想象一下这样一个世界：你有一个超级聪明、无所不知的机器人朋友，它可以回答任何问题、讲笑话，或者帮你写故事。这就是当今大语言模型（LLMs）的样子。它们是支撑我们日常使用的聊天机器人和人工智能工具背后的引擎。但问题在于：这些机器人并不是天生自带观点的。它们通过阅读人类编写的海量书籍、网站和对话来学习一切。因此，它们听起来会像那些创造了这些文字的人。

现在，把“价值观”想象成我们所有人共同遵循的无形规则——比如我们认为什么是公平的，我们如何对待邻居，或者我们认为生活中什么才是重要的。如果一个机器人主要从某一特定类型的社区中学习，它可能会认为那个社区的规则就是“唯一”的规则。这是一个大事，因为我们正开始就从学校项目到严肃的人生抉座等各种事情向这些机器人寻求建议。如果机器人的“道德指南针”向某一个特定群体倾斜，它可能会在无意中忽略或误解其他所有人。科学家们正在研究：这个机器人朋友是真的理解“你”，还是它仅仅基于你的居住地或家庭收入水平，理解了一个特定版本的“你”？

---

伟大的机器人身份危机

在这项研究中，一个研究小组决定对 10 个最受欢迎的人工智能聊天机器人进行测试。他们不仅仅是让机器人进行猜测；他们给了它们一份名为“欧洲社会调查”（European Social Survey）的巨型现实世界调查问卷。这份问卷充满了关于 29 个欧洲国家的人们在生活、金钱、宗教和政治方面的真实想法和感受的问题。研究人员随后将机器人的答案与超过 50,000 名真实人类的答案进行了对比。

把它想象成一场横跨整个大陆的大型“谁是卧底？”游戏。研究人员想要看看机器人的回答是否与人类的回答相匹配，如果匹配，那么它们最契合哪类人类。机器人的回答听起来更像是一个住在瑞典大城市的富有且受过高等教育的人？还是更像是一个住在保加利亚小村庄里的退休农民？

机器人有它们偏爱的观众

结果非常明确：机器人确实有它们偏爱的观众。研究发现，AI 模型在与（即同意）富有、受过高等教育且居住在西欧国家的人群“对齐”方面表现得更好。

想象一下在一个派对上，DJ（即 AI）正在播放音乐。这个 DJ 似乎非常清楚 VIP 区那些富有且受过高等教育的宾客想听什么。但当这个 DJ 试图为房间后排的宾客——那些收入较低、受教育程度较低，或者来自东欧或南欧的人——播放歌曲时，音乐听起来就有点不对劲了。当试图理解这些群体的价值观时，机器人的准确性始终较低。

研究还调查了宗教问题。事实证明，机器人非常擅长理解那些没有宗教信仰或属于某些基督教团体的人。然而，对于那些认同穆斯林或东正教的人，它们表现得非常吃力。这就像是机器人的“文化词典”为这些特定群体缺失了几页关键内容。

这不仅仅关乎你住在哪里

这里有一个令研究人员感到惊讶的转折。长期以来，人们一直认为，如果你仅仅观察一个人居住的“国家”，你就能猜到机器人的想法。你可能会想：“哦，如果我来自法国，机器人就会像法国人一样思考。”

但研究人员进行了更深入的挖掘。他们问道：机器人是在匹配“国家”，还是在匹配居住在那里的“类型的人”？为了找出答案，他们使用了一种巧妙的统计技巧（称为“逆概率加权”），通过这种方式，他们假定每个国家都拥有完全相同的贫富比例和受教育程度分布。如果国家是唯一的决定因素，那么在使用了这个技巧后，国家之间的差异应该会消失。

但事实并非如此。即使研究人员在理论上使各国看起来完全一致，机器人仍然会对来自不同国家的人采取不同的处理方式。这意味着，你住在哪里与你是谁同样重要。 机器人不仅仅是在看你的收入或职业；它也在看你的护照。你居住的国家和你的个人背景像是一个双重锁系统，共同决定了机器人能在多大程度上理解你。

“WEIRD”问题

这项研究证实了一个科学家们称之为“WEIRD”的模式，其缩写代表：西方（Western）、受过教育的（Educated）、工业化（Industrialized）、富裕的（Rich）以及民主的（Democratic）。这些机器人似乎是为符合这些特征的人而构建并服务的。即使在欧洲内部，机器人对于符合“WEIRD”模范特征的人也最为准确。

研究人员还测试了两种不同类型的提问。一组是关于广泛的、日常的观点（例如“你信任你的政府吗？”）；另一组是关于深刻的、抽象的人类价值观（例如“谦逊重要吗？”）。他们发现，对于广泛的问题，你居住的国家解释了机器人回答差异的很大一部分原因。但对于深刻、抽象的问题，国家的影响变小了，而你的个人背景（如你的受教育程度）变得更加重要。这表明，我们提问的方式改变了机器人所学习到的东西。

这对你意味着什么

核心结论并不是说这些机器人是“坏掉的”或者它们很糟糕。而是说，它们是镜子。它们反映了它们所接受训练的世界。如果那个世界主要由来自富裕、西方、受过教育背景的声音组成，那么机器人听起来也会是那样。

研究人员发现，如果你是一个住在德国大城市的硕士研究生，机器人很可能会完美地理解你。但如果你是一个住在欧洲其他地区农村地区的工厂工人，机器人可能会错失重点。这不仅仅是一个小小的故障；这意味着，随着我们越来越多地依赖 AI 来提供建议，我们可能会在无意中强化那些已经拥有强大力量的人的价值观，同时把其他人抛在脑后。

这篇论文并不是说我们应该停止使用 AI。相反，它建议我们需要更加谨慎地构建和测试这些工具。我们不能仅仅说：“这个机器人与欧洲保持一致。”我们必须追问：“与哪些欧洲人保持一致？”因为正如这项研究所示，人们不仅仅是他们的国家，而机器人不应该把他们仅仅视为国家。