2025年DeepSeek的爆火，無異于一場全民AI普及運動。從學術研究到職場文案，從短視頻腳本到理財指南，這款國產AI大模型迅速席卷網絡，它的開源屬性、低廉成本、對標GPT-o1的推理能力，使它成為無數人工作和生活“智能助手”的首選。

但在這股熱潮背后，一個令人不安的事實也隨之浮出水面：DeepSeek-R1的幻覺率，竟高達14.3%。這也意味著，隨著DeepSeek越來越廣泛地應用，它對互聯網原本就脆弱的“信息真實性”基礎，正在進一步侵蝕，對我們的中文互聯網世界來說，這無疑是一場災難。

01 AIGC的頑疾：幻覺

1、推理大模型的幻覺更嚴重了

實事求是地說，幻覺問題是生成式AI從“娘胎”里自帶的“先天性”缺陷，指的是大模型在輸出內容時憑空捏造事實或偏離現實的現象。這個問題如果放到普通對話模型里，或許只是個無傷大雅的小瑕疵。但如果放在在推理大模型身上，幻覺現象就會被進一步放大，其危害程度也會更為嚴重。

雖然所有大模型都或多或少都存在這個問題，但程度上的差別還是很大。據Vectara公司發布的“幻覺排行榜”數據顯示：谷歌的Gemini 2.0 Flash以0.7%的幻覺率，傲視群雄；DeepSeek-V3的幻覺率也僅為3.9%，而DeepSeek-R1的幻覺率卻高達14.3%。也就是說，用DeepSeek每7次輸出，就有超過1次是胡編亂造的答案。對于習慣把DeepSeek的輸出，當成標準答案的人來說，會不會覺得點慌？

事實上，不同大模型間幻覺率的差距，所反映的并不是簡單的技術細節上的差別，而是設計理念上的根本分歧。拿上面例子來說，Gemini 2.0 Flash是通過優化訓練數據和嚴格的事實校驗機制，將幻覺控制在幾乎可忽略的水平；DeepSeek-V3則在預訓練中引入了更多高質量語料，提升了事實一致性。而DeepSeek-R1的研發團隊卻選擇了另一條路，即通過“合理推測”填補信息空白，而非驗證事實。

比如，要求DeepSeek-R1翻譯一句話時，它可能會先腦補上下文、分析潛在意圖，再生成結果，從而有很強的“先畫靶心再射箭”式的迎合感。這樣的好處是通過強化學習（RL）和長鏈推理（Chain-of-Thought, CoT）大幅提升復雜任務的表現，DeepSeek-R1的數學推理準確率在MATH-500測試中達到71%，就是一個很好的說明。但代價就是過度依賴“自我對話”讓模型在面對簡單任務時容易“想太多”，隨意編造細節，甚至炮制出完全子虛烏有的結論。

2、AI創作，頻頻翻車

自從有了AI，不少人想“以逸待勞”用AI幫助人工進行內容創作，但尷尬的翻車事件也是層出不窮。比如，廣州高校一位教授就在朋友圈里吐槽，他本想通過DeepSeek查詢一篇學術論文的相關信息。結果，DeepSeek給出的答案中，論文作者是錯的，年份是錯的，出版社同樣是錯的。

人民日報海外版原總編輯也用DeepSeek做過一次嘗試，讓它寫一篇關于自己好朋友（同為媒體人）的文章。DeepSeek給出的答案洋洋灑灑，文風生動、案例豐富，看上去很像那么回事，但當總編輯把這篇AI寫成的文章，傳給朋友本人看的時候，卻遭到對方的全盤否認，因為文章中關于朋友的案例，沒有一個是對的。

類似的幻覺現象，相信很多朋友都碰到過，當DeepSeek貌似以斬釘截鐵的說法，輸出看上去“有模有樣”的“偽造”內容時，如果我們缺乏足夠的警惕，就可能直接被它震住，甚至將其視為真相，那么我們就很有可能被它帶到坑里，甚至付出代價。

02被濫用的GenAI，失控的營銷號

如果說幻覺是AI的先天原罪，那么自媒體對它毫無節制地濫用，則是造成“內容信任”災難的重要推手。去年10月，新華社曾發表文章《警惕“AI污染”亂象》，直指生成式AI在內容創作中的失控現象，引起很多人的關注和重視。文中提到“有MCN機構利用人工智能程序日產上千篇虛假新聞”、 “每日更新十幾本電子書，行文卻邏輯不通、辭藻空洞；”等不良現象，確實在現實中廣泛存在，尤其在自媒體圈更是泛濫成災。

很多人都知道，以前自媒體圈里有個“山東農婦幫”，不少初中都沒上過的農婦們靠著流水線化、模版化的自媒體創作，月入過萬。但到了現在，善用AI工具的“江西幫”MCN機構成了這個賽道的新王者，他們每天可以輕輕松松批量生成4000至7000篇營銷號文章。這些文章主題五花八門，從“震驚！某明星私生活曝光”到“專家揭秘：喝這種水能長壽20年”，無一例外地以聳人聽聞的標題和言之鑿鑿的細節，收割互聯網流量。

所謂的“江西幫”只是其中的代表，不過是冰山一角。通過各種方式利用AI，生成粗糙甚至偽造內容的營銷和無良機構，數不勝數。如果這一現象不加以遏制，除了會給讀者用戶帶來各種誤導外，被濫用的GenAI還可能導致內容創作領域里出現“劣幣驅逐良幣”的現象。當AI生成的低成本垃圾內容，以極高的傳播效率，瓜分了各大平臺的流量，擠占了優質內容的生存空間，導致一些深度內容的原創作者因耗時長、收益低，或主動放棄或被行業拋棄時，我們還能看什么?

