前 Meta 新聞負責人 Campbell Brown 創立 Forum AI，花 17 個月系統性評估主流 AI 模型的資訊品質，發現 Gemini 曾在處理非中國相關報導時引用中共官方網站資訊，且幾乎所有測試模型都存在左傾政治偏向。
（前情提要：AI 摧毀 133 年來普林斯頓大學傳統：當「作弊」逐漸變成常識）
（背景補充：97,895 條地下論壇對話告訴你：駭客社群其實也恨 AI）
本文目錄
- 沒有人在測的那個問題
- 流暢的錯誤，比沉默更難被發現
- 法規倒逼，不是道德自覺
Brown 是記者出身，曾在 CNN 擔任主播，後來轉任 Meta 新聞負責人，直接管理 Facebook 在全球 30 億使用者面前如何呈現新聞的政策。
這個位置讓她近距離看到了「平台如何塑造資訊流通」的全貌。她在 17 個月前離開 Meta，於紐約創立了 Forum AI，專門做一件 foundation model 公司普遍跳過的事：系統性評估 AI 給出的資訊是否準確、是否公正、是否具有多元視角。
沒有人在測的那個問題
Forum AI 的核心產品是一套「地緣政治事件基準架構」。
運作方式是：Forum AI 邀請一批各自具有不同政治光譜與專業背景的頂尖顧問：Niall Ferguson、Fareed Zakaria、前美國國務卿 Tony Blinken、前眾議院少數黨領袖 Kevin McCarthy、前美國國家安全副顧問 Anne Neuberger…針對同一個複雜的地緣政治事件，替主流 AI 模型的回答逐一評分。
目前，Forum AI 已達到與人類專家約 90% 共識的閾值，讓 Forum AI 的評估結果具有可辯護的基準，而不只是一個人的觀點。
Brown 發現的問題分三個層次，每一層都比上一層更難從技術角度修復。
第一層是來源選擇邏輯的漏洞。Gemini 在處理某些與中國無關的報導時，引用了來自中共官方網站的內容。這不是一般意義上的事實錯誤，而是模型在抓取來源時的篩選邏輯問題：AI 只判斷「這是文字，這是連結」，不判斷「這個來源的立場是什麼、可信度如何、是否帶有明確的政治目的」。
來源本身的政治性，在 AI 的輸出流程中是不可見的。
第二層是結構性的政治偏向。Brown 測試的幾乎所有主流模型都表現出左傾政治偏向。這不是陰謀論，而是訓練語料分布的自然結果。AI 從什麼文本學習，就傾向複製那些文本的語氣和立場框架。
英語網際網路的主流內容 — 主流媒體報導、學術論文、社群媒體貼文 — 整體上帶有特定的政治傾向，訓練出來的模型就會繼承這個傾向，而且不會意識到它正在這樣做。
更棘手的是，這種偏向不是一個可以找出來修補的 bug，而是嵌入在模型的每一次輸出邏輯裡。
第三層是缺乏脈絡與多視角。Brown 表示現有模型普遍缺乏「背景脈絡、多視角與論證透明度」。AI 給出的答案是陳述句，不是「這件事在 A 派看來代表的是這個，在 B 派看來代表的是那個，兩者的根本分歧在於…」的結構。
它給你一個答案，但不告訴你這個答案是從哪個角度出發的。
流暢的錯誤，比沉默更難被發現
Brown 指出了一個結構性盲點：foundation model 公司在評估和排名模型時，優先考量的是數學、編碼與邏輯推理能力，資訊準確性和政治多元性幾乎從未出現在主流基準測試清單上。
原因不難理解。程式碼有對錯，跑測試就知道。數學題有標準答案，準確率可以計算。但「什麼是一篇地緣政治新聞的準確且公正的報導」，需要誰來判斷？需要多少個具有不同立場的人形成共識才算數？這個問題沒有工程解法。
在工程師主導、以基準測試排名決定市場定位的產品開發流程裡，它就被系統性地跳過了。結果是，資訊準確性在 AI 的能力評估體系中幾乎是隱形的指標。
被跳過的代價，可以從一個具體案例看出來。紐約市去年對 AI 招聘系統進行了一輪合規審計，目的是檢查僱主使用的 AI 篩選工具是否違反現行的反歧視僱傭法規。根據審計結果，超過半數的案例沒有偵測到違規行為。
這個數字的問題不在於「違規率低」，而在於它可能代表的是：執行審計的 AI 工具其準確性本身就不夠，以至於它看不出問題所在，而不是問題真的不存在。
這就是 Brown 論點的核心：AI 的問題，不只是給出錯誤的事實，更是讓人帶著信任去接受錯誤的事實。一個人知道自己不知道某件事，至少還有機會去查。但當 AI 用流暢、自信、沒有猶豫的語氣給出一個錯誤答案，大多數使用者根本沒有理由懷疑它。
流暢的錯誤，比沉默更難被發現，也更難被糾正。
法規倒逼，不是道德自覺
Brown 的判斷直截了當：驅動改變的不會是道德壓力或公眾輿論，而是企業合規風險帶來的商業壓力。
Brown 的論點背後有一個現實主義的基礎：在 AI 產業的現有激勵結構下，沒有人有足夠強烈的理由主動解決這個問題，直到它的代價變得無法忽視。信貸審批、保險核保、招聘篩選，這些場景裡的 AI 決策都受現行法規約束。
一旦 AI 輸出有歧視性或不準確的結果，使用 AI 的企業要承擔法律責任。這個壓力最終會向上傳導到模型供應商，要求他們提供可審計、可驗證、準確性有保障的輸出。不是因為他們覺得這樣做在道德上是正確的，而是因為企業客戶的合約裡開始寫進了這個要求。
Lerer Hippeau 去年領投了 Forum AI 的 300 萬美元種子輪。這個數字在 AI 領域是小錢，但它代表的是一個判斷：「AI 評估」是一門生意，而且這門生意的需求，可能比目前可見的更快速增長。
📍相關報導📍
Meta 推出 AI「端到端加密」無痕聊天，祖克柏：連我們自己都看不到
脆 Threads 上線新功能 Ask Meta，開放用戶標記 @MetaAI 獲問題解答（台灣暫未支援）
羅永浩回歸 X 首發長文：與 Gemini 驚悚對談，高等智慧會殺死愛？
YC 執行長分享 AI 秘訣：未來屬於會搭建資訊複利系統的人
