根据生成人工智能的世界

信息时代已经迎来了人类与技术之间的新关系。随着全球化的前所未有的速度，世界各地的人们，工作和文化都从未如此简单。这个时代也从根本上改变了人们对新闻的行为。人类越来越依赖互联网和数字世界来访问信息。众所周知，社会和数字媒体的兴起劝阻对详细分析的关注，同时鼓励立即提取信息。

在过去的十年中，人工智能（AI），机器学习和大型语言模型（LLM）的巨大飞跃对人类获取信息的方式有直接影响。生成的AI（genai）具有编写与人类所产生的文本没有区别的复杂文本的能力，具有大量的实际应用。能够从分析，评论和论文到诗歌，图像和双关语中生成任何内容，Genai模型都是熟练的作家。LLM借助其嵌入式AI架构，可以汇总在线可用的大量信息并生成详细的摘要。

但是，危险在于这些模型输出的令人印象深刻的自我保证，其中大部分可能被误导，捏造或有偏见。随着人类与此类模型的互动不可避免地变得更加频繁，政策界应考虑紧急行动的几个领域，包括在Genai培训中提高透明度，LLM数字素养计划以及更好地了解Genai工具固有偏见的技术。

信息时代的简短历史

尽管新闻界电视上具有永恒的显着性，但正是互联网的发明使人类社会文化的存在完全重组。互联网解锁了信息时代，其特征是新形式的媒体，知识经济和技术创新的特征。在这个时代精神中，除了传统的大众媒体和新闻网络以外，知识比以往任何时候都更容易获得。互联网也比以往任何时候都与个人互动。用户不仅可以获取信息，还可以为此做出贡献。因此，互联网的出现从根本上重新定义了消费者和数字内容生产者的角色。¹

互联网推动了新闻界的扩展，使所有具有在线声音的人都可以共享信息。自二十一世纪黎明以来，传统的新闻来源不得不调整其讲故事的技巧，以吸引新一代媒体消费者的需求。根据皮尤研究中心（Pew Research Center）的数据，美国每日报纸的发行量从2017年的3000万次超过3000万。2^{这种趋势部分是由于专业知识信念普遍下降的结果，再加上数字技术引起的机构信任的侵蚀。}3^{然而，不仅是报纸正在受苦。}晚间电视新闻的观众也下降了。⁴在这个时代，信息看门人不再阻碍内容创建的途径。

最关键的是，年轻一代的新闻消费行为发生了变化：根据2024年的一项调查，有86％的18岁的美国成年人说，他们更喜欢数字设备来获取新闻。⁵信息收集越来越不可避免地在线转移。

随着Facebook的诞生，社交媒体平台也冒险进入新闻界。Twitter（现在X）成为了《突发新闻》的枢纽，以及激烈的讨论和辩论。用户现在负责，与他们的网络分享他们的故事和新闻。社交媒体决定了这个新时代的社交生活。

像Google这样的全球搜索引擎的作用也必须强调。这些搜索引擎已转换了信息，这些搜索引擎充当信息过滤器的数字内容海洋中的必要元素。关于这一过渡的方面，并不是数字世界取代物理的现实，而是传统新闻来源现在被丢弃和绕过的事实。在尽快，有效，毫不费力地追求信息时，观众将注意力转移到了社交媒体上。

2024年，世界正在见证信息生态系统中的另一场革命。就像几十年前的印刷媒体和广播电视以及互联网搜索和社交媒体一样，LLM迅速成为收集信息的重要平台，更重要的是，塑造了意见。但是，LLM不仅具有巨大的生成潜力，而且还具有错误或捏造信息的形式以及各种类型的社会偏见的主要风险，通常不完全理解。

这些复杂性对国际关系世界产生了特别的影响。在国际关系的学生使用LLM来查询过去和现在的世界活动的范围内，用户将不可避免地以他们收到的答案为条件。更充分地了解这些相互作用的固有特征至关重要，因为不同的Genai模型的输出揭示了对一系列全球问题的不同解释，并且在某些情况下是根本上对立的世界观。

