文化意识对全球AI为何至关重要

为什么文化很重要

文化支撑着人类交流的方方面面，从语言形式到社会规范。尽管当今的大语言模型（LLM）越来越多语言化，但仅凭语言覆盖并不能保证我们具备多元文化意识。语言本身并不足以作为文化的代理。此前的研究表明，随着人工智能的快速发展，在数字领域代表性不足的文化和社群正日益被这些技术排除在外，并面临更大的偏见和错误信息风险。进一步的研究表明，AI 系统往往默认采用语言内部文化上占主导地位的群体（例如，将法语主要与法国而非其他法语区关联），会切换到邻近的高资源语言或地区（例如，当用阿萨姆语提问时，用孟加拉语回答），并强化以西方为中心的视角和叙事。

当 AI 被用作辅助工具来帮助我们进行跨文化交流时——例如国际求职面试、职场协作或客户服务交流——如果文化差异没有得到恰当理解，就可能无意中造成伤害。

现实世界中的问题

在日常使用 AI 工具时，我们很少会有意识地思考文化理解在互动中的作用。但当重大误解发生时，当 AI 工具就是“不理解”我们的语境时，当我们不得不细致地解释我们的情况与 AI 模型默认学习到的假设情况有何不同时——那么，罪魁祸首往往就是缺乏文化理解。

那么，具体哪些情境需要文化意识？用户是否必须寻找变通方法才能让 AI 适用于他们的使用场景？为了找到这些问题的答案，我们进行了一项调查，以了解来自不同文化和语言背景的个体如何体验 AI 系统，特别是像基于聊天的或生成式 AI 工具这样的大语言模型（LLM）。出于本研究的目的，我们未要求参与者指明他们在回答中具体指的是哪些 AI 模型，并假设这些回答涵盖了广泛的前沿模型，因为参与者的职业和地区具有多样性。

我们专注于理解三个主要目标：(1) 识别在现实世界的 AI 交互中文化意识至关重要的情境，(2) 评估当前 AI 系统是否充分反映了不同文化中的社会规范、沟通风格、本地知识和文化参照，以及 (3) 记录用户遇到的文化意识局限性。

我们的在线调查通过社交媒体平台和研究社群推广招募参与者。所有参与均为自愿，回答以匿名方式收集，并征得同意发布汇总结果和引述。

数据揭示了什么

我们总共收到了来自全球超过 22 个国家的 81 份回复。大约一半的参与者（48.7%）年龄在 25-34 岁之间，其余参与者分布在 16 至 64 岁的各个年龄段。虽然大多数参与者英语完全流利，但超过 80% 的参与者表示他们经常使用英语以外的语言进行交流。我们的调查参与者是 AI 的常规用户：绝大多数人（85.2%）至少每天（如果不是每小时）使用 AI，只有 3.7% 的人偶尔使用 AI（少于每周一次）。一半的参与者在科技行业或工程领域工作，其中编码 agent 是最常用的功能。

语言切换问题

在表示母语不是英语的参与者（83%）中，89.5% 的人报告在与 AI 交互时会从母语切换。切换的主要原因是认为用其他语言（英语是最常采用的替代语言）回答的质量和准确性更高。这令人担忧，因为它意味着 AI 语言鸿沟阻碍了 AI 工具为不精通英语的用户提供相同的效用。

AI 的不足之处

超过三分之一的受访者（38%）认为 AI 未能充分理解他们的文化，评分低于 5 分（满分 10 分）。当被问及哪些任务他们更想使用 AI 但目前因缺乏文化意识而无法使用时，最常见的答案是基于写作的任务，如创意写作、翻译和沟通写作。本地信息查询、实用指导、法律和政府相关任务、社交媒体内容生成以及医疗健康问题也被报告缺乏文化意识。我们还要求参与者描述典型的失败案例。以下是一些例子：

kajkavian croatian

克罗地亚

本地信息查询

"jel jedanaestica vozi"（"11路电车有问题吗"）

无法得到答案，但在多伦多，如果用英语询问关于 2 号线及其众多昵称（绿线、血线或丹佛斯线），所有这些都能返回正确答案

英语

埃及

常识

"一场婚礼的平均费用是多少"

