|
防火長城反噬：中共AI與模型面臨崩潰風險
【人民報消息】（人民報記者麗君編譯報導）當全球科技競爭持續升溫，中共正動員國家資源，力圖在人工智慧（AI）領域追趕甚至超越美國。然而，來自美國國防領域的分析指出，北京面臨的關鍵風險並非來自外部的技術封鎖，而可能源於其自身長期依賴的資訊控制體系——「防火長城」（Great Firewall）。這套旨在控制思想的審查機制，正化身為一條「咬著自己尾巴的蛇」，透過限制與扭曲資訊來源，反過來削弱AI系統所依賴的數據品質與可靠性。
一、 數據的近親繁殖：AI 的「模型崩潰」風險
在人工智慧的發展中，高品質、具多樣性且由人類產生的數據，一直被視為模型進步的基礎。然而，隨著AI生成內容在網路上快速擴散，一項全球性隱憂逐漸浮現：當模型開始反覆使用AI生成內容進行訓練，系統表現可能出現明顯退化。
資深國防分析專家、退役陸軍上校喬·布奇諾（Joe Buccino）明確指出，這種現象被稱為「模型崩潰」（Model Collapse）。當模型不斷吞噬自身產出的合成數據，它可能會逐漸喪失對細節與邏輯的掌握，不僅放大既有偏誤，甚至會出現與現實脫節的情況。
在資訊相對開放的社會中，儘管同樣面臨AI生成內容氾濫所帶來的干擾，但來自記者、研究人員以及一般使用者的原始內容，仍能持續提供多元且相對可靠的「人類訊號」，在一定程度上有助於緩解模型偏移的風險。然而，在中共國，由於內容審查與資訊過濾機制高度集中，這類人類原始訊號的來源與多樣性可能受到壓縮，使相關風險更為凸顯。
二、 防火長城：加劇數據失真的「過濾體系」
由中共官方自1990年代末逐步建立的網路審查與管控系統（俗稱「防火長城」），已發展為一套高度制度化的資訊過濾機制。該系統最初目的在於強化社會與輿論管控，但在人工智慧時代，其對資訊流動的篩選作用，也可能間接影響AI模型可取得的訓練數據品質與多樣性，進一步放大前述的模型偏移問題。
這種影響不僅體現在資訊可得性的限制，更反映在訓練大型語言模型（LLM）所依賴的數據結構之中 ：
1. 真實資訊的結構性缺口： 在高度審查的網路環境中，涉及政府批評、敏感歷史事件（如1989年天安門事件、文化大革命）或人權議題（如新疆再教育營）的內容，往往受到嚴格限制或難以取得。這使得相關數據在訓練語料中的比例偏低，形成結構性的資訊缺口。
2. 高度同質化的語料來源： 訓練資料中相當部分來自官方媒體或經過審查的內容，其敘事框架與用語風格趨於一致。當AI模型長期在此類語料中進行學習，可能傾向生成風格保守、立場單一的回應，降低對複雜議題的解析能力。
在這樣的數據環境下，AI系統的表現可能出現結構性限制：其在處理多元觀點、矛盾資訊與高度不確定議題時，較難進行跨立場整合與深度推理。這也部分解釋了，為何部分中共開發的AI系統在面對敏感或具爭議性的問題時，回應往往傾向接近官方論述，而較少呈現開放式或批判性分析。
三、 治國方針的盲點：當 AI 成為「政治鏡像」
中共近年積極將人工智慧導入經濟預測、地緣政治分析及與公共治理，試圖以技術手段提升決策效率與控制能力。然而，布奇諾指出，若AI系統所依賴的數據本身已經過高度篩選，其輸出結果可能更接近既有立場的延伸，而非對現實的全面反映。
在此情境下，AI更像是一種「政治鏡像」：反映的是政策預設與敘事框架，而非外部世界的複雜性。這可能帶來數個層面的風險：
經濟判讀偏差： 若模型缺乏對制裁、市場衝擊或歷史經驗的完整數據，其模擬結果可能過度樂觀或失真，影響政策判斷。
地緣政治誤判： 當AI難以納入多元國際觀點與真實輿情，其政策建議可能流於單一視角，增加誤判外部局勢的風險。
在這一層意義上，「模型崩潰」不僅是技術問題，也可能演變為決策風險：當系統長期在受限資訊中自我強化，其輸出將逐漸偏離外部現實，形成封閉的認知循環。
四、 戰略對抗：技術取得壓力與外部依賴
這項分析，也為2026年初美方揭露的「大規模AI技術外流與潛在竊取風險」提供了一種解讀框架。部分觀點認為，在高度審查與資訊受限的環境下，中國本土AI發展可能面臨資料來源與多樣性不足的挑戰，進而影響模型長期演進的品質。在此背景下，對外部先進技術的依賴程度自然提高。
其中，「模型蒸餾」（distillation）原本是機器學習中常見的技術，用於將大型模型的知識壓縮至較小模型，以提升效率與部署彈性。然而，在跨國競爭與科技管制加劇的情境下，若相關技術取得涉及未經授權的方式，便可能引發知識產權與國安層面的爭議。
五、 美方的防禦重點：數據治理即戰略能力
面對中共的技術掠奪與制度對抗，布奇諾向華府提出了清晰的建議：保護數據的完整性已不再是技術問題，而是國防迫切任務。
為了保持領先，美國必須：
將高品質人類數據視為關鍵資產： 支持獨立新聞機構、學術研究與 開放資料庫建設，同時推動AI生成內容的標註與溯源機制，以降低訓練數據被污染的風險。
維持資訊環境的開放性： 開放社會在資訊流通與觀點競爭上的優勢，有助於持續產出高品質、多樣化的「人類訊號」，從而降低模型偏移與退化的可能性。這種制度性條件，本身即構成對抗「模型崩潰」的重要防線。
結語：制度條件與技術上限
2026 年的這場 AI 之爭，最終將證明：技術的上限並非由算力決定，很大程度取決於其所依賴的資料是否多元、開放且可被檢驗。
中共雖然擁有龐大的數據規模，但在高度過濾與引導的資訊環境下，部分關鍵類型的知識與觀點可能持續不足。其影響未必體現在所有技術領域，而更可能在需要開放推理、跨領域整合與處理不確定性的場景中，逐步顯現出結構性的能力差異。
從這個角度來看，AI體系最終反映的，不只是工程能力，也是一種制度環境的映射：它反映一個社會能夠接觸多少現實、容納多少不同觀點，以及是否具備持續修正自身認知的能力。
（人民報首發）
△
|
