7月29日，一项发布于arXiv的预注册研究指出，生成式AI可能在提高个人创意表现的同时，压缩群体层面的创意多样性。研究由Mengchen Dong与Hiromu Yakura完成，围绕母语和非母语英语写作者设计创意隐喻实验，比较无AI、AI提供构思和AI润色个人想法三种协作方式。

AI构思与AI润色，结果并不相同

研究发现，让AI直接提供创意点子时，不同参与者的作品更容易向相似方向集中，群体创意多样性下降；而让参与者先形成自己的想法，再由AI帮助润色，则能更好地保留原有差异。对于产品设计、营销和内容团队来说，这说明“什么时候让AI介入”可能比“是否使用AI”更重要。

非母语英语写作者在没有AI替代构思时，为群体贡献了更多差异化表达，其中先用母语构思的作品池表现出更高多样性。AI直接构思后，这一优势变得难以检测。语言背景原本能够带来不同联想路径，但统一模型生成的建议可能把表达拉回更常见的模式。

模拟不同角色不能替代真实人群

研究团队还使用参与者真实背景构建角色，让三个模型家族模拟整组写作者，并尝试母语提示和更高采样温度。结果显示，所有AI模拟群体的创意多样性都低于人类群体；继续提高随机性虽然增加表面差异，却更容易产生退化文本。这表明给模型设置不同“人设”，并不等于拥有真实生活经历、语言环境和文化背景的人群。

个人收益与集体创新之间存在张力

实验中，AI提供构思通常提高了个人作品评分，因此单个用户有充分理由依赖AI；但当所有人采用相似工具和默认提示，组织获得的新点子可能反而趋同。这种个人最优与集体创新之间的张力，值得企业在创意流程中单独管理。

更合理的工作方式是先进行独立构思，再让AI承担扩展、质疑、整理和润色任务；团队还可以采用不同模型、不同资料来源和多轮匿名评审，避免最早出现的AI建议成为所有人的共同锚点。

编辑观察：AI并非天然削弱创意，问题在于它被安排在流程的哪一步。把模型当成“第一个提出答案的人”，容易让团队收敛；把模型放在人的原创想法之后，更可能同时获得效率和多样性。

本文根据研究论文摘要整理，论文尚未经过正式期刊同行评议，结论仍需在更多任务与人群中验证。来源：Human diversity fuels collective creativity that large language models cannot simulate or sustain。配图为AI生成实景风示意图，由本站制作，不代表实验现场。