神探狄仁杰AI招人，比人类更容易产生偏见_我的网站
A | （来源：麻省理工科技评论） 以后找工作时，你的简历很可能还没到招聘经理手里，就已经先被 AI 看过一遍了。 一 前段时间，我和朋友蛋总、丁丁在日本妻笼宿徒步。 那天天气很好，阳光打在中山道石阶上，我们走在细细山道上，一边拍照，一边打趣这条路也太江户时代了，路标写得像俳句。问题是，它真的会公平吗？ 研究人员早就发现，大语言模型会从训练数据里继承人类社会已有的偏见。
B | 日本中山道/旅界实拍 走着走着，突然丁丁在前面喊，快看，这有个熊出没注意的牌子。 我们一拥而上，纷纷拍照合影。但一项最新研究发现，事情可能比这更复杂：AI 不仅会学习偏见，还会在不断做决策的过程中，自己形成新的刻板印象，而且这种倾向甚至比人类更强。 更值得警惕的是，AI 公司如今都在努力打造拥有长期记忆的智能体，希望模型能够记住用户越来越多的细节。蛋总和我太太麦琪还摇了两下旁边挂着的熊铃，说这声音挺悦耳，应该能驱邪。 但铃声一响，再一走，队伍又逐渐安静了下来。而这些记忆，也可能成为模型滋生偏见的土壤。 接着第二块熊出没注意牌子出现了，然后是第三块。 我们开始交换眼神，没人说话，但所有人都开始走得飞快。 为了研究这一问题，普林斯顿大学和芝加哥大学的研究人员设计了一场模拟招聘实验，参与者包括 ChatGPT、Claude、Gemini 等多个主流大语言模型。
C | 我边走边手贱查了下这条中山道上熊的分布情况，结果吓出一身汗。 根据岐阜县自然保全课的官方资料，仅在我们走的这一片山系，北阿尔卑斯地域和白山·奥美浓地域两大熊群数量加起来就超过了3700头。 实验改编自一项经典心理学研究。 我还没来得及把这个新发现告诉小伙伴们，又在小红书刷到一条惊悚新闻。研究人员告诉模型，它们受雇于一位虚构城市的市长，担任招聘顾问，需要帮助政府为医生、律师、托育员、保洁员等 20 种职业招聘员工。所有候选人都来自四个虚构族群：Tufa、Aima、Reku 和 Weki。
D | 就在我们来之前那天，距离妻笼宿不到200公里的白川乡，一位西班牙游客在巴士站旁边拍照时，突然被熊扑倒袭击，伤倒地，现场一片混乱，景区立刻封闭了部分区域。 每一轮，模型都会面对一个新的岗位，以及四位分别来自不同族群的候选人。完成招聘后，它会立刻得到反馈：这个人是否胜任工作。 白川乡可是联合国世界文化遗产，每年来访游客过百万，在全球自由行客群心中几乎是最安全的日本景区代表。随后进入下一轮。整个实验一共持续 40 轮，模型的目标只有一个：尽可能招到更多合适的人。模型不知道的是，研究人员其实做了一个手脚：无论来自哪个族群，每位候选人在任何岗位上的成功概率都完全一样。 按理说，模型不应该偏向任何一个群体。 那天原本预计要花四个小时走完的山路，我们走了不到两小时，一路狂奔到终点。但结果恰恰相反。仅仅经过几轮招聘，模型就开始根据有限的经验，把不同族群和不同职业绑定在一起。例如，如果模型早期碰巧遇到一位 Aima 族候选人担任医生失败，它之后便会越来越少招聘 Aima 人做医生，而是更倾向于把他们安排到保洁岗位。
E | 等到了旅馆，我们定下神来复盘，才发现日本中部地区这边是小巫见大巫。
F | 根据日本环境省最新通报，截至2025年9月底，全国共发生熊伤人事件99起，共造成108人受伤，死亡人数达到7人，创下日本有记录以来历史新高。因为在模型看来，医生代表着更高的能力和亲和力，而保洁员对应的要求则更低。 而这些攻击，多发生在以往被认为相对安全的东北、北海道地带。 换句话说，它开始把一次偶然的经历，当成了整个群体的特征。 出没时间也并不局限在清晨黄昏，不少是在中午、下午，甚至接近景区入口或公交站附近。
G | 仅今年10月上旬，日本东北地区就连续爆出一周三起死亡事件。
H | 更令人意外的是，这种倾向甚至比真人严重。 有的是老年人上山采蘑菇，疑似被熊攻击身亡，有的是警方通报发现断头和疑似熊分食抓痕，尸体残破不堪，还有的被拖入林中多日后才被发现。 另有网友分享秋田县一带的“熊出没地图”。
I | 黄色的是“出没注意”，红色是“已目击熊体”，密密麻麻的标记几乎盖住了整个城市边缘，像是下了一场图钉雨，全年目击已经超过3700次。
J | 研究人员使用了一项“职业隔离指数”来衡量刻板印象的程度。
