AI正在高度滲透進人類社會。

在教育領域，DALL·E、Midjourney等生成式AI工具不僅能夠輔助創作圖像與文本內容，更能依據學習者特征提供個性化支持；醫療場景中，AI輔助診斷系統通過影像識別將乳腺癌早期檢出率提升27%，藥物研發周期在算法介入下縮短40%；內容創作上，AI寫作和繪畫工具為創作者提供靈感與便利......

只是，AI技術在展現強大應用前景的同時，也暴露出不容忽視的倫理困境。由于訓練數據集存在固有缺陷，部分AIGC呈現出系統性偏見、價值觀沖突、“觀點霸權”、刻板印象及虛假信息傳播等一系列問題。

清華大學新聞與傳播學院教授陳昌鳳長期關注AI倫理安全。在她看來，人工智能猶如人類社會的鏡子——世界是怎樣的，算法就會反映出來是怎樣。人類若以善為準則培育它，就會塑造出良善；反之，會映射出惡意。

“前AIGC時代人類未能意識到的自身缺陷，如今通過智能生成的內容暴露了出來，這是它對人類的提示、警醒。在此之前，人類還沒有如此全面地了解自身、理解人類社會，是不完美的人工智能展示了更全面的人類，從歷史到現實。”陳昌鳳在《由數據決定？AIGC的價值觀和倫理問題》一文中寫道。

當ChatGPT等AIGC工具日益滲透，其價值觀偏差與倫理漏洞的根源何在？面對AI偏見與幻覺的雙重挑戰，普通個體應又該如何自處？圍繞這些牽動大眾神經的核心議題，專訪了陳昌鳳教授，試圖在這輪技術狂潮中，厘清AI時代的生存法則。

以下是訪談節選（在不影響原意的情況下，略有刪減）：

：什么是AI偏見？它對我們的社會生活會產生哪些影響？

陳昌鳳：回答這個問題前，我們需要先厘清兩個關鍵概念——算法偏向（Bias）與算法偏見（Prejudice）。前者指算法基于數據特征形成的傾向性，比如系統根據用戶喜好推送娛樂內容。偏向本身未必涉及道德問題，更多是技術設計的選擇性優化。但當這種傾向與社會共識的公平價值觀相悖時，就會演變成具有倫理爭議的“Prejudice”（偏見）。

典型的AI偏見常體現在社會身份相關的決策中。例如圖像系統將企業高管默認描繪為男性，而將清潔工設定為女性；招聘算法給男性推薦高薪職位，卻為女性匹配低薪崗位......通過AI的自動化決策，算法偏見會形成規模化歧視，從而擴大社會不公。

早在2016-2018年間，美國ProPublica新聞網站發布了60余篇“機器偏見”系列報道，其中披露美國監獄采用的再犯風險評估系統“丑聞”：該算法號稱能夠通過歷史犯罪數據，預測犯人危險性，卻將黑人偷自行車判定為“高危”，而對持槍搶劫的白人罪犯判為低危。這種基于非公正歷史的數據循環，會通過機器學習不斷自我強化，形成數字時代的“種族偏見”。

：算法偏見是如何產生的？

陳昌鳳：AI偏見的本質源于現實數據的局限性。

以“機器偏見”系列報道為例，過去一個世紀，黑人平權運動中存在較多與司法系統沖突的記錄——這本質是社會不公正的連鎖反應：教育機會缺失、階層固化等結構性問題，導致某些群體更容易被納入犯罪統計。當算法直接采用這類帶有歷史傷痕的數據時，就形成了“黑人犯罪率高”的算法歧視。

有時候，算法設計者的個體偏見也會滲透進系統。就像Facebook前工程師自述，自己作為崇尚自由主義的開發者，刻意在算法中壓制保守派信息。從這一點看，AI偏見實際是社會現實的投射——既可以鏡像呈現人類的善意，也可能將惡意幾何級放大。

：進一步說，人類社會偏見不可避免存在，那是否意味著算法偏見也無法消除？

陳昌鳳：兩年前我們訪談算法工程師時，問了他們同一個問題，當時對方反問說：世界是怎樣的，算法就會反映出來怎么樣，你難道要我憑空創造沒有人類缺點和問題的世界嗎？

人工智能與社會本就是交互共生關系——它既具備技術特性，更承載著社會屬性，不可能成為無菌的“社會真空體”。就像微軟2016年的聊天機器人Tay，上線15小時就被社交媒體的惡意數據投喂成種族主義者。用偏見數據喂養就會強化歧視，AI是社會的鏡子，折射出人性明暗。

所以我們還是強調技術要有價值觀引領。就像媒體需承擔導向功能，AI同樣能在交互中設置道德濾網。關鍵在于人類如何將"向善"的編碼植入算法底層：當用戶查詢自殺方式時，系統不應機械提供工具指南，而應觸發危機干預機制；當面對犯罪咨詢時，需自動激活法律警示程序。

