科学曾是启蒙运动以来最可靠的真理来源，其可信性建立在同行评审、实验重复和集体纠错的基础之上。
然而进入21世纪，这一传统权威正在经历前所未有的衰落。
气候变化否认、疫苗犹豫、阴谋论泛滥等现象表明，科学的话语权正在被侵蚀。
问题的复杂性在于，科学信任危机并非源于科学本身的失效，而是源于科学工具被滥用。
一个深刻的悖论摆在眼前：科学家发明的互联网传播了虚假信息，科学家对实证证据的坚持反而催生了数据歪曲，科学家创造的大数据和强大计算机推动了数据挖掘的出现。
技术本为求真而生，却被反向用于制造迷惑与操控。
在后真相时代，科学权威的衰落体现在多个维度。
首先，情感、身份认同和政治立场已逐渐取代证据在公共讨论中的地位。
信息过载和社交媒体的碎片化传播加剧了这一趋势，而科学体制本身的封闭性与精英化倾向也难辞其咎。
当科学家被公众视为脱离大众利益的"专家集团"时，其话语容易被质疑为服务于权力或资本。
其次，科学自身的发展揭示了其固有的不确定性。
模型预测的误差、研究结果的不可复现等现象被误读为"科学不可靠"的证据，公众难以区分"科学过程中的正常修正"与"系统性错误"。
大数据时代的盲目崇拜进一步加剧了这一危机。
在数据驱动的决策框架中，海量数据被赋予了虚假的客观性和中立性。
然而数据从来不是"纯粹"的，其采集方式、定义标准、存储结构和分析框架都深深嵌入社会权力关系之中。
所谓"数据驱动决策"的神话掩盖了其背后的价值预设与利益动机，使公众误以为技术判断是公正无私的，从而放松警惕。
这种信息不对称加剧了控制风险。
人工智能的广泛应用进一步放大了这一问题。
尽管AI已被应用于医疗诊断、信贷审批、司法量刑和招聘筛选等关键社会决域，但其决策过程往往缺乏透明度，形成"黑箱"效应。
由于深度学习模型的复杂性，即便是开发者也难以完全理解其输出逻辑。
个体无法知晓自己为何被拒绝贷款或标记为高风险人群。
这种不可解释性不仅剥夺了申诉权利，也模糊了责任归属。
更危险的是，公众可能因AI披着"高科技"外衣而误以为其决策必然准确公正，形成所谓的"自动化偏见"。
这种偏见正在悄然重塑人们对公平与正义的理解。
应对这一危机需要多管齐下。
一方面，科学共同体需要提升透明度和公众参与度，打破精英化的话语体系，建立更加包容的科学传播机制。
另一方面，对大数据和人工智能的规制亟需跟上。
必须建立有效的算法审计机制、强制披露义务与第三方监督制度。
若不采取行动，AI不仅不会提升效率与公正，反而可能成为制度性歧视的新载体，进一步侵蚀人们对科学和技术的信任。
在信息爆炸与算法普及的时代，真正稀缺的不是数据本身，而是对证据的敬畏、对方法的自律、对权力的约束。
科学的可信来自可检验与可纠错，技术的可靠也必须纳入透明与问责的轨道。
守住求真的底线、完善治理的规则、提升公众的判断力，才能在“数据迷雾”中更接近真相。