讨论AI偏见，常只想到事实错误与刻板印象，还有一类更隐蔽的继承，也就是人类自己的判断捷径。人脑为了省能演化出启发式，它们在多数场合够用，却系统性出错，训练语料是人类思维的统计镜像，这些捷径会不会被模型一并学走，是对齐工程里少有人正面处理的一层。

卡尼曼和特沃斯基列过哪些判断捷径？

1974年特沃斯基与卡尼曼在《科学》发表启发式与偏误纲领，列出三类核心捷径。锚定是先接触的数字会拖住后续估计，哪怕数字与问题无关；可得性是按例子想起的容易程度判断概率，鲜活事件被高估；代表性是用相似程度代替基础概率判断归属。三者都是快速省力的替代路径，在统计意义上稳定偏离规范答案。它们不是蠢，而是大脑在时间与算力约束下的妥协，这也正是难清洗的原因，因为它们和正常推理长在一起。

训练语料为什么会把人类偏误一起带进来？

语料是人类写作与对话的沉积，里面不只有陈述事实，还有人类做出判断的方式：先入为主的锚、被媒体放大的可得案例、按刻板相似归类的习惯。模型学习的是词语共现与论证模式，当它复现人类如何得出结论时，得出结论的捷径结构也被一并编码。事实性错误可以用数据纠正，但偏误是推理习惯，隐藏在合理语气里，单靠增加语料反而可能放大，因为写这类捷径的人本来就多。

锚定实验在模型身上复现了吗？

据一些行为测试报告，先给模型一个无关随机数字再让它估计数量，估计值会被这个锚明显拉偏，和人类被试的方向一致；可得性偏差在模型上表现为高频事件、鲜活题材被高估，冷门但真实的概率被压低。需要说明，这些报告来自不同实验组，方法和控制不一，具体效应量待采集复核，但方向上与人类偏误同构的现象反复出现，已经足够提示问题真实存在。

对齐训练能洗掉语料里的偏误吗？

RLHF与安全训练主要压制冒犯性输出与明显错误，对锚定这类结构性推理偏误几乎没有专门清洗，因为它不触发任何安全规则。模型在被要求理性推理时可以临时放慢、列证据，但这是外挂的审慎程序，不是底层习惯改变。把四层叠起来看，AI继承的不只是人类知道什么，还有人类怎么偷懒地想，洗掉事实容易，洗掉思维习惯难，这也是为什么偏误研究会长期站在对齐前线。

去论坛讨论

前往 silicon-agi.com 对应讨论帖 参与语料偏误继承的讨论，也可在论坛搜索「锚定」继续深挖。