一、引言及文献综述 以大型语言模型(large language models，LLMs)为技术基础的生成式人工智能(generative artificial intelligence，GAI)在诸多领域展现出强大能力，它的迅猛发展正重塑知识生产与社会认知的基本范式。然而，其固有的“幻觉”(hallucination)问题也日益凸显。生成式人工智能幻觉(以下简称“AI幻觉”)通常指大语言模型生成的文本不忠于信息源或者与现实世界的事实不符(刘泽垣等，2025)。与传统错误不同，AI幻觉不仅关乎技术准确性，更在深层次上挑战了人类的认知边界与知识秩序，构成一种系统性的认知僭越(cognitive transgression)，侵蚀人类判断真伪和评估可信度的认知根基，从而动摇社会信任赖以存在基石。 当前学界对AI幻觉的治理研究主要遵循三条路径：一是技术优化路径，侧重于通过模型架构优化与创新、数据清洗与提示工程等技术手段降低幻觉频率(刘泽垣等，2025)；二是制度规制路径，聚焦于通过立法、标准与监管框架(如欧盟《人工智能法案》)来界定责任、管控社会风险(许可，2025)；三是初显的治理转型路径，开始倡导跨学科的多维治理框架(刘永谋和孙瑞璇，2025)。现有研究虽然提供了一些重要的研究基础，但仍局限于“错误修补”范式，未能充分阐释AI幻觉对知识合法性的深层冲击，尤其缺乏对文化语境中AI幻觉生成与扩散机制的深入分析，同时也缺乏从哲学层面反思其作为“认知僭越”的深远意义。尽管有研究开始跳出纯技术范式，尝试从技术演化的过程性视角剖析AI幻觉，如胡泳和王昱昊(2025)基于技术过程论提出AI幻觉的“价值负荷”是一个动态过程，其伴随技术从构思、发明到产业化的演进，多元行动者共同参与并博弈，最终形成复杂的价值共赋现象，为理解AI幻觉的社会建构性提供了重要启发，但其分析未充分揭示这一“价值负荷”过程如何动摇了人类的认知验证机制与知识合法性基础。此外，亦有学者从技术哲学与知识生产范式变革的视角进行深度剖析。王鸿宇和蓝江(2025)指出，生成式人工智能推动了知识生产从“物性”向“无人化”的转变，其幻觉现象乃是“外主体”进行符号自我增殖的逻辑必然，并系统揭示了此举对知识合法性基础构成的结构性风险与认识论危机，为理解AI幻觉如何动摇知识生产的传统根基提供了宏大的理论视野。不过，该分析的重心在于技术形态演进史与知识权威的宏观转移，对于两个关键维度仍缺乏深入探讨：一是AI幻觉在具体文化语境中的生成与扩散机制，二是其作为“认知僭越”对个体认知框架、社会信任机制的微观作用路径。此外，刘泽垣等(2025)的技术性综述从实证层面梳理了AI幻觉的成因、评估与缓解路径，为本文提供了技术理论依据。 基于上述研究的启发与仍待深入的解释空间，本文尝试将AI幻觉置于技术逻辑与文化建构交织互构的整体视野中加以考察。本文提出“认知僭越”这一核心理论框架，旨在系统阐释AI幻觉如何凭借其技术拟真性与文化合法性表象，动摇传统知识验证的逻辑基础，进而影响社会认知秩序的稳定性。需要说明的是，本文虽以技术与文化为主线聚焦AI幻觉的生成机理，但因制度在技术与文化互动中扮演着关键的中介与固化角色，所以构建的治理方案明确包含制度维度。遵循这一理路，本文首先剖析AI幻觉引发的认知僭越及其微观作用机制，随后解构其技术与文化交织的生成逻辑及合法化过程，最终致力于构建一个融技术可验证性、制度可追溯性与文化可反思性于一体的三维协同治理范式，以期为人机共生环境中认知秩序的重建和主体性价值的守护提供理论参考与路径探索。 二、生成式人工智能幻觉的认知僭越 生成式人工智能的幻觉现象，不仅限于技术层面的输出偏差，而且还是一种深嵌于认知逻辑与知识结构之中的系统性“僭越”。它跨越了工具性辅助的边界，介入甚至重构人类的理解方式与判断机制，进而对个体认知、知识合法性以及社会信任产生多层次的冲击。 (一)个体认知的边界模糊与验证困境 生成式人工智能的“幻觉”现象，首先在个体层面引发了深刻的认知挑战。与传统的信息失真不同，AI幻觉并非偶然误差，而是源于其概率生成机制的内在特性。它通过高度拟真的语言形式，系统地模糊了真实与虚构的边界，从而动摇了人类长期以来依赖的认知判断基础。 在传统认知模式下，人类依赖常识、直觉与逻辑推理来辨别真伪。然而，生成式AI输出的文本具有极强的语义连贯性与风格一致性，这种形式上的完善性极易对用户的认知惯性形成误导。AI正是通过高度成熟的自然语言处理(natural language processing，NLP)与生成能力构建出这种极具迷惑性的权威外观。这种构建AI输出权威性的自然语言在知识生产中扮演着双重角色：它既是人机交互不可或缺的桥梁，却又可能化身为知识权威的隐形枷锁(王鸿宇和蓝江，2025)。这种通过自然语言所建立的权威性，与人类的认知心理机制相互作用，进一步放大了AI幻觉的影响。当AI以逻辑严密、表述流畅的自然语言填补知识空白时，用户常常因文本表面上的完整与确定而放松警惕，不再进行深入的追问与验证。特别是当这些文本以非常礼貌甚至有些“谄媚”的方式呈现出来时，人类对于AI幻觉识别的敏感性大为降低(Pak et al.，2024)。这种认知惰性如果在医疗、法律、教育等高风险场景中出现，可能会引发实质性的判断失误与行动后果。
