夜雨聆风
编者按：
欢迎阅读首期《PCST Insights.》。
论题：批判性人工智能素养的社会思潮——公众认知缺失模型为何在人工智能时代再度复现
作者：Sam Illingworth
当前社会关于人工智能的主流叙事始终围绕“加速迭代”展开：快速落地应用、优化提示工程、扩大自动化覆盖范围，否则将面临技术滞后。在此背景下，新兴社会思潮慢人工智能（Slow AI）提出颠覆性思考：何时适宜采用人工智能工具，何时应当克制、摒弃机器介入？
慢人工智能作为前沿学术理念，主张人工智能的研发与应用应秉持审慎、刻意的规制原则，而非一味优先追求运行速度、自动化程度与即时输出效率。其核心要义在于：效率提升不等于价值增益，尤其在人工智能介入知识生产、创意研发、教育体系、科学传播及公共决策等高阶场景时，审慎原则尤为重要。
慢人工智能思潮的核心内核为批判性人工智能素养。该理念主张正视并保留人机交互中的核验摩擦，将其视为规避技术风险的重要屏障；从制度机制与激励逻辑维度剖析技术失稳的根源，并对技术体系中的个体处境秉持人文审视。同时，该理念明确，人类独立研判能力是亟需守护的核心禀赋——人工智能系统仅能模拟判断的外在形式，始终不具备原生的思辨、价值权衡与场景决策能力。
对于科学传播领域从业者而言，这一思辨并不陌生。相关学术争论早已有之，经典例证即为坎布里亚事件。
坎布里亚事件的专业启示：
1986年切尔诺贝利核事故发生后，放射性铯随大气降水沉降至英格兰北部坎布里亚山地。英国官方科研团队随即出台管控政策，限制山地羊群的流通与销售，并预判管控周期仅为数周。该结论依托官方科研模型生成，而模型的实验基底为英国低地黏土土壤，亦是当时相关科研的主流实验环境。
然而，坎布里亚丘陵地带为酸性泥炭土，铯元素在该土质环境中可长期保持游离状态，持续通过牧草进入羊群体内。原本为期数周的临时管控，在部分农场持续实施长达二十余年。
兰卡斯特大学社会学家 Brian Wynne 对该事件的后续社会影响开展专项研究。当地牧民长期深耕本土草场，对区域土壤特性、生态规律与养殖规律具备精细化的在地情境知识，但此类实践经验被权威科研体系归为碎片化的轶事经验，未被纳入科学研判体系。当牧民对官方维稳结论产生质疑时，专业学界将公众疑虑简单归因于公众科学认知匮乏，认为可通过科普宣教予以修正。但韦恩的实证研究推翻了这一论断。
牧民的质疑具备充分的理性依据：官方权威机构曾发布笃定但错误的研判结论，事后对问题根源避而不谈、态度含糊；且塞拉菲尔德核电厂紧邻当地居民区。公众的不信任，是公共机构研判失准、回应失当引发的合理结果。
审慎思辨对科学传播的学术价值
彼时学界对牧民认知的研判，完全遵循公众认知缺失模型：将公众对科学技术的审慎与质疑，定义为知识空白，认为通过填充事实信息即可消解认知分歧。过去三十年间，科学传播领域已充分验证该模型的局限性与失效性。
技术信任是关系型产物，核心取决于权威主体的沟通姿态、倾听意愿，以及失误后的坦诚度。单纯的信息灌输，无法修复信任裂隙、消解公众疑虑。
坎布里亚事件的核心学术启示，并非否定标准化科学专业知识的价值，亦非肯定本土实践知识的绝对正确性。其关键警示在于：当专业研判将简化的数理模型等同于复杂真实世界，摒弃模型预设之外的情境化知识时，专业体系的可靠性将彻底崩塌。牧民掌握了标准化科研模型无法覆盖的本土生态规律，其质疑并非科学认知不足，而是对权威体系研判失误、拒斥多元经验的理性反馈。
当前人工智能领域正复刻这一学术困境。面对公众对人工智能系统的信任危机，行业与学界的主流应对逻辑，仍是归因于公众人工智能素养缺口，试图通过技术原理科普、标准化提示词手册等信息补给方式，消解公众疑虑。该逻辑本质上将复杂的技术信任问题，简化为单一的信息匮乏问题。
虚假信息风险集中暴露了该模式的致命缺陷。生成式人工智能可大规模产出行文流畅、逻辑自洽、高度仿真的虚假信息，其规模化造假能力史无前例。笔者开发实证实验项目《虚假参考文献甄别》，测试受试者区分真实学术引文与AI伪造引文的能力，结果显示受试者甄别准确率基本等同于随机概率。2025年神经信息处理系统大会（NeurIPS）的统计数据显示，51篇会议论文中，超百条AI幻觉生成的伪造参考文献，顺利通过同行评审流程。现阶段AI伪造文献可精准匹配正规期刊名称、合理作者组合与标准文献标识符，传统学术真伪甄别依据的表层特征已完全失效。
新时代科学传播的核心使命，是协助公众建立技术信任的边界体系：明确技术可信场景与风险审慎场景；在信息核验的关键环节保留思辨摩擦与校验流程；客观披露人工智能系统的研发主体、利益归属，以及技术失误的风险承担主体。
科学传播从业者具备天然的专业适配性，根源在于该领域早已沉淀坎布里亚事件的核心经验：公共机构若过度推崇抽象数理模型、漠视在地化实践知识，对公众合理质疑仅作单向科普解释、拒绝多元倾听，必将引发系统性信任危机。
审慎滞后是重要的学术规制：在信息传播落地前，完成真伪核验与风险研判，是技术良性发展的必要准则。
作者简介：Sam Illingworth，英国爱丁堡龙比亚大学批判性人工智能素养教授。邮箱：s.illingworth@napier.ac.uk；个人专栏：The Slow AI
延伸阅读推荐
Brian Wynne，‘Misunderstood misunderstanding: social identities and public uptake of science’，1992年。
人工智能使用声明
本文由作者独立撰写完成。仅借助Anthropic旗下Claude人工智能工具辅助框架梳理与文稿校对，全文核心论点、实证案例及最终行文表述均为作者原创，无任何成品文本由人工智能直接生成。
版权声明
本文为PCST前沿观点系列稿件，所载观点仅代表作者个人学术立场，不代表PCST国际科学传播网络、学术委员会及全体成员的官方立场。本系列稿件旨在推动学术思辨交流，呈现全球科学传播领域的多元研究视角。
PCST世界科技传播学会中国官方公众号
《科技传播研究汇》编辑部
主编：王国燕
副主编：贾鹤鹏
编辑：张博涵、卢隐、施延泽、马赫、郭天琪