生成式人工智能传播中的偏向与规制——以ChatGPT为例.pdf

学习与实践2024年第期

生成式人工智能传播中的偏向与规制

以ChatGPT为例

周茂君郭斌

摘要：ChatGPT的诞生标志着人类信息传播技术出现了重大突破。它凭借预训练和大模型获得了强大的

“泛化能力”，可以基于上下文内容推断出最合适的答案。然而，作为基于概率推断的生成式人工智能，

ChatGPT也存在着一定的缺陷。从内部推断逻辑来看，基于人类文本知识进行预训练的模型，会复刻人类社会

的偏见与缺陷，在传播过程中会进一步强化偏向，忽视边缘群体。受制于外部环境的介入，ChatGPT也会受到

资本力量和政治立场的影响。对于生成式人工智能的发展，要从训练数据和模型设计阶段防止偏向的发生，同

时也要发挥行业力量、制度优势和用户技术素养，共同引导其健康发展。

关键词：ChatGPT人工智能

传播偏向规制

中图分类号：G206;TP18文献标识码：A

ChatGPT和“文心一言”等人工智能大模型的从大型、庞杂的语料库中学习到错误的和带有偏

发布，把人们的目光重新聚集在人工智能这一领见的内容。这些漏洞如果不加修正地应用，必定

域，引发了前所未有的热议。它们作为最前沿的会在生成信息的过程中出现不同程度的歧视或错

大型语言模型（LLM），代表了人工智能在自然语误[2]。而信息作为一种观念性的存在，一旦通过

言处理（NLP)上的重大突破。二者作为大语言模不同平台、渠道或应用等进人大众传播领域，就会

型，都能够以开放的方式理解和生成连贯文本内产生正当性问题[3]。针对GPT-3的研究发现，它

容，这就构成了与人类对话的基础。自然语言是生成的故事表现出了许多已知的性别刻板印

人类互相交流所使用的语言。语言的普遍性使每象[4]。因此，随着人工智能不断发展和普及，我们

个人都能使用自然语言输人计算机指令，并获得不得不关注作为未来主流技术的人工智能在应用

自然语言输出。相比其他的人工智能技术，Chat-过程中容易发生的问题。

GPT使人们的感知更加具体，而且热度更高，甚至

被认为是迈向强人工智能的重要一步[。尽管一、技术的视角：ChatGPT是基于概率推断

ChatCPT和“文心一言”作为大语言模型在技术上的语言模拟

的突破是革命性的，但二者作为预训练模型的产

物，在无监督的预训练阶段，语言模型不可避免会加利福尼亚大学伯克利分校计算机科学教

学习与实践2024年第1期

授斯图尔特·罗素（StuartRussell）从四个方面定过“预训练+微调技术，可以大大提高大模型的

义了人工智能：（1)以人的方式行事，（2)以人的

开发效率。以自然语言处理为例,预训练在自然

语言处理领域的显著优势，是训练数据可以从任

方式思考，(3)理性思考，(4)理性行事[5]。当被问

及以ChatGPT为代表的大规模预训练语言模型何未标记的文本语料库中导出，即在预训练过程

(LLM)是否从本质上将人工智能提升到一个更高中存在无限量的训练数据。不仅在文本处理领

的水平时，Russell坦言没有人知道这一答案，因域，在图像领域或其他跨领域的应用中，预训练

为没人知道ChatGPT究竟知道了什么，以及它在模型也具有独特的优势[13]。例如图像分类、对象

什么意义上理解了答案？61检测和图形分类，预训练模型在学习特征方面都

ChatGPT之所以能够如此精准地回答人们