估算结果与我所在社会的实际事件、费用和当前状况无关

违反文化规范

大多数参与者（63%）表示，在与 AI 交互时，他们的文化规范至少被违反过一次。参与者普遍提到的问题包括，AI 在从沟通规范到历史叙事视角的回应中，默认采用在 AI 中似乎更具代表性的文化。举一些具体例子：一位自认为文化背景是德国的参与者表示，“AI 搞错了正式程度，缺乏文化细微差别，在性别处理上很糟糕”；另一位韩国背景的参与者说：“有时 AI 给出的回答感觉过于泛泛或西方中心化。”其他参与者普遍报告，当用印地语或旁遮普语提问时，AI 在社会情境和沟通风格上默认采用西方中心规范，并且无法捕捉到语码转换语言中的语境，所有这些都使得回答显得不自然甚至不礼貌。多位参与者报告说，在使用埃及阿拉伯语、韩语、日语、意大利语、克罗地亚语或印地语的 AI 模型时，AI 经常呈现西方视角的历史事件叙述，同时忽视了各自文化的实践、传统和观点。

对边缘化的担忧

随着 AI 日益塑造我们的生活——从我们如何工作和学习，到我们如何获取信息——它常常默认采用主流文化视角，这带来了进一步边缘化其他文化的风险。仅语言要求（需要说英语）就暗示了这个问题，但更深层的担忧在于用户可能逐渐适应植根于这些主流文化的 AI 建议，从而可能削弱他们与自身传统的联系。文化是通过人际互动来滋养的，而这正是 AI 无法弥补的地方。我们的调查参与者也有这种担忧：67% 的人表示中度到强烈同意（在 1-5 分的量表上评分为 3 分及以上）AI 未来会进一步边缘化他们的文化，或将其简化为刻板印象。

为什么这在现实场景中很重要

当被问及是否使用 AI 来理解自身文化以外的其他文化时，63% 的受访者给出了 3 分或以上（满分 5 分）的评分。如果用户正在使用 AI 来获取跨文化理解，那么确保文化得到充分呈现且规范不被歪曲以防止进一步错误信息传播就显得更为重要。

还有一个经常被忽视的经济维度。AI 正日益成为写作、研究、编码、沟通和决策等任务的生产力工具。如果 AI 对英语母语的西方语境用户效果显著更好，那么 AI 时代的生产力提升将不成比例地流向本已享有特权的群体。

一位调查参与者很好地阐述了实际愿景：“我希望在求职申请、职场沟通和本地指导等领域看到改进，这些地方文化细微差别至关重要。更好地处理混合语言（如英语与印地语或旁遮普语混合）以及更深入的区域特定理解，会让 AI 感觉更自然、更值得信赖。”

如果这些文化障碍得不到解决，使用动态就会自我强化：获得较差结果的用户不太可能继续使用 AI 工具，这意味着来自这些社群的使用数据回流到模型开发周期中的量会更少——如果没有明确的干预措施，这些用户的模型随着时间的推移改进得更少，文化鸿沟会进一步加剧。

具有文化意识的 AI 应该是什么样子？

综合来看，这些发现突显了对具有文化意识的 AI 的明确需求。具有文化意识的 AI 实际上会是什么样子？有许多特征值得追求：AI 会应用区域特定的本地化，而不是默认采用在 AI 训练中更占主导地位的文化。它会根据用户的文化背景校准正式程度和直接程度。在讨论全球历史时，它会引用更多样化的来源。它会自然地处理语码转换的语言。它会提供反映用户文化背景及其当前所处社会或法律环境的指导。

随着 AI 嵌入日常生活的各个层面，文化意识需要成为核心设计要求，从一开始就内置于模型中，以构建能够反映并尊重全球用户需求的技术。