近年，生成式人工智能不断迭代更新。从ChatGPT、Sora到Deepseek，从文本生成到图像、视频合成，生成式人工智能的应用场景日益广泛，其与教育、医疗、新闻传播等行业快速融合，成为推动社会发展与变革的重要动力。在意识形态风险治理领域，生成式人工智能的应用尤为重要。意识形态关乎党和国家举什么旗、走什么路的重大问题，正如习近平强调的：“意识形态工作是为国家立心、为民族立魂的工作。”[1]然而，在生成式人工智能与社会融合的过程中，网络空间出现了新的意识形态风险，意识形态安全面临新的挑战。有效治理生成式人工智能背景下的网络意识形态风险刻不容缓。作为科技“双刃剑”，生成式人工智能凭借其技术优势、强大的意识形态承载能力以及衍生的新治理范式，在网络意识形态风险治理中展现出前所未有的效用与潜力。因此，探索生成式人工智能背景下网络意识形态风险治理新路径，不仅有助于构建清朗的网络空间，而且能够为增强治理能力、保障网络意识形态安全提供新的思路与方法。 一、审视风险：生成式人工智能背景下网络意识形态风险的样态呈现 风险往往代表着事物状态的不稳定性和损益的可能性，本质上“并不在于它正在发生，而在于它可能会发生”[2]。生成式人工智能与社会的融合，虽然能够赋予人们的生活无限可能性，但是也容易引发主流意识形态话语权旁落、价值认同危机、价值传播失序以及舆论生态操控的网络意识形态风险。 (一)“智能鸿沟—意识分化—话语多元”的主流意识形态话语权旁落 科学技术作为第一生产力，是社会意识形态生产与传播的重要变量与增量。当前，生成式人工智能的发展和应用存在不均衡现象。这种技术上的差距不仅加剧了群体间的“智能鸿沟”，而且进一步导致群体间意识形态分化，使得社会意识形态话语呈现多元化，主流意识形态话语权面临旁落风险。 首先，“智能鸿沟”是“数字鸿沟”在人工智能时代的新表现[3]，反映了群体间因人工智能技术应用和资源获取不平衡所导致的物质分化，主要体现在人工智能资源占有不均、应用能力不同、发展机遇不等诸方面。这种物质条件的分化将引发社会经济基础的变化，并最终反映到上层建筑上，导致群体间意识形态分化。除此之外，受技术水平、经济状况和受教育程度等多重因素影响，不同群体接触生成式人工智能的机会也不均等，这进一步加剧了分化。智能条件优越的群体往往拥有较高的人工智能素养，其智能技术应用、信息甄别和逻辑思维能力较强；对于智能条件相对落后的群体而言，其能力则较为欠缺。由于在技术水平、判断能力和智能思维等方面存在差异，当这两类群体面对浩如烟海、复杂多变的网络信息时，会筛选出不同的信息聚焦点，接受不同信息的引导，进而形成各异的思想意识。长此以往，群体意识形态的持续分化将会加剧。 其次，群体意识形态的分化将催生多元化的意识形态话语，削弱主流意识形态话语的一元主导权。随着“智能鸿沟”加深，不同群体在信息获取、处理和应用能力上的差异愈加显著，这导致不同群体在信息的选择、解读和判断上各有侧重，进而形成多样化的意识形态表达。多元意识形态话语虽然有利于促进人们思想意识的多样性表达和社会思想文化的繁荣，但也会给主流意识形态话语的传播带来更多障碍。这种多元化容易使主流意识形态的社会动员和价值引领作用受到消解，进而削弱其主导权。 再次，主流意识形态话语权的弱化，以及生成式人工智能强大的内容生成与传播能力，为非主流意识形态提供了更多生存空间，容易阻碍主流意识形态话语的有效传播。生成式人工智能的高效内容生成能力与广泛传播能力，使得意识形态话语能够迅速扩散，加剧主流与非主流意识形态之间的话语权争夺。根据上述分析，“智能鸿沟”的存在会削弱主流意识形态的传播效力，使得非主流意识形态更容易扩散并获取生存空间，从而对主流意识形态的传播形成压制，增加主流意识形态话语权旁落风险。 (二)“数源偏倚—算法歧视—价值极化”的主流意识形态价值认同危机 在生成式人工智能内容生成的过程中，数据和算法分别扮演着“原材料”和“控制器”的角色，共同驱动内容生成。这一过程看似“人类无涉”且“价值中立”，事实却并非如此。正如“算法也有价值观”[4]的观点所强调的，算法由人设计，不可避免地掺杂着设计者的价值理念。在中立性外衣的包裹下，算法极易使得某一观点被持续强化，这一观点由此成为所谓的“主流”，充斥网络空间，左右群体意见，引发价值极化，削弱主流意识形态的价值认同。 首先，海量数据“喂养”是生成式人工智能内容生成的前提。只有输入大量数据，生成式人工智能才能进行深度学习和训练，并输出内容。可见，数据的信息源和多样性直接影响内容生成的质量。一方面，网络上的数据鱼龙混杂、真伪难辨，不乏大量虚假和错误数据。当这些低劣数据被用于生成式人工智能深度学习和训练时，生成的内容质量将大打折扣。这不仅影响用户体验，而且可能传播错误信息，误导用户判断。另一方面，当前，生成式人工智能的学习语料库主要以英文为主，中文语料库占比较低。这意味着生成式人工智能的内容生成信息源中隐含大量西方世界的价值观念，导致生成的内容往往带有明显的西方色彩，干扰我国用户的价值信仰。 其次，生成式人工智能的算法规则容易受到人为主观因素的影响，导致生成的内容主观性强，形成算法歧视。算法作为一套计算规则，指导生成式人工智能进行数据处理和信息组合，是生成式人工智能的“大脑”。从表面看，算法规则不涉及“人的参与”，一切数据皆由机器独立运算、提取和整合。但是，实际情况大相径庭。这是因为，内在的算法原理是由人设计的，而外在的运算规则是人的意志的体现。生成式人工智能的算法逻辑不可避免地受到人的主观因素的影响：符合设定价值倾向的算法规则会被保留，不符合的则会被剔除。算法的公平性一旦被人为打破，就会形成算法歧视。
