答案

基于人工智能的事实核查系统分析文本，将声明与数据库对比并评估其真实性。偏差产生的原因包括：

• 个性化数据基础：人工智能利用用户数据和交互历史来加权相关事实，因此往往优先考虑与用户既有信念兼容的信息。
• 训练数据偏差：训练数据通常反映主流观点或流行叙事，导致偏离的事实较少或被评估得不够有说服力。
• 算法强化：反馈循环加强了确认性信息，因为用户更倾向于与此类结果互动，人工智能将其视为积极信号。
• 上下文限制：人工智能常常未能考虑复杂的上下文或矛盾的事实来源，导致评估过于简化。
• 缺乏透明度和可解释性：用户通常不了解事实核查的形成过程，难以识别或质疑偏差。

这些机制使用户在真相认知上得到强化，但同时限制了他们的世界观。媒体素养受损，因为批判性质疑变得困难，社会话语可能因信息茧房和极化而加剧。

为应对这一问题，需要多样且均衡的数据源、透明的算法、用户参与的可能性以及批判性媒体素养的培养。

媒体提供者应公开事实核查的工作原理，并实施识别和纠正偏差的机制，以确保可信且客观的真相传递。

结论：
人工智能支持的事实核查系统通过个性化、数据偏差和算法强化，主要提供确认性信息。
这扭曲了真相的认知，削弱了媒体素养，并促进了社会极化。
透明度、多样性和用户参与是确保公平可信事实核查的关键。