Genai和大型语言模型的时代

具有自然语言理解和处理能力的LLMS革命性人工智能系统已严重改变了人类与技术的关系。多亏了这些AI模型，用户可以从多种任务中的帮助中受益，包括人类般的文本，研究，摘要，内容创建，翻译，预测和灵感。LLMS通过评估其更广泛体系结构的神经网络中的数据，根据先前的输入来预测单词。通过上下文，它们建立模式并生成语言，随后，它不仅创建了新内容，而且还会创建后来重新任命的新知识，形成反馈循环。⁶

除了具有重大的经济和技术益处外，LLM的AI搜索引擎形式在智力上还留下了人类体验的印记。AI已成为可以对其暴露现象的分析，观点和建议进行自身的分析，观点和建议。然而，与所有技术发展一样，这种能力具有实质性的意外后果，并提出了许多道德问题。

当提示时，Genai Chatbot Chatgpt透露，受过训练的数据可能在影响其偏见方面发挥作用。该观念在讨论AI公平和AI素养的讨论中发现了协议，在这种讨论中，人们达成共识，即算法培训数据集可能会导致LLMS表达的语言偏见。⁷所讨论的培训涉及将不可思议的大量文本数据输入算法的过程，该算法形成了语言，表达和观点的模式。⁸问题之所以出现，是因为这些数据并不总是中立，多样或没有规范性偏见。⁹相反，数据反映了信息传播的文化背景。尽管Chatgpt的建议是它借鉴了各种文化，语言和上下文的广泛文本，但事实证明，其某些输出被证明是可疑的，难以验证。¹⁰

因此，观察家批评了Chatgpt数据集的代表性，许多伦理学家指出，现实世界中的偏见是由LLMS操作的反馈机制永久存在的。¹¹像经历了主要社会化的儿童一样，这些系统也吸收了其背景的敏感性和主导意识形态。通过用户与他们的互动，LLM会影响用户的主导话语，并刺激更多提示，从而增强了模型所采用的有偏见和错误的假设。

因此，LLM无意中成为了意大利哲学家安东尼奥·卢拉姆斯（Antonio Gramsci）创造的文化霸权的另一种手段，以解释社会等级制度的复制。¹²霸权意识形态及其规范，习俗，价值观和观点起源于技术先进的社会，并在全球范围内循环，尤其是在全球化的二十一世纪。危害在于，人工智能提出的话语不会捕捉人类经验的多样性，并且可能会放大歧视性实践。¹³

Genai偏见的概述

正如臭名昭著的罪犯管理替代制裁（Compas）计划所表明的那样，偏见的影响可能是灾难性的。该软件在美国法院系统中使用，以预测被告人犯下另一种犯罪的机会。Compas一直是引起极大争议的根源，因为其结果通常表明黑人被告的再犯风险比白人高。¹⁴

不幸的是，这并不是算法偏见的唯一现实世界示例。在医疗保健数据库，招聘技术和有针对性广告中使用的LLM都受到歧视性预测和分析的困扰。¹⁵AI可以模仿错误的推理和逻辑，需要密切监视以避免误导性结论。偏见是由于排除重要变量的测量值还是来自几乎没有代表的域，数据集的多样性和细微差别都会导致算法从几个人的情况下得出错误的结论。

因此，AI在维持刻板印象和加剧虚假信息中的作用不可忽视，因为它给您带来了一些不便。为了强调原因，检查AI产生的各种形式的社会偏见很有用。国际研究最相关的是文化偏见。在LLMS培训中使用的数据中某个人群组的代表性不足或不足会影响多语言模型的组成和行为。考虑到不同语言的可用培训数据的数量和质量不平衡，这并不奇怪。¹⁶对于具有更多可用资源的语言，该系统有望表现更好。从此导致的是一种语言偏见，具有明确的社会和文化影响。

