互联网信息治理面临新的考验。
近日多家媒体披露，一些不法商家利用"GEO"技术手段，仅需支付少量费用就能向大模型系统性注入虚假广告信息，最终使AI生成的内容成为推销假冒伪劣产品的工具。
这一乱象的出现，标志着互联网虚假信息的传播方式发生了质的转变。
从技术演进的角度看，GEO是搜索引擎优化（SEO）在生成式AI时代的自然延伸。
SEO技术在搜索引擎时代帮助商家提升网页排名，初衷是优化内容的可发现性。
GEO的本意也是让内容更好地被AI系统理解和处理。
然而，当这一技术被黑灰产业链所利用，就演变成了系统性污染数据、扭曲模型决策的工具。
相比传统互联网虚假广告仅在曝光位置上做文章，GEO乱象的危害更为隐蔽而深层。
它直接作用于AI的信息生产链路，试图从根本上改变模型的"思维方式"。
数据显示，这种污染的影响程度不容小觑。
研究表明，当训练数据集中仅含0.01%的虚假文本时，模型输出的有害内容就会增加11.2%；即便虚假文本比例低至0.001%，有害输出也会上升7.2%。
这意味着极少量的污染数据就能显著降低AI系统的可信度。
如果任由GEO乱象蔓延，大模型将在被污染的数据"回音壁"中不断自我强化，最终导致整个互联网内容生态劣化。
更值得警惕的是，生成式AI时代的虚假信息具有更强的迷惑性。
在传统互联网环境中，用户看到广告时往往能意识到"这是广告"。
但在AI生成内容的场景里，虚假信息可能以"AI总结后的建议""AI推荐的答案""AI整理出的共识"等形态出现，使其具有更高的可信度和隐蔽性。
这种伪装使得用户更容易被误导，也使得虚假信息的危害范围更广。
从更宏观的视角看，GEO乱象反映出当代社会在信息获取方式上的深层变化。
互联网成为主要信息渠道后，人们逐渐将记忆任务交给搜索引擎和数据库。
随着生成式AI的普及，越来越多的人开始将判断和思考能力也交给机器。
这种对技术的过度依赖，使得用户在面对"一键AI"的结果时往往缺乏必要的警惕。
然而，当前AI检索、数据抓取、模型训练等环节都可能存在被污染的风险，用户不能轻信或完全依赖AI的输出结果。
应对这一挑战，需要多方面的努力。
从监管层面，有关部门应加强对GEO黑灰产业链的打击力度，建立更完善的数据安全和内容审核机制。
从技术层面，AI企业需要提升模型的鲁棒性，增强对虚假信息的识别和过滤能力。
从用户层面，公众需要培养AI时代的"信息免疫力"，保持对信息来源的质疑精神，掌握自己思考、认知、判断的主动权。
人工智能深度融入社会生活的今天，确保技术应用的纯洁性已不仅是商业问题，更是关乎公共利益的社会课题。
正如工业时代需要环境治理，数字时代同样需要建立完善的数据生态保护机制。
唯有技术开发者、监管者和使用者各尽其责，才能让人工智能真正成为推动社会进步的建设性力量，而非被滥用的工具。