本文来自微信公众号: APPSO ,作者: APPSO,题图来自:AI生成
我们对 AI 的信任,正在达到史无前例的高度。
无论是在屏幕前码字,还是在生活中做决策,我们都习惯向 AI 寻求那个“完美建议”。用得多了,你甚至会发现它总是精准地踩中我们预期中的最优解。
这种顺滑,很可能是一种被精心设计的心理按摩。
哥伦比亚大学教授桑德拉·马茨用冰淇淋店 Baskin Robbins 做了一个实验。这家店以“31 种口味”著称,每天换一种,整整一个月不重样。

但当她把挑选口味的决策权交给 ChatGPT 时,这个拥有海量口味的品牌,在 AI 眼里基本只有两个选择——“核桃奶油”和“薄荷巧克力碎片”。
她重复问了 100 次,ChatGPT 96 次都只给出了这两个选项。
桑德拉·马茨在 TEDx 演讲中说道:“如果长期如此,Baskin Robbins 最终可能只剩下这两种口味——因为如果没人再选另外 29 种,商家为什么还要继续提供呢?”

演讲指路:https://www.youtube.com/watch?v=9Ff4S1FJdRM\&t=392s
桑德拉·马茨认为, AI 在无意间“压平”了人类的选择多样性。
算法之所以如此擅长预测我们想要什么,是因为它们专注于“利用”(exploitation)——也就是不断强化那些已经证明有效的选项。
这对商业有利,对消费者有时也是必要的,因为现代生活中的选择实在太多。没有 AI 帮忙筛选,我们几乎无法应对现代生活的复杂性。
AI 系统,尤其是经过大规模用户数据训练的推荐模型,倾向于优化短期满意度:让你点击,让你留下,让你不要流失。在海量数据面前,“多数人喜欢什么”是唾手可得的信号。系统学会了用这个信号指导推荐,“你可能还喜欢……”向着均值靠拢。
更有趣的是当你告诉它偏好之后会发生什么。马茨做了对比:当告知 ChatGPT 自己喜欢什么口味,AI 会 100% 推荐那个明确表示喜欢的,不再有任何偏差。可是我们即便有最爱的口味,也会有某天心血来潮点了别的。
马茨和她的团队把这种现象做成了系统性研究,分析了超过 11 万次真实的社交媒体选择,以及 1000 名美国用户的实验数据。
最后发现,无论使用通用的 LLM 代理还是经过个性化调整的版本,人们在 AI 辅助下做出的选择,独特性都会显著下降。
个性化版本虽然稍微缓解了人与人之间的趋同,却更深层地压缩了一个人自身选择的广度。
审美,还会让我们“不同”吗
在三年前,那时我还在读大学, AI 写作工具初步进入工作流,同学们在交作业时有时会提一句“用 AI 润了一下”。
开始差别不大,AI 生成的片段被修改、融入、消化。但渐渐地,越来越多的作业开始呈现出某种奇异的相似性,就像同一条流水线出来的零件,各有涂装。
2025 年的一项研究也印证了我的观察,研究者分析了 2200 篇大学申请文书,发现每新增一篇人类写的文章,所带来的新观念远超 GPT-4 写的文章;在集体多样性增长率上,人类贡献约是 GPT 的三倍以上,且这种差距无法通过优化参数或调整提示词来消除。AI 的参与助长了同质化。

图源论文: Computers in Human Behavior: Artificial Humans
追踪 ChatGPT 大规模普及前后,学术论文、新闻报道和 Reddit 文本的写作复杂度变化的研究发现,方差下降幅度在 21% 至 50% 之间。写作的“多样性区间”收缩了,整体趋向了某种被放大的主流特征,个性化的声调被统计意义上的平均覆盖。
吊诡的是,人们好像普遍乐于接受这种状态。
Fable 5.2 发布后,你不得不承认的是,AI 在很多场景下的输出已经超过了普通人的平均水准,它生成的文案更流畅,它建议的结构更清晰,它选择的视觉方向更惊艳。
在这种情况下,拒绝 AI 的建议,主动坚守偏离主流的直觉,并不常见,大多数人不会费这个力气。AI 的输出已逐渐成为默认的“正确”。
《纽约时报》记者卡什米尔·希尔(Kashmir Hill)曾把一周内所有需要做决定的事情都交给 AI:去哪里吃饭、买什么衣服、看什么节目。
一周后,她感觉自己陷入了某种“basic”状态,生活变得可以预测,选择变得无可挑剔,但也不再有任何意外。她开始想念偶尔走错的路,走进一家完全不会去的餐厅,然后意外发现它比推荐的更好吃。

图源:纽约时报
意大利在 2023 年曾因数据隐私问题短暂封禁 ChatGPT,研究者借此做了一项自然实验,分析餐厅在社交媒体上的营销内容。
禁令期间,内容的词汇相似度下降了 15%,句法相似度下降了 12%,语义相似度下降了 2%,而用户互动率反而上涨了约 3.5%。禁令结束、AI 重新可用之后,相似度回升了。
这不仅说明了 AI 在推高同质化,还说明当内容减少了同质化,人们的参与度其实更高了。
口味开始消失
连续 100 次推荐里,有 96 次只剩下两种口味。如果不只是你,而是大多数人都长期听从类似的推荐,另外 29 种口味的实际销量会持续下降。
推荐系统研究领域将这类现象称为“富者更富”效应。用户在算法的引导下可能浏览到更广泛的品类,但最终购买行为却更集中于热门商品,整体销售多样性反而下降。
韩炳哲在《他者的消失》里写:“同质化的扩散不是癌症性质的,而是昏睡性质的。它并未遭遇免疫系统的抵抗。人们就这样呆视着,直至失去意识。”

韩炳哲《他者的消失》
每一步都是人们自愿的,甚至是满意的。系统推了核桃奶油,你吃了,很好吃。AI 帮你写了开头,你用了,读者也觉得流畅。
韩炳哲所说的“他者的消失”,不只是字面意思上与“他人”之间差异的缩小,更是一种内在他者的消失。内在他者在自我内部制造了一种有益的阻力,让人保持某种不可预测性,不完全被既有偏好和外部的均值所定义。
更广的背景是,推荐系统对“利用”的偏向本来就是长期存在的结构性问题,大语言模型的出现只是把这个机制从内容推荐延伸到了决策代理的层面。
而且,不同于从前的推荐算法,大语言模型参与的是语言本身,思想的载体,表达的形式,观察世界的角度。
韩炳哲描述的“肯定性暴力”,是一种由过度相似、过度顺滑构成的伤害,没有异质性的摩擦,没有他者带来的抵抗,只有绵延不断的同意与合适。在这种环境里,“不同”变得难以被感知为一种价值。


现在,有人开始主动要求 AI 提供意外选项,让它给一些“你不常被问到但值得一试的”。有人选择在某些决策上刻意不使用 AI,因为它给的建议太好,好到把走错路的可能性都给优化掉了。
这有点讽刺,主动犯错成了人类在 AI 时代捍卫审美权力为数不多的方式。如果不想生活成为算法统计表里的一条标准曲线,我们还能拿出什么证据证明人类灵魂中尚存异质性?


