昨天马斯克的一则推文，揭开了一个事实，当前的 AI 大模型，已经充满了错误和垃圾，以至于为了上线新一代 Grok，马斯克的 xAI团队不得不重新梳理一遍整个人类的知识库，以便于“把遗漏的补上，把错的删掉！”

其实，每个大模型的品质不仅来源于其推理能力，更加决定于训练所用的数据库。谷歌Gemini很高的品质呈现，源于 Google 搜索引擎严谨的算法和高质量的内容积累，但也难免被一些网络上的垃圾所腐化。ChatGPT 等品质大幅下滑，也和生成式AI 的内容以讹传讹有关。

比较严重的是中文世界的DeepSeek，已经被谣言和错误信息污染到无法被信任，因为采用了大量的垃圾信息，国内很多大模型的状况都是如此。

但是马斯克说的，再用干净的数据重新训练模型的说法，也存在很大的问题——什么才是干净的数据，谁来判断是否干净？因为认知和知识的局限性，靠人工判断显然不现实，如果靠 AI来校验 AI，能力和尺度也不太值得信任。

全世界的生成式 AI 都已经被污染，这个或许就是残酷的事实。

当然，原生态的数据经过整理之后，品质肯定会好很多，但是尺度把握不当，更大范围的污染将会发生。