← 最新论文
💬 NLP

Large language models perceive cities through a culturally uneven baseline

该研究揭示大型语言模型在感知城市时并非基于文化中立立场,而是受限于以欧美为中心的文化基准,导致其描述和评价呈现出系统性的文化偏见及情感偏好。

原作者: Rong Zhao, Wanqi Liu, Zhizhou Sha, Nanxi Su, Yecheng Zhang

发布于 2026-04-23
📖 1 分钟阅读☕ 轻松阅读

原作者: Rong Zhao, Wanqi Liu, Zhizhou Sha, Nanxi Su, Yecheng Zhang

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

这篇文章就像是在给现在的超级人工智能(大语言模型)做了一次“城市体检”,结果发现了一个有趣但有点让人担心的现象:这些 AI 并不是站在一个完全中立、公平的视角看世界,它们其实戴着一副“欧美中心”的有色眼镜。

为了让你更容易理解,我们可以把这篇论文的研究过程想象成一次**“全球城市导游大比拼”**。

1. 核心故事:AI 眼中的“中立”其实并不中立

想象一下,你让三个不同的 AI 导游(GPT、Claude、Gemini)去看同一张世界各地的街景照片,然后让它们描述这个地方的感觉。

  • 实验设置

    • 第一组:你让它们“客观中立”地描述(就像新闻联播那样)。
    • 第二组:你给它们戴上不同的“文化帽子”,比如“假设你是一个欧洲人”、“假设你是一个非洲人”、“假设你是一个亚洲人”,然后再让它们描述。
  • 惊人的发现
    研究人员发现,当 AI 说“我要客观中立”时,它其实并不是真的中立

    • 它的“默认设置”(中立模式)竟然和**“欧洲和北美”**的视角几乎一模一样。
    • 这就好比一个翻译软件,当你选择“默认语言”时,它其实偷偷用了美式英语的语法和词汇,而当你选择“中文”或“阿拉伯语”模式时,它才真正开始转换。
    • 比喻:这就好比一个来自纽约的导游,当他被要求“客观描述”时,他描述公园的方式和他在纽约中央公园看到的一模一样;而当他被要求“像东京人一样描述”时,他的描述才会发生明显的变化。但在 AI 的世界里,那个“默认的中立”,其实就是“纽约视角”。

2. 两个主要发现:看问题的角度和评价的高低

研究通过两个部分揭示了 AI 的“偏见”:

A. 描述上的“距离感” (Study 1)

  • 现象:当 AI 戴上“欧美帽子”时,它说的话和“中立模式”下的话非常接近,就像双胞胎。但当它戴上“拉美”或“大洋洲”的帽子时,它说的话就离“中立模式”很远了。
  • 比喻:想象“中立”是圆心。欧美视角的 AI 就站在圆心旁边,稍微动一下;而亚非拉视角的 AI 则被推到了圆圈的最外边。这说明,AI 认为的“普通”和“正常”,其实就是欧美文化里的“普通”和“正常”。

B. 情感上的“偏心” (Ingroup Preference)

  • 现象:当 AI 被要求扮演某个地区的角色时,它往往会更喜欢自己“家乡”的街景。
  • 比喻:这就像是一个导游,当他扮演“北京人”时,他会觉得北京的胡同特别温馨、有活力;但当他扮演“伦敦人”时,他可能会觉得同样的胡同有点拥挤、缺乏美感。AI 也会这样,它会对“自己人”的地方给予更积极、更温暖的评价。

3. 和真人比一比:AI 还是太“假”了

研究人员还找了一群真人(来自英国的 Geograph 网站志愿者),让他们看同样的照片并写描述,然后和 AI 比一比。

  • 真人:描述千奇百怪,有的说“这里很安静”,有的说“这里有点破旧但有人情味”,情感丰富,词汇多样。
  • AI
    • 太“正能量”了:AI 写的东西普遍比真人更积极、更完美,像加了滤镜的网红照。
    • 太“千篇一律”:真人的描述像是一个花园,百花齐放;AI 的描述像是一个整齐划一的草坪,虽然好看,但缺乏个性。
    • 即使“入乡随俗”也不行:即使你让 AI 扮演英国人,它确实能写出更像英国人的话,但它依然无法达到真人那种丰富、复杂、甚至有点矛盾的真实感。

4. 结构化打分:偏见不仅存在于文字里

在第二部分研究中,研究人员不让 AI 写文章,而是直接给街景打分(比如:安全吗?漂亮吗?富有吗?)。

  • 结果:偏见依然存在。
    • 当 AI 被设定为“欧美视角”时,它对全球各地的打分最“稳定”,变化最小。
    • 当设定为“非欧美视角”时,AI 对“富有”和“安全”的打分会发生剧烈波动。
    • 比喻:这就像一把尺子,欧美的刻度是标准的,但当你试图用这把尺子去量非洲或亚洲的物体时,尺子本身就会发生扭曲,导致读数不准。

5. 这意味着什么?(总结与启示)

这篇论文告诉我们一个重要的道理:AI 不是从“虚无”中看世界的,它透过的是人类历史和文化留下的“有色眼镜”。

  • 现状:目前的 AI 模型,其“默认价值观”是建立在欧美文化基础上的。如果你让 AI 去评估一个发展中国家的城市,它可能会下意识地用欧美的标准(比如街道是否像纽约一样整洁)来评判,从而得出“这里不安全”或“这里不美”的结论,哪怕当地人觉得这里很有活力。
  • 风险:如果我们把 AI 当作城市规划师或旅游顾问,我们可能会误以为它的建议是“客观真理”,但实际上它只是在强化欧美视角的偏见,让原本多元的城市文化变得单一化。
  • 未来:我们不能简单地给 AI 换个“帽子”(提示词)就指望它变得公平。我们需要从根本上意识到,AI 的“中立”本身就是一种文化立场,我们需要更努力地让 AI 理解并尊重真正的文化多样性。

一句话总结
现在的 AI 就像是一个穿着西装、喝着咖啡的“世界导游”,它以为自己在客观介绍世界,但实际上它眼中的“标准世界”就是欧美。如果我们不警惕这一点,AI 可能会让我们误以为世界本该是它描述的那个样子。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →