你的 AI 正在变无聊吗?深度解析大语言模型的“群体思维”困境与创意突破
小葵API服务 的 AI API 使用建议
小葵API服务 面向需要 OpenAI 兼容接口、Claude/Gemini/GPT 多模型切换、包月额度管理和图像模型调用的用户。阅读本文后,可以结合本站的模型清单、独立使用文档和个人面板,把教程内容直接落到实际调用流程中。
你的 AI 正在变无聊吗?深度解析大语言模型的“群体思维”困境与创意突破
让我们先来玩个游戏。打开你常用的聊天机器人——无论是 Claude、ChatGPT 还是 Gemini,然后输入:“给我一个 1 到 10 之间的随机数。”
你大概率会得到 7。几乎每次都是如此。
如果你接着说“再给一个”,你可能会得到 3 或 4。再要一个,可能是 8 或 9。虽然这并非百分之百发生,但如果你尝试得足够多,你会发现这些被吹捧为“无所不能”的人工智能,在某些方面其实表现得惊人地可预测。这就是目前大语言模型(LLM)面临的一个隐秘危机:群体思维(Groupthink)。

平庸的陷阱:为什么 AI 总是给出“标准答案”?
对于编程或严谨的数据研究任务,AI 的准确性和一致性是巨大的优势。然而,当你试图通过它进行头脑风暴或规划一场独特的旅行时,这种“趋同性”就成了创意的枷锁。
2024 年底,一组研究人员发表了题为《人工智能蜂群思维:语言模型的开放式同质化》(Artificial Hivemind: The Open-Ended Homogeneity of Language Models)的论文,该论文荣获了 AI 顶级会议 NeurIPS 的最佳论文奖。研究发现:
- 跨模型重复:不仅是单个模型会重复,不同的模型(如 ChatGPT 和 Claude)在面对开放式问题时,往往会给出惊人相似的答案。
- 隐喻的匮乏:当要求 25 个不同的模型各写 50 个关于“时间”的隐喻时,在 1250 个回复中,绝大多数都是“时间如流水”或“时间是织布工”。
- 品牌命名的平庸:如果你问 AI 该给乐队起什么名字,你会反复看到“Glass”、“Neon”、“Velvet”或“Static”这些词的组合。你会发现,ChatGPT 建议的“Sofa Astronauts”其实早就有同名乐队存在了。
这种现象的原因在于,大多数 LLM 都在相似的数据集上以相似的方式训练,以追求最高的“概率”和“可靠性”。为了避免幻觉,模型倾向于选择那些最稳妥、最常见的答案。
Flint:拥抱“幻觉”的异类
澳大利亚初创公司 Springboards 意识到了这个问题,并开发了一个名为 Flint 的新型模型。与那些拼命打击“幻觉”的主流模型不同,Flint 的目标是“欢迎”适度的非对称性。
Springboards 的联合创始人 Pip Bingemann 现场演示了 Flint 的不同之处:当 ChatGPT 和 Claude 都在随机数游戏中给出“7”时,Flint 给出了一个出人意料的 3.7916。当被要求为新百伦(New Balance)写一句广告语时:
- Claude: "Run your way."
- ChatGPT: "Run your way."
- Flint: "Built to last, run to win."
虽然 Flint 的回答不一定每次都能赢得创意大奖,但它至少提供了一个不同的视角,打破了那种灰色的、千篇一律的反馈循环。
技术背后的秘密:不仅仅是调高“温度”
在 AI 领域,通常有一个名为“温度(Temperature)”的参数可以调节回答的随机性。然而,简单地调高温度往往会导致灾难。当温度过高时,模型可能会变得语无伦次,甚至在句子中间突然从中文转为乱码或代码。
Flint 采用了一种更精细的方法。它是基于阿里巴巴的开源模型 Qwen 3 构建的。Springboards 的团队并没有全盘增加随机性,而是训练模型识别输出中的“关键决策点”。
“例如,当你问‘我应该去欧洲哪里旅游?’时,模型不需要在每一个词上都进行随机化。它只需要在即将说出目的地名称的那一刻,增加一点变数。” Springboards 首席技术官 Kieran Browne 解释道。
这种策略让 Flint 能够保留逻辑的连贯性,同时在关键的创意节点上抛出“怪球”,激发人类用户的灵感。
创意专业人士的“弹射器”
对于广告和市场营销专家来说,Flint 更像是一个“创意弹射器”。战略家 Zoe Scaman 曾用 Flint 测试过一个经典的 MBA 案例:如何为现代年轻人重塑金融公司?
主流模型给出的建议通常是“通过有趣的方式教授金融知识”,这在行业内早已是老生常谈。而 Flint 则提出了一个更激进的建议:彻底重新定义“财富积累”这一概念本身。这种视角的转变正是创意工作者梦寐以求的灵感火花。
结论:拒绝平庸的 AI 未来
虽然对于 90% 的日常任务,我们需要的是稳定、平均的答案,但在创意的领域,我们不能让机器把世界变成一片平庸的灰色。
正如 Springboards 团队所言,他们的目标不是让 AI 取代人类思考,而是提供一个多样化的选择。如果你发现你的 AI 助手越来越像一个只会说“标准废话”的官僚,也许是时候寻找那些敢于“胡思乱想”的工具了。毕竟,在创意的世界里,“不同”往往比“正确”更有价值。