語言可以殺人——網絡時代，相信沒人會否認這一點。

語言攻擊，是最具代表性的網絡暴力之一。謾罵剛失去兒子的母親，詆毀女孩的粉色頭發，嘲笑男性的氣質“太娘”，炮制莫須有的黃色謠言……無數侮辱性的語言，在網絡間橫行無阻，給他人帶來了無窮無盡的精神傷害。

語言暴力，已經成為網絡治理的全球性難題。

各種方案被使出，但都無法有效阻止“網絡暴民”的增加和語言暴力的橫行。其中，技術層面的解決思路，就是利用AI算法來自動檢測有毒語言，按照攻擊性來設定毒性評分，并對高毒性語言進行預防處理，比如屏蔽、心理干預等。

但由于語言的模糊性，此前的機器學習算法魯棒性不強，很容易做出錯誤判斷，導致識別和干預的結果并不理想，仍然需要大量人工審核員。不僅處理效率低下，而且長期閱讀有毒語言也會傷害人類審核員的心理健康。

ChatGPT這類大語言模型，憑借強大的魯棒性和泛化能力，展現出了前所未有的語言理解力。

按理說，本著“技術向善”的宗旨，大語言模型應該被用來更有效、高效地預防網絡暴力，但為什么迄今為止，我們仍然沒有見到相關應用？反倒是利用大語言模型生成更多有害內容的“技術作惡”大行其道。

大語言模型，也救不了“網絡暴民”，難道我們注定只能在有毒網絡環境下“數字化生存”嗎？

大語言模型，內容檢測技術的一大步

預防，是治理網絡暴力最重要的環節。利用AI內容檢測來預防網絡暴力，相關研究已經有數年歷史了。

2015年就有人提出，個體的情緒狀態就與有害意圖之間存在顯著關聯，使用機器學習來檢測社交媒體中的有害行為，被認為是網絡暴力檢測的良好指標。

也就是說，一個人在生活遭遇了劇變、坎坷或感到低落、郁悶等情緒狀態不佳時，就容易在網絡上發出仇恨、攻擊、詆毀等冒犯性語言。

2017年，谷歌的Jigsaw創建了Conversation AI，檢測在線有毒評論。許多科技巨頭，多年來一直在將算法納入其內容審核中，都有一套對網絡信息內容進行識別和過濾的手段。比如國內某短視頻平臺，就研發了100多個智能識別模型，來提前攔截辱罵內容，但該平臺依然是網暴的“重災區”。某問答平臺，會對評論內容進行識別，對有風險的內容進行提醒，直到用戶修改才允許發出。

但顯而易見，這些AI檢測算法也并沒有根除網暴，網友對平臺治理網暴的批評仍是“不作為”“沒效果”。原因之一，是傳統的機器學習算法，不能滿足網絡內容的審查需求：

1.理解力不夠。有害語言非常難以區分，而AI算法的語義理解能力不夠強，經常會將有害評論和無害評論給出相同的分數，沒有真正過濾掉那些不尊重的評論，或者給中性句子更低的分數，過濾了不該過濾的正常評論，阻礙了博主和粉絲的交流。

2.靈活性不夠。某些網站可能要求檢測攻擊語言，但不需要檢測謠言，而其他網站的要求可能恰好相反。傳統的AI檢測工具往往使用一個通用的“毒性評分”，不夠靈活，無法滿足不同平臺的不同需求。

3.更新速度不夠。很多檢測算法是使用API來工作的，而這些模型通過大量網絡數據進行訓練，在與訓練數據相似的示例上表現良好，一旦遇到不熟悉的有毒語言，比如涉及飯圈的討論會有很多黑話、yyds之類的拼音簡寫，以及不斷新造的詞語，很可能就會失敗。某社交媒體平臺，一開始設置了一百多個禁發關鍵詞，比如一些臟話、“綠茶婊”“怎么不去死”等，如今已經增加到了700多個。所以，AI模型缺乏高效實時的人類反饋，無法快速微調并迭代模型，從而導致自動化檢測的效果不佳。

我們知道，大語言模型具備智能涌現、預訓練、人類反饋的強化學習等特點，這就對傳統方法帶來了很大的助力，更強的語言理解能力，使用通用模型可以很快訓練出精度更高的定制模型，同時借助人類反饋查漏補缺，獲得更好更快的檢測效果。

防范網絡暴力，已經成為各國互聯網治理的重點，平臺也能因此建立起更良好的社區氛圍，所以大語言模型在檢測有害語言方面，應該能大展拳腳才對。

但為什么這一波大語言模型的浪潮中，我們很少見到將LLM用于預防網絡暴力的探索呢？

AI，防范語言暴力的一小步

在AI技術體系內部來看，從傳統NLP到大語言模型，是一個自然語言理解的飛躍式進步。但走到更大的現實中，AI的一大步，也只是將問題解決向前推進了一點點。

作用不能說沒有，但也很有限。應對網絡中的語言攻擊，AI的力量仍然弱小。

首先，敵人數量太龐大。

康奈爾大學信息科學部門的丹尼斯庫表示，很多時候，你我這樣的普通人都會成為網絡暴力的幫兇。當為數不少的網民自身積怨和不滿得不到緩解之時，會對周圍事物看不慣，在互聯網上用語言攻擊他人，來緩解負面情緒。

此前《三聯生活周刊》有一篇報道，某位網絡暴力受害者已經去世，作者聯系到的一些施暴者則回應稱“忘記自己當時做過了什么”。

許多網暴者平時看起來是非常正常的，會在某些時刻、某些偶然事件后，短暫地化身“語言惡魔”，然后“事了拂衣去，深藏身與名”，即使是AI，也很難及時準確地判定出，哪些人存在攻擊可能。

