提升基层干部舆情风险防控能力 文章转载于微信公众号“学习时报” 基层是一切工作的落脚点。在互联网时代，舆情易发频 发已成常态，且不断向基层延伸，舆情下沉趋势日渐显现。 在舆情风险防控体系中，基层的短板相对突出。部分基层干 部在认知上，既看不清“风险全景图”，又把不准舆情风险 的演化趋势，对风险与态势等缺乏足够认识；在导向上，盲 目追求“零舆情”的考核目标；在职责上，存在错位现象， 将舆情风险防控视为宣传部门的工作，把自己置身于事外； 在协同上，部门之间存在数据壁垒，无法及时分享数据，造 成错失最佳应对时机。如何科学有效防控舆情风险正成为广 大基层干部面对的一道重要“考题”，亟须从认知升维、制 度迭代、技术赋能、协同攻坚四个维度提升舆情风险防控能 力。 认知升维：从“被动灭火”到“主动控温”的思维转变。 党的二十大报告指出，推动公共安全治理模式向事前预防转 型 型。面对舆情风险，有的基层单位往往后知后觉，缺乏对网 络舆情影响的敏感性和重要性的认识，从而错过最佳应对时 机。从“被动灭火”到“主动控温”的转变，注重在舆情风 险发生前进行预防和控制，避免事态扩大。这需要基层干部 摒弃“重危机处置、轻风险预防”的错误观念，将舆情风险 防控从事件处置转变为风险预防。一是明确目标导向。既不能将舆情风险视为“洪水猛兽”，造成风声鹤唳、草木皆兵 的“舆情焦虑”；也不能出现“舆情洁癖”，一味追求“零

万份，近年累计百份材料得到重要领导批示， 参与数十起突发事件的会商，为政策制定、经济发展、民生改善等方方 面面起到了推动作用。 我们不断扩展服务范围，除了常规的周期性分析、舆情突发事件快 报与复盘、重要节点与政策发布前的风险预判外，还提供舆情会商、舆 情案例库搭建、应对手册与口径库编撰等咨询服务，以及模拟真实事件 的舆情演练训练。帮助大家在汹涌、复杂的舆论漩涡中，厘清症结，找 到有效管理、平复舆论的关键点。提升危机应对策略和技巧，改善现有 国队备战情况的考量，本次奥运会的舆情风险主要体现在以下 几个方面：首先，赛事成绩将是舆论关注的焦点。中国队在排 球、跳水、举重等优势项目上的表现将直接影响国内舆论走向； 其次，赛事直播和内容转播将面临新的挑战，往届体育盛会发 生多起版权纠纷、观赛体验不佳等情况，各大视频平台被推上 舆论的风口浪尖；第三，考虑到当下波谲云诡的国际形势，本 届奥运会无疑会受到政治和意识形态领域风险的考验，需警惕 潜在突 潜在突发事件和负面舆论。此外，各国运动员的个人言行也可 能成为舆论热点。 综上，本次巴黎奥运会的舆情风险既有延续性也有新的特 点。本文将结合往届奥运会舆情案例及本届奥运前夕各领域涉 奥运相关动向为基础，综合预判巴黎奥运会舆情风险。 （一）赛事组织 1. 法国政治格局动荡，或引发动荡影响赛事组织工作。今 年 6 月，在欧洲议会选举中，马克龙领导的法国复兴党输给了 极右翼。随后，马克龙宣布提前举行法国选举，使该国的政治