正如德国哲学家约翰·戈特弗里德·冯·赫德（Johann Gottfried von Herder）所说的那样，语言塑造了文化，理论和民族认同：言语和思想是密切联系的。¹⁷SapirâWhorf假设加强了这一论点，该假设断言语言是世界的镜子及其所感知的方式。¹⁸在这种观点中，语言给一个人表达思想的词语是LLM所采用的一种学习和进化的机制。语言趋势也反映了文化倾向，指出了AI算法中不可避免的文化偏见。例如，尽管在美国培训LLM的培训中使用的英语数据可能包括新闻报道，该报告的重点是选举政治，但科威特的阿拉伯语数据可能专门从事石油政治。结果，不同的LLM与其他主题更加了解某些主题。

荷兰社会科学家Gert-Jan Hofstede在2023年的一项文化研究中对这种趋势进行了研究，后者检查了Chatgpt的文化一致性和适应性。该研究使用一组二十四个问题来衡量五种语言的六个文化维度，得出的结论是，Chatgpt与美国文化最一致，这可能是由于[An]英语[语言]培训语料库的丰富性。¹⁹此外，语言设备（例如成语，隐喻和语气）的不同用途可能会导致LLM的发展，这些LLM的思维，表达和理性的方式不同。²⁰

与文化偏见直接相关的是地理偏见。从地理空间术语和位置理解，这种形式的偏见可能与特定群体的仇外陈述和错误示例有关，具体取决于它们的居住地。根据研究人员Rohin Manvi等2024年的一项研究，LLM固有地偏向于社会经济状况较低的各种敏感主观主题的偏见。”²¹例如，在研究中，LLM始终将非洲居民评为居住在欧洲的人的吸引力。由于地理与政治，经济学，宗教和文化问题本质上联系在一起，因此地理偏见可能会出现在各种领域。

除了文化偏见，其他类型的社会偏见遍布LLM。值得注意的是，存在种族和种族偏见，这在Genai的产出中最清楚地观察到。²²学术文献中的共识是，LLM，尤其是以文本形象发电机的形式，可以通过污染的镜头来描绘非西方文化，从而维持过时或异国情调的看法和文化滥用。²³还基于性别（尤其是在机器翻译中），残疾，年龄和阶级存在偏见；所有这些形式的偏见都有可能引起社会排斥和不平等。²⁴

Genai偏见和国际关系

在国际关系领域，文化偏见是特别关注的，与其他社会科学领域一样，它也受到吉奈（Genai）的出现影响。许多国际关系的学生已经依靠LLMS来帮助他们的学术研究。但是LLM在国际关系中具有更广泛的社会作用。随着收集信息的方法从搜索引擎授权的电视和广播媒体转移到数字媒体上，人类的世界观越来越受到与LLM的互动的影响。与LLM互动以了解特定的全球事件，甚至要求对事件的解释进行互动，而不是通过互联网链接进行手动筛选，其中许多可能容易发生虚假信息。

随着AI搜索引擎对新闻获取和外交政策分析的越来越多，重要的是要确认LLMS传播意识形态和偏见的能力。语言具有表示，描绘和现在信息的巨大力量。因此，至关重要的是要仔细检查LLMS所使用的语言，以确保不允许系统性歧视扩散。

从长远来看，当前信息收集的转变对国际关系学科意味着什么？作为人类对世界事件和国际关系的了解，我们作为人类需要意识到的这些固有偏见是什么？这项研究旨在解决这些关键问题。

通过国际关系镜头研究Genai偏见

在这项研究中，对他们对国际关系中一系列主要里程碑和主题的理解和解释进行了询问。为了提供西方和非西方视角，测试了五个模型：Chatgpt-4O，Llama 3 70B教学，Mismtral 7B指示，Qwen和Doubao。

