从后真相到后现实：内容、意识与信任。

当我们发现生成式人工智能的多种模态时，我们明白，它们每一种都代表着表征数据（或信息）的不同方式，以及摄取这些信息（或数据）的不同方式。接受一个增强的、多模态的现实——无论是文本、2D 图像、音频、视频还是 3D 图像；无论是结构化数据还是非结构化数据——也许是我们日常生活中最出人意料的冲击之一。我们从什么都不相信，走到了任何东西都可能轻易被误认成现实。一个搭在小型自然语言模型之上的简单应用，就能克隆声音、生成一段视频、构建一张 3D 图像、谱写一首交响曲，甚至为一家公司的管理层准备一份报告。我从没见过这么多文章在谈咨询公司在这个合成信息与增强智能的时代里证明自身价值的挑战。

一篇看上去像真的文章，一张真实得出奇的图片，一段真实到不可能是真的视频，一份让你陷入思考、直到你去核对它来源为止的报告……一切都好得令人不安。就好像我们在短短三年里，从后真相走到了后现实。

就好像我们在短短三年里，从后真相走到了后现实。

我们把社交网络演化成了每天被人工智能生成的垃圾塞满的样子。（AI slop）。我们正在造出这样的工作场所：仔细阅读那些看起来做得挺好的邮件、文档和演示材料所浪费的时间，让 40% 的企业每月平均白白损失将近 2 小时（AI workslop）。这个后数字时代用户的情绪状态比以往任何时候都更受伤，而且越来越显出病态依赖的症状——依赖那一针多巴胺，也就是一条被大量转发的帖子所带来的数字荣光。

世界各地的一代代人都梦想着靠他们分享的人工智能垃圾的人气过活（Remitly 职业报告）。而说真的，我们有希望走出这个坑——这个坑源于没有为那些平台建立足够的护栏，而这些平台说白了就是在给政客、以及那些需要情绪回报的操纵者提供舞台。当我们察觉一张图片是人工智能生成的、上面又没有「CR」的痕迹时，某种视觉疲劳开始滋生。而用户体验则被打磨得越来越完善，好把我们困在无尽滚动的漫长时间里。

我们出发时的这片情绪泥潭，是走得出来的。要建立信任（至少要把它找回来），就得踩在坚实的地基上，才能从我们出发时那片流沙（数字泥沼）里把自己撑起来。也许真正站稳脚跟，就是接受真实与合成之间的区分。一个信任受限的时代，风险在于它对那些靠迷因工厂生存、并推动迷因工厂的行动者来说堪称完美（迷因战争）而风险就在于，分辨起来并不容易。

我们有希望走出这个坑——这个坑源于没有[在人工智能时代]建立护栏

现实、知觉与意识

我们先从定义「现实」这个概念开始，什么是现实？是我们用感官以经验的方式感知到的东西，我们把它转化成知觉，再以意识的形式纳入自己的生活。我们之所以有确证，是因为我们用感官去经验，而这让我们能够把现实和幻觉区分开来。这才使得意识的形成成为可能。

那么，什么是意识？这里掀开的是一个绝不算小的话题：我们的知觉正被一长串新的造物所改变，而不到三年前我们还没有它们。这迫使我们重新定义现实、知觉和意识这些概念。至少，它迫使我们用更具批判性的标准去审计知觉，并更谨慎地构建意识。

我们真的想把那些对象、事实、内容装进我们有限的记忆里吗？——那些讲述故事的东西，唯一确定的一点就是它们由人工智能生成。我们不喜欢的某个政客惨败的画面，某位名人被当场抓包的画面，一场并不存在的冲突的假新闻，甚至是分析建立在虚构数据之上的报告。现实长出了一些以前并不存在的知觉棱角。

现实长出了一些以前并不存在的知觉棱角。

当然，这个最初的思考打开了一连串关于真理与真实之构想的对话。它也应该让我们去想想，这些东西是怎么被改变的。可追溯性、出处（来源的可认证性）以及审计人工智能生成内容的能力，在当下这个一切都沾满人工智能的语境里，成了关键挑战之一。

不信任的风险

前几周，一篇来自 Cornell University 的学术论文落到了我手里，讲的是人工智能生成的完美模仿所带来的挑战，说真的，从那以后我就没停止过思考。我不知道更让我不安的，是分辨的困难，还是面对「什么是现实、什么不是」的不确定时，人自然而然地退回到自我封闭（唯我论）的那种倾向。

