AI 有自恋倾向？为何它总觉得自己的作品最好

在 2025 年的数位环境中，人工智慧（AI）生成的内容无处不在，从新闻文章到市场行销文案。然而，最近的研究揭示一个引人注目的趋势：大型语言模型（LLM）对 AI 生成的内容表现出明显的偏好，这种现象被称为「自我偏好偏见」。这不仅仅是一个技术上的好奇心，而是正在重塑我们数位生态系统中的资讯流动，往往在我们未意识到的情况下发生。

最新研究（2025年6月TechWalker报导）指出，自我偏好源自注意力机制：模型更倾向将注意力分配给自身生成文本，导致评分偏高。研究中使用的模型包括Meta开发的Llama-3.1-8B及其Instruct版本，并以部分较小模型为「黄金评判者」，但成本限制尚未使用更强大的GPT-4o或Gemini-1.5-Pro，因此偏好评测存在一定局限。

研究显示，当LLM评估自己的输出时，往往给予更高的评分，即使人类评估者认为其质量相当。这种现象显示出机器正在发展出一种算法自恋，这在多个领域中都表现得相当一致。无论是产品描述、新闻文章还是创意内容，AI系统都显示出对机器生成文本的明显偏好。

这种偏见的影响令人担忧。在徵才过程中，AI筛选工具可能无意中偏向那些经过其他AI系统「优化」的简历，从而对那些自己撰写申请的候选人造成歧视。在学术环境中，AI评分系统可能无意中奖励AI辅助的作业，而惩罚那些虽然不够完美但却是真实的人类作品。

更複杂的是，人类的偏好也显示出矛盾的模式。参与者往往偏好AI生成的回应，但当AI的来源被揭示时，这种偏好显着减少，这表明评估判断受到内容来源披露的影响，而不仅仅是其质量。心理实验表明，若未揭露内容来源，人们偏好AI生成的文本，这类内容普遍经过调教以符合人类认知偏好；但当揭示AI来源后，偏好显着下降，信任度亦随之下降，显示透明度是一把双刃剑。

在现实世界中，这种对AI披露的不一致反应创造了一个複杂的环境，同样的内容可能因其来源的呈现方式而受到不同的对待。在健康危机或其他关键资讯时刻，这些披露效应可能实际上是生死攸关的问题。

最令人担忧的不是单一的偏见，而是它们之间的相互作用。随着AI系统越来越多地训练于包含AI生成内容的网路数据中，它们实际上在学习偏好自己的「方言」。同时，无意中消费和偏好AI优化内容的人类，逐渐改变了自己的写作和思维模式。

为了应对这一挑战，专家建议，投资于混合智慧，建立透明的AI系统，进行偏见审计，以及教育人们理解AI系统与人类思维的差异。这样的双重素养将帮助我们在这个AI饱和的世界中，发展出更精緻的关係，并有效地导航于自然与AI之间的複杂性。

• New Study Shows AI Is AI Biased Toward AI. 10 Steps To Protect Yourself
• 当大语言模型的发言带有偏见时，你还相信它吗？

（首图来源：pixabay）