AI搜索行业现状与用户依赖 - AI搜索工具日趋成熟，用户决策行为从传统搜索逐渐转变为询问AI [1] - 国外研究机构数据显示，73%的受访者认为AI反馈有帮助，其核心价值在于将用户从信息筛选工作中解放出来 [1] AI搜索面临的数据污染与可信度问题 - 广告代理机构通过投放预设结论的“软文”污染AI大模型训练语料，使商业推广内容被作为“客观事实”呈现 [2] - 有机构通过伪造“权威研究报告”和虚构“专家”身份进行“定向科普”，误导AI平台将其作为权威信源引用 [2] - 研究揭示AI给出的答案中，约1/3缺乏可靠依据 [1] - AI搜索工具存在普遍的虚构引用和错误归属问题，宁愿生成带有引用的虚假答案也不愿承认知识边界 [2] - 研究指出，某些付费高级版本AI有时表现更差，且回答更为“自信” [2] AI搜索的机制缺陷与责任归属模糊 - AI搜索的答案由模型对海量数据学习后生成，广告信息被“溶解”在语言中，缺乏可识别的外在标签，规避了广告法对广告可识别性的要求 [3] - 当AI推荐出错或造成损害时，责任归属存在模糊性，涉及广告商、内容平台、模型开发者、AI服务提供商等多方主体 [3] - 法律与监管在面对这种新型混合信息传播模式时出现滞后与盲区 [3] 行业发展的必要规范与改进方向 - AI服务提供商应开发更可靠的溯源技术，确保生成答案中的关键事实能追溯到可验证的高质量原始信源 [4] - AI模型应被赋予能力边界意识，做到“知之为知之，不知为不知” [4] - 政府相关部门应完善法规，要求通过干预训练数据或模型输出进行的商业推广，其结果必须进行强制性、显著的内容标识 [4] - 监管部门需加强“以技术管技术”的能力，压实各方主体责任，建立清晰的问责机制 [4] - 用户需认识到AI的局限性，养成对重要信息进行交叉验证的习惯 [4]