03在AI之前，互聯網早就是垃圾場了

1、互聯網的信息大爆炸

看事情要公正客觀，我們必須要承認，互聯網的墮落并不是始于AI。早在1990年代末，互聯網就開始迎來了信息大爆炸。看一組數據就可以更直觀的理解了，2010年全球網站數量約為2億左右，到了2020年這一數字已經接近13億，翻了6倍多。

信息的指數級增長帶來了空前的便利，也埋下了隱患。2018年，牛津大學互聯網研究所發布了《2018數字新聞報告》該報告指出，由于假新聞泛濫導致的渠道或平臺信用危機，讓社交媒體的新聞發布與索取功能正在被大多數調查者所拋棄，并把矛盾直指當時自媒體生態中的王者Facebook。由此可見互聯網內容的“垃圾化”由來已久，不能讓AI背這個鍋。

但話說回來，現在有了AI，確實大大提高了互聯網垃圾內容的產出效率。以前，一個熟練的寫手一天最多產出10篇千字文，如今借助DeepSeek，一小時就能生成數十篇，且每篇都帶有看似專業的“數據支撐”和“案例分析”。試想，如果規模化運營的營銷號“集群”，實施“飽和式”攻擊，該會是什么情形？

2、要有自我判斷和獨立思考能力

在K哥看來，互聯網垃圾內容的泛濫，給用戶帶來的最直觀影響，就是讓大家逐漸習慣于“速食信息”，對深度閱讀和批判性思考的需求日益降低。看看我們身邊的人，有多少人讀文章只看標題，看視頻3秒鐘不勾人就刷走，更不用提還有誰會計較哪篇文章的數據不準確，論據不真實。而“DeepSeek”們的出現，更好地順應了這一趨勢，它的高效產出填滿了用戶對“即時滿足”的渴望，卻也對那些完整展示邏輯和真相的內容越來越不友好，讓它們越來越沒有容身之地。

這反過來提醒我們，在面對各種信息時，哪怕它包裝的很“權威”，我們也不能盲目輕信，而是要保有獨立思考、批判性思考的習慣和能力，學會通過多渠道驗證、邏輯分析等方式，辨別信息的真偽，和結論的可靠性。讓自己始終保持認知上的深刻和清醒，避免上當受騙。

04凈化互聯網環境，從我做起

1、不必談AI色變，積極擁抱未來

說了那么多，K哥絕不是想讓大家談AI色變，將其視為洪水猛獸。相反，K哥想強調的是，即使DeepSeek有時候會“胡說八道”，但我們也不能因噎廢食，因為AI技術的發展和應用是大勢所趨，是時代洪流。就像工業革命雖然帶來了污染，但卻更大程度上推動了人類的進步，AI的普及同樣是一場不可逆的變革，盡管它身上依然存在這樣那樣的“問題”。

看看現在各種工作和生活的場景，從翻譯工具到智能客服，從醫療診斷到金融分析，AI已經開始重塑我們的工作模式和生活方式。面對這些變化，我們最應該做的就是張開雙臂，積極擁抱，學會如何讓AI更好地為我所用，而不是逃避、恐懼或假裝看不見。

2、善用AI工具，減少幻覺產生

對于如何用好AI，減少幻覺的發生，我們也不是什么都不能做。以DeepSeek為例，它的推理能力依賴于強化學習和長鏈推理，但缺乏足夠的事實校驗機制。因此，我們可以通過優化提示詞（Prompt）加以約束。比如，在要求DeepSeek生成內容時，可以明確注明“禁止杜撰事實，所有數據和案例必須引用可信來源并注明出處”、“僅基于已知知識回答，不得推測”等。這樣的做法雖然不能完全消除幻覺，但至少可以一定程度上降低幻覺概率。

另外，結合檢索增強生成（RAG）技術，將外部知識庫接入模型，也能有效提升輸出的準確性。當然，我們還有最后一個殺手锏，通過“AI+人工審核”的方式，對AI生成的內容進行二次把關。尤其是在一些對準確性要求較高的醫療、金融、法律等領域，通過這種方式，既可以充分利用AI的高效性，又能最大程度確保內容的真實性和可靠性。

凱文·凱利曾在《失控》一書說過：“最深刻的技術是那些看不見的技術，它們將自己編織進日常生活的每一個角落”。當前的AI技術就是如此，它已經慢慢滲透到我們工作生活中的各個角落。而我們要做的，就是最大程度地利用它、駕馭它，讓它成為我們趁手的工具，而不是讓自己成為不分真假，隨波逐流的“工具人”。共勉！ ?

來源 | 技術領導力（ID：jishulingdaoli）

作者 | Mr.K ; 編輯 | 呼呼大睡

內容僅代表作者獨立觀點，不代表早讀課立場