對抗性社會認識論: 人類與大型語言模型互動的信任機制新視角

當大型語言模型（LLM）越來越多地參與公共對話和決策時，一個核心問題浮現：我們如何確保這些模型傳遞的資訊值得信賴？一篇來自arXiv的預印本論文《Adversarial Social Epistemology for Assemblies of Humans and Large Language Models》試圖從認識論的角度給出新答案。作者們提出一個名為「對抗性社會認識論」（ASE）的框架，專門分析人類與LLM混合互動中資訊被扭曲、隱瞞或戰略性地模糊化的現象。

超越傳統資訊汙染模型

過去的討論常聚焦於資訊繭房、回聲室或錯誤資訊擴散。但ASE指出，這些模型不足以描述當前複雜的交流景觀——其中公共斷言往往依賴於鏈式證言、推理、機構認證和隱性信任。在這種環境中，個體和LLM都有動機利用這種信任結構，為了私人、聲譽、修辭或物質收益而扭曲資訊。ASE提供了一套術語來描述這類「信任顛覆」機制，並設計了可審計的流程來檢測和修復信任破裂。

為什麼這篇論文值得關注

這篇論文的價值在於將認識論與AI安全連線起來。它不討論LLM的偏見或幻覺，而是聚焦於人類使用者如何主動或被利用來破壞資訊可靠性。例如，一個惡意使用者可以通過精心設計的提示詞讓LLM生成看似可信但誤導性的內容，然後利用機構的背書鏈條傳播。ASE框架能識別這種「通過LLM進行的證言攻擊」。對AI開發者來說，這意味著單純提高模型事實準確性並不夠，還需要考慮社會互動層面的對抗性策略。

實際影響與下一步

對AI安全研究者而言，ASE提供了新的審計方向：不僅要檢查模型輸出，還要檢查整個交流鏈中的信任結構。對社會認識論學者，這個框架將LLM納入了傳統的人類知識生產分析。不過，論文目前仍偏理論，缺乏具體實驗驗證。下一步，我們期望看到基於ASE設計的檢測工具或對抗性測試案例，真正落地到現實平臺中。

總之，面對日益混雜的人機對話環境，ASE提醒我們：信任不是天然存在的，而是需要主動設計和維護的。對於任何依賴LLM輸出的系統，理解並預防資訊扭曲將是長期挑戰。