生成式 AI 的輸出可能有用,但也可能出現幻覺、偏誤、深偽與來源混淆。可信度治理需要結合使用者素養、內容來源線索、模型文件、查證流程與平台責任。
flowchart TD A[生成式人工智慧] --> B[文字影像影音生成] B --> C[幻覺與錯誤資訊] B --> D[深偽與未授權合成] B --> E[來源與著作權爭議] C --> F[資訊完整性] D --> F E --> G[透明與權利治理] H[內容來源憑證] --> F I[人工智慧素養] --> F J[模型卡片與風險評估] --> G F --> K[查證、申訴與修正] G --> K
概念連結:生成式人工智慧、基礎模型、幻覺、深偽、內容來源憑證、資訊完整性、人工智慧素養。
研究連結:隨機鸚鵡研究提醒大型語言模型的規模擴張伴隨環境與社會成本、NIST生成式人工智慧風險框架把可信賴特性轉化為組織流程、聯合國2026年科學小組報告要求全球AI治理建立共同證據基礎。