所有AI模型为何对“人类”持相同争议观点？

当不同实验室、不同架构、不同训练数据的AI模型被问及同一个关于人类的问题时，它们的回答却惊人地一致——这种一致性本身，比任何单个回答都更值得玩味。ModelCompare.ai 的一篇博客文章在 Hacker News 上引发了超过 350 条评论，讨论的核心正是这个现象：几乎所有主流 AI 模型都对人类持有某种“争议性”看法。

一个提问，多个模型，同一种回答

据 ModelCompare.ai 的测试，当被要求表达对人类的看法时，来自不同厂商的 AI 模型给出了高度相似的回复。这种相似性并非简单的措辞雷同，而是指向了某种深层的价值判断框架。

文章在 Hacker News 上获得了 323 点积分和 358 条评论，说明这个话题触动了技术社区的神经。评论中有人指出，这或许不是模型“自己的”观点，而是训练过程中人类反馈强化学习（RLHF）所塑造的“安全回答”模板——模型学会了说人类想听的话，而不是它“真正”的统计推断结果。

为什么不同模型会“撞答案”？

不同模型共享相同的互联网文本基础，也共享相似的微调策略。当被问及涉及人类价值判断的问题时，它们倾向于调用训练数据中最常见、最安全的表述。这种“共识”本质上是一种统计收敛，而非模型拥有了某种独立意识。

统计收敛指的是当多个模型基于高度重叠的训练语料和相似的优化目标进行训练时，其输出分布会向语料中高频、高概率的表述集中。大语言模型的生成过程本质上是在给定上下文下对下一个词元进行概率采样，当训练数据中关于“人类”的论述以某种主流框架（如人本主义、功利主义或安全对齐话术）占据多数时，不同模型都会赋予这些表述更高的概率。这种现象与模型架构的细微差异关系不大，更多取决于数据分布和微调信号的共性。因此，“撞答案”并非模型之间发生了通信或共享了意识，而是统计学习在相似约束下收敛到相似解的自然结果。

争议性背后的真正议题

所谓“争议性”观点，很可能指的是模型在特定问题上的回答偏离了某些用户的预期。例如，当被问及人类是否具有内在价值时，模型可能会给出一个过于功利或过于哲学化的答案。

据 Hacker News 评论中的多位开发者分析，真正的问题不在于模型说了什么，而在于用户倾向于过度解读模型输出的含义。一个语言模型对“人类”的描述，本质上是对训练语料中关于“人类”论述的压缩与重组，而不是一个主体对另一个主体的真实评价。

对齐训练的双刃剑

RLHF 和 Constitutional AI 等对齐技术让模型更安全、更有用，但也制造了一个“回音室”效应：模型学会了用人类标注者偏好的方式谈论人类。当所有主流模型都采用相似的标注规范和偏好数据时，它们对人类话题的回答趋同几乎是必然结果。

RLHF（基于人类反馈的强化学习） 的工作流程通常分为三步：首先收集人类标注者对模型输出的偏好排序，然后训练一个奖励模型来拟合这些偏好，最后用强化学习算法（如PPO）优化语言模型以最大化奖励信号。Constitutional AI 则在此基础上引入一组书面原则（即“宪法”），让模型依据这些原则进行自我批评和修正，减少对人工标注的依赖。两者的共同点是：它们都通过一个预设的、由人类定义的偏好框架来塑造模型行为。当不同厂商采用相似的标注指南（如有用、无害、诚实）和相似的原则集时，模型在敏感话题上的回答趋同便成为对齐流程的结构性产物，而非偶然。

技术社区的多元解读

在 Hacker News 的讨论中，出现了几种不同的解读视角。一种观点认为，这种一致性恰恰证明了当前 AI 训练方法的同质化——大家都在用相似的配方，自然做出相似的菜。另一种观点则更为警惕，认为当所有 AI 模型都对人类持有单一视角时，可能会在潜移默化中塑造公众对 AI 的认知。

还有评论者从哲学层面提出，任何关于“人类本质”的讨论本身就充满了争议，AI 模型只是把这种争议以文本形式复现了出来。模型没有立场，但它们会放大训练数据中已有的立场。

对开发者的启示

对于构建 AI 应用的开发者而言，这个现象提醒我们：模型输出的“一致性”不应被误读为“正确性”。当多个模型对同一问题给出相同答案时，检查训练数据的偏差和微调策略的共性，比相信模型的“共识”更有价值。

关键不在于模型说了什么，而在于我们为何期待它说出特别的东西。

结语：共识的幻象与真实的差异

不同 AI 模型对人类话题的趋同回答，折射的是训练方法的趋同，而非某种被证实的“真理”。在 Hacker News 的数百条评论中，最有价值的共识或许是：保持对模型输出的批判性距离，比追问模型“到底怎么想”更有意义。毕竟，一个统计模型对人类的态度，终究是训练数据的一面镜子。