据美国人格与社会心理学协会网站报道，发表在《社会心理学与人格科学》（Social Psychological and Personality Science）上的一篇题为《文化回声：隐性和显性态度与当代英语、历史英语及53种非英语语言的关系》（Echoes of Culture: Relationships of Implicit and Explicit Attitudes with Contemporary English, Historical English, and 53 Non-English Languages）的研究报告显示，在全球范围内，人们的态度在不同历史时期都深深植根于语言和文化。

　　研究人员分析了55个不同主题下人们的态度与语言之间的联系，用于对比的主题包括富人与穷人、狗与猫、爱情与金钱等。他们利用当代英语文本、200年来的英文书籍以及用53种非英语语言撰写的文本作为文本资源，采用来自10万多名美国人的数据衡量人们的态度。相关数据分为两类，第一类为参与者直接做出的自我报告，第二类为基于人们反应时间的间接性测量数据，被称为内隐测量态度。

　　研究发现，ChatGPT这样的大型人工智能语言模型捕捉到的人的态度和语言之间的关联与第二类数据即间接性测量数据的结果更为匹配，而非人们自己主观明确表达的态度。

　　美国西北大学管理与组织助理教授特莎·查尔斯沃斯（Tessa Charlesworth）表示，随着人工智能和大型语言模型应用的兴起，普通用户、研究人员、政策制定者等都需要了解这些模型背后的世界。例如，它们是否有明显、明确的偏好？它们的关联模式是否更为隐蔽、更接近内隐测量态度？

　　查尔斯沃斯认为，要在人工智能中减少这些微妙的偏差，需要深入挖掘训练数据的模式，并提供关联的替代示例，而不是仅仅在模型完成后审核其是否显示出明显的偏差。在她看来，语言是传递文化的关键载体，如果想要持久地减少社会中的隐性偏见，可能需要从文化层面、从更宏观的层面采取干预措施。

　　在强调相关性的同时，研究人员也希望继续探索社会文化的影响因素。他们提出，鉴于在非英语语言中观察到相关性变化，了解哪些社会和文化因素有助于解释偏见与语言之间的关联至关重要。

　　研究人员认为，这项研究为人们更好地理解态度与语言乃至沟通体系之间的微妙关系奠定了基础，这种关系不仅存在于当下，在历史长河中也深深影响着人类。

　　（练志闲/编译）