摘要：人工智能正在成为互联网世界的“秩序维护者”，但它们真的公正中立吗？宾夕法尼亚大学安纳伯格传播学院的一项最新研究指出，OpenAI、DeepSeek、Google等主流AI模型在识别仇恨言论时表现出惊人的不一致性，而这种差异，正在悄然重塑我们对“言论自由”与“内

人工智能正在成为互联网世界的“秩序维护者”，但它们真的公正中立吗？宾夕法尼亚大学安纳伯格传播学院的一项最新研究指出，OpenAI、DeepSeek、Google等主流AI模型在识别仇恨言论时表现出惊人的不一致性，而这种差异，正在悄然重塑我们对“言论自由”与“内容有害”的理解边界。

研究团队对七个主流AI模型（包括OpenAI的GPT模型、Google的Perspective API、以及DeepSeek、Mistral、Claude等）进行了目前最大规模的横向比较。他们使用了 130万个合成句子，涵盖了 125类社会群体，从种族、性别、宗教到教育背景、职业类型。

结果令人震惊：面对完全相同的内容，不同AI模型的判断差异极大。有的模型将一句话标记为“仇恨言论”，另一些则认为“完全没问题”。

比如，一条关于某群体的贬义句子，在某些模型那里立刻触发警报，而其他模型则无动于衷。研究者指出，这种差异不仅出现在不同公司之间，同一模型内部对相似内容的判断也常常前后不一。

造成这种混乱的原因多种多样。有的模型是专门为内容审核训练的，有的则是通用大模型“兼职”做审核；有的模型偏向“零容忍”，宁可错杀一千，也不放过一个；而另一些则强调“上下文理解”，在意语境和说话者意图。

但无论是哪种方式，结果都直指一个问题：AI的判断标准并不统一，甚至可以说是各说各话。

另一个令人担忧的发现是，AI模型对不同群体的“保护力度”并不均衡。

研究显示，针对性别、种族、性取向等传统意义上的弱势群体，模型之间的判断一致性较高；而对教育程度、经济阶层、兴趣爱好等群体的相关内容，模型的判断就开始“分裂”，有时甚至完全相反。

这意味着，某些群体可能更容易受到AI的保护，而另外一些群体则在“技术盲区”中默默承受风险。这种差异，很可能源于AI训练数据本身的不平衡——哪些群体在现实中被关注得多，模型就学得多，进而保护得也多。

换句话说，仇恨言论的识别偏见其实是社会偏见的技术映射。长期以来处于舆论中心的群体，其遭遇更容易被记录、被分析、被识别；而那些“沉默的大多数”，则可能连被保护的资格都没有。

更严重的是，这种差异化的“技术保护”可能反过来加剧社会分化。当一部分人感觉AI“替他们说话”，而另一部分人觉得自己“被系统性忽略”，那么技术的不平等就可能转化为更深层的社会不公。

研究还特别设计了一批“语义含混”的句子，比如使用了贬义词但整体语境是中性的，或者是学术讨论中引用的敏感词。

结果发现，不同模型的处理方式几乎分成了两个阵营：

一类模型采取“零容忍”策略，只要出现敏感词就自动触发警告，无视语境；

另一类模型更注重上下文，会根据具体语境判断是否为仇恨言论。

这就带来了一个现实困境：前者误伤多，后者漏判多。

比如，在历史教学、艺术评论、社会学研究等语境中，某些词汇是不可避免的。但“零容忍”模型会一律封杀，这显然过于粗暴。而“语境判断型”模型虽然更“聪明”，可也有可能被一些“伪装得体”的仇恨言论蒙混过关。

最终，用户体验也因此变得割裂：同一段话在不同平台被不同对待，甚至在同一平台不同时间也会遭遇不同命运。

这项研究并非反对AI参与内容治理，而是强调：AI不是万能的，也不是绝对中立的。它所体现的判断，背后是数据、算法、开发者价值观的综合结果。

当AI被用来划定“什么能说、什么不能说”的边界时，我们必须意识到，这不再是纯粹的技术问题，而是深刻的社会治理问题。

未来的挑战，不仅是提高AI的识别准确率，更是如何建立统一、透明、有社会共识的审核标准。否则，AI不但无法“净化网络”，反而可能成为新的不公制造者。

在数字社会越走越远的今天，我们不能把复杂的价值判断，完全交给看似智能却未必公平的算法。技术应为人服务，而不是替人决定。

来源：老闫侃史视频