此外，語言攻擊越來越隱蔽。

AI自動檢測技術發展到今天，一些明顯有害的言論，比如威脅、隱晦、辱罵等，已經可以被直接屏蔽掉了，但人類用語言傷害人的“創造力”是很大的，很多在機器看來中性化的語言，也可能惡意滿滿。

比如此前校園事故中痛失孩子的母親，就被大量評論“她怎么看起來不傷心”“她怎么還有心思打扮”，看似并沒有什么侮辱性語言，但這些質疑累加在一起，卻形成了對受害者的“道德審判”。

對于隱蔽的攻擊性語言，目前的NLP模型還有比較大的局限性，語言背后的實際、細微的含義，很難被捕捉到，依然需要人工審核的干預。

而平臺監測語言暴力，并沒有一個通行的判定體系，往往是各個平臺自己酌定。比如知乎會判定邪路隱私、辱罵臟話、扣帽子、貼負面標簽等行為。豆瓣則會處理諷刺、抬杠、拱火、歧視偏見等。不過，這些標準都有很大的主觀成分，所以大家會看到“掛一漏萬”的現象，一些很正常的發言被斃掉，一些明顯煽動情緒的發言沒有被及時處理。

另外，網絡信息的“巴爾干化”。

巴爾干化，指的是一些四分五裂的小國家，互相敵對或沒有合作的情況。一項研究顯示，互聯網雖然消除了地理屏障，讓不同地區的人可以低成本地相互交流，但卻造成了觀念上的“巴爾干化”，輿論上的分離割裂程度越來越嚴重。

網絡信息的推送機制，算法設計還不夠科學，偏好設置過于狹窄，采用關鍵詞聯想、通訊錄關聯、圖網絡等過濾方式，類似“吃了一個饅頭=喜歡吃饅頭=再來一百個饅頭”“你媽愛吃饅頭，你也一定愛吃”“饅頭=更適合中國寶寶體質的吐司=看看吐司”。人們長期停留在有限的信息范圍內，對自己感興趣的內容之外的信息很少涉獵，和其他群體之間的觀念間隙會越來越大。

信息獲取機制的“巴爾干化”，會導致輿論“極化”，就是一個觀點反復發酵，從而引發大規模的跟風行為，網暴風險也就提高了。

數量多、識別難、極化情緒嚴重，將互聯網變成了一個負面語言的游樂場。

技術之外，做得更多

當然，AI防止網暴道阻且長，但咱們不能就此放棄努力。

大語言模型的出現，帶來了更強大的自動檢測潛力。媒體機構基于通用模型，可以訓練出更高精度、識別能力更強的行業大模型，用人類專業知識來增強模型效果，創建具有人類智能的AI檢測模型，從而支持更加復雜的內容理解和審核決策，提高有害內容的檢測效率。

升級技術之外，必須做的更多。預防網絡暴力，與其說是一個技術問題，不如說是一個社會問題。網絡信息環境不改變，攻擊語言還會不斷變種，增加技術檢測的難度與成本，這是用戶、平臺和社會所不堪承受的。

但此前，很多治理方法效果都不是很理想。

比如說，網絡匿名是暴力的“隱身衣”，于是實名制成為一項重要的治理手段，但效果并不理想。韓國是第一個施行網絡實名制的國家，于2005年10月提出要實行網絡實名制，但按照韓國的統計，實名制之后，網絡侵權行為從原來的13.9%降到了12.2%，僅降了1.7%。

立法也是被期待的一種。各國都在不斷推出法規，韓國《刑法》對網絡暴力最高判處七年有期徒刑，我國刑法、民法中也有相應的規定，治理網絡暴力并非無法可依。但立法容易、執法難。

網絡環境復雜，網暴攻擊的發動者難以確定，網暴一般是由大量跟帖評論等攻擊行為累加而成的，證據收集十分困難，容易滅失，“情節嚴重”難以認定，維權周期長，網暴受害者的維權成本太高，最后大多不了了之，很難對施暴者產生實際的懲罰，助長了“法不責眾”的僥幸心理。

要改變“法不責眾”的難題，治本的辦法，是消除“無意識跟風”的“眾”。

網暴不是一個人能完成的，除了少數發布者之外，大量攻擊言論，都來自是上頭了的跟風者，是網民集體非理性行動的結果。

報紙時代、電視時代的單向傳播，只有少數群體有發言、評論的機會，而大眾在線下面對面交流時，也不會輕易侮辱攻擊別人。到了網絡時代，隨著智能手機的普及，所有人都可以直接在網絡上表達自己的意見，一旦媒體素養跟不上，信息識別能力不夠，那么面對真假難辨的網絡信息，煽動性的語言，就很容易沖動失控，無意識地加入網暴大軍。

很多人在評論時，并不一定經過了理性的思考和判斷，只是看自己關注的博主那么說，或者很多人都在討伐，就跟風批判，使網絡暴力升級。

對此，指責“網暴者”的行為偏激，反而又會形成新的“網暴”。“用魔法打敗魔法”，會嚴重擾亂了網絡話語生態。很多偶發性的“語言暴力”，是可以通過個人媒體素養的提高去規避的。

這就需要專業媒體機構和有關部門，投入更多媒體資源，面對網絡時代，幫助人們習得更高的媒體素養，實現更文明、友好的“數字化生存”。

每個人內心深處都有某種暴力沖動。正如羅翔老師所說，“我們遠比自己想象的更偽善和幽暗，每個人心中都藏著一個張三”。

當理性上升，當一個人習得了自我控制的能力，那么“非理性”的暴力一定會減少。比起AI的韁繩，真正能消除網暴的，是每個人心中的道德律令。