北京
認知神經科學前沿文獻分享
基本信息
Title:Misinformation as strategy: Epistemic consequences and the undermining of shared truth
發表時間:2026-7-1
發表期刊:Trends in Cognitive Sciences
影響因子:20.3
獲取原文:
1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本
領域背景與痛點
錯誤信息（misinformation）會影響人的記憶、信念、態度、推理、決策和行為。過去很多研究和干預，常把問題縮小到一條虛假陳述能不能說服某個人。本文看的范圍更大：更有策略性的虛假信息（disinformation）不一定只想讓公眾相信某個具體說法，它也可能靠大量互相矛盾的敘事、半真半假的內容、bullshit 和宣傳，制造認識上的不確定感，進而削弱可信來源、共同事實和證據標準
核心框架與整合邏輯
作者把錯誤信息生態系統分成兩層。一層是對個體認知和行為的直接影響，比如記憶污染、健康與疫苗信念、氣候態度、政治態度以及相關行為。另一層是更系統性的認識論影響，也就是共享真相、制度信任和公共推理標準被慢慢侵蝕
綜述還把社交媒體和生成式人工智能（generative AI）放在同一條鏈上看。平臺算法、流量激勵、影響者網絡和社群互動，會放大情緒化、分裂性的內容；生成式AI則降低了大規模、個性化、多模態誤導內容的生產成本，也可能通過合成數據循環、AI生成知識庫和意識形態化聊天機器人影響信息基礎設施。關于未來AI生態分化和訓練污染的部分判斷，目前仍偏趨勢推演，還需要更多直接證據
關鍵洞察與未來方向
洞察一：錯誤信息影響個體，但不是單次暴露的線性結果
文獻支持這樣一個判斷：錯誤信息可以影響記憶、信念、態度和行為。但它的效果不是簡單的“看到了就被說服”，而是會受到既有信念、暴露頻率、社會環境、糾錯和預防性免疫的共同影響。糾錯和免疫通常有效，不過影響往往不會完全消失
Fig. 1 用來組織錯誤信息生態系統中的個體認知、行為影響與系統層級認識標準變化；這一概念框架圖說明，直接影響只是其中一層洞察二：平臺與生成式AI改變了錯誤信息的生產和傳播條件
社交媒體讓敘事生產更參與式，也更容易受到算法排序、流量貨幣化、影響者信任和社群現實的塑造。生成式AI又把風險往前推了一步：低成本生成、個性化說服、深度偽造和事實性缺陷都更容易規模化。當然，它也可以反過來用于監測、標注和個性化反駁
洞察三：干預需要同時面對認知影響和認識標準侵蝕
個人層面的媒體素養、預防性免疫、糾錯和AI輔助反駁仍然重要。系統層面則要處理算法透明、貨幣化改革、社區標注、內容來源提示、平臺競爭和用戶算法控制等問題，因為戰略性敘事背后往往有這些結構性條件
Table 1 用來組織干預類型、機制、優勢與局限；這一總結表說明，不同層級的錯誤信息影響需要不同層級的回應
省流總結
這篇綜述的重點，是把錯誤信息研究從“虛假陳述如何改變個人信念”，推到“戰略性信息操縱如何侵蝕共享證據標準”。它并不把社交媒體和生成式AI說成錯誤信息的唯一來源，但明確指出，它們放大了規模、速度、個性化和基礎設施層面的風險
暑期提升
分享人：天天
審核：PsyBrain 腦心前沿編輯部
你好，這里是「PsyBrain 腦心前沿」
專注追蹤全球認知神經科學的最尖端突破
視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊
每日速遞「深度解讀」與「前沿快訊」
科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。
點擊卡片進群，歡迎你的到來
一鍵關注，點亮星標 ? 前沿不走丟！
一鍵分享，讓更多人了解前沿
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
