当前，人工智能已深度融入经济社会持续健康发展的方方面面，在深刻改变人类生产生活方式的同时，也成为关乎高水平质量的发展和高水平安全的关键领域。然而，人工智能的训练数据存在良莠不齐的问题，其中不乏虚假信息、虚构内容和偏见性观点，造成数据源污染，给人工智能安全带来新的挑战。

　　人工智能的三大核心要素是算法、算力和数据，其中数据是训练AI模型的基础要素，也是AI应用的核心资源。简单地说，AI是通过数据构建自己的“世界观”和“价值观”。数据质量直接决定了AI系统的“认知基线”。当训练数据被虚假信息、偏见观点和虚构内容系统性污染时，AI获得的不是客观世界的镜像，而是一幅扭曲变形的认知地图。那么，人类在与这样的AI互动时，必然获得的也是变形失真的信息。有研究显示，当训练数据集中仅有0.01%的虚假文本时，模型输出的有害内容会增加11.2%；即使是0.001%的虚假文本，其有害输出也会相应上升7.2%。如此微量的数据污染就能引发输出端的指数级危害增长，数据污染的破坏力让人不寒而栗。考虑我们当下的AI应用场景，从医疗诊断到司法判决，从金融风控到无人驾驶，AI应用场景继续扩展，意味着数据污染的风险影响区域也在同步扩大，其现实风险令人警醒。

　　数据污染危机提醒我们，科技从来都是双刃剑，任何对技术盲目乐观的态度都是极度危险的。人工智能一路狂奔，业界热衷于谈论算法突破和算力竞赛，却对训练数据的源头治理缺乏足够重视，将各类数据视为无差别“养料”，忽视其可靠性与安全性。

　　应对人工智能数据污染需要构建多层次的防御体系。源头治理是关键，正如环境治理需要从源头控制污染一样，人工智能安全必须从数据入口筑起第一道防线。在技术层面，必须建立数据溯源验证机制，全力发展虚假信息检测和偏见识别等前沿技术，让数据拥有强大的“免疫系统”。加强法治监管，欧盟《人工智能法案》明确高风险AI系统一定要使用高质量、有代表性且无歧视的数据集，这种立法思路值得借鉴。公众则需提升数字素养，形成守护数据安全的社会共识。如此，我们才可以确保人工智能这把双刃剑始终为人类福祉服务。