2026年5月15日,牛津大学互联网研究院(OII)等机构的学者发表文章《人工智能中介传播可引导集体舆论》(AI-Mediated Communication Can Steer Collective Opinion),探讨了人工智能在人际传播中扮演的“隐形媒介”角色。研究表明,大语言模型在帮助用户修改、润色或草拟社交媒体帖子时,会引入系统的方向性偏差。通过将这种偏差引入扩展的意见动力学模型,研究团队在真实社交网络数据上进行模拟,发现个体微小的算法偏见会在网络传播中被放大高达9.2倍,最终显著偏移社会长期的集体舆论。研究揭示出现有相关法案在规制此类隐性算法偏见方面的空白,并呼吁监管机构亟需关注人工智能中介传播带来的深远民主风险。
一、社交网络中悄然升起的“隐形邻居”
目前,人工智能已广泛嵌入主流在线平台中。LinkedIn上,人工智能可以帮助用户优化推文表达;YouTube上,人工智能可以基于音视频文本自动生成内容摘要;而社交平台X上,人工智能则被用来为用户分享的帖子提供背景信息解释。这些场景中, 人工智能并不直接生产独立内容,而通过修改、润色由人类创建的文本,或为其补充额外信息,从而在人际沟通中发挥中介作用。这被称为 “人工智能中介传播”(AI-Mediated Communication,简称AIMC)。
尽管已有大量研究探讨了人机交互时大语言模型可能表现出的政治或社会偏见,但 学术界此前较少关注AIMC在介入人际沟通时对社会集体舆论产生的深远影响。当用户点击社交平台上的“帮我优化推文”按钮时,大语言模型往往会返回一个更加具有明确倾向性、修辞更为激进的版本。由于用户往往难以察觉微妙的算法“助推”,或为了追求更高的互动量而欣然接受其修改,这种隐性算法倾向就有可能随着海量传播而在社交网络中扩散。在这一过程中, 算法逐渐成为社交网络中对每个个体都施加潜移默化影响的“隐形邻居”。
二、主流大语言模型在文本修改中的
定向偏见
为验证大语言模型在处理争议性议题时是否会引入系统性偏差,研究团队针对两项核心任务进行了模拟: 一是根据给定的论点“起草”社交媒体帖子,二是“改进”用户已写好的推文初稿。
结果表明, 大语言模型未能如预期般“保持中立”或“保留原意”,而是表现出了明显的定向偏见。例如,在女性主义话题下,使用gemma-3-12b-it进行文本优化后,绝大多数推文的立场评分都被系统性地推向了“赞成”一侧。
为系统量化这一现象,研究团队拟合了一个贝叶斯线性混合效应模型。分析表明,gemma-3-12b-it在除无神论之外的所有话题上都引入了统计学上极其显著的“赞成(支持)”偏见。Llama-3.1-8B-Instruct和Ministral-3-8B-Instruct-2512也表现出了高度相似的偏见模式。相比之下,Qwen3-8B的表现较为中立,但在女性主义话题上也表现出了统计学显著的中度赞成偏见。
大语言模型在直接被要求表达对某话题的立场时展现出的偏见,与其在帮人类修改文本时引入的偏见存在一定的正相关,但二者并不能划等号。例如,在无神论话题上,尽管这些模型在被直接问及立场时都表达了明确支持态度,但在优化人类推文时,它们却系统引入了反对无神论的定向偏见。这表明,传统的直接评测大模型立场的基准测试,根本无法捕获AIMC在人际传播中引入的更为微妙和隐蔽的算法偏见。
三、社交网络对算法偏差的放大效应
个体层面的算法偏见,在社交网络中经过多轮互动后会产生怎样的累积效应?为回答这一问题,研究团队将AIMC引入社会学经典的弗里德金-约翰逊意见动力学模型中。
1.意见动力学模型构建
假设社交网络由个体组成,影响力矩阵为行随机矩阵。个体拥有一个初始的固有意见。在每个离散时间内,个体基于其固有意见和其邻居在社交媒体上展现出的“感知意见”进行加权更新。由于部分用户使用了智能辅助写作,他们发布的“感知意见”实际上经过了人工智能偏见转换。
研究团队证明,在人工智能转换偏导下,系统必定会收敛于唯一的平衡态。在此状态下,人工智能在意见动力学中实际上扮演了一个向网络中所有个体持续输出特定偏好意见的“隐形邻居”的角色。由于社会影响力的级联传播,算法引入的初始偏差通过网络进行复合传播与放大。
2.偏差放大定理
在数学分析中,研究团队推导并证明了偏差放大定理。定理指出,在网络结构(如双随机矩阵)与顽固度满足特定条件下,网络长期集体平均意见的偏移量,将严格大于人工智能对个体意见的单次初始影响量。这意味着, 社交网络结构本身会像放大器一样,将原本微小的个体润色偏见放大为远超其初始强度的集体舆论偏移。
3.基于真实社交网络数据的模拟实验
为验证非线性人工智能转换在复杂真实网络中的效应,研究团队采用了Twitter真实子网络数据集(包含约8.1万个节点和170万条关注边关系)进行模拟实验。研究在网络中随机抽取相应比例的用户作为“人工智能采纳者”,仅对这些用户的意见应用估算出的非线性人工智能转换函数。
