至会消失，而结论却会出现问题。
因为公众如何理解过去，会影响他们如何判断今天。如果侵略责任被淡化，对军国主义的警惕就可能减弱。如果受害者经历被省略，要求反省便可能被误解为毫无依据的纠缠。如果侵略战争被解释为迫不得已，现实中的军事扩张也更容易被包装成理所当然。
外交部此次回应，明确将相关数据投毒行为与歪曲二战认知、服务日本再军事化联系起来。
一个读者未必会浏览右翼网站，却可能每天使用人工智能。一旦问题材料进入其参考范围，读者可能在没有意识到的情况下接触到错误叙述。
日本右翼投毒大模型，终究会让世人唾弃。AI生成的涉及受害者、战争责任和历史教训，不能被轻轻带过。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