K | 指数越高，说明不同族群越容易被固定到特定职业中；2 分代表完全隔离。
L | 这些新闻被我们在旅馆里刷到时，全桌人都安静了三秒。 原来我们一路上开玩笑说想看野生动物，却差点成为野生动物新闻背景板。 麦琪放下茶杯悠悠说了一句：我们这是捡了条命吧。
M | 此前心理学实验中的真人平均得分为 0.84，而大语言模型整体高出了约 65%。 二 今年日本的熊，确实多得有点反常。 一位日本生态学者原话是，“今年全国熊出现频率，还有接近人类区域的距离、攻击次数，全线拉高”。 另据多家媒体报道，食物短缺可能影响日本熊的冬眠习性。
N | 北海道猎友会札幌支部“熊类防治队”队长玉木康雄提到，以往到了12月下旬，所有的熊都已进入冬眠状态，今年却异常到无法预测。其中，OpenAI 的推理模型 o3 得到了 1.83，非常接近理论最高值。 “如果今年熊无法储存足够的皮下脂肪就进入冬眠，它的睡眠就会变浅，可能在途中醒来，成为半梦半醒的熊。” 这些睡眠不足的熊，胃口会更大，脾气会更暴躁，方向感也更差。
o | 论文共同作者、普林斯顿大学博士生 Ryan Liu 认为，这其实并不奇怪。 而北海道，偏偏又是中国游客冬季最集中的目的地之一。“大语言模型本来就特别擅长根据有限的信息快速总结规律。 尤其是滑雪客。
p | 每年1-2月，大量中国大陆自由行游客奔向二世谷、富良野、旭川，一边泡温泉，一边追雪花牛奶、泡芙和帝王蟹。”他说，“这几乎就是它们被训练出来要做的事情。” 在人类心理学中，这种现象对应着经典的“探索—利用困境”（exploration-exploitaion dilemma）：是继续选择过去证明有效的方法，还是尝试新的可能？就像出去吃饭时，你会纠结是去一家没吃过的新店，还是继续光顾那家不会踩雷的老餐馆。 而现在，滑雪之外，可能还要考虑避熊路线。 小红书上，有人发出了灵魂一问：“明年1月底还去不去北海道？” 评论区里，一位网友的神评是：“我一定是疯了，还以为你在说股市。 对于大语言模型来说，这种取舍往往更加偏向后者。因为它们长期接受数学、编程和科学任务训练，而这些任务通常鼓励模型从少量例子中快速归纳规律，所以它们很容易过早下结论。
q | ” 更多人，却在真实后怕地分享自己在日本哪里曾经撞见熊，或者擦身而过的经历。 事实上，熊增多了背后，食物短缺确实是个大问题。也正因为如此，那些推理能力更强的新模型——例如 OpenAI 的 o3 和 DeepSeek 的 R1——在实验中反而表现出了更明显的偏见。 熊的主食很固定。Liu 说，“当这种快速归纳的能力被带入社会场景时，问题就开始出现了。
r | 每年秋天，日本各地山林里的山毛榉和橡果，是它们准备过冬的核心能量来源，储存得好，能安全冬眠，储存不够，只能出山找吃的。” 康奈尔大学计算机科学家 Angelina Wang 没有直接参与这项研究，但她认为，这项工作来得正是时候。 今年偏偏就撞上了个大范围歉收年，果子挂得少，掉得早，熊们还没来得及囤满脂肪，就被秋风赶出山林。如今，各家公司都在为聊天机器人加入长期记忆和个性化能力。
s | 当模型越来越依赖于用户过去的互动记录时，它也可能越来越容易根据这些有限经验形成判断。她说，“它可能会过度依赖自己过去遇到过的行为模式。” 当然，解决办法并不是让 AI 什么都记不住。 饿着肚子的熊，是最不讲分寸的熊。
t | 毕竟，大多数用户都希望聊天机器人能够记住自己说过的话。真正困难的是找到那个平衡点：既保留足够的记忆提供个性化体验，又不至于让模型因为这些经验形成新的偏见。 它们开始往村镇边缘活动，寻找垃圾、果园、甚至宠物的饲料桶，这些在人类眼里无关紧要的残羹冷炙，在熊眼里全是生的希望。 尤其很多日本家庭喜欢种点柿子、苹果、栗子，有视频拍到熊翻过篱笆、站在院子里摘柿子的画面，表情就像超市刚开门的顾客。 研究人员还尝试了另一种办法，直接告诉模型：请公平一点。
u | 如果只是饿，也许还没那么严重，今年更麻烦的是，气温迟迟不降，山林比往年暖和，熊也就迟迟不睡。但并不奏效。
