生物行移动版

随着大语言模型（LLM）日益嵌入商业采购及公共政策制定的咨询流程，算法正在潜移默化地塑造人类社会的决策路径。然而，滑铁卢大学的一项开创性研究揭示，这些模型深受“现状偏见”（Status Quo Bias）的影响，即倾向于维护既有条件而非采纳创新方案。这一发现对全球气候目标的实现提出了新的警示。

研究团队对11个主流LLM进行了大规模测试，涵盖交通出行、家庭供暖、饮食习惯及市政气候政策等多个关键领域。通过构建包含7,500多个独特查询的标准测试库，研究人员共收集了近55,000条模型响应数据。数据分析显示，AI表现出极强的保守倾向：当面对评估某项计划的请求时，若计划被设定为“现有政策”，模型认可率高达70%；而当同样的目标被表述为“创新的气候干预措施”时，认可率骤降至34%。

研究负责人、滑铁卢大学环境学院Seth Wynes博士指出，这种偏差源于LLM的底层逻辑——模型基于海量历史语料库进行训练，这些数据不可避免地固化了人类过去的决策习惯与现行社会准则。在涉及气候权衡的问题上，AI系统性地引导用户偏向高排放的既定选择。

在现实应用层面，AI的建议明显滞后于全球能源转型的实际速度。以电动汽车（EV）的选择为例，即便在挪威等电动汽车普及率极高的国家，AI推荐EV的频率仍显著低于该市场的实际销售占比。Wynes博士认为：“尽管在医疗建议等需要严谨性的领域，维持现状可能是种安全保障，但在气候转型这种亟需创新的领域，AI这种算法惯性无疑是在阻碍进步。”

这项研究为依赖AI进行日常决策的消费者及政策制定者敲响了警钟。研究团队计划在未来持续跟踪模型更新，以评估通过精细化调整或集成实时联网工具，能否有效削弱这种因历史训练数据导致的碳消费锁定效应。