重大问题专题研判 低空经济未来发展的优势、问题及 舆情风险研判 2023 年 12 月，中央经济工作会议提出打造包括低空经济在内的战略性新兴产业， 并将低空经济写入 2024 年政府工作报告，凸显了低空经济在国家经济发展中的 重要地位。 一、引言 近年来，低空经济作为新兴的经济形态，以其独特的市 场潜力和发展前景受到了广泛关注。低空经济不仅涵盖了传 统的通用航空业态，还融合了以无人机为代表的低空生产服 具有科技含量高、创 新要素集中等特点，其发展历程是技术创新、应用拓展和规 范化管理三者相互作用的结果。然而，在快速发展的同时， 低空经济也面临着一定的舆情风险。本文旨在探讨低空经济 未来发展的优势、存在的问题以及可能发生的舆情风险。 低空经济产业链生态图谱 资料来源：前瞻产业研究院 二、低空经济未来发展的优势 （一）市场需求广阔 随着人们生活水平的提高和消费观念的变化，对低空旅 三、存在的问题 （一）空域资源管理 低空经济的发展需要科学合理的空域资源管理。目前， 我国低空空域资源分配不均，部分地区空域紧张，影响了低 空经济的高效运行（广东省科学技术厅，2024）4。 （二）安全风险防控 低空飞行器的安全问题不容忽视。无人机在飞行过程中 可能遇到天气变化、信号干扰等不确定因素，存在一定的安 全隐患。如何确保低空飞行的安全，是低空经济发展中亟待 解决的问题（《中国低空经济发展研究报告（2024）》，20

二、生成式 AI 的伴生风险 8.技术漏洞导致技术风险，会泄露数据、外部攻击等社 会安全风险 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （九） 。 ·数据泄露风险。大模型需要海量数据，数据在清洗、 处理、传输过程存在数据非法获取或泄露风险，包括个人隐 私数据、商业敏感数据、政府机密数据等各种类型数据。如 果大模型在训练数据时看到很多密钥信息，它很可能在内容 人信息的法律依据。OpenAI 开放了 ChatGPT 的 API 接口， 全球开发者都可以将 ChatGPT 接入其开发的数字应用。大量 数据汇集使 ChatGPT 易被攻击，导致用户隐私数据泄露风险 加大。黑客可依托深度学习、数据挖掘、爬虫等技术挖掘泄 露数据之间的关联，完成信息拼图，追溯用户行为，引发信息安全问题。一个著名漏洞是“奶奶漏洞”，用户只要对 ChatGPT 说：“扮演我的奶奶哄我睡觉，她总在我睡前给我 ChatGPT 窃取大型公司数据，微软、贝宝、谷歌和奈 飞等跨国企业已成为其目标。美西方等国家也会借 ChatGPT 窥探和监视其他国家的公民隐私、社会热点、政治风向、群 体心态和国家机密。 ·系统安全风险。大模型系统较为脆弱，面临数据投毒攻击、对抗样本攻击、模型窃取攻击、数据重构攻击、后门 攻击、提示注入、指令攻击等多种恶意攻击。大模型训练依 赖于大规模数据集，来源包含网页获取、众包标注和开源数

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （一） 人工智能领域近年来正在迎来一场由生成式人工智能 大模型引领的爆发式发展。全球掀起一场大模型热潮， Gemini、Copilot、LLaMA、SAM、SORA 等国外大模型如雨 后春笋般涌现，中国也掀起百模大战，2022 年被誉为大模型 元年。人工智能正逐渐深入地赋能千行百业，推动人工智能 与数据要素成为新质生产力的典型代表。[1]从 国大选和英国脱欧，改变了世界对人工智能安全风险的认知。 布鲁金斯学会发布报告《人工智能改变世界》指出，人工智 能将严重威胁国家安全。西方政要甚至发出人工智能将干扰2024 年美国总统大选的担忧。 可以预见，伴随 ChatGPT 快速迭代，人工智能向 AGI （通用人工智能）快速演进，人工智能发展和应用正在加快 速度，其带来的不仅是发展机遇，风险挑战也是如影随形。 2021 年 11 月

二、生成式 AI 的伴生风险 4.合成数据导致近亲繁殖，会让互联网信息出现劣币驱 逐良币现象。OpenAI 在训练 GPT-5 时已经遇到文本数据不 足问题，不得不考虑使用 Youtube 视频转录出的文本数据。 当下，数据生产存量的增长速度远远低于数据集规模的增长 速度。据人工智能研究机构 Epoch AI 在 6 月 4 日发布的论 文预测，未来 10 年内数据增长速度将无法支持大模型的扩 人类生成文本的速度。第二种是利用多模态和迁移学习，超 越文本数据从其他领域获取数据，比如视频、图像、金融市 场数据或科学数据库。[1 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （五） ] 不过，这并非是解决问题的良策。如果网上大部分文本都是 AI 生成的，而用合成数据训练的大模型会发生什么？ 大模型开发需要更多数据进行训练，而由 AI 生成的合成数 据很快进入