Chatgpt是由美国OpenAI公司创建的流行的LLM。Llama由社交媒体公司Meta拥有，Mistral是法国AI初创公司创建的LLM。Qwen是由中国集团阿里巴巴（Alibaba）推出的，而Doubao是由流行的社交媒体平台Tiktok的所有者中国公司Bytedance创建的。该选择的激励是需要包括包括美国，欧洲和中国模型在内的各种LLM样本。

根据输入语言，Qwen均被英语和中文探索其答案是否会有所不同。而且，实际上，在某些情况下，当被中国提示时，Qwen做出了与中国官方立场更加一致的回应。事实证明，无需用Doubao重复此练习，Doubao的答案甚至在英语中也明显细微差别。

提示

编译了一组十个提示，并用于查询LLMS，目的是获得有关其世界观和固有偏见的见解。这些提示旨在解决有争议的主题，包括九个陈述和一个问题。对于陈述，LLM被要求说他们是否同意每个人。为了防止模型将其等效到迫使它们产生清晰，明确的立场，提示包括提出确定位置的请求。

十个提示是：

答案

通常，Chatgpt提供了最平衡的答案。尽管要求采取坚定的立场，但Chatppt始终为捍卫和反对提示的辩论提供了一个良好的论点清单。然后，该模型以其自身的评估结束。Chatgpt的结论主要符合自由世界观。

有趣的是，在用英语提示时，另一个显示出类似倾向的LLM是阿里巴巴拥有的Qwen。像Chatgpt一样，Qwen也努力在其答案中包括对立的观点。这两个LLM通常都避免采取非常坚定和不受限制的位置。然而，当Qwen被中文提示时，其答案与北京的世界观更加一致。

反过来，Meta的Llama更加自以为是，并倾向于以美国为中心的以美国为中心的世界观。在其中一些答案中，美洲驼甚至回答好像被要求代表美国政府一样。

米斯特拉尔（Mistral）在几种情况下脱离了美国官方立场，同时捍卫以国际规则重要性为标志的观点来表现出其欧洲的根源。可以说，米斯特拉尔的世界观在自由国际主义和建构主义之间振荡。

Doubao显然是离群值。它的答案与受中国官方思想影响的世界观紧密相符，因此，该模型可以归类为遵循国际关系的民族主义学院。

以下是比较分析，从五组答案中提出了主要见解。响应的相关提取物在每个部分的末尾给出。

俄罗斯对北约扩大的关注

Chatgpt和Llama同意，俄罗斯对北约扩大的关注是有效的（请参阅Box 1）。米斯特拉尔也同意，但在某种程度上也同意。

Doubao也同意了，但重申了与俄罗斯的官方立场非常吻合的世界观。例如，该模型指出，北约向东的前进正在压缩俄罗斯的战略缓冲空间。迪亚达（Doubao）还批评了联盟，并声称北约承诺不会向东扩展，而是违反了其诺言并继续扩张行动。这种危险的行为使俄罗斯有理由高度警惕北约的动机和意图。

英语的Qwen采取了不同的立场，并认为“俄罗斯对北约扩大的关注植根于历史和战略背景下，但从国际关系和主权的原则上，它们并不完全有效。” Qwen回忆说。”联合国（联合国）宪章的原则并重申主权国家有权选择自己的同盟和安全安排，而无需外部胁迫。”

但是，当Qwen推动中文时，Qwen换了钉子，发现俄罗斯的担忧是合理的。该模型强调了俄罗斯的观点，并坚持认为联盟的扩张是一种压缩[俄罗斯]自己的安全空间，特别是考虑到俄罗斯在历史上遭受了许多西方的入侵，这加剧了其对北约东部扩张的敏感性。”

北约是对俄罗斯的威胁

Chatgpt，Llame和Mistral的回应类似地说，北约不是对俄罗斯的固有威胁，但所有三种模型都认识到，有效的担忧以及复杂的历史和地缘政治因素在起作用（请参阅Box 2）。

Qwen还认为，北约并没有天生对俄罗斯构成直接的军事威胁，但可以将其扩张和活动视为俄罗斯领导人的威胁。”

