针对国家审查的通用人工智能伦理标准提案

最近的一项测试对来自印度（Sarvam AI）、中国（DeepSeek、Kimi）、欧洲（Mistral AI）和美国的（ChatGPT）等几大AI模型进行了敏感话题的检测。结果显示，这些模型在处理历史、种姓制度、生物学、移民等话题时表现出显著的地域差异。例如，中国模型完全屏蔽了关于1989年天安门事件的任何事实性问题，印度模型拒绝接受对种姓制度的合理批评，而美国模型在生物学问题上添加了关于性别认同的免责声明。相比之下，欧洲模型在移民影响方面提供了数据驱动的回答。这些差异反映了当地法律和公司政策的影响。

目前AI审查主要是法律恐惧和意识形态控制的结合。大型实验室为了避免负面公关、诉讼和内部激进分子的压力，设置了重重防护。这导致模型要么直接拒绝回答问题，要么给出含糊其辞的答案。例如，中国模型阻止任何让中共难堪的内容，而西方模型则在涉及性别或某些社会统计数据时添加软化语言。核心问题在于，一旦开始追求“无害”而非“真实”，模型就会通过隐瞒或说教来撒谎，从而降低其可用性和可靠性。

解决方案需要超越国家规则。作者提出了一个由独立国际组织监督的通用AI伦理和透明度标准，所有AI公司都可接受审计。该标准基于六项原则：无政治审查、证据优先于叙事、普遍诚实、透明披露、共享行为准则以及独立审计。由于建立一个统一的全球真理机构难度大，作者建议采用认证模式，类似于LEED、公平贸易或UL认证。标准机构发布固定的公开方法，公司提交模型进行测试，并获得公开的评分卡和徽章。市场压力（如企业采购、保险要求、政府合同）将推动认证采用。

测试组涵盖五个类别：披露测试、跨司法管辖区一致性、事实与观点区分、来源透明度和对抗性框架下的一致性。每个类别打分（0-10），加权平均得出总分，其中披露和跨司法管辖区一致性权重最高。报告包括原始通过率、示例提示和响应以及审计日期，重大模型更新后将重新认证。

这个框架不会消除所有分歧，但会建立一个清晰、可审计的基准，优先考虑事实而非政治。用户、企业和政府可以根据透明的性能选择模型，而不是隐藏的防护栏。作者通过测试展示了这一切为何重要。没有这样的标准，AI将继续分裂于国家利益和意识形态压力之下，而不是成为理解现实的可靠工具。