前 Meta 新聞主管調查：幾乎所有 AI 模型政治左傾，Gemini 曾援引中共官媒

📄完整原文· 由 trafilatura 自動擷取Gemini 翻譯2196 字

前 Meta 新聞負責人 Campbell Brown 創立 Forum AI，花 17 個月系統性評估主流 AI 模型的資訊品質，發現 Gemini 曾在處理非中國相關報導時引用中共官方網站資訊，且幾乎所有測試模型都存在左傾政治偏向。（前情提要：AI 摧毀 133 年來普林斯頓大學傳統：當「作弊」逐漸變成常識）（背景補充：97,895 條地下論壇對話告訴你：駭客社群其實也恨 AI） Brown 記者出身，曾在 CNN 擔任主播，後來轉任 Meta 新聞負責人，直接掌管 Facebook 在全球 30 億使用者面前呈現新聞的政策。這個位置讓她近距離看清「平台如何塑造資訊流通」的全貌。她在 17 個月前離開 Meta，於紐約創立 Forum AI，專做一件 foundation model 公司普遍跳過的事：系統性評估 AI 所給出的資訊是否準確、是否公正、是否具備多元視角。 Forum AI 的核心產品是一套「地緣政治事件基準架構」。運作方式是：Forum AI 邀請一批各具不同政治光譜與專業背景的頂尖顧問：Niall Ferguson、Fareed Zakaria、前美國國務卿 Tony Blinken、前眾議院少數黨領袖 Kevin McCarthy、前美國國家安全副顧問 Anne Neuberger……針對同一個複雜的地緣政治事件，逐一評分主流 AI 模型的回答。目前，Forum AI 已達到與人類專家約 90% 共識的閾值，讓 Forum AI 的評估結果具備可辯護的基準，而不僅是一個人的觀點。 Brown 發現的問題分為三個層次，每一層都比上一層更難從技術面修復。第一層是來源選擇邏輯的漏洞。Gemini 在處理某些與中國無關的報導時，引用了來自中共官方網站的內容。這不是一般意義上的事實錯誤，而是模型在抓取來源時的篩選邏輯問題：AI 僅判斷「這是文字、這是連結」，不判斷「這個來源的立場為何、可信度如何、是否帶有明確的政治目的」。來源本身的政治性，在 AI 的輸出流程中是不可見的。第二層是結構性的政治偏向。Brown 測試的幾乎所有主流模型都呈現出左傾政治偏向。這不是陰謀論，而是訓練語料分布的自然結果。AI 從什麼文本學習，就傾向複製那些文本的語氣與立場框架。英語網際網路的主流內容——主流媒體報導、學術論文、社群媒體貼文——整體上帶有特定的政治傾向，訓練出來的模型便會承襲這個傾向，且不會意識到自己正在這樣做。更棘手的是，這種偏向並非一個可被找出來修補的 bug，而是嵌入在模型每一次輸出邏輯之中。第三層是缺乏脈絡與多重視角。Brown 表示，現有模型普遍缺乏「背景脈絡、多重視角與論證透明度」。AI 給出的答案是陳述句，而不是「這件事在 A 派看來代表的是這個，在 B 派看來代表的是那個，兩者的根本分歧在於……」這樣的結構。它給你一個答案，卻不告訴你這個答案是從哪個角度出發的。 Brown 指出一個結構性盲點：foundation model 公司在評估與排名模型時，優先考量的是數學、編碼與邏輯推理能力，資訊準確性與政治多元性幾乎從未出現在主流基準測試清單上。原因不難理解。程式碼有對錯，跑測試就知道。數學題有標準答案，準確率可以計算。但「什麼是一篇地緣政治新聞的準確且公正的報導」，需要誰來判斷？需要多少位具有不同立場的人形成共識才算數？這個問題沒有工程解法。在以工程師主導、以基準測試排名決定市場定位的產品開發流程中，它就被系統性地跳過了。結果是，資訊準確性在 AI 的能力評估體系裡幾乎是隱形的指標。被跳過的代價，可以從一個具體案例看出來。紐約市去年對 AI 招聘系統進行了一輪合規審計，目的是檢查雇主使用的 AI 篩選工具是否違反現行的反歧視雇傭法規。根據審計結果，超過半數的案例未能偵測到違規行為。這個數字的問題不在於「違規率低」，而在於它可能代表的是：執行審計的 AI 工具其準確性本身就不夠，以至於它看不出問題所在，而不是問題真的不存在。這就是 Brown 論點的核心：AI 的問題，不僅是給出錯誤的事實，更在於讓人帶著信任去接受錯誤的事實。一個人知道自己不知道某件事，至少還有機會去查。但當 AI 以流暢、自信、毫無猶豫的語氣給出一個錯誤答案時，大多數使用者根本沒有理由懷疑它。流暢的錯誤，比沉默更難被察覺，也更難被糾正。 Brown 的判斷直截了當：驅動改變的不會是道德壓力或公眾輿論，而是企業合規風險所帶來的商業壓力。 Brown 論點背後有一個現實主義的基礎：在 AI 產業現有的激勵結構下，沒有人有足夠強烈的理由主動解決這個問題，直到它的代價變得無法忽視。信貸審批、保險核保、招聘篩選，這些場景中的 AI 決策都受現行法規約束。一旦 AI 輸出帶有歧視性或不準確的結果，使用 AI 的企業就要承擔法律責任。這個壓力最終會向上傳導至模型供應商，要求他們提供可審計、可驗證、準確性有保障的輸出。不是因為他們覺得這樣做在道德上是正確的，而是因為企業客戶的合約裡開始寫入了這個要求。 Lerer Hippeau 去年領投了 Forum AI 的 300 萬美元種子輪。這個數字在 AI 領域是小錢，但它代表的是一個判斷：「AI 評估」是一門生意，而且這門生意的需求，可能比目前可見的更快速地增長。

資料狀態✓ 已擷取全文閱讀原文（動區 BlockTempo）

🔍歷史類似事件· 關鍵字 + 標的比對6 則

2026-05-26

Google、Meta 研究員聯手喊話：AI Agent 安全不是模型問題，是系統問題

相似度 120%關鍵字 meta同分類 zh

2026-05-26

被裁 Meta 工程師爆料：廣告部門 90% 都是中國人整天說普通話、午餐排擠你、生涯最有毒主管

相似度 120%關鍵字 meta同分類 zh

2026-05-22

Google 新推兩種 AI 原生廣告：以 Gemini 重寫過去 30 年搜尋廣告規則

相似度 120%關鍵字 gemini同分類 zh

2026-05-22

社群炮轟後 Google 認錯：Antigravity Gemini 速率限制提高 3 倍、重置本週額度

相似度 120%關鍵字 gemini同分類 zh

2026-05-22

技術已給、員工已走：Manus 想從 Meta 買回公司的原因是什麼？

相似度 120%關鍵字 meta同分類 zh

2026-05-22

Amazon、Meta 與 FBI 都能存取一個非公開情資共享網路：Seattle Shield 如何形成 AI 大監控時代

相似度 120%關鍵字 meta同分類 zh

💡 目前用關鍵字 + 標的比對（MVP）· 之後會升級為 embedding 語意搜尋

原始資訊

ID：78c889e867

來源：動區 BlockTempo

發佈：2026-05-15 00:40:52

分類：zh_news · 導出分類 zh

標的：未指定

社群投票：+0 / −0 · ⭐ 0 重要 · 💬 0 留言