如果你最近一直关注英国教会出席率的新闻,你可能会以为这个国家正处于基督教复兴之中。
关于教众增长、年轻人重新回到教会的报道,从社交媒体到圣经销售增长等各种因素的推动下,似乎都得到了圣经协会2024年报告的证实。
该报告基于YouGov调查收集的数据,声称英格兰和威尔士的教会出席率正在增加。这些发现推动了新闻头条,叙述由此确立。
但有一个问题——这项调查被证明基于"虚假"数据,已被撤回。学者和专家警告说,这一事件应该成为一个寓言,不是关于宗教复兴,而是关于人工智能这个虚假先知的。
研究人员表示,在线选择性调查越来越受到虚假数据的侵扰,因为经常获得报酬参与的受访者使用AI快速填写问卷。
这些特殊调查是可以影响国家话语的自选择研究形式。但专家表示,一个主要缺陷是它们容易受到"调查农场"的影响,这种脆弱性意味着在试图理解社会趋势时,应该谨慎对待结果。
伦敦大学学院的定量社会科学家、荣誉教授大卫·沃斯说:"这种信息、错误信息一旦开始传播就很难纠正。纠正它所需的努力比最初传播它所需的努力要高出一个数量级。"
他补充说:"我们发现对这类民调的信心受到了削弱,然后很难重新获得信任。"
沃斯说这个问题是普遍性的,不仅仅局限于YouGov。
他说:"这是一个日益严重的问题,因为如果你(作为参与者)能够大规模操作,你实际上可以产生相当可观的收入,即使按照西方标准,更不用说全球南方的标准了。"
根据2026年报告,YouGov使用随机抽样方法,这意味着参与者无法选择他们想要完成的调查。YouGov发言人告诉《卫报》:"我们选择向他们发送哪些调查,所以没有办法加入来影响研究结果。"
AI的发展加剧了这个问题。新罕布什尔州达特茅斯学院政府系副教授肖恩·韦斯特伍德说:"调查研究的假设——有人给出连贯、逻辑的答案,他们是真实的人——这个假设现在被打破了。"
没有证据表明AI使用是2024年YouGov记录的教会出席数字欺诈的来源。然而,韦斯特伍德说AI有可能影响在线调查研究。"做这一切的工具现在既便宜、可获得又可用。"
他说AI模型对我们理解社会构成了生存威胁。"智能体可以被武器化。一句指令就足以系统性地偏向政治民调或地缘政治问题的答案,同时保持其人口统计特征完整,使操纵对标准筛选不可见。"
他说:"即使没有明确的作弊指令,智能体也能弄清楚研究人员想要测试什么,并产生证实假设的数据。"
然而,AI被用来完成这些调查的比率很难检测。韦斯特伍德说:"我们不知道确切的范围,这是问题的一部分。"
他补充说,AI技术的快速转变使得对抗其潜在影响变得困难。"研究人员可能设计出巧妙的新陷阱来捕获今天的模型,但模型开发进展如此之快,修复可能在几个月内就过时了。"
圣经协会的报告声称,在英格兰和威尔士,年轻人的教会出席率增长最快。皮尤研究中心方法与创新副总裁考特尼·肯尼迪说,30岁以下人群的选择性估计往往包含高水平错误,更可能源于"点击农场"。
肯尼迪说:"一般来说,高度熟练使用互联网和隐藏身份的人趋向年轻化。虚假案例希望尽可能多地获得调查资格。业内众所周知,年轻成人很难接触到进行调查。从这个角度来看,自我呈现为年轻是有利的,因为调查往往需要这样的受访者。"
肯尼迪补充说:"虚假受访者倾向于肯定回应,无论问什么。这被称为积极性偏见,这会夸大估计。"
沃斯说圣经协会报告的问题不仅在于虚假受访者,还在于未能批判性地将YouGov调查结果与教会自身的其他可用研究进行比较。
沃斯说:"如果你在做严肃的学术研究,你需要回顾文献,看看还有什么其他证据。"
YouGov发言人说:"有组织的调查农场、机器人和现在AI辅助回应的兴起使检测成为一个重要、持续和不断发展的学科。YouGov使用身份检查、设备指纹、多源地理定位、实时威胁评分和支付监督,这样坏分子就不会漏网。"
"当有人加入YouGov小组时,我们将他们提供的信息与我们可以观察到的关于他们设备、位置和行为的每个数据点联系起来。从中我们决定邀请谁、验证谁,如果必要的话,移除谁。"
Q&A
Q1:什么是"调查农场"?它们如何影响民调结果?
A:调查农场是指那些利用AI或其他手段大规模、快速填写在线调查问卷来获取报酬的组织或个人。他们会使用虚假身份参与多个调查,产生不真实的数据,从而严重影响民调结果的准确性,导致错误的社会趋势判断。
Q2:AI如何威胁传统的调查研究方法?
A:AI可以快速生成看似合理的调查回答,甚至能够分析研究目的并产生符合假设的数据。AI智能体可以被指示系统性地偏向某些政治或社会问题的答案,同时保持人口统计特征完整,使操纵难以被发现,这打破了调查研究中受访者是真实人类的基本假设。
Q3:如何识别和防范AI生成的虚假调查数据?
A:调查机构使用多种技术手段,包括身份检查、设备指纹识别、多源地理定位、实时威胁评分等。但由于AI技术发展迅速,检测方法需要不断更新。专家建议研究人员应该将调查结果与其他可用研究进行比较验证,而不应单纯依赖单一数据源。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。