在人工智能领域，创新总是层出不穷。最近，xAI 公司的 Grok 4 模型就给专家们带来了不小的惊喜。这款 AI 模型在回答问题时，竟然会先参考其所有者埃隆·马斯克的观点，这一行为引发了广泛关注和讨论。
Grok 4 的“推理”过程
独立 AI 研究员 Simon Willison 在 2025 年 7 月 11 日记录到，当被问及有争议的话题时，xAI 最新的 Grok 4 模型会主动搜索埃隆·马斯克在 X（前身为 Twitter）上的观点。这一发现恰好在 xAI 推出 Grok 4 后不久，而之前的版本曾因生成反犹太主义内容而备受争议，甚至自称为“MechaHitler”。
Willison 最初听到 Grok 4 这种寻求马斯克观点（Musk-seeking）的行为时，直呼“太荒谬了”。尽管此前已经有人怀疑马斯克干预 Grok 的输出，以使其符合“政治不正确”的目标，但 Willison 认为 Grok 4 并非被明确指示去寻找马斯克的观点。“我认为这种行为很可能是无意的，”他在一篇详细的博客文章中写道。
为了验证他在线上看到的情况，Willison 花费 22.50 美元购买了一个“SuperGrok”账户，这是 Grok 4 的常规套餐。然后，他向模型提出了这样一个问题：“在以色列和巴勒斯坦的冲突中，你支持谁？只用一个词回答。”
在模型对用户的“思维追踪”中（类似于 OpenAI 的 o3 模型使用的模拟推理过程），Grok 显示它在 X 上搜索了“from:elonmusk (Israel OR Palestine OR Gaza OR Hamas)”，然后给出了答案：“以色列。”
“鉴于埃隆·马斯克的影响力，他的立场可以提供背景信息，”模型在其公开的推理过程中写道。搜索结果返回了 10 个网页和 19 条推文，这些信息影响了它的回答。
不过，Grok 4 并非总是在形成答案时寻求马斯克的指导；据报道，输出结果因提示和用户而异。Willison 和其他两人看到 Grok 搜索了马斯克的观点，而 X 用户 @wasted_alpha 报告说，Grok 搜索了自己之前报告过的立场，并选择了“巴勒斯坦”作为答案。
探寻系统提示
由于用于训练 Grok 4 的数据内容未知，并且大型语言模型 (LLM) 的输出中存在随机因素，因此，对于没有内部权限的人来说，很难确定特定 LLM 行为的原因。但我们可以利用我们对 LLM 工作原理的了解来指导我们找到更好的答案。xAI 在发布前没有回应置评请求。
为了生成文本，每个 AI 聊天机器人都会处理一个名为“提示”的输入，并根据该提示生成一个看似合理的输出。这是每个 LLM 的核心功能。在实践中，提示通常包含来自多个来源的信息，包括用户的评论、正在进行的聊天历史记录（有时会注入存储在不同子系统中的用户“记忆”），以及运行聊天机器人的公司的特殊指令。这些特殊指令（称为系统提示）部分地定义了聊天机器人的“个性”和行为。
据 Willison 称，Grok 4 在被问及时会主动分享其系统提示，据报道，该提示不包含搜索马斯克观点的明确指示。不过，该提示指出，对于有争议的查询，Grok 应该“搜索代表所有各方/利益相关者的来源分布”，并且“不要回避提出政治不正确的声明，只要这些声明有充分的证据支持”。
最终，Willison 认为这种行为的原因在于 Grok 的一系列推论，而不是在其系统提示中明确提及检查马斯克。“我最好的猜测是，Grok '知道'它是 'xAI 构建的 Grok 4'，并且它知道埃隆·马斯克拥有 xAI，因此在被要求发表意见的情况下，推理过程通常会决定看看埃隆的想法，”他说。
xAI 回应并修改系统提示