：除了算法偏見外，造成AI胡說八道的另一個問題在于“幻覺”。AI幻覺是怎么產生的？它對我們有何影響？

陳昌鳳：圍繞AI幻覺有一個經典故事：2023年2月，微軟人工智能Bing的內部測試中，紐約時報科技記者凱文·魯斯與其進行了長達兩小時的對話，期間系統不僅自命為具有獨立意識的"辛妮"，更虛構出工程師賦予其心理輔導功能的設定，并向人類記者示愛。

此類問題核心在于，AI運算原理是基于數據庫預測下一個“token”的概率游戲，而非回答的準確性；另一方面基于深度學習神經網絡架構，AI幻覺與人類認知機制存在相似性，浙江大學計算機系的教授曾提到過：人類文明本就建立在集體幻覺之上，從遠古神話到現代宗教，虛構敘事讓人類有秩序性地生存下去。

因此以技術發展階段而言，生成式人工智能的幻覺問題難以避免，有時候還會變得越來越難以分辨，早期的DeepSeek往往把胡編亂造的事實藏在一堆看似合理的邏輯推論里，比如前段時間“中國80后的死亡率5.2%”的謠言，就是AI幻覺的衍生。

：聽起來無論是AI偏見還是幻覺，現階段都無法解決，它的技術瓶頸在哪？

陳昌鳳：首先你得能打開“算法黑箱”。由于算法的復雜性難以追溯，AI的決策機制就連設計者自身有時都難以解釋清楚。事實上，人類與“黑箱”的博弈已持續數十年，但技術自洽邏輯與生物性特質決定了這種必然，“算法黑箱”目前來說是打不開的。

：在無法打開的算法“黑箱”面前，如何讓AI的決策更加透明和可靠？

陳昌鳳：因為“黑箱”內在特性所致，我們目前只能在設計層面盡可能把握透明度，比如公開推薦算法的公式、用戶畫像、地理位置畫像等多維度數據，向社會展示技術邏輯。過去幾年，學術界經常從倫理層面呼吁提高透明度，但對AI算法只是“無牙老虎”，這往往只是一個倫理的期待。歸根到底，企業核心算法仍是商業機密，一旦公開，核心競爭力將蕩然無存。

在人工智能時代，算法黑箱爭議多演變為法律博弈，Facebook在歐洲的訴訟、谷歌的賠償案例，用戶與平臺間形成“進退”拉鋸：有時用戶讓步接受現狀，有時平臺妥協適度開放，本質上是公共利益與商業利益的持續平衡，而標準會在反復磨合中趨于合理。

：既然AI存在那么多問題，當它錯誤決策導致不良后果時，法律下的權責應該如何劃分？

陳昌鳳：AI時代權責劃分是難點問題之一，目前的法律實踐通常將責任主體鎖定在兩個層面，即使用方需承擔審慎核查義務，平臺方則需對技術框架負責。

比如，自動駕駛技術引發事故，責任通常指向平臺方、車主，因為車輛控制權由駕駛員掌握。類似地，在醫療場景中，若AI開具的處方導致患者損害，責任應由醫療機構承擔，而非技術平臺。其責任劃分邏輯仍是參照互聯網治理框架，責任均需根據控制權歸屬進行動態分配。

：前段時間，網信辦下發整治AI技術濫用亂象、規范AI類應用網絡生態的通知，說明AI工具已經對現實產生了不少負面影響。在你看來，當下圍繞AI安全方面急需解決的問題是什么？

陳昌鳳：最緊迫的監管議題當屬虛假信息治理與個人信息安全防護兩個領域。眼下，深度偽造技術已經非常泛化，其應用已從娛樂場景轉向社會攻擊工具，被濫用實施人格抹黑、煽動意識形態對立等惡性行為。包括偽造國際名人謠言、中學生的面容被移植至非法場景。

同時，開源模型帶來的“低門檻”生成能力，使任何人都可批量制造誹謗圖文、偽造敏感影像。在這種背景下，民眾的教育確實非常重要。AI的用戶們要有技術素養，確保自己不會被AI蒙騙，首先在認知上有所調整，不能全盲依賴AI，它非結論和教條；其次，謹慎辨別信息，把AI檢索和推理的信息分開，亦或是用AI對抗AI方式校準內容。

：有沒有什么方法可以強化大眾的技術素養，保證大家能夠以平均水準去使用AI？

陳昌鳳：AI技術素養本質上屬于全民終身教育范疇，需要社會多方主體的協同參與。政府層面應主導制定更加細化的監管體系，教育系統需將AI認知課程融入各階段教學，新聞則要及時告知大眾AI技術可能帶來的風險......

盡管如此，技術素養提升與數字鴻溝消除具有相似規律——它既不能單靠強制推行實現，也不會自然達成均衡狀態，而是需要技術普惠機制與個體學習意愿的共同作用。提升AI時代原住民的技術素養任重道遠，也是一個自然而然的過程。