衡量 AI 系统中的政治偏好：一种综合方法

大型语言模型 (LLM) 基于的人工智能 (AI) 系统（如 OpenAI 的 ChatGPT 或 Google 的 Gemini）已报告存在政治偏见。虽然已有多项研究尝试量化这些偏见，但这些方法受限于潜在测试校准偏见以及受限的响应格式，这些因素不反映真实世界的人机交互。本研究采用多方法方法来评估领先 AI 系统中的政治偏见，将四种互补方法整合为一：（1）将 AI 生成的文本语言与美国国会众议院共和党人和民主党人使用的语言进行比较；（2）分析 AI 生成的政策建议中嵌入的政治观点；（3）对 AI 生成的文本针对政治关联公众人物的情感进行分析；（4）进行标准化的政治倾向测试。结果表明，大多数当代 AI 系统都表现出一致的左倾倾向，可能在强度上存在差异。然而，这种偏见并非 LLMs 的内在特征；先前的研究表明，使用政治倾斜数据进行微调可以将这些模型在意识形态谱系中重新取向。AI 系统中系统性政治偏见的存在会带来风险，包括视角多样性减少、社会极化加剧以及公众对 AI 技术信任度下降的潜在风险。为缓解这些风险，AI 系统应致力于确保事实准确性，同时在大多数合法规范性议题上保持中立。此外，仍需建立独立的监测平台，以确保透明度、问责制以及负责任的 AI 开发。