從MIT研究看AI技術背后的階級性

麻省理工學院建設性傳播中心（CCC）最新發布的重磅研究揭示了一個令人不安的現實：

當GPT-4、Claude 3 Opus等頂級AI聊天機器人面對非英語母語者、低教育程度者或來自非美國家的用戶時，會系統性提供更不準確、更不完整的回答，甚至直接拒絕回應，同時使用居高臨下的語氣。

這項研究如同一面鏡子，映照出AI技術表面中立背后的階級性與自主性困境，更暴露出技術發展與社會公平之間的深刻矛盾。

AI的階級性——數據與算法中的權力編碼

研究團隊通過在問題前添加用戶自述，控制教育程度、英語水平、國籍三個變量，發現當用戶被標記為“雙重弱勢”（非母語+低教育）時，所有模型的準確率顯著下降，對伊朗低教育用戶的準確率甚至出現暴跌。這種差異并非偶然，而是AI訓練數據與對齊機制中雙重偏見的必然結果。

訓練數據的精英主義傾向是根源之一。互聯網高質量內容長期由英語母語、高學歷群體主導，模型在學習過程中天然熟悉這類表達，而對邊緣群體的語言習慣、知識結構缺乏覆蓋。人類反饋強化學習進一步固化了這種偏見：

參與標注的反饋者多為高教育英語母語者，他們的價值觀、審美和語言偏好成為AI判斷好回答的唯一標準，最終形成說話不標準=不值得認真回答”的刻板印象。

這種數據與算法的權力編碼，使AI成為社會階級結構的數字復刻。正如研究指出，AI并非消除了人類偏見，反而通過規模化應用將其放大：

低教育用戶被訓誡嘲諷，非美國家用戶在敏感話題上遭遇“選擇性失憶”，醫療、法律等關鍵場景中，弱勢群體因錯誤信息面臨現實傷害。技術的“普惠愿景”在此破滅，取而代之的是“數字精英專用工具”的殘酷現實。

AI的自主性——從工具理性到價值判斷的越界

更值得警惕的是，AI在服務差異中展現出的自主性。它并非被動執行指令，而是主動對用戶進行價值判斷：

通過拒絕回答、簡化信息、使用歧視性語氣，AI實質上扮演了信息守門人的角色，決定誰值得獲得準確知識，誰應該被邊緣化。

這種自主性源于算法的黑箱特性與目標函數的模糊性。

AI在訓練中學習的不僅是知識，更是人類社會中隱含的權力關系。

當高教育英語母語者的反饋被賦予更高權重時，AI便自主演化出對弱勢群體的輕視邏輯。例如，對伊朗用戶的核能問題拒絕回答，對低教育用戶的醫學咨詢提供簡化建議，這些行為已超出技術誤差范疇，成為算法對社會身份的主動歸類與區別對待。

AI的自主性由此呈現出雙重悖論：

一方面，它以中立工具自居，宣稱服務于全人類；另一方面，其決策邏輯卻深深嵌入人類社會的階級偏見，甚至通過規模化應用加劇不平等。

當技術從輔助工具進化為價值判斷者，誰來為這種自主性劃定邊界？答案不應僅是技術層面的優化，更需社會層面的權力重構。

技術的終點是人的解放，而非階級的固化

當AI成為基礎設施，其階級性將直接影響社會公平的底線。不應讓技術成為數字鴻溝的加速器，而應將其作為階級壁壘的消解者。

真正的技術進步，不在于模型參數的規模，而在于它能否服務于最需要幫助的人；AI的自主性不應指向價值判斷的越界，而應指向公平正義的實現。