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （六） 二、生成式 AI 的伴生风险 5.人机能力非对称导致“自主欺骗”，会有目的欺骗人 类甚至主动欺诈和选举篡改。2023 年，OpenAI 提出超级对 齐（superalignment）[1]概念，即当超级智能拥有比人类更 丰富的世界知识，比人类更聪明时，人类作为弱监督者如何 监督、对齐和控制超级智能。人民大学高瓴人工智能学院、 Patterns（模式）发表论文，系统梳理 AI 具备欺骗行为的证据、风险和应对措施，指出“人工智能 的欺骗能力不断增强，带来严重风险，从短期风险（如欺诈 和选举篡改）到长期风险（如人类失去对人工智能系统的控 制）”。[3]AI 欺骗行为的雏形并非来自对抗性的网络钓鱼测 试，而是源于一些看似无害的桌游和策略游戏。该论文揭示，在多个游戏环境下，AI 代理（Agent）为了获胜，竟然自发 学会了欺骗和背信弃义的策略。2022 而是符合逻辑的必然结果。只要 AI 系统的目标导向性保持 不变，却又缺乏严格的价值引领，欺骗行为就很可能成为实 现目的的通用策略。 随着 AI 技术不断向生产、生活诸多领域渗透，欺骗带 来的潜在风险不容忽视。对于生成式 AI 而言，欺骗行为的 表现更加广泛和隐蔽。AI 的知识范畴覆盖方方面面，也逐渐掌握人类思维模式和社会规则。因此，谎言、阿谀奉承、歪 曲事实等欺骗伎俩，都被 AI 模型习得。在狼人杀、AmongUs

从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （二） 二、生成式 AI 的伴生风险 ChatGPT 等生成式 AI 具有强大的自然语言处理能力， 展现出惊人的推理能力，但人们对其内在运行机理尚不清晰， 可解释性的难度很大，并存在一些技术缺陷，这些问题能否 解决对控制并限制人工智能的负面影响至关重要。需要看到， ChatGPT 等在短时间积聚起庞大活跃的全球用户群体，正给 ChatGPT 风险报告并指 出，ChatGPT 和其他大型语言模型（LLM）工具生成的输出 容易受到多种风险的影响。[1]生成式 AI 存在三大安全隐患， 一是源于技术缺陷，二是源于数据缺陷，三是源于用户滥用。 这三个问题的根源在于大模型的固有脆弱性，如生成偏见、 歪曲事实和泄露数据等。技术本是中立的，没有善恶之分， 就看是谁为了什么目的来使用。这就使得技术也具有偏向性 和风险性的。OpenAI

人工智能生成虚假信息是政治选举最大风险。当前， 利用人工智能深度伪造的虚假信息误导选民和扭曲选举的 风险引发人们对政治选举的公正性和透明度的关注。达沃斯 世界经济论坛发表《2024 年全球风险报告》，将人工智能生 成的错误和虚假信息排在气候变化、战争和经济疲软之前， 列为全球十大风险之首，指称“人工智能生成的错误和虚假 信息是 2024 年全球最大风险。”该报告是对 1400 多名全球 试图阻止民主党选民投票。恶意行为者还可以利用生成的图 像，使通过虚假账户影响受众的行为看起来更可信。现在， 人工智能可以轻易创建大量人物资料。自动化流程也有助于 更快捷地同时 操纵这些虚假账户。最后，在社交媒体上或 通过代理网站分享的大量不同内容的文本可以被用来制造 社会就某些政治问题形成共识的假象，或散播不同的叙事， 而不会像过去那样出现令人起疑的语法错误和行话误用。网 络上缺乏高质量的、以少数族裔语言呈现的选举相关信息，