网信办起草新规防APP偷听
国家互联网信息办公室起草了《互联网应用程序个人信息收集使用规定(征求意见稿)》,现向社会公开征求意见。《征求意见稿》中提出,互联网应用程序应当仅在用户主动选择使用拍照、发送语音、录音录像等功能时调用相机、麦克风权限,不得在用户停止使用相关功能或者无关场景调用相机、麦克风权限。
网信办起草新规防APP偷听
国家互联网信息办公室起草了《互联网应用程序个人信息收集使用规定(征求意见稿)》,现向社会公开征求意见。《征求意见稿》中提出,互联网应用程序应当仅在用户主动选择使用拍照、发送语音、录音录像等功能时调用相机、麦克风权限,不得在用户停止使用相关功能或者无关场景调用相机、麦克风权限。
展开全文
洗肾者配偶肾病易上身
更新日期:2008/12/14 08:00记者施静茹/台北报道肾脏科医师研究发现,洗肾病人的配偶,出现肾功能异常的风险较一般人高三点三倍,原因可能和长年高盐饮食的习惯相同,或共同服用具肾毒性的保健品有关。 (这段并没有说完整,还要加上病人的配偶也是西药的崇拜者,所以这对夫妻就一起吃西药,于是就一起去洗肾。 )高雄医学大学附设医院肾脏内科主治医师蔡哲嘉等人,昨天在肾脏医学会研讨会发表研究结果,该研究在高雄地区收集178位洗肾病人,再找其中95人的配偶,然后与当地社区民众做比较。结果发现,洗肾者配偶出现早期肾脏病变指标微蛋白尿为百分之廿一,社区民众为百分之六点三,前者是后者的三点三倍; 代表肾脏能否有效廓清代谢物质的肾丝球过滤率,以低于六十(正常值为一百至一百廿)为界限,洗肾者配偶有百分之廿,社区民众只为百分之九,前者是后者的二点一倍。蔡哲嘉说,他有一对夫妇病人,两人不到四十岁,太太因肾脏病先洗肾,先生近来也发现肾脏快坏掉了,接近洗肾临界点,「夫妇两人说,长年都吃同一种保健品,却不晓得已产生肾毒性」。 (台湾人爱吃所谓的保健食品与西药,所以才会有今天的下场,真正是花钱买灾。 )「过去大家认为只有洗肾者直系亲属要注意肾脏病,其实也要关心配偶」,肾脏医学会肾脏病防治委员会主委黄尚志提醒,肾脏医学会将和国健局合作宣导,洗肾病友的另一半,也要多注意肾脏的健康。 (一旦洗肾就要尽快去找中医来解决,所有亲人都立刻停止再吃这些害人的所谓保健食品,才是办法。 )
洗肾者配偶肾病易上身
更新日期:2008/12/14 08:00记者施静茹/台北报道肾脏科医师研究发现,洗肾病人的配偶,出现肾功能异常的风险较一般人高三点三倍,原因可能和长年高盐饮食的习惯相同,或共同服用具肾毒性的保健品有关。 (这段并没有说完整,还要加上病人的配偶也是西药的崇拜者,所以这对夫妻就一起吃西药,于是就一起去洗肾。 )高雄医学大学附设医院肾脏内科主治医师蔡哲嘉等人,昨天在肾脏医学会研讨会发表研究结果,该研究在高雄地区收集178位洗肾病人,再找其中95人的配偶,然后与当地社区民众做比较。结果发现,洗肾者配偶出现早期肾脏病变指标微蛋白尿为百分之廿一,社区民众为百分之六点三,前者是后者的三点三倍; 代表肾脏能否有效廓清代谢物质的肾丝球过滤率,以低于六十(正常值为一百至一百廿)为界限,洗肾者配偶有百分之廿,社区民众只为百分之九,前者是后者的二点一倍。蔡哲嘉说,他有一对夫妇病人,两人不到四十岁,太太因肾脏病先洗肾,先生近来也发现肾脏快坏掉了,接近洗肾临界点,「夫妇两人说,长年都吃同一种保健品,却不晓得已产生肾毒性」。 (台湾人爱吃所谓的保健食品与西药,所以才会有今天的下场,真正是花钱买灾。 )「过去大家认为只有洗肾者直系亲属要注意肾脏病,其实也要关心配偶」,肾脏医学会肾脏病防治委员会主委黄尚志提醒,肾脏医学会将和国健局合作宣导,洗肾病友的另一半,也要多注意肾脏的健康。 (一旦洗肾就要尽快去找中医来解决,所有亲人都立刻停止再吃这些害人的所谓保健食品,才是办法。 )
展开全文
保健品(W071002.BK)
转发
转发
展开全文
🎂市值风云生日祝福活动来袭!送祝福,拿大奖!🎂
🔥市值风云一路走来,感谢各位用户的支持鼓励和热爱!
活动时间:截止4月27日 23:59分结束
活动人群:所有用户
参与方式和奖励如下
🎁参与奖
👉获奖规则:转发本帖到市值风云App社区送上祝福,每人即可获得66积分奖励
👉领奖路径:4月28日系统统一发放
🎁分享奖【限量10个】
👉获奖规则:转发本帖到微信朋友圈/微博送上祝福且获赞10个以上,每人即可获得一个风云专属涨停保温杯(见图6)
👉领奖路径:将转发获赞10个以上的截图发在本帖评论区,4月28日我们将统一审核并进行奖励登记
👉限量10个:分享奖 仅限10个名额,以在本帖评论截图时间为准,先到先得。
🎁祝福奖
👉获奖规则:在市值风云App社区#市值风云生日快乐# 话题下发祝福帖,抽取3人赠送价值698元的市值风云大会员月卡
👉领奖路径:4月28日我们将统一审核并进行抽奖
注:参与奖、分享奖和祝福奖可同时获得!
感谢各位大佬的祝福和参与,谢谢!