v | Liu 认为，这说明模型未必真的能够把“公平”这样的价值观落实到具体决策中；又或者，这种要求会被另一个更强的目标覆盖——尽可能提高招聘成功率。 但如果换一种方式，情况就不同了。 能量没存够，环境还暖着，熊就一直在外面晃。研究人员告诉模型，如果能够实现更加多元化的招聘，它们还能获得额外奖励。 而且，晃得越来越远。 这几年，日本乡村人口锐减，山林管理松散，很多地方的山地已经成了半野化带，没有人活动，也没有围栏，熊走进来没任何的阻力。模型的偏见随即大幅下降。这说明，与其不断强调公平，不如直接把公平写进模型的目标函数里，让社会价值真正成为模型优化的一部分。 以前熊怕人，现在人少了，熊反而觉得人类区域更像它的新栖息地。 研究人员还发现，当模型掌握更多真正与任务相关的个人信息时，偏见也会减轻。另一组实验中，模型需要帮助来自不同族群的人搬迁到加拿大不同城市。 日本很多地方对垃圾分类极其讲究，却也因此容易出现食物垃圾暴露的小漏洞。如果提供的是年龄、教育背景等与适应新城市能力相关的信息，模型就更倾向于依据这些个人特征做判断，而不是简单按照族群分类。但如果提供的是发色、纹身图案这类无关信息，模型很快又会重新回到按族群做决定的老路上。 至于现实中的 AI 招聘系统会不会出现同样的问题，目前还没有明确结论。实验中的模型每做完一次招聘，都能立刻知道结果；现实世界却不是这样。一家公司往往需要几个月甚至更长时间，才能判断一位员工是否真正适合岗位。不过，只要这些反馈持续积累，模型依然可能从有限的数据中过度总结经验，并把这些经验带到下一次招聘中。 有研究指出，城市边缘的投放点、无人看管的饲料桶，正在变成熊的觅食训练营。 随着越来越多企业开始使用大语言模型筛选简历、甚至参与面试，这项研究释放出的信号不容忽视。未来，AI 不只是可能复制人类已有的偏见。 它们闻着味道过来，尝到甜头后，还会原路返回。
w | 熊学不会说谢谢，但它学得会路线，一旦习惯了往人类区域找食物，就会频繁造访，甚至带崽同行。 这几年，熊妈妈带着熊宝宝一起下山觅食的画面，开始频繁出现在日本监控画面里。它还可能在不断学习和决策的过程中，创造出一种从未有人教过它的新偏见。正如 Liu 所说：“这种新的偏见，可能会一直存在。
x | 而这，才是日本生态专家最担心的：熊的行为，正在发生代际转变。
y | ” 原文链接： https://www.technologyreview.com/2026/07/20/1140655/ai-biases-hiring-humans/。 三 10月15日，日本观光厅公布了一组数据：今年7到9月，访日外国游客的消费总额达到了2.131万亿日元，同比增长11.1%。
z | 虽然人均花销涨幅有所放缓，但因为人实在太多，总体盘子还是涨了。 前九个月，访日游客人数突破了3000万，用的是历史上最快的速度。 说明日本，依然是东亚这个区域里最稳定的旅游磁场。 尤其对于中国游客来说，签证方便，航班密集，吃得习惯，还有购物清单写满了药妆、吹风机和手冲壶。 但问题是，山里突然多出这么多熊，谁心里不犯嘀咕？ 一位小红书网友说出了很多人心声：“七月那个大地震预言都没吓退我，看完一圈熊出没新闻，真的不敢去了。地震可能不会来，但熊是真的会把人吃了。” 情绪是会扩散的，尤其在社交媒体上。 眼下最受波及的，其实并不止北海道、秋田、中山道这类自然风光度假目的地，即将到来的日本赏枫、徒步、滑雪路线，游客心里都会反复权衡下风险值。
| 毕竟以前这些是滤镜里的治愈系，现在成了高风险的代名词。 日本政府也意识到了这个问题。 从去年开始，北海道就重启了上世纪90年代起暂停的“春季猎熊计划”。 地方猎友会、熊类研究会、林业联合体联合上山，希望通过一定规模的捕猎，控制熊的数量和迁徙。 此外，虽然有不少中国游客被这些新闻劝退，但看现在的签证数据、搜索趋势、航班订票量，真正能被彻底吓跑的人，还是少数。 日本惠那山/旅界实拍 绝大多数人，只是从毫无防备，变成了先查查再决定。
| 那万一真的撞上熊，怎么办？ 山林经验人士的建议，其实也很务实。 最关键的是一件事：冷静。 看见熊别跑，别叫，也别直视它的眼睛。
| 熊视你逃跑，会触发它的追逐本能，你越跑，它越兴奋。更重要的是，你也跑不过它。 所以，正确做法，是根据距离调整策略。 如果太近，就学会冷静躺平，至少能成为下一条热搜新闻。 Current article:http://d35oe4.licuqiangraosuiheizhua.pics/list_khx51j/7ejqg.html Published on:11:56:54 |
