试想一下，如果你不喜欢的某个人分享给你一首歌曲或一篇新闻，你或许会直接不屑一顾。但倘若同样的内容，之后是由你信任的导师分享而来，你的反应很可能就会发生转变 —— 这并非因为内容本身有任何不同，而是因为信息来源变了。那么，当人工智能成为内容的分享者乃至创作者时，这又意味着什么呢？

随着人工智能生成内容的技术愈发成熟，内容真伪的核验难度也随之加大。专家们认为，公众对信息的信任度，如今不再单纯建立在事实本身的基础上，而是取决于围绕内容形成的社会与机构关联。

内容本身，与赋予其可信度的各类关联之间存在的矛盾张力，正是本月初IEEE在拉斯维加斯举办的2026年国际消费电子展（CES）上，一场题为《智能内容时代下的信任、透明度与协同共创》专题研讨会的核心议题（https://www.ces.tech/videos/ai-or-human-trust-transparency-and-co-creation-in-the-age-of-intelligent-content/）。

这场研讨会由IEEE Fellow Karen Panetta担任主持人，与会嘉宾包括：人工智能研究机构AI:OK创始人、作家、爱尔兰都柏林城市大学高级人工智能研究员兼IEEE全球人工智能伦理艺术委员会创始主席Martin Clancy，IEEE学生会员Max Lu，以及Cox Communications公司人工智能部门负责人Eric Pace。

用户对人工智能的认知现状

在探讨人工智能的信任、透明度或伦理问题之前，存在一个更为基础的议题：大多数用户对人工智能系统生成答案的过程，仅有片面的认知。

人们知道人工智能需要通过数据进行训练，也知道它能产出令人惊叹的结果。但大家往往不太了解的是，早在模型部署应用之前，这些结果就已经依赖于人类的判断。开发者必须先定义清楚，什么样的结果才算得上是“正确”的。在人工智能的开发流程中，这种作为参照标准的答案或标签被称为基准真值（ground truth） —— 也就是系统在训练过程中需要学习和遵循的、经过共识确认的答案或标注。

而要达成这种共识，往往并非易事。

Karen Panetta结合自己教授人工智能系统识别医学影像的工作，给出了一个具体案例。在一个项目中，医生们在研判影像是否显示存在癌症这一问题上，达成了广泛共识。这种统一的判断，为训练人工智能模型奠定了可靠的基础。但当要求这些医生评估癌症的严重程度时，他们的观点往往会出现巨大分歧。缺乏共识的情况下，本应作为系统学习依据的基准真值，也就变得模糊不清了。

Panetta表示：“作为一名人工智能、数据库及基准真值的构建者，我当时根本不知道该如何为这个问题设定基准真值。”

真相的代理媒介

研究员Lu曾协助多家主流新闻机构部署人工智能系统，他解释道，由于我们无法凭借自身能力区分人工智能生成图像与真实图像，便不得不将判断真相的权力，寄托于各类“代理媒介”，而非依赖自己的感官。

Lu表示：“若想验证一张图像的真伪，你就必须将这份信任托付给比你更具专业判断能力的对象 —— 无论是聊天机器人、专业新闻机构，还是亲友。”

信任与品牌

消费者处于人工智能驱动的信息供应链末端。一段内容或许由某个人工智能生成，但还会有其他人工智能对其进行编辑、翻译，并决定内容的受众群体。Pace指出，消费者无从知晓这些决策是如何制定的，因此他们会默认信任信息的最终传播方。这就意味着，品牌方有责任在整个媒体生态中，践行符合伦理规范的人工智能应用准则。

Pace表示：“我的看法是，人们会信任自己获取信息的最终渠道，对吧？在此之前的整条信息供应链对你而言其实无关紧要，因为你完全没有能力去审查这条供应链。”

以伦理设计为核心

Clancy是The Voice of the Artist in the Age of the Algorithm这份报告的合著者之一，该报告是IEEE标准协会“Ethically Aligned Design”倡议的成果之一。他表示，人工智能设计者需要恪守更高的责任标准，因为用户在使用人工智能系统的过程中，会让渡一定程度的自主权（https://sagroups.ieee.org/global-initiative/wp-content/uploads/sites/542/2022/07/ead-artists.pdf）。

Clancy说：“当我使用人工智能时，我是在有意识地把自己的自主决策权交给这个‘黑箱’，因为我需要获得帮助。所以我很想知道，平台该如何应对人类与技术共同催生的新行为。”

研讨会最终得出结论：尽管人们正愈发频繁地将信任寄托于各类社会代理媒介，但个体依然拥有塑造自身信息环境的主动权。正如Lu所言，我们如今正处于一个“前所未有的有利位置” —— 能够推动这些系统为人类服务，借助人工智能去探索世界的复杂性，而非满足于非黑即白的简单叙事。