在技术的原初设定中，价值对齐作为一种人工智能治理方法，彰显的是技术设计者企图通过人类价值嵌入机器体系的方式获得更加可靠的人工智能产品的信心。然而，在面对技术-社会的复杂互动关系时，价值对齐却无法真正有效付诸实践。一方面，潜藏于价值对齐背后的人类中心主义的控制幻想假设了一种以人类现有道德水平和认知为基准的整体性解决方案，坚信人类所形成的价值体系和原则足以为人工智能技术的发展植入更好的目标和原则。这无疑是一种人类在面对人工智能时的“造物主式”的傲慢。另一方面，围绕着价值观差异所引发的冲突、斗争等长久地存在于人类社会发展始终，历史性和多元性构成了价值观本身的特质。那么，在面对人工智能的治理问题时，人类何以能够空前地达成一种价值观念上的统一并将其附加于人工智能之中？如若不能，一种更加危险的趋势或许正酝酿于价值对齐的设计之中：人工智能技术的掌握者是否会以特定的价值实现对AI的“对齐”，进而诱使无所不在的人工智能产品以技术无意识的方式实现对人类群体的普遍性对齐？ [11][德]彼德·斯洛特戴克.资本的内部[M].北京:社会科学文献出版社，）2014:275. 这和现有的认知型智能体的发展路径完全相悖。无论是OpenAI的GPT和Sora，还是谷歌的Gemini、Gemma，即便是所谓的多模态大模型，也主要基于对去语境化的信息建构起来的符号系统的处理。该路径的理论根据在于，欧美中心主义认为数字信息比与具体语境相关的模拟信息更重要。虽然人类对于人工智能的价值/道德/期待在很大程度上是“因为我们习惯于将伦理与类人的外观和类人的通过语音的交互联系在一起，而所有这些实际都应该归功于良好的设计和熟练的编程”。这种信息实体论不但改变了人们对现实的看法，而且在人工智能技术的发展上更重视人类已有经验文本——文字、影像、图表等，而忽视了具身智能的交互性发展。生成式人工智能和大模型技术所依赖的数据集来源的结构性问题正是这一智能发展方向无法克服的一个弊端。即便是已有的多模态大模型扩大了来源文本的类型，但依旧没有使问题变得好转，因为不同的文本生产技术的发展水平在世界范围内并不均衡，同时也会产生不同的意义模式，当其被去语境化为普遍符号的时候，就已经改变了其被生产出来时与真实生活的距离。有事实表明，部分数据在训练一段时间后可能已经破坏了大模型的表征，并且，大模型的技术逻辑会导致数据离散度变小，从而产生认知中心化乃至模型崩溃的结果。它也是其发展的顽疾之一，它有可能导致价值极化的出现。