如果有人用大量假语料和假信息投喂AI大模型,可能会导致以下结果:
---
### **1. 模型输出可靠性下降**
- **污染知识库**:AI学习到虚假信息后,会在回答中重复错误内容,例如捏造历史事件、科学错误或虚假统计数据。
- **逻辑混乱**:虚假信息可能导致模型建立错误的关联模式,例如将“疫苗导致自闭症”这类伪科学论断视为事实。
### **2. 社会危害与错误信息传播**
- **放大虚假内容**:AI生成的回答可能被用户当作权威信息传播,加剧“信息疫情”(如健康谣言、阴谋论)。
- **操纵舆论**:恶意投喂特定政治、商业假信息,可引导模型生成偏向性内容,影响公众认知(如选举干预、品牌诋毁)。
---
### **3. 模型偏见与伦理风险**
- **系统性偏见**:虚假语料可能强化性别歧视、种族歧视等偏见(例如刻意投喂贬低某群体的文本)。
- **伦理失控**:若投喂反伦理内容(如暴力、犯罪教程),模型可能生成危险建议,甚至被用于非法用途。
---
### **4. 技术层面的负面影响**
- **训练效率降低**:虚假数据干扰模型对真实规律的学习,需更多计算资源才能达到原有性能。
- **鲁棒性削弱**:模型对对抗性攻击(如用户故意输入误导性问题)的防御能力下降。
---
### **5. 用户信任崩溃**
- **可信度丧失**:用户频繁发现AI输出错误后,可能全面质疑技术可靠性,阻碍AI在医疗、教育等关键领域的应用。
- **商业价值受损**:企业若依赖被污染的AI提供服务(如客服、推荐系统),可能导致客户流失和法律纠纷。
---
### **6. 法律与监管风险**
- **合规问题**:若AI因虚假训练数据违反《数据安全法》《生成式AI服务管理办法》等法规,开发者可能面临处罚。
- **责任归属争议**:因AI错误导致的损失(如医疗误诊、金融误导)可能引发法律追责难题。
---
### **如何缓解这一问题?**
1. **数据清洗与验证**:训练前严格过滤虚假、低质量语料,引入多源验证机制。
2. **强化人类反馈(RLHF)**:通过人工标注和反馈修正模型输出倾向。
3. **透明度与可解释性**:公开数据来源和模型局限性,帮助用户判断信息可信度。
4. **动态监测与更新**:持续监控模型输出,及时修复被污染的知识漏洞。
---
### **总结**
投喂虚假信息相当于“毒害”AI的“知识体系”,其危害不亚于人类社会的假新闻泛滥。解决这一问题需要技术、伦理、法律的多维度协作,否则AI可能从“生产力工具”蜕变为“系统性风险源”。
如果有人用大量假语料和假信息投喂AI大模型,可能会导致以下结果:
---
### **1. 模型输出可靠性下降**
- **污染知识库**:AI学习到虚假信息后,会在回答中重复错误内容,例如捏造历史事件、科学错误或虚假统计数据。
- **逻辑混乱**:虚假信息可能导致模型建立错误的关联模式,例如将“疫苗导致自闭症”这类伪科学论断视为事实。
### **2. 社会危害与错误信息传播**
- **放大虚假内容**:AI生成的回答可能被用户当作权威信息传播,加剧“信息疫情”(如健康谣言、阴谋论)。
- **操纵舆论**:恶意投喂特定政治、商业假信息,可引导模型生成偏向性内容,影响公众认知(如选举干预、品牌诋毁)。
---
### **3. 模型偏见与伦理风险**
- **系统性偏见**:虚假语料可能强化性别歧视、种族歧视等偏见(例如刻意投喂贬低某群体的文本)。
- **伦理失控**:若投喂反伦理内容(如暴力、犯罪教程),模型可能生成危险建议,甚至被用于非法用途。
---
### **4. 技术层面的负面影响**
- **训练效率降低**:虚假数据干扰模型对真实规律的学习,需更多计算资源才能达到原有性能。
- **鲁棒性削弱**:模型对对抗性攻击(如用户故意输入误导性问题)的防御能力下降。
---
### **5. 用户信任崩溃**
- **可信度丧失**:用户频繁发现AI输出错误后,可能全面质疑技术可靠性,阻碍AI在医疗、教育等关键领域的应用。
- **商业价值受损**:企业若依赖被污染的AI提供服务(如客服、推荐系统),可能导致客户流失和法律纠纷。
---
### **6. 法律与监管风险**
- **合规问题**:若AI因虚假训练数据违反《数据安全法》《生成式AI服务管理办法》等法规,开发者可能面临处罚。
- **责任归属争议**:因AI错误导致的损失(如医疗误诊、金融误导)可能引发法律追责难题。
---
### **如何缓解这一问题?**
1. **数据清洗与验证**:训练前严格过滤虚假、低质量语料,引入多源验证机制。
2. **强化人类反馈(RLHF)**:通过人工标注和反馈修正模型输出倾向。
3. **透明度与可解释性**:公开数据来源和模型局限性,帮助用户判断信息可信度。
4. **动态监测与更新**:持续监控模型输出,及时修复被污染的知识漏洞。
---
### **总结**
投喂虚假信息相当于“毒害”AI的“知识体系”,其危害不亚于人类社会的假新闻泛滥。解决这一问题需要技术、伦理、法律的多维度协作,否则AI可能从“生产力工具”蜕变为“系统性风险源”。
展开全文
AIGC概念(G000252.BK)

市值风云APP
扫描二维码下载

市值风云小程序
扫码二维码体验


























