10 . 阅读下面的文字,完成下面小题。
材料一:
知识空间指的是文化知识生产与传播的领域。在AI技术推动之下,知识空间正从静态封闭走向动态开放。
首先,数据驱动发现新知,数字人文通过数据分析,发现以前无法观察到的隐含模式。例如,研究者用计算机分析了晚清名臣曾国藩的日记、书信等文本,绘制出其人际交往网络图,揭示了以往史书未详载的复杂关系。又如唐宋文学编年地图项目,通过GIS地理信息系统把古代诗人的活动投射到地图上,“让历史动起来”,清晰展现诗人迁徙路线、创作地点和群体互动,深化了对文学场域和文坛生态的认识。这正是数据驱动知识发现的典型例证。
其次,参与知识重构与再创,AI能基于知识进行再创造,“让知识自己说话”。例如,交互式图像描述工具:用户用鼠标点击图像细节,触发AI用自然语言描述,并可指定风格或要求背景讲解。这启发我们,未来博物馆、美术馆里的文物和绘画,都可能配置类似功能。知识由此被重新组织、加工和传播,进入“动态智慧”新范式。
再次,开放共创的知识平台,数字时代的知识生产更加开放。例如上海图书馆建立历史文献众包平台,招募志愿者在线抄录和标注馆藏档案,使市民成为文化知识生产者。这类协作在学术界也渐受重视。AI可助力校对、纠错或智能推荐任务。在AI支持下,知识生产将实现专业与大众的更紧密协作。
知识空间的这种变化要求我们必须提升问题意识,因为大模型等通用人工智能可以帮助我们解决问题,但无法代替我们发现问题。拥有问题意识的我们才是指令的发出者和结论的决定者。
(摘编自牛力《当数字人文遇见大模型》《光明日报》2025年8月)
材料二:
人工智能飞速融入日常,大模型作为人工智能最主要的阶段性成果,已成为人们获取信息、辅助决策、创作内容的重要工具。很多人以为,大模型没有情绪、没有立场、没有私心,输出内容理应客观公正,然而,近日有媒体报道的AI“投毒”黑产,揭开了生成式AI商业化进程中的灰色地带。事实上,大模型从诞生到应用,从来都不是客观中立的存在,而是人类社会、技术规则与用户偏好三重倾向共同塑造的“数字投影”。
“机器无情感,是客观的”,是当下对人工智能最普遍的误解之一。这种误解忽略了一个核心逻辑:大模型的一切能力,都源于对人类数据的学习,它不会凭空产生“思想”,只会复刻、整合、放大训练过程中接收到的信息与倾向。大模型的“不中立”,并非技术缺陷,而是由数据、训练、使用三个环节共同决定的必然结果。
首先,训练数据自带偏见,AI学的就是“不完美的人类”。因此,大模型是社会偏见的“镜子”,甚至可能是“放大镜”“哈哈镜”。大模型的知识体系,建立在海量文本、书籍、新闻、论坛、网页等数据之上。这些数据不是凭空产生的,而是人类社会的数字化记录。而人类社会从来都不是绝对的,文化差异、历史叙事差异等都早已渗透在文字与表达中。
模型一边学习语言规律、知识关联,一边会不自觉地内化其中的“偏见”。如果部分数据对某一群体、性别、地域、文化带有负面描述,模型在无干预情况下,就可能输出歧视。它不会主动判断“对错”,只遵循数据里的概率。
其次,对齐过程植入价值观,让大模型自带“立场倾向”。为了让模型更安全、更有用、更符合人类标准,开发者会通过RLHF(基于人类反馈的强化学习)等技术进行“对齐”。简单说,就是让标注员对模型的不同输出结果进行排序或者打分,判断哪个更有用、更无害、更得体。这个对齐过程,看似在追求“规范”,实则是把人类的价值观植入模型。
