超越误information：AI 幻觉在 (科学) 传播中的概念框架
神经与进化计算
2026-01-14 v1
摘要
本文提出一种概念框架，以理解 AI 幻觉作为一种独特的误information 形式。虽然误information 学术研究传统上关注人类意图，但生成式 AI 系统现在产生无此意图的虚假却合理的输出。我认为，这些 AI 幻觉不应仅被当作技术性失误来对待，而应作为具有社会后果的传播现象。drawing on supply-and-demand model and distributed agency 概念，框架概述了幻觉与人类生成的误information 在生产、感知和制度响应方面的差异。我总结性地提出了面向communication scholar 的研究议程，以探讨幻觉内容的出现、传播和观众接受，关注宏观(制度)、中观(群体)和微观(个体)层面。本工作敦促 communication researcher 重新思考在概率性、非人类行为体日益嵌入知识生产的边界。
关键词
引用
@article{arxiv.2504.13778,
title = {Internal noise in hardware deep and recurrent neural networks helps with learning},
author = {Ivan Kolesnikov and Nadezhda Semenova},
journal= {arXiv preprint arXiv:2504.13778},
year = {2026}
}
备注
8 pages 5 figures