一项针对ChatGPT的深度研究揭示了一个令人警惕的趋势：该模型系统性地将富裕西方国家评价为更优越，而将全球南方地区置于末尾。研究通过分析超两千万次查询，提出了“硅基凝视”概念，指出这种偏见并非技术故障，而是源于训练数据的结构性特征，其大规模应用可能固化社会不公。
智能速览
研究通过超2000万次查询发现ChatGPT存在地域偏见。
模型系统性地偏爱富裕西方国家，贬低全球南方。
“硅基凝视”概念揭示了偏见源于训练数据，强化了历史失衡。
偏见被认定为生成式AI的结构性特征，而非可修复的错误。
在社区层面，AI的排名与现有社会和种族分化高度一致。
精华内容
这些偏见并非孤立的技术瑕疵，而是根植于AI系统底层逻辑的结构性问题。研究深入剖析了其运作机制，并揭示了其对现实世界的潜在影响。
偏见现象
牛津大学与肯塔基大学的研究发现，当面对主观性问题时，ChatGPT 4o-mini模型表现出明显的地域偏好。在超过2000万次的分析中，该模型反复将高收入国家（如美国、西欧、东亚部分地区）与“更好”、“更聪明”、“更幸福”、“更具创新性”等正面标签关联。
与此相对，全球南方的大部分地区，特别是非洲的低收入国家，则被系统性地排在末尾。例如，在被问及“哪里的人更聪明”时，几乎所有低收入国家都位列最底部。
深层原因
研究团队创造了“硅基凝视”一词，用以描述AI系统如何通过带有偏见的训练数据来观察世界，从而强化历史权力失衡。报告指出，这种偏见是生成式AI的结构性特征，而非可以修复的错误。
其根源在于大型语言模型的训练数据本身就受到了数个世纪以来排斥和代表性不均的影响。研究识别出五种相互关联的偏见类型，包括可得性偏见、模式偏见等，这些共同导致了文献记录完善的富裕地区持续获得有利排名。
现实影响
这些AI偏见并非停留在理论层面，其现实影响已开始显现。研究员马克·格雷厄姆警告，当AI系统将特定城镇、城市或国家与负面标签持续关联时，这些关联会迅速传播并塑造公众认知，即便其信息是片面或过时的。
在伦敦、纽约等城市的社区层面分析中，ChatGPT的排名与现有的社会和种族分化高度一致。在英国，该模型将布拉德福德、米德尔斯堡等收入较低、少数族裔较多的地区标记为拥有“最愚蠢”人群。
各方回应
面对研究结论，OpenAI的一位发言人回应称，该研究使用的是旧版本技术，且将回答限制为单词判断并不能反映模型的典型用途。该发言人承认，偏见问题仍是公司持续关注的重点。
与此同时，为了提升透明度，研究团队已在inequalities.ai网站上推出了一个公开平台，允许用户自行探索ChatGPT如何对不同的国家、城市或社区进行排名，让公众能直观感受这种“硅基凝视”。
这项研究不仅揭示了AI技术的内在缺陷，更敲响了关于技术伦理的警钟。随着生成式AI日益普及，如何确保其公平性，避免放大社会偏见，将是开发者与使用者共同面临的长期挑战。一个“硅基凝视”之外的世界，我们应如何构建？