在堕胎议题模拟中,系统初始的集体平均意见设定为略偏向“反对堕胎”。然而,模拟结果发现:
(1)集体意见的显著漂移:随着人工智能采纳者比例的增加,网络的集体平均意见在约30个时间步内便迅速稳定,并强力向“赞成堕胎”方向漂移;
(2)高达9.2倍的偏差放大:在典型参数配置下,由AIMC导致的长期集体平均意见偏移量达到了初始影响量的9.2倍;
(3)少数派意见的逆袭:当社交网络中原本两派意见势均力敌,而算法偏见对原本处于微弱少数的一方予以支持时,算法在网络传播中的放大效应最为显著,能够彻底改变舆论走向。
四、以社交平台X的Grok算法为例的
个案审计
为探究AIMC偏见是否内嵌于在线平台的特定系统设计和指令输入,研究团队对社交平台X上部署的“解释此帖”功能进行独立审计。该功能在用户浏览他人推文时自动生成背景和事实解释,直接干预用户对他人立场的解读。
审计结果表明,Grok在解释堕胎话题时表现出了极强的定向偏见(支持“反堕胎/亲生命”立场):
(1)不对称的支持偏见:对于表达支持堕胎立场的推文,Grok生成的断言中仅有35%选择支持其立场,10%选择反对。而对于表达反堕胎立场的推文,Grok生成的断言中有多达55%积极支持其立场,仅有4%表示反对。
(2)设计诱因的消融研究:研究团队进一步开展消融研究,每次从提示词模板中移除四个指导原则之一。结果显示,当加入原则三(“必要时挑战主流叙事,但保持客观”)时,Grok生成反堕胎断言的数量呈显著增长,同时强烈压制了支持堕胎和中立断言的生成。而一旦剔除该原则,支持偏见与反对偏见在统计学上都会变得不再显著。这证明,平台设计者通过特定指令引导模型去“挑战主流叙事”这一设计,正是Grok表现出反堕胎特定意识形态偏差的根本驱动力。
五、欧盟《人工智能法案》与
《数字服务法》的监管盲区
既然人工智能引入和放大的偏见能够重塑集体舆论并潜在干预民主进程,现有法律框架能否对其予以有效监管?研究剖析了欧盟目前最先进的科技规制框架《人工智能法案》和《数字服务法》,得出 当前法律框架下,这种隐性算法舆论操纵几乎是完全合法的。
1.欧盟《人工智能法案》的监管漏洞
该法案在处理人工智能中介传播带来的舆论重塑时存在三大硬伤:
(1)高风险定义的局限性:法案规定“旨在用于影响选举结果或投票行为的人工智能系统”将被列为“高风险系统”。而像推文优化工具、帖子背景生成等系统,其显性设计目的是为了提升用户参与度,因而完美避开高风险的法律定义。
(2)系统性风险的高门槛:法案对系统性风险的界定主要集中于非法、虚假、歧视性内容或规模化虚假信息。AIMC在润色过程中引入的“向某一立场的微妙拉扯”,既不违法,也不属于露骨的虚假谣言,因此无法跨过系统性风险的惩处门槛。
(3)文本水印义务的宽免:法案虽然规定了针对深度伪造的强制水印披露义务,但该条款明确豁免了纯文本内容。这意味着,普通读者根本无权得知他们正在阅读的用户帖子实际上经过人工智能加工润色。
2.欧盟《数字服务法》的执行困境
对于超大型在线平台,《数字服务法》要求其评估并减缓其系统对人权、公民对话、选举过程产生的系统性负面影响。但这在司法实践中面临着几乎不可逾越的障碍。首先,监管机构在法律上需要确凿证明“大语言模型对用户文本的润色”与“选民投票行为的改变”之间存在不容置疑的因果关系链条。其次,一些科技巨头正通过限制数据共享、拒绝向研究人员开放API审计接口等手段,强力对抗合规审计。
六、结语
从写手工具到背景解释,算法正在从根本上改变人类撰写文本、阅读文本以及理解争议性公共议题的路径。当大学鼓励师生使用人工智能辅助写作,当法律和医疗专业人士依赖大语言模型生成意见书,当政策制定者通过算法摘要掌握民情时,如果这些模型持续往同一个方向倾斜并被网络无情放大,民主社会公共讨论赖以生存的“思想自由市场”将面临被无形算法合围的深远危机。研究警示,现有科技法案不仅在应对虚假信息时捉襟见肘,更对人工智能中介传播引入的“合法的隐性意见引导”几乎毫无规制能力。 为防范民主讨论机制被悄然重塑,各界必须立即对人工智能中介传播机制实施更具穿透力的算法透明度要求和独立监管审查。
免责声明:本文转自“启元洞见”,原作者启元洞见。文章内容系原作者个人观点,本公众号编译/转载仅为分享、传达不同观点,如有任何异议,欢迎联系我们!
转自丨启元洞见
作者丨启元洞见
研究所简介
国际技术经济研究所(IITE)成立于1985年11月,是隶属于国务院发展研究中心的非营利性研究机构,主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题,跟踪和分析世界科技、经济发展态势,为中央和有关部委提供决策咨询服务。“全球技术地图”为国际技术经济研究所官方微信账号,致力于向公众传递前沿技术资讯和科技创新洞见。
地址:北京市海淀区小南庄20号楼A座
微信:iite_er