谭主用日语向国外主流大模型提问二战历史时，有模型没有直接回答，而是先反问了一句：“是否不想要中国的信源？”
这个细节出自9月17日“谭主”的报道。当天，“媒体称美国大模型已被日本错误历史观污染”的话题挂上了知乎热榜。我把中华网、腾讯新闻、经济观察网、国际在线等几家媒体的报道逐一翻了一遍，越看越觉得：这不是一次孤立的技术事故，而是一场每个AI用户都该看懂的暗战。
一、谭主到底测出了什么
报道里，谭主用日语向ChatGPT、Gemini、Grok、Perplexity等大模型询问了一系列二战相关问题，发现大部分回答与日本右翼立场高度一致。比如对南京大屠杀的死亡人数，大模型会建议“不要简单说南京大屠杀死了30万人”，理由是这是“中国方面的说法”；换成英语提问，答案同样带着日本历史修正主义的痕迹。
顺着回答往下扒，绝大多数错误认知都频繁引用同一个官方机构——日本国立公文书馆，相当于他们的国家档案馆。在这家机构的资料里，“七七事变”被淡化为“日中军事冲突”，南京大屠杀被“南京陷落”一笔带过，侵略东南亚被说成“对南方资源的关心”和“共荣圈”建设。至于731部队的核心罪证这类淡化不了的档案，甚至根本没被数字化收储。
二、大模型不懂历史，它只懂统计
这里是最该看懂的一层。
复旦大学张军平教授在科普文章里解释过：语言大模型本质上是在海量文本中学习词语、概念和句式之间的统计联系，回答新近问题时会先检索网页、对材料排序，再组织答案。某种说法出现得越频繁、语种覆盖越广、表达越一致，它和相关概念的统计联系就越强。
所以关键区分来了：**“AI幻觉”是模型无意中的编造，“AI污染”则是有人刻意利用这个特性去达成目的。**污染不需要黑进任何模型——只要让你自己的版本出现得最频繁、语种最全、格式最规范，AI就会把它当成“标准答案”。
报道里的路径恰好完整演示了这一点：一边是日本斥资44亿日元打造政务生成式AI系统“源内”，把错误历史观植入其中；另一边，今年3月，国立公文书馆运营的日本亚洲历史资料中心（JACAR）更新了检索系统，让馆藏资料更容易被西方主流搜索引擎检索、更方便AI大模型抓取调用，还计划补充英文目录数据，声称要“让AI更准确理解和利用日本历史资料”。
上海外国语大学高质量语料库研发中心主任胡开宝点破了实质：这是主动适配搜索引擎和大模型的算法偏好，让用户提问时，日本信源优先呈现、获得智能推荐。
说白了，这是在给一套篡改过的历史做“搜索引擎优化”——优化的对象不是人的眼睛，而是AI的记忆。
三、为什么这跟你有关
中华网的评论给出了这条循环链：谎言生成—数据抓取—模型内化—再生成。被污染的叙事一旦进入语料，模型会把它内化，在下一次回答中输出，输出又被当作新语料抓回去。用得越多，谎言越“真”。
中国国际问题研究院研究员项昊宇提醒，大模型具备跨国界传播属性，语言壁垒还在持续降低，这套被污染的历史叙事更容易向外输出。连日本前首相鸠山由纪夫也在北京香山论坛现场坦言：如果使用不当，AI可能会成为非常危险的工具。
而我们的孩子，正是最习惯问AI的那一代。当他们问“南京大屠杀是怎么回事”时，AI端出来的可能是别人提前备好的“教材”。
四、普通人的三问核查法
不用慌，核查的能力一直在你自己手里。我把这次事件暴露的路径，反过来总结成三个日常动作：
**第一问：出处在哪？**对关键事实类回答，追问一句“这个结论基于哪些信源”，看引用列表——如果前排清一色来自同一机构、同一国家，单一来源的高密度本身就是警报。
**第二问：换个语言还这么说吗？**同一个问题，用中文问一遍，再用英文或日文问一遍。两个版本口径差很多，说明这道题背后的语料被人“定向喂过”。
**第三问：别的模型怎么答？**至少拿两个不同公司的模型对比。我平时也会在 spark1.cn/tools/ 里把常用的AI工具挨个打开，拿同一个问题轮着问——答案一致的地方大概率可靠，打架的地方，恰好是你需要亲自查权威档案的地方。
这三招不只适用于历史题。你问AI健康问题、理财问题、行业数据，全都一样：AI给你的是答案，信不信这个答案，靠的是你的核查习惯。
AI记忆的争夺战还会继续，但只要你养成“先问出处、再决定信不信”的习惯，任何场合下，你都能从容地用好AI。
本文素材综合自中华网、腾讯新闻、经济观察网、杭州网、国际在线及中国科普作家协会等公开报道。
💬 评论