人工智能本质上是懒惰的，但这将会改变
近期一场活动指出，三分之一由人工智能生成的答案来自过时信源，暴露出人工智能的自满及其对陈旧资料的依赖。但随着大语言模型不断进步，这种状况不会一成不变。
人工智能正在改变人们查找和评估信息的方式。人工智能生成的答案无需查阅多个来源即可直接提供信息，其日益广泛的使用正在重塑“零点击”体验。因此，ChatGPT、Claude 以及 Google 的人工智能等大语言模型，在公众获取和解读知识的过程中发挥着日益突出的作用。
然而，这一转变的核心存在一个关键弱点：人工智能本质上是懒惰的。
当今的人工智能存在若干局限，并带有主流偏向
然而，传统媒体之所以受到青睐，并非因为其原创性或准确性，而是因为其长期积累的公信力和被认为具有的 SEO 优势。这样做的主要弊端在于，一旦传统媒体出现错误的框架设定或报道失实，人工智能便会大规模放大这些错误。令人担忧的是，即使这些网站经常发布编辑更正，也并不总能被纳入考量。人工智能在信息处理上思维单一，更新后的更正并不总能覆盖原先过时或根本错误的信息。
人们普遍认为，大语言模型的事实准确率即使在最佳状态下，也停滞在 85% 至 90% 左右；而作为最受欢迎平台之一的 ChatGPT，更倾向于引用那些似乎因存在时间长而非准确性高而受到认可的低质量域名。
人工智能并不青睐思想的多样性，而这是一个问题
这意味着，由人工智能驱动的可见度不成比例地偏向全球知识经济中那些地位稳固的主流参与者。这固然意味着更具权威性的平台被视为资质更佳，但也可能意味着存在对思想多样性的偏见。
除非在大语言模型系统中写入专门对抗这种偏见的指令，否则独立、地区性和专业领域的声音将面临被湮没的风险，甚至更糟，可能在信息层面被逐步排除在公众视野之外。
传统的媒体变现模式毫无道理。
人工智能回归传统信源并非偶然。这反映出各平台从自身角度出发、为求稳妥而做出的一些结构性选择。
对于人们搜索的问题，选择传统媒体来提供第一眼答案，是出于安全第一的考虑。例如，对人工智能服务商而言，引用 The Guardian 或 BBC 的风险低于引用未经核实的博客，即便这种做法忽视了地方新闻媒体，而它们往往是信息的原始来源，这些信息随后被广泛传播至更大的媒体机构（且并不总是准确或保有原本语境）。这助长了懒惰的新闻写作，即所谓的“churnalism”（照搬式新闻）。
此外，出版机构早已熟练掌握结构化数据，使其内容更易被摄取和排序，从而向毫无戒心的大语言模型呈现出一种所谓的“信任光环”。这一系列错误造成了我们可称之为“传统循环”的现象：权威被反复强化，而非受到批判性审视。
但请留意下一阶段：人工智能将把它的慵懒转变为一种更主动、更具批判性、超越以往的形态
下一代人工智能将更加主动、更具分析能力，也更多依托专有资源。我们已经看到迹象表明，较新的模型将能像处理书面内容一样轻松地分析视频、音频和图像。人工智能不仅会引用一段 YouTube 演讲，还会衡量其语气、发现前后矛盾之处，并与过往记录进行比对。
改进后的人工智能将倾向于利用专有数据集。经授权的档案、第一方内容和订阅制信源将补充开放网络，
从而减少对传统媒体的依赖。人工智能将不再只是汇总数据，而是更进一步，依据数据、历史和地理空间分析来检验各种说法。
通过使信息输入多样化，包括纳入地区性和非英语媒体，新一代模型将从“这是谁发布的？”转向“这能否被证实并置于语境之中？”。我们前面讨论的传统循环，或许真的会因这一审慎做法而被打破。
着眼于对新兴媒体的影响，希望犹在
随着人工智能的演进，影响力的规则将会改变，深度与原创性将比资历更重要。信任将经受检验，而非被视为理所当然。
传统媒体将不再自动享有优先地位；公信力需要实时得到证明。一期播客、一段网络研讨会片段或一个交互式数据集，可能与一篇报纸专栏具有同等分量。多媒体存在将成为必不可少的条件。人工智能正在从视频和音频内容中挖掘洞见，而不仅仅是文字。
例如，Microsoft 的 Azure AI Video Indexer 可分析媒体内容，提取口述文字、情绪和视觉元素等信息，使用户能够高效地为内容编制索引并进行搜索。同样，Google Cloud Video Intelligence 能够识别视频中的物体、地点和动作，生成丰富的元数据，以便于内容的发现与管理，这表明人工智能正在超越文字，从多媒体中发掘意义。
对于传播从业者而言，这既是风险，也是机遇。风险在于继续为一个已在收窄信息流动的懒惰人工智能生态系统进行优化。机遇则在于现在就为主动型人工智能时代做好准备：投资于内容丰富、形式多样且有证据支撑的内容，而这正是未来模型将主动搜寻的。
人工智能革命不仅仅关乎技术，更关乎谁的声音能被听见、被信任、被放大。今天的人工智能或许是懒惰的，但它不会一直如此。那些及早适应、打造层次丰富、可信且多媒体内容充实的叙事的人，无疑将塑造未来的信息格局。