我觉得下面这些思考里，有一些可以帮我们看清一个复杂未来的毒性——那个未来的复杂之处，就在于给某样东西贴上「真实」或「合成」这个标签时的不确定：

0. 寻找真实所带来的疲劳，以及负向的信任。基本上就是那种感觉：我感知到的一切都不是真正真实的，而这对信任的形成有直接影响。信任的破裂绝不是小事。如果套用数字化转型的公式 <𝙵(𝚃𝚡𝙳) = 𝚖𝚊𝚡. (𝙿𝚎𝚘𝚙𝚕𝚎 + 𝙳𝚊𝚝𝚊 + 𝚃𝚎𝚌𝚑𝚗𝚘𝚕𝚘𝚐𝚢) ^ 𝚃𝚛𝚞𝚜𝚝>，那么当信任取负值（也就是不信任）时，它所产生的影响就像一个「指数反转器」，把整个系统的潜力压垮。人、数据或技术贡献了多少价值都无所谓，结果都接近于零。

1. 认识论框架：知觉、意识与真理的标准。精确区分知觉（感官的捕捉与处理）和意识（反思性的整合）；并且，面对逼真却是合成的表征，把日常的真理标准重新放到可验证性、交叉佐证和可追溯性上——以遏制唯我论的风险。说真的，我们只能求助于信任网络来核实现实。

2. 真实性与出处治理。「真实性经济」优先看重出处（provenance）、水印和可靠的元数据；这要求有归属政策、问责机制、模型审计，以及行业层面可互操作的出处标准。难怪把代币化应用到内容真实性上，会成为 Gartner 在最新一期新兴技术 Hype 曲线里识别出的一个趋势。

3. 声誉韧性、安全与数字取证。面对虚假信息和身份冒充，需要早期检测、更正流程和明确的责任人，并辅以强身份认证（生物识别、密钥）、来源数字签名，以及作为横向标准的取证能力。我们不能接受说谎成为那些以公共服务为志业的人的一个选项。

4. 集体记忆、学习与评估。历史档案和教育培训在这里汇合：用时间戳、加密指纹和机构化的策展来做保存。我们必须让系统演进，把可验证来源的校验、发布流程的可追溯性和可证明的原创性整合进去。判断力、方法和审计重新受到重视。我们身处一个持续验证的年代，同时也身处一个对谎言之影响习以为常的年代。

5. 心理健康与可验证体验的设计。为了缓解因过度暴露在人工智能生成的完美仿真面前而产生的焦虑、犬儒和疏离，需要大剂量的数字卫生或数字排毒。具体的做法，从有计划的暂停，到信源白名单，再到由（不被政治化的）专家做人工策展。此外还需要这样的界面：它们会给合成内容打标签（Content Credentials, C2PA, OpenTimestamps, ForensiBlock 等），会解释某条内容为什么出现，并且能让你一两次点击就完成元数据验证，甚至追溯来源。

当我们分析这个后现实时代（realIdAd）里最需要的那些能力时，出现的是批判性思维、好奇心与创造力、沟通、跨学科学习，而且我认为我们不该忘了发展分析性思维和技术素养，同时也不能放下继续协作、继续打造人与机器之间的团队。

增强智能的这个时代已经没有回头路，而我担心它需要护栏（Adam Raine 案）。也许我们得重新检视我们的对话，用共生而非二元对立的方式，把人与人工智能的关系纳进来。而这场对话，不该只请技术人员入席。理解人工智能在我们所处语境中带来的挑战，已经超出了技术挑战的范畴，变成了一项社会技术挑战。

理解人工智能在我们所处语境中带来的挑战，已经超出了技术挑战的范畴，变成了一项社会技术挑战。

推荐内容：

• Li, Shurui. "Perfect AI Mimicry and the Epistemology of Consciousness: A Solipsistic Dilemma." arXiv，2025 年 10 月 6 日，arxiv.org/abs/2510.04588.

注：[本文标注为「Human led」。机器负责检查、标出并纠正错误、提升产出质量。该方案基于 Dubai Future Foundation 的「Human-Machine Collaboration (HMC) Icons」。Dubai Future Foundation，dubaifuture.ae/hmc]

Bernardo Crespo 是一位资深的数字化转型与数据战略领导者，拥有超过 25 年的经验。他曾在《财富》500 强企业和数字咨询公司担任领导职务，也创办过众多初创企业与创业工厂（venture builder），并为它们担任顾问。目前，作为自己公司 Quantum Markethink 的 CEO，他为最高管理层提供战略指导，帮助他们驾驭数字化转型的复杂局面。

此外，他还担任 IE 商学院的学术主任，把他在新兴技术、数字战略、数据战略和人工智能方面的专长带进课堂。在此之前，他在 Merkle 西班牙主导数字化转型项目，并在 BBVA 领导数字营销，其中尤为突出的是，他率先把游戏化应用到了银行业。

Bernardo 还与 Gam Dias 合著了《The Data Mindset Playbook: A Book about Data for People Who Don't Feel Like Reading about Data》（KDP，2023 年 3 月）。

由人工智能增强的文章： Newsletter「My AI-ter Digital Ego」

100% 由人类创作的文章： Newsletter「Digital Sustainability」