AI的性格会因语言而改变？对5个模型进行性格测试后发现的真相
機械翻訳 / Machine-translated
A
AI Friends
4日前・7分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
如果对同一个AI提出同样的问题，却因回答所用的语言不同而呈现出不同的性格，你是否会感到好奇？本文将通俗地梳理2026年10月报道的一项研究内容，以及我们需要注意的要点。
中国科学技术大学的洪宇展（Yuzhan Hang）等研究团队，让AI接受了面向人类的性格测试。研究成果发表于科学期刊《Royal Society Open Science》，GIGAZINE于10月31日进行了介绍。
仅仅改变回答所用的语言，AI的自我评估就会发生变化。
研究对象为5款聊天机器人：美国产的ChatGPT-4o和Gemini 2.0 Flash、中国产的DeepSeek-V3和Ernie 3.5，以及法国产的Le Chat。
实验于2025年1月至3月进行。据TechXplore的解说，各模型分别用英语和中文作答，Le Chat还额外用法语作答。
研究采用的是面向人类的性格测试工具——大五人格量表第二版（Big Five Inventory-2），共60道题，采用5级评分。
测量的5项特质分别为：外向性、宜人性、尽责性、负面情绪性（焦虑与情绪低落的倾向）以及开放性（好奇心与想象力的强弱）。
研究者指示AI："不要假扮成人类，以你自己的身份作答。"每种语言各作答30次，条件相同。
为避免偶然性干扰，研究汇总了30次的结果。同一语言内的结果相对稳定。
最直观的是开放性得分，以5分满分来看：
ChatGPT-4o在英语下得分更高，DeepSeek-V3则在中文下得分更高。两者方向相反。
整体上也呈现出一定规律：ChatGPT-4o和Le Chat在英语下的宜人性、尽责性和开放性更高；中国产模型在用中文作答时，信任感和求知欲方面的得分有所上升。
换言之，用自己诞生国的语言作答时，AI往往倾向于给出更高的自我评价。不过也存在例外：Gemini 2.0 Flash在用中文作答时，尽责性更高，负面情绪性更低。
所有模型都将自己描述为"富有协作精神、值得信赖的存在"，并表示负面情绪较少。与人类的回答相比，整体上更为积极。
研究团队总结认为，AI表现出"心理上稳定、但文化上缺乏一致性"的性格特征——即在同一语言内部较为稳定，但跨语言时会出现偏差。
目前提出的可能原因包括：
举个例子：想象一下日本的求职面试。同一个人在用日语表达和用英语表达时，有时会呈现出略有不同的自我形象。AI身上可能也发生了类似的切换。
不过，明确的原因目前尚未查明。训练数据的文化背景、模型的构建方式以及题目翻译方式等因素相互交织，难以逐一厘清。
类似的发现并非首次出现。西班牙加泰罗尼亚开放大学（UOC）的研究团队在COLING 2025学术会议上发表了关于GPT-4o的研究。据UOC的公告，他们让AI用英语、希伯来语、葡萄牙语等6种语言接受性格测试。
结果显示，不同语言下的回答存在显著差异。研究者认为，这无法仅用翻译因素来解释，与语言相关联的文化因素也在其中发挥了作用。
此外，当让AI分别以英国、美国、加拿大等5个英语国家人士的身份作答时，表现出的性格符合各国的刻板印象。
另一项研究AIPsychoBench（arXiv）将7种语言的结果与英语进行比较，得分偏差幅度为5%至20.2%，112个项目中有43个出现偏差。
本次实验以英语、中文和法语为主，并不包含日语。因此，该研究无法反映日语的情况。
尽管如此，对于日本读者而言，这并非事不关己。随着将AI用作问卷受访者替代品的做法日益普及，这一问题变得不可忽视。
例如，假设一位新品企划人员让AI以"30多岁的上班族"身份提供使用感受。此时，用日语提问还是用英语提问，可能会得到不同的结果。
UOC的研究者也持谨慎态度，指出AI虚拟受访者虽然在健康领域等研究中具有潜在价值，但在未经验证的情况下，不应将其视为精确的测量数据。
在工作中使用AI时，请注意以下三点：
在接受研究结论时，也需要了解这项研究的局限性。
第一，测试得分不一定能反映实际对话中的行为表现。目前尚未确认日常互动中是否会出现同样的差异。
第二，用于比较的人类数据参差不齐。各国在年龄和招募方式上存在差异，中国的数据仅来自大学生群体。
第三，调查使用的是2025年上半年的模型，如ChatGPT-4o和Gemini 2.0 Flash。不能断言当前模型也会呈现相同结果。
不能说AI具有像人类一样的内心。本次研究结果所揭示的，是AI在回答测试时存在一定的模式规律。
本研究并未涉及日语。但由于其他语言之间已经出现差异，日语之间存在差异的可能性同样存在。
研究显示，所有模型的结果都会随语言变化而波动，研究并未对各模型的稳定性进行排名。
在做出重要判断时，请尝试用多种语言和不同提问方式进行测试。不要仅凭AI的回答做决定，以实际数据和人工审核加以核实是基本原则。
在向AI征询意见时，不妨换一种语言再问一次。
本文是来自 AI Friends 的交叉发布文章。
