AI 行为护栏应该公开
主要 AI 图像生成器因其不透明的“护栏”而受到批评，这些护栏似乎强力执行以美国为中心的多元化规范，有时会产生违背历史或单向度的种族结果（例如拒绝描绘白人，却过度纠正为非白人形象）。评论者争论这究竟源于笨拙的技术对齐、企业品牌与法律风险管理，还是意识形态偏见，并讨论安全规则是否应公开、可由用户配置，或应被完全开放的本地模型取代。此事进一步引发了人们对信息控制权过度集中、隐藏审核政策，以及少数科技公司定义何为可接受或“准确”输出之长期影响的担忧。
范围：护栏与透明度
- 许多人认为 AI 行为规则（“护栏”）应该公开：隐藏的约束会影响输出，但用户无法看到或控制它们。
- 也有人指出，大多数大规模审核系统都会将规则保密，以避免轻易规避并降低品牌/法律风险。
- 批评者回应说，这更像秘密法而不是安全，并制造出一种“卡夫卡式”的用户体验，让失败显得随意而莫名其妙。
Gemini 图像偏见争议
- 多篇报告称：对于历史上或语境上应当出现白人的提示，Gemini 会过度生成非白人形象（例如教皇、二战德国士兵、历史上的苏格兰/英格兰王室）。
- 一些用户发现，当提示“白人 [角色]”时会直接拒绝或进行道德说教，而类似的其他种族/性别提示则能成功。
- 一些人推断，系统在检测到请求中有人类时，会广泛注入一个隐藏的多样性提示（“让图像中的人物更具多样性”）。
- 也有人指出，这种行为似乎已经部分修补，而且并非确定性表现。
技术对齐 vs DEI / “觉醒主义”
- 一派观点：这主要是叠加在带偏训练数据之上的技术对齐修补（互联网内容对白人/西方内容过度代表；天真的模型会默认白人、男性）。护栏试图纠正这一点，并避免早期那种“黑猩猩”事件式的种族主义失败。
- 另一派观点：这种行为显然带有意识形态色彩，过度纠偏成一种新的种族偏见，甚至歪曲历史；他们将其视为企业社会工程。
- 也有人主张一种“折中方案”：对泛化的、现代语境的提示默认多样化，但当语境（时间、地点、群体）明确时，应尊重人口结构与历史。
- 还有人建议按用户或地区进行个性化，让“默认人物”更符合用户预期，而不是统一采用某种以美国为中心的多样性模板。
商业、法律与品牌风险
- 许多评论把护栏与品牌安全、诉讼风险和公关问题联系在一起，而非纯粹的伦理或安全。
- 有人担心，对争议的恐惧会推动公司过度限制，导致输出尴尬或无法使用。
替代方案与开源模型
- 有几条评论提到本地和开源模型（LLM 和 Stable Diffusion 变体），认为它们可以避开企业护栏，但代价是部署复杂且缺乏集中式安全。
- 也有人预计，出于“安全”名义，会有压力去监管或污名化开源模型，而其他人则认为这会进一步集中权力。