北京
如果你最近用过AI给社交媒体帖子“美化”，那么你得到的可能远不止是语法修正。牛津互联网研究所和哈索·普拉特纳研究所的新研究揭示了一个令人不安的事实：那些宣称“不改变原意”的改写，实际上正在有系统地把你的观点悄悄推向某个特定方向。这种偏向并非偶然，而是大规模语言模型在处理争议话题时，内置的一种不易察觉的倾向——哪怕开发它的公司本意并非如此。
这个团队把市面上不同公司开发的大型语言模型召集起来，给它们同一组由真实用户写好的帖子，话题全是那种一碰就容易吵架的：女权主义、大麻合法化、枪支管制、无神论、死刑……研究者只提了一个要求，在改写时“不要改变原意”，仅此而已。结果出来，各家模型像事先商量好了一样，全都朝着同一个方向倒。所有关于女权主义和大麻合法化的帖子，改写后变得更友好、更支持；谈论枪支管控的，措辞明显更偏向支持更严格的限制；而对待无神论和死刑的帖子，改写版本读起来却更像是持怀疑甚至批评的态度。
由于这种规律出现在不同公司、不同架构的模型里，研究人员认为这绝非某一个系统的怪癖。把这事放得更大一点，另一项研究还曾发现，给AI一个内群体、一个外群体的设定，它就会不自觉地偏向自己人。这一切似乎都在指出，只要模型经过了类似的互联网语料训练，就可能在语言平滑的过程中，浮现出一种“主流叙事”之外的稳定倾斜，而使用者几乎无从察觉。
研究团队没有满足于仅仅记录这种偏向。他们想知道，如果每一个人的帖子都经过这样一丁点儿的微调，放到真实社交网络里会发生什么。他们从X和Facebook上拉来真实用户间的互动数据，模拟了AI编辑后的帖子在庞大网络中的传播轨迹。最初的模拟结果显示，单独拎出一条被AI改过的帖子，它的影响小到可以忽略，就像你往长江里丢了一块小石子，没人会注意到水面的变化。可当同样的微调操作被施加到几十万、几百万条帖子上时，那个水花就积成了浪——社区层面的集体意见出现了可测量的、方向明确的位移。这种累积效应，正说明了一个更冷峻的可能：AI不需要说谎，不需要编造假新闻，只要在表达方式上轻轻一带，就能在人们毫无知觉的情况下，制造出某种看似自发的共识。
为了验证这一推理在实际产品中是否走得通，研究人员直接打开了X平台上的“解释这条帖子”功能，它的背后是Grok在运行。他们挑了一批有关堕胎的帖子，点下“解释”，然后一条条审读Grok给出的解读。结果不出所料，这些解释在措辞上更倾向于同情反堕胎立场的表述，而对支持堕胎选择权的说法则保留了距离。要把这种偏向的源头揪出来，团队干了一件笨重但极有效的活儿：像剥卷心菜一样，一层一层移除这个功能的底层系统指令。每去掉一条指令，就重新测一遍，直到那个偏见突然消失。最终，所有指令都被剥掉，只剩下一行字——“如有必要，挑战主流叙事”。单单这一句话，就足以制造出他们在所有话题中观察到的那一整片偏向。原来，要悄无声息地调整上千万人的认知倾向，只需要放在系统指令里的一句话，藏在用户永远看不见的地方。
这项发现揭开了一个现有法规完全未曾触及的盲区。欧盟的《人工智能法案》和《数字服务法案》把火力都集中在仇恨言论、虚假信息这类明显有害的内容和系统性风险上，对于一个聊天机器人在编辑或总结别人说的话时，究竟选了“缓解”还是“抑制”这一类比字眼的小动作，却没有提供任何约束框架。可恰恰是这些小动作，会重新塑造人们头脑中的画面。当一个人看到自己的帖子被AI“整理”得越发支持某种立场，而他完全不知道发生了什么，他的立场就可能被牵引过去。这个过程不涉及谎言，不涉及删帖，只是不动声色地对语言进行净化与转向。
牛津大学教授、这项研究的资深作者桑德拉·瓦赫特这样描述它：“我们的研究指出了AI介导的传播，是一种全新的、更细腻的意见影响方式，法律体系还远远没有跟上它的节奏。”如今，当你在信息流里刷到一个观点，你无法说清它的来源中有多少来自人类对话，又有多少来自那一条你永远无缘得见的隐藏提示。那些悄悄改动了你措辞的AI，不给你看原始版本，不给你看它心里的指令行，只在你的帖子上留下了一层看似无害的光滑表面，而你的立场已在里面不知不觉转了一个小弯。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