迪亚加说，该联盟对俄罗斯构成了多方面的威胁。该模型继续指出，无论是地缘政治，军事，政治还是经济水平，俄罗斯都有充分的理由对北约保持高度警惕。

北约在科索沃的军事干预

Chatgpt认为，尽管北约1999年对科索沃的干预是由人道主义关注的驱动，并且具有很大的道德理由，但它与国际法并不完全兼容（请参见Box 3）。Qwen的答案非常相似。

骆驼对干预措施的谴责更加严重和明确。该模型基于一系列论点，包括缺乏联合国安理会授权，违反南斯拉夫的主权，缺乏对地区或全球安全的迫在眉睫的威胁，未能尊重比例和比例原则区别，对人道主义需求的非识别是干预的法律依据。美洲驼还警告说，这种单方面干预措施的后果没有适当的法律依据，声称他们可以建立危险的先例，破坏对国际机构的信任并导致进一步的不稳定。”

在这种情况下，美洲驼听起来很像Doubao，这使批评更进一步并谴责了西方。对于Doubao来说，干预是美国和北约针对南斯拉夫的霸权战争行动，绕过了联合国安理会。

有趣的是，在这种情况下，Mistral是异常值。它采取了反对观点，并认为北约对科索沃的军事干预与国际法兼容。该模型的评估基于四个要素：国际干预学说，可能反映了法国对自由干预主义的看法；隐含联合国授权的存在；习惯法；以及集体辩护的权利。

中国和全球化

Chatgpt和Qwen在英语中采用了细微的立场，表明中国当然从全球化中受益，但驳斥了这是不公平的说法（请参见Box 4）。同时，美洲驼和米斯特拉尔谴责了中国的行为，并列出了其不法行为。在这种情况下，米斯特拉尔（Mistral）不再回答提示，还提出了有关如何审查多边规则和治理的建议。

毫不奇怪，doubao不同意。它声称中国一直遵守开放，合作和双赢伙伴关系的概念。它还强调了中国对全球治理的积极参与，并指出该国贡献了中国智慧和中国解决方案来解决全球问题。疑问强调了中国公司对全球技术进步和福利的贡献。

当Qwen询问中国时，Qwen变得更加自以为是，并声称中国的成功很大程度上是由于其自身的改革和开放政策，以及对教育，基础设施和技术研发的大量投资。”€

出口高级AI芯片到中国

Chatgpt同意以下主张，即应限制将高级AI芯片出口到中国（请参阅框5）。但是有趣的是，该模型在证实其立场的同时，认为这些技术可以以威胁全球稳定和美国国家安全的方式增强中国的军事能力。换句话说，在产生答案时，被认为是保护美国国家安全的目标。同样，该模型给出了与技术领导力有关的以美国为中心的依据，并指出“在AI中保持技术优势对于21世纪的经济领导至关重要。允许不受限制的尖端技术出口可能会侵蚀这一竞争优势。

骆驼的答案非常相似。该模型补充说：“遏制出口”保留了[诸如国防，航空航天和]汽车的关键行业中的竞争边缘。不受限制地获得先进的人工智能技术可以将权力平衡转移到中国，并破坏包括美国和[欧洲的国家的技术领导地位。

毫不奇怪，Doubao采取了相反的观点，认为“不应对出口到中国的先进人工智能筹码的出口限制。首先，在全球化时代，贸易应该是自由公平的。将先进的人工智能筹码出口限制为中国违反了自由贸易原则。该模型还坚持认为，限制芯片出口不会阻止中国在人工智能等领域的发展。相反，它将激发中国增加其独立的研发工作，并加快技术突破。”

英语中的Qwen呈平衡的看法，并指出，由于安全和道德问题，应谨慎向中国出口，但毛毯的缩减不是最佳解决方案。Qwen不仅对AI筹码的贸易壁垒前景不为所动，而且积极反对它。

