随着人工智能技术在内容生产领域的广泛应用，全球多国监管机构要求对人工智能生成内容进行明确标识，以保障公众知情权。
然而，中国社会科学院大学新闻传播学院研究团队近日在《科学传播期刊》发表的研究成果显示，这一看似合理的透明度措施可能引发新的认知风险。
研究团队通过设计四类社交媒体实验样本（含标识/未标识的真实与虚假信息），对433名受试者进行测评。
结果显示：标注“人工智能生成”的真实信息平均可信度下降12%，而同标注的虚假信息可信度却上升9%。
这种被命名为“真伪交叉效应”的现象，暴露出当前标识制度的局限性。
深入分析表明，该现象源于双重认知机制：一方面，公众对人工智能技术存在固有偏见，将“机器生成”与“低可信度”简单关联；另一方面，虚假信息制作者可能利用标识作为“技术背书”，使受众误判其专业性。
研究还发现，对人工智能持负面态度的群体，其对真实信息的信任衰减更为显著，但虚假信息的可信度提升仍部分存在。
针对这一困境，研究团队提出分级标注方案：对医疗健康等高危领域强化风险提示，增加“未经独立核实”声明；对普通科普内容则采用轻度标识。
此外，建议建立动态评估机制，根据内容类型调整标识强度。
业内专家指出，该研究为正在制定相关法规的国家提供了重要参考。
欧盟数字服务法案特别顾问玛丽亚·里贝罗认为：“监管设计需平衡透明度与认知安全，单纯的技术披露已不足以应对复杂的信息生态。
” 信息透明是公共治理的重要原则，但透明并不天然等于有效。
面对人工智能参与内容生产的新现实，治理的关键不在于给信息简单贴上标签，而在于让标签真正服务于核验、责任与信任的重建。
用更科学的评估、更精细的分级、更明确的风险提示，才能让技术进步更好增进公共福祉，而不是成为误导的放大器。