在人工智能技术迅猛普及的当下，AI生成内容正以前所未有的广度与速度渗透进新闻摘要、政务简报、教育课件、医疗咨询乃至社交媒体发言等关键信息场域。然而，一个日益凸显却常被轻忽的系统性隐患正悄然滋长：大量AI输出内容未经事实核查，亦未标注其信息来源、生成时间及知识截止点——这种“无源无时”的裸奔式传播，正持续放大误导性风险，侵蚀公众认知根基与社会信任结构。

事实核查的缺位，首先导致“幻觉内容”被误作信源。大语言模型基于统计概率生成文本，其本质是“高概率的模仿”，而非“经验证的陈述”。当模型被问及“2023年诺贝尔生理学或医学奖得主是否参与过新冠mRNA疫苗研发”，它可能流畅输出三位科学家姓名并附上看似严谨的合作机构与时间节点；但若训练数据中混入早期媒体报道误差，或未覆盖后续学术更正，该回答便可能将尚未证实的推测、已被撤稿的研究，甚至完全虚构的机构名称包装为确定性结论。更值得警惕的是，此类错误往往具备高度语义连贯性与专业术语密度，反而比粗糙谬误更具迷惑性。用户难以凭直觉识别破绽，而一旦将其作为决策依据——如医生据此调整诊疗方案、记者据此撰写深度报道、学生据此完成课程论文——谬误便从文本蔓延至现实行动，形成“认知链式反应”。

时效性标注的缺失，则加剧了信息语境的错位。AI模型的知识边界并非无限延伸，而是凝固于其训练数据的截止时刻（例如2024年中旬的模型通常不掌握2024年第三季度之后的政策变动、司法判决或公共卫生数据）。然而，当前多数AI交互界面既未在响应末尾明确标示“本回答基于截至2024年6月的公开数据”，也未对涉及时效敏感领域（如法律法规、药品说明书、股票代码、疫情动态）的内容主动触发时效警示。一名用户向AI询问“最新版《未成年人网络保护条例》实施日期”，若模型依据2023年草案版本作答，却未注明“该信息未涵盖2024年3月国务院正式公布后的修订细节”，则用户极可能在合规审查或教育实践中援引失效条款，造成实质性偏差。信息不是静态标本，而是流动的河流；剥离时间坐标的信息，如同抽去经纬度的地图，再精确的描述也终将导向迷途。

更深层的风险在于责任链条的模糊化。当AI输出内容被直接复制粘贴至公文、教案或自媒体推文，发布者常以“AI生成，仅供参考”轻描淡写免责，而技术提供方则援引服务协议中的“内容由用户自行核实”条款规避义务。这种责任真空使事实核查沦为无人值守的公共堤坝。尤其在算法推荐机制加持下，一条未标注时效的过期防疫指南，可能因点击率高而持续获得流量加权，在信息流中反复强化错误认知，形成“数字回音壁效应”。

化解此风险，亟需构建“双轨制”治理框架：其一为技术刚性约束——强制所有面向公众的AI接口在每次响应底部嵌入不可删除的元数据标签，包括“知识截止日期”“主要数据来源类型（如维基百科/政府公报/学术期刊）”及“本段内容是否经第三方事实核查（是/否/部分）”；其二为制度协同增能——教育体系须将“AI信息素养”纳入基础媒介教育，培养学生对生成式内容天然存疑、主动溯源、交叉验证的思维习惯；专业机构（如媒体编辑部、高校教务处、卫健部门）应设立AI内容使用规范，明确要求凡引用AI输出，必须附带人工核查记录与更新说明。

信息时代最危险的幻觉，不是机器说错了什么，而是人类忘记了追问“它凭什么这么说”以及“这句话还新鲜吗”。当每一行AI文字都承载着被采信的重量，为其标注事实之锚与时间之刻度，便不再是技术细节的雕琢，而是守护理性文明底线的庄严契约。