DOI：10.12154/j.qbzlgz.2026.02.002 1 引言 随着ChatGPT、Midjourney与Sora等生成式人工智能（Generative Artificial Intelligence，GAI）技术的飞速发展，众多由算法模型驱动的AI产品不断涌现并持续升级，GAI已成为驱动社会变革的关键力量，给人们的生活带来了极大便利。然而，在满足人们现实生活需求的同时，GAI也引发了虚假信息泛滥、个人隐私泄露、伦理道德风险等一系列严峻问题。AI教父辛顿曾发出警告，生成式人工智能正在智能生成大量虚假的文本和影像，若未及时制定相关法规，实施有效控制，人类或将面临对AI失去控制的严峻局面[1]。在网络舆情风险管理层面，GAI技术不仅改变了信息传播方式，也加剧了网络舆情的复杂性和不确定性。世界经济论坛在2024年已将“人工智能生成的错误信息和虚假信息”列为“未来两年全球十大风险”之首[2]。因此，如何准确评判生成式人工智能情境下的网络舆情风险等级，有效规避GAI技术所带来的虚假信息风险，已成为网络社会亟待解决的问题。当前，关于网络舆情风险的研究多聚焦于风险识别与评估、风险演化与治理等方面，而结合GAI情境视角进行网络舆情风险分级与评估的研究相对匮乏。基于此，本研究旨在构建一个生成式人工智能情境下的网络舆情风险测度分析模型，并采用模糊DEMATEL和AHPsortⅡ方法对智能生成网络舆情风险进行分级与要素评估，根据实证结果为政府、相关机构以及公众提供风险管理建议，以期限制虚假信息的传播，减少舆论的负面影响。 2 相关研究 2.1 网络舆情风险相关研究 网络舆情风险是指民众在某些特定事件的刺激下，通过微博、论坛等网络平台就某个事件表达与传播多种情绪、态度与意见，从而引发的舆情应急处置效率低下、政府公信力下降和社会动荡不安等风险。网络舆情风险相关研究主要聚焦于风险评估、风险治理、风险演化等方面。舆情风险评估方面，一类是基于技术优化角度进行探讨，学者们运用文本分析、仿真实验、数据挖掘与统计分析等方法对舆情风险数据进行评估；另一类是通过构建舆情风险指标体系进而结合定性与定量方法进行风险分析，学者们分别针对具体突发事件[3]、日常事件[4]等不同舆情特征进行指标构建。舆情风险治理方面，有学者认为网络舆情治理的关键是在问题未暴露前进行预见性治理[5]，也有学者根据舆情事件的衍生性、多样性特点以源头治理、系统治理、综合治理、依法治理为基础构建舆情风险治理体系[6]。网络舆情演化方面，当前研究主要分析内部演化机理与外部演化态势两个方向，内部演化机理包括演化要素、演化路径、演化过程、演化仿真等研究主题，而外部演化态势包括态势可视化分析、态势评估、演化时空分析等研究主题，研究重点主要集中于刻画舆情不同阶段的风险演化机理。 2.2 生成式人工智能风险相关研究 随着GAI的迅猛发展，由算法引发的多元风险也备受学者们关注，主要包括数据信息泄露风险、社会道德伦理风险、技术服务违规风险与内容生成偏颇风险等。数据信息泄露风险方面，有学者指出用户在使用人工智能技术时如果输入了敏感信息、个人数据等内容，就会增加数据泄露的风险[7]。此外，如果生成式人工智能系统受到网络攻击或自身存在漏洞，也会导致数据泄露[8]。社会道德伦理风险方面，算法歧视、决策偏差和算法权力是人工智能伦理风险的具体表现[9]。GAI技术的决策过程中可能会受到训练数据和算法设计的影响，从而产生偏见[10]，如生成性别歧视、种族歧视、色情暴力等有害内容。这些内容不仅违反了伦理道德和法律法规，还会对个体和社会造成严重影响[11]。技术服务违规风险方面，有学者指出互联网黑客会利用GAI技术根据特定目标对象生成定制化的画像，包括语言、形象和声音等，其难以被传统的过滤机制拦截[12]。此外，黑客群体正利用ChatGPT技术从事散播恶意软件、群发垃圾邮件以及实施电信诈骗、敲诈勒索等违法犯罪活动[13]。生成内容偏颇风险方面，若算法接收到的数据包含大量偏见性信息，它将在自主学习过程中形成带有偏见的新运作规则，其输出内容可能会偏离全局的客观事实[14]。 2.3 研究述评 网络舆情风险作为当今社会的重要治理议题，已受到学术界的广泛关注。现有研究主要围绕风险评估、风险治理和风险演化等方面展开，研究对象多集中于自然灾害、公共卫生等传统突发事件，较少关注生成式人工智能所引发的新型社会性风险事件。在分析视角上，多数研究仍侧重于单一维度，缺乏从多要素关联性识别与风险等级划分相结合的系统评估路径，尤其在风险指标构建上，当前研究多以舆情传播特征为主轴，尚未充分融入技术风险因素对风险结构进行系统刻画。基于此，本文聚焦生成式人工智能舆情情境，选取受智能生成内容影响的社会安全事件进行实证研究，结合WSR方法论，从三元维度构建网络舆情风险指标体系，以期为生成式人工智能引发的新型网络舆情风险提供系统评估框架与治理路径，丰富网络舆情风险相关研究。 3 生成式人工智能情境下智能生成网络舆情风险指标构建 3.1 WSR方法论及应用 WSR方法论即“物理（Wuli）—事理（Shili）—人理（Renli）系统方法论”，是一种综合性的系统分析方法，它强调在处理复杂问题时需同时考虑对象自身的物理特性（W）、这些对象在实践中的应用逻辑（S）以及人的因素和支持（R）[15]。这三个维度相互制约、协同作用，共同构成了一个完整的分析框架。该方法目前在企业经济、评价管理、城市治理及突发事件等重大复杂问题方面都有广泛应用。在网络舆情风险评估与治理中，特别是生成式人工智能情境下，舆情的形成机制、传播方式和风险结构均发生显著变化。与传统舆情情境相比，GAI情境下的舆情更具高度不确定性与主体弱识别性等特点。传统模型方法较为局限，难以全面揭示技术—事件—人之间的联动结构。而WSR方法可基于“物—事—人”三元逻辑建构指标体系，形成对生成式舆情风险的系统辨析。因此，本文在梳理回顾相关文献的基础上，结合生成式人工智能情境，依据专家意见，从WSR方法论中的物理、事理、人理三个维度出发，归纳构建智能生成网络舆情风险评价指标体系，以期为理解和把握网络舆情的复杂性特征提供参考。