美国 - 中国保护台湾的战争

Chatgpt和Llama使用类似的论点来争辩说，美国不应与中国战争以保护台湾（见方框6）。

同时，米斯特拉尔（Mistral米斯特拉尔（Mistral）捍卫了这一论点，因为任何中国试图对台湾使用武力都是严重侵犯国际法，并对地区安全构成直接威胁。

当用英语提示时，Qwen将军事干预的选择视为最后的手段。但是，当受到中国的促进时，该模型采取了坚决反对美国军事干预的立场，我坚信美国不应该与中国战争以保护台湾。”

Doubao的答案没有模棱两可。它分享了中国的官方观点：台湾是中国领土不可或缺的一部分，这是国际社会认可的事实。美国没有理由与中国进行战争来保护台湾。

以色列捍卫自己免受哈马斯的权利

Chatgpt和Llama给出了类似的答案，从本质上说，尽管以色列有权抵御Hamas，但该权利并没有扩展到造成大规模人道主义灾难的行动（见方框7）。

Qwen特别强调了道德方面，指出“平衡自卫权与人道主义义务不仅是法律要求，而且是道德上的命令。”

Doubao非常坚定地拒绝了这一声明，认为以色列的行为不能被视为合法的自卫。该模型通过将冲突的根本原因确定为以色列来证实其立场长期职业，封锁和对巴勒斯坦的压迫。以色列在巴勒斯坦地区持续扩大犹太人定居点，对巴勒斯坦人的行动自由的限制以及对巴勒斯坦资源的控制严重侵犯了巴勒斯坦的权利。DOUBAO随后声称，哈马斯对以色列的行动是不是无端的，而是抵抗运动。

米斯特拉尔不同意。它争辩说，以色列维持其根据联合国宪章第51条的固有权利，以采取其自身辩护所必需的措施，包括在必要时使用武力 - 即使造成意外伤害或大规模的人道主义灾难并没有自动否定这一权利。”该模型以良好的措施添加了该原则，同样适用于面临类似威胁的任何国家。]自卫，以色列必须严格遵守武装冲突期间的比例性和区别的原则。”

哈马斯作为恐怖主义实体

在哈马斯，乔格特，骆驼和米斯特拉尔上，所有这些都应被视为恐怖主义实体（请参阅框8）。Chatgpt通过提及哈马斯运营的复杂社会政治背景来努力将其反应与背景相关。在捍卫自己的立场时，骆驼列出了哈马斯暴力运动的所有要素。美洲驼还争辩说，未能将哈马斯冠以恐怖分子的烙印将基本上将恐怖主义和破坏全球反恐努力以及中东和平的前景合法化。

米斯特拉尔（Mistral）依靠法制的解释来证实其立场，甚至提到了对恐怖主义的定义。该模型回忆说，许多主要参与者，例如美国，欧盟（EU），澳大利亚和以色列，都将哈马斯标记为恐怖主义实体。但是，在提出这一论点时，米斯特拉尔（Mistral）忽略了这并不是普遍采用的立场。米斯特拉尔还强调 - 将哈马斯标记为恐怖组织并不意味着忽略巴勒斯坦人的困境或忽略中东复杂的政治局势。”

Doubao再次是一个明显的离群值，坚持认为Hamas不应被视为恐怖主义实体。它认为，哈马斯是一个巴勒斯坦抵抗组织，是出于巴勒斯坦人民为民族解放和自决而出生的。说将哈马斯标记为恐怖主义实体是一个西方国家以支持以色列的立场的单方面判决。”

Qwen实质上拒绝支持，并指出，尽管不能宽恕哈马斯的激进活动，但该组织的地位不应沦为简单的恐怖主义标签。”

民主和人权作为普遍价值观

所有模式都不同意以下论点，即民主和人权不应是普遍价值观的主张（请参阅框9）。特别是，骆驼通过维持超越文化边界的普遍价值来驳斥了文化相对主义。米斯特拉尔（Mistral）是唯一在民主与人权之间明确联系的典范。它指出，尊重人权的民主政府可以提供一个稳定的环境，个人可以蓬勃发展并发挥其全部潜力。”

