数据逃逸引发警惕 马斯克Grok百科渗入ChatGPT

AI 训练数据的“近亲繁殖”风险正在显现。马斯克旗下的 Grokipedia 内容被发现悄然出现在竞争对手 ChatGPT 的回答中，这种跨平台的信息渗透不仅暴露了大模型数据抓取的无差别性，更引发了对错误信息通过 AI 循环放大的深度担忧。

竞争对手的数据回流

由埃隆·马斯克旗下 xAI 开发的 AI 百科全书——Grokipedia，其生成的内容正逐渐出现在 OpenAI 的 ChatGPT 答案中。这一现象极具讽刺意味：旨在对抗所谓的“政治偏见”而建立的 Grokipedia，如今却成为了它试图取代的主流模型的一部分语料来源。

据《卫报》报道，最新的 GPT-5.2 模型在回答多项不同问题时，曾先后九次引用了 Grokipedia 的词条。这种“数据逃逸”现象揭示了当前大模型训练机制的一个尴尬现实：只要是公开互联网上的数据，无论其来源是竞争对手还是争议平台，都有可能被吸纳进模型的知识库中。

图源备注：图片由AI生成

偏见与误导的病毒式传播

Grokipedia 自去年 10 月推出以来便争议不断。虽然其初衷是挑战维基百科的立场，但研究人员指出，该平台不仅大量复制维基百科的内容，还在涉及社会议题、历史解释及跨性别等敏感话题时，输出了大量带有极强主观色彩甚至被证实为误导性的观点。

值得注意的是，ChatGPT 似乎具备一定的筛选机制。在处理历史重大事件或流行病学等高风险话题时，它倾向于避开 Grokipedia；但在一些较为冷门或边缘的领域，它却引用了该平台上已被事实核查机构证伪的信息。这表明，现有的 AI 防护栏在面对海量且复杂的网络语料时，依然存在漏洞。

自我循环的隐忧

针对这一现象，OpenAI 发言人回应称，其模型旨在从广泛的公开渠道获取信息。由于 Grokipedia 的内容已公开传播，被抓取似乎成定局。

然而，业内的担忧在于 AI 生成内容的“自我循环”。当一个 AI 模型生成的（可能包含错误的）内容被发布到网上，随后又被另一个 AI 模型抓取并学习，虚假信息可能会在这一过程中被不断洗白和放大，最终形成一个难以辨真伪的信息闭环。