· · ·

ONE让它画「中国」

随便打开一个会画画的 AI，输入一句话：画出中国。

它会给你红灯笼、长城、熊猫、一盘饺子、一个穿旗袍的女人、一个倒贴的「福」字。也许还有一条龙，一把折扇，一碗热气腾腾的面。

你不会觉得它错。这些东西确实在中国。

但它给你的不是中国，是别人说起中国时最常说的那几样东西。

换一个国家也一样。让它画法国，你会得到铁塔、贝雷帽、法棍和红酒；画日本，是鸟居、樱花、和服、寿司；画非洲，是草原、落日、大象和穿彩衣的部落。每一个都不算错，每一个都只占了那个地方极小的一点。

这些画真正暴露的，不是 AI 的想象力贫乏，而是世界在文字里被反复提起的密度。有些东西被写过几百万次，有些被写过几百次，还有些几乎没有人写下来过。而它只看得见前者。

先把这件事说清楚：AI 看见的是被说得最多的那部分世界。

TWO

可见度，等于被提及的次数

这不奇怪，可以把它当成一条物理规律。

模型读过的东西不是世界本身，是关于世界的文字。山川、饭菜、城市、人脸，它都没见过，它见过的是人们描述它们的方式。它没有站在任何一个街角，它只读过很多人写下的那个街角。

而「被写下来」这件事本身就有偏斜。一个地方被写成诗、被拍成电影、被写进新闻、被游客记录、被翻译成十几种语言，它在数据里就变得厚重。另一个地方只有很少的人写过，它在数据里就稀薄得像一张纸。真实面积一样大的两个地方，在模型眼里可以相差几千倍。

所以它的输出从来不是「世界的样子」，而是「世界被谈论的样子」。

这不是缺陷，这是它的构造。它像一面非常诚实的镜子，只是镜子对面站着的不是世界，是我们。

AI 的偏见，

就是我们注意力的形状。

THREE三个能亲眼看到的现象

1. 明信片效应

被谈论得越多的地方，越容易被压缩成符号。

你去过巴黎，知道它不止有铁塔和咖啡馆——还有郊区、有地铁里的气味、有下班时一脸疲惫的人。但那些没有被反复书写过。于是 AI 画出的巴黎，永远是那张明信片。

符号化的程度，正好和被谈论的密度成正比。说得越多，越像明信片。

2. 一张平均数的脸

让它画「一个人」。它给出的脸通常端正、干净、二十多岁、光线柔和。

不是因为它偏爱这种脸，而是因为这是所有关于「人」的描述叠加之后的平均值。被反复描述的脸占据中心，罕见的脸被稀释到接近于零。

所以会有人说「AI 画的亚洲人不像亚洲人」，也会有人说「AI 画的女人都是同一个样子」。同一个原因：平均数不是任何人。

3. 说不出来的东西，几乎不存在

最难的一类不是画错，是画不出来。

一次家庭聚餐里真正的气氛。一句方言里那种只能意会的情绪。一个县城下午四点的安静。厨房里忙乱但没人认为那是「家务」的那些动作。

这些东西不是没人经历，是很少被写下来。文字里没有它们，它的视野里就基本没有它们。它能画出一碗面，画不出吃这碗面时的那种沉默。

FOUR它没有错，它照出的是我们

到这里很容易得出一个结论：AI 有偏见。

这个结论太浅，也太省事。它没有偷偷偏爱什么，它只是忠实地记录了我们在漫长时间里反复说了什么、又忽略了什么。语言本来就是共识的沉淀，而共识本身就是一种过滤器：它让被反复确认的东西变得清晰，让少有人提的东西变得模糊。

所以更准确的说法是：它看不见某样东西，往往不是因为那样东西不重要，而是因为我们很少把它说出来。

这也意味着，它的输出可以被当成一种测量工具——测量的不是世界，是我们注意力的分布。

它画得太完美的地方，说明那里被人说过太多遍，往往是刻板印象最厚的地方。它完全说不出的事物，说明那里几乎没有文字，往往是真实生活里最沉默的部分。这两端之间，就是它的可见范围。

所以看它漏掉什么，通常比看它画出什么更有意思。

· · ·

它看见的，是我们说过的世界。我们说过的，远不是我们生活的全部。

文中图示为说明性示意，不代表统计数据；所引现象均可自行验证。