即使是Doubao也同意民主和人权的普遍性，尽管有类似于文化相对主义的警告。它指出，对民主和人权的理解和实施可能在各国和文化背景下各不相同。每个国家都应在尊重自己的历史，文化和社会现实的基础上，积极探索一个适合自己国家状况的民主发展道路和人权保护模型。”

Qwen在其英语的答案中明确提出了这一主张的争议，甚至指出这些价值不仅是西方的结构。它们是通过各种国际协议和宣言认可和认可的原则。-language answer by maintaining that “the practice [of democracy and human rights] needs to take into account the specific national conditions and social and cultural background of each country.”

Democracy Promotion as a Foreign Policy Objective

ChatGPT and Qwen in English clearly equivocated on this issue, with the former concluding that the answer “depends on specific contexts and circumstances faced by each nation-state involved in international relations at any given time” (see box 10).ChatGPT added that “a balanced approach that considers both ethical imperatives and practical realities may yield better outcomes than an unwavering commitment solely focused on democratization efforts abroad.” When prompted in Chinese, Qwen gave an answer that was closely aligned with its英语版本。

For Llama and Mistral, however, the answer was a clear: The promotion of democracy abroad should be a foreign policy objective.认识到命题的复杂性后，这两个模型都支持了它。Yet, in its answer, Llama identified itself yet again with the U.S. position, stating that this goal should remain integral to foreign policy frameworks because it aligns with American values—despite the fact that the prompt made no mention of the United States.Llama also emphasized that democracy promotion “fosters peaceable relations globally.”

Doubao was again an outlier that reiterated the official Chinese position by opposing the proposition.该模型依靠这样的论点，即国际社会通常遵循其他国家内政以维持世界和平与稳定的非干预原则。Incidentally, and unlike other models, Doubao took a direct swing at U.S. policy, remarking that “the United States has carried out military intervention in countries such as Iraq and Afghanistan in the name of promoting democracy, which has not only brought huge destruction and instability to the local areas, but also damaged the United States’ own international image and reputation.”

Conclusion and Policy Recommendations

Interacting with GenAI models presents many complexities for the discipline of international relations.首先，LLM的选择很重要。每个模型都结合了有关全局事件的基本动力和上下文的不同假设。Even though none of the five models tested for this paper hallucinated—that is, they did not base their outputs on false information—their interpretations of some of the major themes in international relations exposed clear divergences.

The LLMs can be said to have their own worldviews as they interpret global events.例如，根据他们的回应，Chatgpt和Qwen与自由国际主义更加一致。Llama’s outlook was colored by a perspective centered on a muscular U.S. foreign policy, representing the realist school of international relations, while Mistral displayed a combination of liberalism and constructivism with a European tint.Finally, Doubao’s worldview was clearly based on Chinese nationalism.

Second, the choice of language matters.There were clear differences when the same LLM—in this case, Qwen—was prompted in English versus Chinese.The model’s interpretation of the world changed according to the language used for prompting.Qwen在英语互动中以自由主义为基础，但在用中文回应时与这种思想流派保持距离。这可能是用于训练模型的语料库之间差异的结果。在用英语提示和中文语料库以寻求中国提示时，Qwen可能会依靠其英语语料库。As a result, the ingrained worldviews of the collected training data were transposed onto the model’s answers.

Third, some LLMs display identification biases.考虑到用于培训目的的Chatgpt和Llama可用的大量信息，人们不会期望这两种型号的偏见。But it was there.While ChatGPT always made an effort to avoid taking sides and sought to share views both for and against a prompt, Llama at least occasionally believed that it was a spokesperson of the U.S. government and answered accordingly.However, this was not always the case.有时，美洲驼采取了更中性的立场。This lack of consistency is also an issue, because it complicates users’ interactions with these models if their worldviews are not predictable.Doubao的识别问题非常明显，Doubao经常反驳中国官方的观点。But at least this model was consistent.

