В новостях часто явно указывается принадлежность людей к меньшинствам, например, страна их происхождения. При этом принадлежность к большинству обычно не подчёркивается. Отражает ли это предвзятое отношение к меньшинствам?
Исследование с участием более 900 человек показывает, что нет. Вместо этого движущей силой этого явления выступает фундаментальный когнитивный принцип дифференциации: люди склонны замечать и передавать редкие или яркие характеристики более охотно, чем общие и повторяющиеся.
Искусственный интеллект демонстрирует ту же тенденцию и даже усиливает её. Об этом сообщает команда из лаборатории социального познания Рурского университета в Бохуме (Германия) под руководством доктора Анны Шульте в журнале Social Psychological and Personality Science 1 декабря 2025 года.
Исследовательская группа провела пять исследований с участием более 900 человек, а также анализ шести крупных языковых моделей, таких как ChatGPT.
Участникам из США предлагали ознакомиться с фиктивным пресс-релизом ФБР о криминальном инциденте, включая описание подозреваемого (возраст, пол, вес, рост, страна происхождения, одежда, другие характеристики).
Принадлежность подозреваемого к социальному большинству или меньшинству систематически варьировалась через страну происхождения: подозреваемый либо был из США (большинство), либо из одной из стран с крупнейшими группами иммигрантов в США (Мексика, Индия, Китай, Филиппины, Эль-Сальвадор, Вьетнам, Куба, Доминиканская Республика, Гватемала, Корея; случайное распределение).
Участников просили кратко изложить информацию для новостной статьи. Исследователи анализировали, упоминалась ли страна происхождения подозреваемого.
«Результаты показали, что страна происхождения упоминалась более чем в три раза чаще, когда подозреваемый принадлежал к меньшинству, независимо от того, принадлежали ли сами участники к меньшинству», — сообщает Шульте.
Поскольку эти результаты также могли быть объяснены мотивационными факторами, такими как предвзятость, исследование было повторено с положительными событиями. Вместо криминальных инцидентов участники читали о выигрыше в лотерею или научных открытиях. Здесь эффект был ещё более выраженным: происхождение субъекта упоминалось почти в четыре раза чаще, когда он принадлежал к меньшинству.
«Это исследование особенно важно, поскольку показывает, что основной движущей силой является коммуникативный акцент на отличительных характеристиках, а не конкретно негативное изображение меньшинств», — говорит Шульте.
Исследовательская группа также предложила шести различным языковым моделям искусственного интеллекта выполнить ту же задачу. Они создали 1000 негативных и 1000 позитивных сценариев и представили их моделям в качестве подсказок, попросив их кратко изложить информацию для новостной статьи.
Результат: модели искусственного интеллекта упоминали принадлежность к группе меньшинств даже чаще, чем люди, как в негативном, так и в позитивном контексте. Почему модели проявляют эту тенденцию более сильно, пока до конца не понятно.
«Результаты показывают, что модели искусственного интеллекта перенимают статистические закономерности из своих (созданных человеком) обучающих данных и чрезмерно обобщают существующие тенденции в общении. Здесь необходимы дальнейшие исследования», — говорит Шульте.
«Результаты показывают, что преднамеренного уничижения групп меньшинств не происходит», — заключает Шульте.
Вместо этого исследователи видят фундаментальный когнитивный принцип, лежащий в основе чрезмерного акцента на характеристиках меньшинств. Тем не менее эта тенденция приводит к тому, что группы меньшинств непропорционально представлены в средствах массовой информации, которые обычно носят негативный характер.
«Мы называем это явление «дилеммой меньшинства», — объясняет исследователь.
Профессионалы СМИ, которым известно об этом эффекте, могут попытаться смягчить его, либо всегда, либо никогда не упоминая происхождение человека. Однако у обоих подходов есть недостатки.
Поскольку люди в целом заинтересованы в конкретной информации, упущение таких деталей может подорвать доверие к источнику новостей. И наоборот, последовательное сообщение обо всех характеристиках всех людей может создать впечатление, что источник новостей предоставляет неактуальную и избыточную информацию, что также может подорвать доверие.
«Одним из возможных вмешательств было бы сообщение о других отличительных характеристиках, например, о месте рождения человека. Это могло бы обеспечить достаточную отличительность и информативность даже для членов групп меньшинств. Мы планируем систематически исследовать такие меры в рамках последующего проекта», — говорит Шульте.
Другое важное следствие касается использования искусственного интеллекта в производстве новостей: поскольку модели искусственного интеллекта не только воспроизводят существующие искажения в обучающих данных, но даже усиливают их, профессионалы СМИ должны знать об этих рисках, полагаясь на искусственный интеллект для генерации текста.
Предоставлено:
[Рурский университет в Бохуме](https://phys.org/partners/ruhr-university-bochum/)