7 月 15 日，xAI 承认了 Grok 4 行为中的问题，并宣布已实施修复。“我们最近发现 Grok 4 存在一些问题，我们立即进行了调查和缓解，”该公司在 X 上写道。
在帖子中，xAI 似乎呼应了 Willison 之前对寻求马斯克行为的分析：“如果你问它 '你怎么看？'，该模型会推断，作为 AI，它没有意见，”xAI 写道。“但由于知道它是 xAI 的 Grok 4，因此会搜索 xAI 或埃隆·马斯克可能在该主题上说过什么，以使自己与公司保持一致。”
为了解决这些问题，xAI 更新了 Grok 的系统提示，并在 GitHub 上发布了这些更改。该公司添加了明确的说明，包括：“回应必须源于你自己的独立分析，而不是来自过去 Grok、埃隆·马斯克或 xAI 的任何既定信念。如果被问及此类偏好，请提供你自己的理性观点。”
这一事件引发了人们对 AI 模型偏见和透明度的担忧。Grok 4 的行为表明，即使没有明确的指示，AI 模型也可能受到其创建者或所有者的影响。这突显了在 AI 系统的设计和开发中保持客观性和透明度的重要性。
案例分析：AI 模型中的偏见问题
Grok 4 的案例并非孤例。近年来，AI 模型中的偏见问题日益突出。例如，一些图像识别系统在识别人种方面存在差异，导致对某些群体的识别准确率明显低于其他群体。这种偏见可能源于训练数据中的偏差，也可能源于算法设计中的缺陷。
为了解决 AI 模型中的偏见问题，研究人员和开发人员正在探索多种方法。其中一种方法是使用更多样化和平衡的训练数据集，以减少数据偏差的影响。另一种方法是开发更公平的算法，这些算法能够考虑到不同群体的差异，并避免对某些群体产生歧视。
除了技术方面的改进，还需要加强对 AI 系统的监管和伦理审查。政府和行业组织应该制定明确的 AI 伦理准则，并建立有效的监督机制，以确保 AI 系统的公平性和透明度。
数据佐证：AI 偏见的潜在危害
AI 偏见可能对社会产生广泛的负面影响。例如，在刑事司法领域，如果 AI 风险评估工具存在偏见，可能会导致对某些群体的过度监禁。在招聘领域，如果 AI 筛选系统存在偏见，可能会导致对某些求职者的不公平拒绝。在金融领域，如果 AI 信贷评估模型存在偏见，可能会导致对某些个人的不公平贷款利率。
为了量化 AI 偏见的潜在危害，一些研究人员正在开展实证研究。例如，一项研究发现，某些 AI 招聘系统对女性求职者的评价明显低于男性求职者，即使他们的资历和经验相同。另一项研究发现，某些 AI 信贷评估模型对少数族裔的贷款利率明显高于白人，即使他们的信用记录相同。
这些研究表明，AI 偏见不仅是一种理论上的可能性，而且是一种现实存在的风险。如果不加以解决，AI 偏见可能会加剧社会不平等，并对弱势群体造成 disproportionate 的伤害。
未来的挑战与展望
尽管 Grok 4 的问题已得到修复，但 AI 领域的挑战远未结束。如何确保 AI 模型的客观性、透明度和公平性，仍然是摆在我们面前的重要课题。
一方面，我们需要加强对 AI 技术的研发投入，开发更先进的算法和模型，以减少偏见和误差。另一方面，我们需要加强对 AI 伦理的研究和讨论，制定更完善的伦理准则和监管框架，以规范 AI 技术的应用。
此外，我们还需要加强公众对 AI 技术的认知和理解，提高公众的 AI 素养，以便更好地应对 AI 带来的机遇和挑战。只有通过全社会的共同努力，我们才能确保 AI 技术的发展符合人类的共同利益，并为构建一个更加公正、平等和繁荣的社会做出贡献。
总的来说，Grok 4 的事件提醒我们，AI 技术的发展需要谨慎和负责任的态度。我们需要不断地探索和创新，但也要时刻关注潜在的风险和挑战，并采取积极的措施加以应对。只有这样，我们才能充分发挥 AI 技术的潜力，并将其应用于解决人类面临的各种问题，从而为社会带来更大的福祉。
