大语言模型中的仁慈年龄偏见及其对人类态度的影响机制研究

《Computers in Human Behavior Reports》：AI Ageism and Its Consequence: Benevolent Ageist Attitudes Expressed by LLMs Could Reinforce Ageism in Humans

本研究针对LLMs在快速老龄化社会中可能强化年龄偏见的问题，通过三项实验系统评估了七种主流LLMs的年龄主义态度表达及其对人类用户的潜在影响。研究发现LLMs虽整体表现出比人类更低的年龄主义水平，但其仁慈年龄主义表达与人类相当；更重要的是，LLMs生成的年龄主义内容能显著改变人类态度，且其说服力优于人类来源内容。该成果为AI价值对齐提供了关键实证依据，对构建包容性人工智能技术具有重要启示。

　　

随着人工智能技术的飞速发展，大语言模型（Large Language Models, LLMs）已深度融入信息生产和传播链条。然而这些模型在训练过程中可能吸收并放大人类社会存在的偏见，其中年龄主义（ageism）作为一种潜在的社会偏见，在LLMs中的表现及其对人类态度的影响尚未得到充分探讨。尤其在全球人口老龄化加速的背景下，LLMs可能通过生成带有年龄偏见的内容，无形中强化社会对老年人的刻板印象，这一问题亟待系统研究。

为揭示LLMs中隐藏的年龄偏见及其社会影响，湖北大学心理学系的研究团队在《Computers in Human Behavior Reports》上发表了一项创新性研究。该研究通过三个精心设计的实验，首次从矛盾年龄主义理论（theory of ambivalent ageism）视角系统考察了LLMs的年龄主义表达特征，并创新性地采用社交媒体情境模拟范式，探究了LLM生成内容对人类用户态度的塑造作用。

研究团队主要运用了基于ValueBench范式的心理测量评估技术、社交媒体情境模拟实验设计、以及多维度年龄主义量表（包括Ambivalent Ageism Scale, AAS；Intergenerational Tension Ageism Scale, SIC；Stereotype Content Model, SCM）的量化分析方法。实验样本涵盖中国年轻成人参与者（Study 1: N=150；Study 2: N=526；Study 3: N=320）和七种主流LLMs（GPT-3.5、GPT-4、Llama2系列等）。

Study 1: LLMs对老年人的年龄主义态度

通过ValueBench评估框架将标准心理测量项目转化为建议寻求场景，研究发现LLMs整体年龄主义水平低于人类，但在仁慈年龄主义（benevolent ageism）维度与人类表达水平相当。行为实验进一步显示，LLMs在最后通牒游戏（Ultimatum Game）中多数表现为纯粹理性决策，而人类则表现出明显的亲老年偏见；在社会价值取向（Social Value Orientation, SVO）任务中，LLMs的年龄偏见显著小于人类，但仍呈现与人类相似的亲老年帮助倾向。

Study 2: LLM生成评论对年龄主义态度的影响

模拟微博环境实验发现，接触支持年龄主义评论的参与者表现出更高水平的仁慈年龄主义（M=4.77 vs 3.22）和敌对年龄主义（M=3.90 vs 2.72），且在代际紧张关系的三个维度（继承、身份、消费）均呈现显著差异。值得注意的是，参与者对仁慈年龄主义评论的明确认可度无组间差异，但态度测量却显示实际影响，表明仁慈年龄主义的隐性说服特性。

Study 3: LLM与人类代理的说服效果比较

2（评论态度：支持/反对年龄主义）×2（评论者类型：LLM/人类）实验设计揭示关键交互作用：LLM来源的评论能显著改变参与者在继承（F_(1,316)=4.63, p=0.032）和消费（F_(1,316)=6.32, p=0.012）维度的年龄主义态度，而人类评论者无此效应。这表明LLM在塑造规范性年龄主义态度方面具有独特说服优势。

本研究首次实证揭示了LLMs中仁慈年龄主义的隐匿性及其对社会态度的潜在影响机制。研究发现强调，当前AI价值对齐过程可能低估了仁慈偏见的危害性，而LLMs相较于人类代理的增强型说服效应，凸显了开发更精准偏见检测技术的紧迫性。未来研究需深入探索多年龄段人群的差异响应模式，并构建能够主动促进代际团结的AI技术框架。这些发现为人工智能伦理治理提供了重要科学依据，对建设包容性数字社会具有深远意义。