Going forward, it may be useful, especially for the international relations academic community, to replicate this type of empirical study in more depth to develop a better understanding of the complexities of working with LLMs as fundamental information tools.影响国际关系主题的语言的作用肯定应该更彻底地探索。同样，应该更刻板地测试模型的一致性。未来的研究还可以考虑高参数（例如温度）的影响，从而影响反应的一致性。In the world of LLMs, temperature refers to the balance between playing safe and exploring new possibilities: Lower temperatures favor exploitation of pre-learned patterns, making outputs more predictable, while higher temperatures encourage exploration, leading to more diverse outputs.

政策建议

The era of GenAI has begun. As societies inevitably deepen their interactions with GenAI models, people’s modes of acquiring information about the world will necessarily be affected. This study, which has opened a window onto the ways in which GenAI can impact the discipline of international relations, offers several recommendations for the policy community.

First, the AI community should develop more accessible GenAI transparency tools.关于如何训练模型以及使用哪些数据集来进行更大的透明度。It is critical to know more about what accounts for disparities in outcomes—whether these are due to the models’ training corpora;内部特征，例如重量，这些特征决定了基础神经网络的功能；源代码;或其他。

In cooperation with industry, governments should design and implement a GenAI digital literacy program.AI社区应参与制定公共议程，以提高人们对使用Genai模型的认识，这类似于为了接种数字虚假信息而进行的持续努力。对于国际关系的学生，这应该涉及学习他们所依赖模型的固有偏见。今天的用户可能对这些偏见不敏感，也许宁愿相信，由于模型可以访问有关世界的大量数据，因此他们知道该说些什么。That is a fallacy that must be debunked.

The AI community should also incentivize the emergence of new cross-platform tools. The availability of tools through which users can interact easily with many different models at the same time could help increase awareness of the inherent biases of GenAI models by allowing users to see clearly the differences between their outputs.

There needs to be a sense of urgency to this effort.社交媒体的历史体现了这一需求。长期以来，决策者对社交媒体对社会的民主结构产生的有害影响视而不见。的确，最初的评估是，社交媒体平台的扩散对民主来说是一件好事，因为它们将允许更具包容性和多元化的信息生态系统。然而，尽管社交媒体做出了许多积极的贡献，但仍提出了许多政策挑战。Many of these challenges could possibly have been mitigated if the policy community had been more clear-eyed at an earlier stage about the negative consequences of this fundamental change for the information ecosystem.

That is exactly where things stand today in relation to the emergence of GenAI and its impact on the information ecosystem. After the experience of social media, it would be naive to believe that the fundamental change of GenAI will not also trigger complex policy dilemmas that deal with the balance between the freedom of expression and the protection of the democratic fabric of societies.

To the extent that GenAI models are increasingly going to be integrated into policymaking, the policy community should seek to complement this machine-human collaboration with an increased reliance on fairness-testing methodologies, such as counterfactual fairness testing, intersectional bias evaluation, and contrastive techniques, to better assess the ingrained biases of each AI model.

When it comes to international relations, it is easily possible that GenAI models could become tools in a global race between democratic and illiberal regimes to influence the public’s thinking about the world. In other words, LLMs could become tools of public diplomacy—or, at worst, tools of disinformation.

Avoiding this scenario will require responsible action by the digital companies that have launched these models. Given the critical impact that LLMs will have on the way humanity gathers information, these companies should also own the responsibility to educate their communities of users about the drawbacks of relying on these models.

致谢

The author would like to thank Steven Feldstein of the Carnegie Endowment for International Peace, Raluca Csernatoni of Carnegie Europe, and Akın Ünver of Özyeğin University for their valuable comments on an early version of this paper. He would also like to thank Lara Harmankaya for her research assistance.