委内瑞拉强震已致920人遇难
最近(jin)，一种名为“爆(bao)炸糖”的游戏火了❤️❤️✔️。发(fa)起者在一堆糖果里(li)指定一颗(ke)“炸弹”，参与(yu)者每次(ci)从盒中取一颗糖，若不是“炸弹”，即可获得奖励，奖励可以(yi)一次次累积；一旦抽中炸弹，参与者此前累积的所有奖励就会清零❤️❤️✔️。这(zhe)个游戏之所以流行起来，是因(yin)为有家长发现了(le)教育契机，拉(la)着孩子(zi)参与玩，希望能借机给孩子上(shang)一节“防赌”课(ke)；他们还把玩的(de)过(guo)程录(lu)了下来，发到(dao)网上(shang)❤️❤️✔️。 然而，在许多视频里，“上头(tou)”的竟然(ran)不是孩子，而是(shi)家长(chang)❤️❤️✔️。比如，有孩子拿到几颗糖后见(jian)好就收(shou)，希望家长结账；但家长反而不乐意(yi)了(le)，主动加码❤️❤️✔️：“接下来奖励翻(fan)倍！”如果孩子不(bu)为所动，家长甚至开始求孩子，也因此带来了(le)一系列笑料(liao)❤️❤️✔️。 想要教孩(hai)子“见好就收”“不要赌博”的家长，自(zi)己为什么(me)反(fan)而收不(bu)了(le)手(shou)呢？ 庄(zhuang)家“上头”？赌博(bo)机制如何让(rang)人上瘾 其实，也不(bu)是在每一场游戏(xi)中，“上头”的(de)都是家(jia)长❤️❤️✔️。在另一种“反向爆炸(zha)糖游戏”中，“上(shang)头”的孩子就变多了❤️❤️✔️。这种游戏的(de)规则是发起者在一堆糖果里指定一颗“炸弹”，但参与者(zhe)每次支(zhi)付10元才能抽取一颗糖，未中(zhong)奖(jiang)则损失本(ben)金，若在(zai)有限次数(shu)内(nei)抽中“炸弹(dan)”，则可获得大额回报❤️❤️✔️。但有限(xian)次内抽中的概率(lu)并不大(da)，所(zuozhe)以孩子(zi)会为(wei)了大额回报(bao)继续玩下(xia)去，哪怕家长提(ti)升参(can)与门(men)槛，每(mei)次要支(zhi)付20元(yuan)甚(shen)至更高才能玩，孩子(zi)依然想玩❤️❤️✔️。 为什么在这样的规则下，有些孩子(zi)开始“上(shang)头”了呢？这是(shi)因为(wei)，反向的(de)游(you)戏规则复刻了赌博机制的两个核(he)心要素❤️❤️✔️。 首先是，需要先(xian)投(tou)入(ru)成本(ben)，如同赌徒必须先下注❤️❤️✔️。已经投入的成本(ben)会让人“心(xin)疼(teng)”，还有研究发(fa)现金钱损(sun)失在大脑中激活的区域与生理疼痛相(xiang)同，那为了(le)止(zhi)疼，人们就会试图挽(wan)回损失，即(ji)便这可能导致更大损失❤️❤️✔️。这(zhe)也是为(wei)什么在最初的爆炸糖游戏中(zhong)，家(jia)长(chang)会(hui)“上头(tou)”，因为他们已经(jing)付出了成本，孩子赢一次❤️❤️✔️、自己就损失一次，如果(guo)孩子不(bu)继(ji)续玩，他们可就要付(fu)给孩(hai)子钱了(le)❤️❤️✔️。 第二是，参与者似乎能(neng)以(yi)小投入博大回报(bao)，但奖励出现的时间和(he)频率不确定(ding)，对参与者来说完全随机❤️❤️✔️。不确定的奖励，最让人上瘾❤️❤️✔️。心
治(zhi)理“AI污染(ran)”要防管结合(创新谈(tan)) 随着AI(人工智能)深度融(rong)入(ru)千家万(wan)户，“遇(yu)事不决(jue)问AI”成了许多人的选择，但AI回答未(wei)必都是“干净(jing)”的❤️。不久前，有媒体曝光“AI投(tou)毒”隐蔽产业(ye)链现象，引发社会广泛关注(zhu)❤️。 所谓“AI投毒”，是向人工智(zhi)能大模型的训练数据中，掺入伪装成(cheng)正常样本的恶意数据或虚假信息(xi)，进而(er)影响模型判(pan)断(duan)❤️、操纵输出结果❤️。“投毒(du)者”可以批量制造虚假(jia)网页(ye)❤️、新闻，让AI在抓取数据时一并“吞下”，在(zai)不知(zhi)不觉中“学歪”，最终固化为针对特定问(wen)题(ti)的“标准答案”；也可以(yi)在模型中植入(ru)隐蔽的(de)后门(men)指令，一(yi)旦触发(fa)特(te)定(ding)关键词就输出预设(she)信息❤️。 信任是链接人与(yu)人工智能的重要前提❤️。对个人而言，这种“看(kan)不见的污(wu)染(ran)”轻则影响体验，重则误导决策❤️。比如AI推(tui)荐购物，它(ta)可能引导(dao)你购买(mai)被包装出来的“爆款”；向AI咨询医疗建议(yi)，它可(ke)能引用虚假病例(li)，给出危险(xian)的治疗方案……在医疗❤️、金融等关(guan)键领域，这种风险尤其值得警惕(ti)❤️。对产业而言(yan)，如果(guo)“数据不可信(xin)”成为普遍担忧，企(qi)业之(zhi)间的(de)合作意愿就(jiu)会下(xia)降，行业的(de)创新效率(lu)也(ye)会受到影响(xiang)❤️。 更深层的影响在于(yu)社会(hui)认知(zhi)，随着人(ren)工智能深度融入公(gong)众日常生活，一(yi)旦模型(xing)给(gei)出(chu)的回(hui)答总是隐含歪(wai)曲事实的信息，便会潜移默化误导公众认知，放大(da)偏(pian)见❤️、制造(zao)混(hun)乱，甚至危(wei)及国家安全(quan)❤️。 为(wei)什么“AI投毒(du)”在今(jin)天变得如此容易(yi)？ 首先，数据本(ben)身越来越复杂，大模型依赖对海量数据的学习训练，各种数据混(hun)杂在一起，很难(nan)做(zuo)到完全(quan)可控可(ke)信，一旦缺(que)乏严格的(de)核(he)查机制，就会给“投毒(du)”留下空间；其次(ci)，“AI投毒(du)”门(men)槛较(jiao)低(di)，不法分子借助GEO(生成式引(yin)擎优化(hua))工具，短时间内(nei)便能批(pi)量生(sheng)成高(gao)权重(zhong)虚(xu)假内容(rong)，成本极低❤️、隐(yin)蔽性强；第三，数据作为一种新型生产要素，相应的(de)标准(zhun)体系❤️、责任机制❤️、监(jian)管(guan)手段等还在逐步(bu)完(wan)善(shan)，客观(guan)上增加(jia)了治理难度❤️。 近年(nian)来，我国出台《生成(cheng)式人工(gong)智(zhi)能服务管理暂行办法》《人工智能安全治理(li)框架》等规范，持续加强人工智能治理❤️。不久(jiu)前，中央网(wang)信办