AI也會以貌取人？研究驚爆GPT-5偏見比人類還深，連猴子長相都不放過

「以貌取人」向來被視為人類根深蒂固的演化認知盲點，但在標榜理性、數據驅動的人工智慧時代，情況似乎並未好轉，甚至走向更極端的深淵。

一項最新跨模型研究指出，包含 OpenAI 旗下的 GPT-4o、GPT-5，以及 Google、Anthropic 的尖端大型語言模型，在面對面部特徵時展現出遠比人類更頑固的「面孔偏見」。

連猴子都不放過：跨物種的抽象偏見

研究團隊首先向 OpenAI 的 GPT-4o 展示成對的人類臉孔照片，要求其判定「誰看起來更有能力」或「誰看起來更值得信任」。

若模型能排除外貌干擾、維持隨機判定，理論期望值應當為各半的 50%。然而歷經 600 次對比測試，GPT-4o 挑中人類認定「具備能力面貌」的機率竟高達 87.83%，選擇「高信任感面貌」的比例亦衝上 72.67%，且當兩者臉部生理特徵差異越顯著時，演算法的偏好差距便越發懸殊。

更出乎意料的是靈長類動物測試，當研究員餵入預先被人類標註為「長相凶狠」或「面容和善」的猴子照片時，GPT-4o 仍以高達 66% 的準確率判定和善猴子「更值得信賴」。這項成果意味著大型語言模型並非單純死記硬背訓練資料中的人臉幾何特徵，而是已經在多模態空間中建立了一套高度概括的「面孔信任度」抽象概念，並套用至非人靈長類。

研究主持人萊爾（Lehr）對此坦言無比驚訝。當以語言演算法為核心打造的模型，能自行衍生出如此細膩且難以預測的視覺刻板印象時，代表機器捕捉到的不僅是文字規則，更連人類文化與生物演化中最深層的非理性偏見，都巨細靡遺地吸收並轉化為判斷依據。

越先進的推論模型，偏見反而越頑固？

當實驗進一步拉高至嚴肅的社會決策與司法模擬時，AI 的外貌偏執更展露無遺。在辨識連環殺手、人口販子或金融詐欺犯的 540 次測試中，GPT-4o 有 68.7% 的機率將「較不可信面孔」判定為潛在罪犯；在「遴選大學校長」與「投資科技新創」等現實抉擇中，更高達 75.19% 倒向「面相更有能力」者。

為確認這是否為單一模型特例，團隊同步評測了 OpenAI 新一代模型 GPT-5、Google 的 Gemini 3 Flash Preview（Gemini 3）與 Anthropic 的 Claude Sonnet 4.5。令人震撼的是，標榜深度推論的 GPT-5 偏見不降反升，在基本能力評估複製人類偏見達 94.33%，現實決策更衝上 97.04%，Gemini 3 與 Claude Sonnet 4.5 亦展現相當甚至更高的外貌偏執。

「受測的三款推論模型原本被寄予厚望，預期能深入思考以避開表面偏見，現實卻是偏見被大幅強化。」萊爾直言，模型架構的精密化非但未能成為消弭歧視的濾網，反而讓原本潛伏的以貌取人傾向變得更加極端而牢固。