据世界经济论坛表示,在未来两年内,错误信息和虚假信息将对各国、企业和个人构成最大风险。
世界经济论坛 (WEF) 今天指出,假新闻的兴起、社交媒体事实核查的减少以及人工智能 (AI) 生成的深度伪造技术的发展,正在威胁着信任基础并加深国家之间的分歧。
当商界领袖、政界人士、学者和非政府组织于1月20日至24日齐聚达沃斯世界经济论坛年会时,政府、企业和社会对AI生成虚假信息的脆弱性将成为重点讨论的风险之一。
世界经济论坛《2025年全球风险报告》汇集了900位商界、学术界、政府和公民社会领袖以及超过11,000家企业的观点,描绘出了一幅令人担忧的图景:未来两年内,各国将变得更加孤立,武装冲突风险增加,环境问题恶化。
世界经济论坛董事总经理米雷克·杜谢克表示:"地缘政治紧张局势升级、全球信任破裂和气候危机正以前所未有的方式考验着全球体系。"
他补充说:"在一个分歧加深、风险叠加的世界中,全球领导人面临着选择:要么促进合作与韧性,要么面对复合性不稳定。当前形势的利害关系前所未有地高。"
鉴于中东、乌克兰和苏丹的战争正在进行,2025年最紧迫的直接风险是进一步的武装冲突。
极端天气事件、以贸易战和关税形式出现的地缘经济对抗,以及社交媒体上错误信息和虚假信息的传播主导着短期风险。
WEF对长期前景不太乐观,大多数专家预测,到2035年,由环境、技术和社会挑战驱动的动荡将更加严重。
更极端的天气事件、自然资源短缺、生态系统崩溃以及污染对健康和生态的影响在长期十大风险中占据重要位置,同时还包括AI风险以及错误信息和虚假信息的增长。
根据WEF的说法,生成式AI使犯罪分子、国家机构、活动人士和个人更容易实施自动化的虚假信息传播活动,并使其具有显著的影响力和覆盖范围。
随着越来越多的人依赖社交媒体和互联网获取信息,论坛在一份100页的报告中指出,人们、政府和企业越来越难以识别可信的信息。
报告还指出,具有隐藏或无法检测偏见的算法的使用也会加剧错误信息和虚假信息的影响。
使用AI审查求职者时,如果训练模型使用的候选人池在性别、种族或国籍方面存在差异,或在预测性警务中使用AI,都可能特别成问题。
WEF警告说:"当算法应用于敏感决策时,训练数据中的偏见或模型设计过程中的假设可能会延续或加剧不平等,进一步剥夺边缘群体的权利。"
报告指出,没有明确的问责制,使用自动算法使得在做出有害或错误决策时难以分配责任。这种缺乏透明度和问责制的情况可能会助长对政府和企业决策的不信任和怀疑。
WEF警告说,随着政府和科技公司可用的计算能力继续增长,政府和企业对公民的监控风险增加,对隐私构成威胁。
负责任地管理时,收集公民数据可以提供更好的公共服务,但如果没有有效的法律保障,数据可能被滥用。
然而,公民往往不知道他们的数据是如何被收集、使用和存储的,这限制了他们做出明智决定的能力。
随着地缘政治动荡可能在未来两年持续,组织需要检查其供应链的脆弱性,并评估从冲突国家供应商购买的声誉风险。
报告撰写人之一、Marsh McLennan欧洲首席商务官卡罗琳娜·克林特表示,各国日益增长的保护主义将对"已经脆弱和紧张"的全球供应链构成深重威胁。
她说,各国限制数据出口的措施和恶意网络攻击的增加可能会加剧这种情况。
苏黎世保险集团首席风险官彼得·吉格表示,随着2024年全球变暖首次超过1.5°C,风险"极高"。
他说:"我们必须关注环境风险——从极端天气到生物多样性损失。立即采取行动对于减轻气候变化的最坏影响和建立韧性至关重要。不作为的代价和缺乏全球合作正在产生不利影响。"
他补充说:"现在最大的风险是袖手旁观,认为我们什么都做不了。现在还不晚。"
好文章,需要你的鼓励
Panzura在其Symphony数据管理平台中新增了访问控制列表分析和自动修复功能。该平台专门处理EB级非结构化数据集,具备扫描、分层、迁移和合规分析等功能。Panzura声称58%的企业受到权限扩散问题影响,74%的数据泄露涉及特权凭证滥用。新版本重点解决权限继承中断、过度授权访问和合规盲点等问题,提供完整的文件系统权限可视性和快速问题解决能力。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
Arista Networks宣布收购博通旗下VeloCloud SD-WAN业务,交易金额约10亿美元。VeloCloud是SD-WAN领域先驱企业,拥有集成安全功能的云管理SD-WAN解决方案。此次收购填补了Arista在分支机构连接方面的空白,使其能够提供端到端网络解决方案。同时,前思科高管Todd Nightingale加入担任总裁兼首席运营官,将助力公司拓展更广泛的客户群体。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。