人工智慧聊天機器人正在標準化人們的說話、寫作和思考方式。南加州大學的電腦科學家和心理學家在 3 月 11 日發表於 Cell Press 期刊《認知科學趨勢》（Trends in Cognitive Sciences）的一篇觀點論文中認為，如果這種同質化現象持續 unchecked，將有損人類的集體智慧和適應能力。
由南加州大學文理學院心理學與電腦科學教授 Morteza Dehghani 領導的研究人員表示，AI 開發者應在大型語言模型（LLM）的訓練資料集中納入更多真實世界的多元性，這不僅有助於保存人類的認知多樣性，也能提升聊天機器人的推理能力。
該研究的第一作者、南加州大學 Viterbi 工程學院博士生 Zhivar Sourati 表示：「個人在寫作、推理和看待世界的方式上存在差異。當這些差異透過相同的 LLM 進行中介時，它們獨特的語言風格、觀點和推理策略會變得同質化，在使用者之間產生標準化的表達和想法。」
研究人員指出，在群體和社會內部，認知多樣性可以增強創造力和解決問題的能力。然而，隨著數十億人為越來越多的任務使用相同的幾款 AI 聊天機器人，全球的認知多樣性正在萎縮。他們補充說，例如，當人們使用聊天機器人來潤飾寫作時，寫作最終會失去其風格上的獨特性，而人們對自己產出的作品也感覺較少創意上的歸屬感。
Sourati 表示：「令人擔憂的並不僅是 LLM 會塑造人們的寫作或說話方式，而是它們會巧妙地重新定義什麼是可信的言論、正確的觀點，甚至是良好的推理。」
該團隊引用了多項研究表明，LLM 的輸出比人類生成的寫作變化更少，並且 LLM 的輸出往往反映了西方、受過教育、工業化、富裕和民主社會的語言、價值觀和推理風格。
Sourati 說：「由於 LLM 被訓練來捕捉和複製其訓練資料中的統計規律，而這些資料經常過度代表主流語言和意識形態，因此它們的輸出常常反映了狹隘且有偏差的人類經驗。」
研究人員指出，儘管研究顯示個人在使用 LLM 時通常能產生更多細節的想法，但當一群人使用 LLM 時，他們產生的想法比單純結合集體力量時要少且缺乏創意。
Sourati 表示：「即使人們不是 LLM 的第一線使用者，LLM 仍然會間接影響他們。如果我周圍的許多人都以某種方式思考和說話，而我卻做不同的事情，我會感到有壓力要與他們保持一致，因為這似乎是一種更可信或社會上更能接受的表達想法的方式。」
除了語言之外，研究還表明，在與有偏見的 LLM 互動後，人們的觀點會變得更像他們使用的 LLM。
研究人員說，LLM 也偏好線性的推理模式，例如「思維鏈推理」（chain-of-thought reasoning），這要求模型展示逐步的推理過程。這種強調減少了直覺或抽象推理風格的使用，而這些風格有時比線性推理更有效。
他們還指出，LLM 會改變人們的期望，這可能會巧妙地改變個人工作的方向。
Sourati 說：「使用者經常屈服於模型建議的延續，選擇那些看起來『足夠好』的選項，而不是自己精心製作，這逐漸將主導權從使用者轉移到模型。」
研究人員表示，AI 開發者應有意識地將語言、觀點和推理的多樣性融入他們的模型中。他們強調，這種多樣性應植根於全球人類現有的多樣性，而不是引入隨機變化。
Sourati 說：「如果 LLM 在處理想法和問題上有更多樣化的方法，它們將能更好地支持我們社會的集體智慧和解決問題的能力。我們需要讓 AI 模型本身多元化，同時也要調整我們與它們互動的方式，特別是考慮到它們在各種任務和情境中的廣泛使用，以保護未來世代的認知多樣性和創意思考潛力。」
USC Viterbi 博士生 Alireza Ziabari 也對這項研究做出了貢獻，該研究得到了美國空軍科學研究辦公室的資助。