AI越聪明选择越单调:马茨实验揭示算法如何压平人类多样性
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。
如今我们对 AI 的信任到了前所未有的程度。不管是在屏幕前写稿,还是日常做决定,人们都爱向 AI 讨一个「完美建议」。用久了会发现,它给出的答案总能精准命中我们心里那个最优解。
不过这种顺滑体验,很可能本身就是被刻意设计出来的心理按摩。
哥伦比亚大学教授桑德拉·马茨拿冰淇淋店 Baskin Robbins 做过一个实验。这家店以「31 种口味」闻名,每天换一种,一个月都不带重样。

可当她把选口味的决定权交给 ChatGPT 后,这个口味众多的品牌在 AI 那里几乎只剩两个答案——「核桃奶油」和「薄荷巧克力碎片」。她反复问了 100 次,其中 96 次 ChatGPT 给出的都只有这两项。
在 TEDx 演讲中,桑德拉·马茨这样说道:「长此以往,Baskin Robbins 也许就只卖这两种口味了——剩下 29 种要是没人再挑,店家凭什么还留着它们呢?」

演讲指路👉:https://www.youtube.com/watch?v=9Ff4S1FJdRM\&t=392s
在桑德拉·马茨看来,AI 正在无意中「压平」人类选择的多样性。算法之所以擅长猜中我们想要什么,是因为它专注于「利用」(exploitation),不断加码那些已经被证明有效的选项。
这对生意有好处,对消费者有时也确有必要,毕竟现代生活里的选项实在太多,没有 AI 帮忙筛,人几乎应付不来这份复杂。AI 系统,特别是用海量用户数据训练出来的推荐模型,偏爱优化短期满意度:让你点、让你留、让你别走。面对庞大 data,「多数人喜欢什么」是最容易拿到的信号,系统便学着用它来指导推荐,「你可能还喜欢……」一路向均值靠拢。
更有意思的是,一旦你告诉它自己的偏好,情况又会变。马茨做过对比:告知 ChatGPT 自己爱吃什么口味后,AI 会 100% 推荐那个明确表示喜欢的选项,不再有任何偏差。可人就算有最爱的口味,也总有某天心血来潮点个别的。
马茨和团队把这种现象做成了系统研究,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。结果发现,不管是通用 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,独特性都明显下降。个性化版本虽然稍微缓和了人与人之间的趋同,却更深一层地压缩了单个人自身选择的广度。
审美,还会让我们「不同」吗
三年前我还在读大学,AI 写作工具刚进入工作流,同学交作业时偶尔会提一句「用 AI 润了一下」。起初差别不大,AI 生成的片段被改改、揉进去、消化掉。可渐渐地,越来越多作业透出某种奇怪的相似,像同一条流水线下来的零件,只是涂装不同。
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,发现每多一篇人写的文章,带来的新观念都远超 GPT-4 写的文章;在集体多样性增长率上,人类的贡献约为 GPT 的三倍以上,而且这种差距没法靠优化参数或调整提示词抹平。AI 的参与助长了同质化。

图源论文: Computers in Human Behavior: Artificial Humans
还有研究追踪了 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,发现方差下降幅度在 21% 至 50% 之间。写作的「多样性区间」缩小了,整体向某种被放大的主流特征靠拢,个性化的声调被统计意义上的平均盖了过去。
吊诡的是,人们似乎普遍乐意接受这种状态。
Fable 5.2 发布后,不得不承认,AI 在很多场景下的输出已经超过普通人的平均水准:文案更流畅,结构更清晰,视觉方向也更惊艳。在这种情况下,拒绝 AI 的建议、主动守着偏离主流的直觉,并不常见,多数人不会费这个力气。AI 的输出正慢慢变成默认的「正确」。
《纽约时报》记者卡什米尔·希尔(Kashmir Hill)做过一次尝试:一周之内,吃饭去哪家、衣服买什么、节目看哪个,所有要拿主意的事全交给 AI。
一周下来,她形容自己像被调成了「basic」模式——日子能提前猜出来,选项挑不出毛病,可惊喜也没了。她反倒怀念起偶尔走岔路的日子:拐进一家平时绝不会进的馆子,结果发现比推荐的那家还好吃。

图源:纽约时报
2023 年,意大利曾以数据隐私为由短暂封禁 ChatGPT。研究者抓住这个机会做了一次自然实验,对象是餐厅在社交媒体上的营销内容。
封禁那段时间,这些内容的词汇相似度降了 15%,句法相似度降了 12%,语义相似度降了 2%;用户互动率却涨了大约 3.5%。等禁令解除、AI 重新能用,相似度又升了回去。
这既说明 AI 在把内容往同质化上推,也说明内容一旦少了同质化,用户反而更愿意参与。

图源:Pluribus。这部美国末日科幻剧由文斯·吉里根打造,故事讲的是地球上出现了一种怪异的病毒,它几乎能操控所有人的思想,把人们变成一个和平的统一集体意识。
口味开始消失
连续 100 次推荐里,96 次只剩两种口味可选。要是长期听推荐的不止你一个,而是大多数人,剩下那 29 种口味的销量就会一路往下走。
推荐系统研究里管这叫「富者更富」效应。算法带着用户逛的品类也许更宽了,但真到下单,钱还是砸向热门商品,整体销售的多样性反倒缩水。
韩炳哲在《他者的消失》中写道:「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》
每一步都是人自己选的,甚至选得挺满意。系统推了核桃奶油,你吃了,味道不错。AI 帮你起了个头,你用了,读者也读着顺……
韩炳哲讲的「他者的消失」,不只是说人与「他人」之间的差异变小了,更指内在他者的消失。内在他者会在自我内部制造一种有益的阻力,让人保留某种不可预测性,不至于完全被既有偏好和外部均值框死。
往大了看,推荐系统本来就长期偏向「利用」,这是结构性的老问题。大语言模型的出现,只是把同一套机制从内容推荐推到了决策代理这一层。
何况,和过去的推荐算法不同,大语言模型插手的是语言本身——思想的载体、表达的形式、看世界的角度。
韩炳哲说的「肯定性暴力」,是一种由过度相似、过度顺滑造成的伤害:没有异质性的摩擦,没有他者带来的抵抗,只有没完没了的同意与合适。在这样的环境里,「不同」很难再被当成一种价值来感知。


如今已经有人开始主动向 AI 要意外选项,让它给点「你不常被问到但值得一试的」。也有人干脆在某些决定上避开 AI,理由很直接:它给的建议太好,好到把走错路的那点可能也一并优化掉了。
说起来有点讽刺:在 AI 时代,主动犯错反倒成了人类守住审美权力为数不多的办法。不想让生活变成算法统计表里的一条标准曲线,我们还能拿什么证明,人类灵魂里那点异质性还在?