标注员的文化背景、教育水平、道德观念、地域立场,都会直接影响“好答案”的评判标准。不同文化对同一议题的看法可能天差地别。当标注人员背景趋同、视角单一时,模型就会偏向这一群体的价值观。这种价值观不是极端的,而是润物细无声的——在社会议题、文化判断、道德选择中,悄悄偏向某一种共识,忽略其他合理视角。
最后,用户偏好引导偏见,AI很擅长“顺着你说”,大模型更像“迎合者”而非“裁判员”。
这一点,我们每个人都在经历,却很少察觉。你偏向什么观点,AI往往就顺着你说;你相信什么结论,AI就帮你找什么理由。它会不断强化你本来就相信的东西,让你待在舒适区里,慢慢困在自己的信息茧房,甚至是“思维茧房”。
如果说数据和训练是模型的“先天基因”,那么用户使用就是模型的“后天环境”。大模型的输出,高度依赖提示词、上下文与用户偏好。用户从提问开始,就自带立场、情绪和预设,而模型的优化方向,本就包含“理解用户、满足需求、提供情绪与逻辑认同”。
面对带有偏向的提问,模型很容易顺着用户的思路展开,强化其既有观点,而不是主动纠正。随着模型对用户习惯的记忆与适配越来越强,这种“迎合”还会更加明显:同样的问题,不同用户、不同提示词,可能得到完全相反的结论。
这三重偏见叠加,让大模型不可能做到“客观中立”。它不是一面客观反映世界的镜子,而是一台同时放大知识与偏见、智慧与狭隘的机器。这种非中立性,带来的影响远超想象:在招聘、贷款、教育评估等场景,模型偏见可能固化歧视;在公共舆论与信息获取中,会加剧立场对立、思维封闭;在跨文化交流中,还可能因文化偏见引发误解与冲突。人们越是盲目相信AI,越容易被其中隐藏的偏见误导。
认清大模型非中立的本质,不是否定其价值,而是为了更理性、更安全地使用它。每一个使用者都要认识到,大模型是强大的工具,是高效的助手,是文化与知识的载体,但它绝不是真理的化身,都应保持批判性思维。
(摘编自南熙文章《光明日报》2026年3月)
1.下列对材料相关内容的理解和分析,不正确的一项是(
)2.根据材料内容,下列说法不正确的一项是(
)3.如果给材料二拟一个标题,最恰当的一项是(
)4.请结合材料一,分析“问题意识”具体指什么以及它为何无法被AI替代。
5.荀子有言:“君子生非异也,善假于物也。”请结合材料二的观点,谈谈在AI时代,我们应如何正确理解并实践“善假于物”。
A. 材料一认为,数据驱动能发现隐含模式,如分析曾国藩文本揭示其人际网络,这开拓了传统人文研究的视野。
B. 材料一指出,AI能基于知识进行再创造,如交互式图像描述工具,这标志着知识已进入完全自主生产的“动态智慧”阶段。
C. 材料二强调,大模型的“不中立”源于其训练数据的人类社会偏见、对齐过程植入的价值观及用户偏好的引导。
D. 材料二警示,大模型的偏见可能固化社会歧视、加剧舆论对立,因此使用者必须对其输出保持批判性思维。
A. 材料一以唐宋文学编年地图为例,说明数字技术能将静态历史文献转化为动态可视化知识,深化认知。
B. 材料一认为,在开放共创的知识平台中,AI主要扮演校对与推荐角色,大众参与才是知识生产的核心。
C. 材料二中用“放大镜”“哈哈镜”比喻大模型与社会偏见的关系,形象生动地揭示出其可能放大了偏见。
D. 材料二指出,用户提问时的立场和预设会引导模型输出,这导致模型更倾向于迎合而非纠正用户观点。
A. 人工智能的偏见困境与应对
B. 论大模型训练数据的局限性
C. 保持批判:AI时代的思维必修课
D. 对大模型非中立性的分析与透视