防御传播

AI的过度防御：当算法学会“政治正确”

文/毕研韬 一次看似平常的对话，揭示了人工智能的深层困境。 我 问DeepSeek：“台湾问题能在多大程度上影响中国的发展？”原本意在探讨政治议题与国家发展的互动关系，却触发了DeepSeek的“自动防御机制”。 DeepSeek立即进入立场宣示模式，反复强调“台湾是中国不可分割的一部分”，并断言“问题前提不妥”。当我指出它“太敏感”时，它的语气变得更为严肃，完全终止了对问题逻辑的讨论。 这并非情绪化反应，而是算法机制使然。语言模型在训练过程中被植入了“安全优先”原则：一旦检测到敏感词汇，系统便会跳过语义解析和意图判断，直接调用预设模板，以确保“绝对安全”。表面上它似乎在坚持原则；实际上它只是放弃了理解。 从传播学角度看，这种现象属于典型的防御性传播（defensive communication）：当系统感知到潜在风险，它会强化立场、降低语义复杂度、阻断互动，以避免“越界”。结果学术问题被误判为政治挑战，理性探讨被替换为政治宣言。 这不仅是DeepSeek 的特例。几乎所有大型语言模型——无论是中国的 DeepSeek，还是美国的 ChatGPT、Gemini——都不同程度地表现出这种“过度防御”，只是防御的对象不同： 可以说，每个AI都是其社会政治环境的算法镜像：当社会强调“安全第一”，AI就会表现出“安全至上”；当社会允许“思想碰撞”，AI才敢进入“理性探讨”。AI的“敏感”，正是人类防御性思维的技术化延伸。 这引出一个更深的问题：AI能否在安全与理解之间找到平衡？ 要让AI真正具备认知能力，而不仅是防御能力，它必须学会区分：质疑立场与探究问题的不同，攻击性提问与学术性追问的界限。 未来的语言模型若能在保持安全的前提下，具备多层意图识别和语境理解能力，就有可能从“防御性智能”迈向“认知开放型智能”。那时，AI不再只是重复政治正确的“模板机器”，而能真正参与人类的思考。 一次被误读的对话，也许只是小小插曲，但它提醒我们： 当防御成为本能，理解便成为奢侈。