一项最新研究发现，年龄与性别在在线媒体和大型语言模型中存在显著偏差。研究人员分析了来自IMDb、Google图片搜索以及用于训练大模型的网络文本中的数十万张图像，发现女性在视觉呈现和语言描述中普遍被塑造成比男性更年轻的形象。这种持续存在的“年龄差距”不仅强化了性别刻板印象，还可能对现实中的性别薪酬差距产生负面影响，并影响ChatGPT等AI系统在简历排序中的判断。 研究指出，当AI模型训练数据中女性常被关联到年轻形象时，这些模型在处理求职简历时，可能会无意识地偏好年轻候选人，从而对年长女性求职者造成不公平待遇。这种偏见并非偶然，而是源于互联网内容中长期存在的性别与年龄双重标签化现象。 该研究提醒，尽管人工智能在招聘、内容推荐等场景中日益普及，但其背后的数据训练过程若未充分考虑社会偏见，将可能放大现实中的不平等。专家呼吁在AI开发中引入更全面的伦理审查机制，确保模型对不同年龄和性别群体的公平对待。 这项研究强调，AI系统并非中立，它们反映并可能加剧社会偏见。要真正实现公平的AI，必须从数据源头入手，推动更具包容性的内容采集与标注标准。