AI让文化产量增至三倍，多样性减半

Doshi和Hauser在2024年发表于《Science Advances》的研究显示，创作任务中引入AI辅助后，产出出现趋同：借助AI写出的故事，彼此相似度高于无辅助写出的故事。技术进步提高了个人产出效率，但在这项写作实验中，接触AI生成的创意降低了故事的整体多样性。

要点

• 在产量固定的短篇故事写作任务中，AI辅助提高了所写故事之间的相似度（Doshi和Hauser，《Science Advances》，2024年）。
• 根据Doshi和Hauser对创意写作任务的研究，AI辅助会让创作产出趋同。
• 推荐算法把需求导向已占主导的中间风格，放大集中效应；创作工具则在批量生产这些风格。
• 联合国教科文组织预测，到2028年，音乐创作者的全球收入将减少24%，视听创作者减少21%，生成式AI是原因之一。
• 2030至2035年间，能否把这些工具转向多样性，取决于尚待确定的设计与监管选择。

Vendi分数及其衡量内容

这种向分布中心靠拢的偏移，不能只归因于创作者的选择。生成模型在大型语料上训练，学习统计分布，而分布本身取决于数据的筛选和预处理。Vendi分数正是在整体层面衡量多样性，而非单件作品的多样性。一件作品单独看可能显得原创，放进整个集合却可能落入正在收窄的区间。这个指标让创作者的个人体验与集体结果之间的落差变得可见。

没有这种尺度的测量，现象对每个参与者都是不可见的。每个创作者只评估自己的产出，从不评估同行在同一时间用同样工具产出的全貌。趋同就在无人决定、也无人察觉的情况下形成。

Vendi分数由Friedman和Dieng提出，衡量一个集合中各件作品彼此相似的程度。分数高意味着作品多样；分数低意味着集合在不断重复。关于短篇故事的实验数据显示，AI辅助下的产出出现趋同。

AI辅助下，同一任务中产出的作品彼此更相似，即使每件作品单独看技术上都没问题。人类的创作集合里有失败之作、半途而废的尝试、不走常规的方向，正是这种参差不齐支撑了集体多样性。AI为优化满意度标准而设计，可能削减某些创作过程中那些不可预测的结果。

这一机制并非偶然。生成模型在偏向历史上成功内容的巨量语料上训练，这种训练结构可能把生成结果导向数据中最常见的形态，从而让创作者收敛到相似的解法。

推荐算法把循环闭合

如果需求保持多元，产出趋同已经令人担忧。然而，Spotify、YouTube或TikTok的推荐算法优化的是短期参与度，把用户导向与他们已经喜欢的内容相似的东西。

算法每迭代一次，文化就贫瘠一分，这个判断早于生成式工具的大规模出现。AI辅助生产与算法推荐相互作用，可能形成循环：训练数据中最常见的形态被持续放大。

Doshi和Hauser在2024年发表于《Science Advances》的研究中指出，使用AI辅助的参与者，产生的想法彼此相似度高于单独工作的参与者。

Guerouaou对测量的贡献

Nadia Guerouaou在《Notre cerveau sous influence》中描述了生成式AI如何实时重塑个体的情感表达：声音、面孔和文字。她认为，这些工具塑造个体表达感受的方式，进而产生她所称的”技术道德”（technomorale）——一种情感上的逐步规范化。

据Guerouaou所说，当创作者使用生成式工具补全一件作品时，他会倾向于让自己的表达向工具的方案靠拢。这种调整被众多创作者同时重复，可能造成整体产出上可观察到的趋同。

Guerouaou强调，表达从来不是固定的：印刷术、摄影和录音都曾改变创作者产出什么以及如何产出。生成式工具的不同之处在于速度和规模——它们实时部署，同时面对数十亿用户。

收入集中拉大差距

这种动力也作用于创作生产之前的行为。当创作者预判只有极少数作品能获得可观收入和关注时，他可能相应调整风格选择。文化产业中的收入集中，把创作者推向相似的风格。

要走出这种处境，需要同时改变多个变量：工具的结构与收入的分配。只动其中一个，其他压力依然如故。试图偏离主流模板的创作者承担经济成本，而现有结构并不补偿这部分成本。

联合国教科文组织2026年报告《Reshaping Policies for Creativity》记录了生成式AI对文化产业的影响，尤其是预计的收入损失。内容的丰裕让发现变得更难，强化了声誉效应，把注意力集中在少数作品和艺人身上。

文化比过去更重，创作者却更孤立：这种收入和注意力的集中早于AI。技术门槛降低的同时，争夺注意力的竞争在加剧。已经拥有受众的创作者享受产出效率的提升；试图从零建立受众的人则淹没在不断膨胀的内容流中，增速超过受众注意力的承载上限。

Tyler Cowen关于文化经济学的研究考察注意力市场如何在创作者之间分配收益，提供了与Guerouaou互补的解读。在Cowen看来，文化产业中的收入集中是这类市场的固有结构：商品的复制是免费的，声誉在嘈杂空间里充当质量信号。AI可能加速这些集中动力，并由此引出一个问题：市场的自发调整是否足以保住文化多样性。

到2030年之前还可能改变什么

现有数据无法支撑对2035年轨迹的预测。但已有的信号足以考察几种可能情景。

第一种情景是持续集中。生成式工具变得更强、更便宜、更深度整合进平台。不使用它们的创作者在产出效率上落后；使用它们的创作者则可能收敛到同样的模板。文化多样性可能继续下降，收入进一步集中。

在这种情景下，对推荐算法的监管成为短期内唯一可用的杠杆，例如在推荐流中强制设定多样性配额，参照欧盟在执行《数字服务法》（Digital Services Act）时对大平台探索的做法。

第二种情景是由工具自身实现再平衡。生成模型可以被明确训练为最大化输出多样性，而非最大化统计可信度。相关研究已经存在，做法是把朝分布中心优化的目标函数，替换成惩罚重复、奖励偏离的目标函数。如果这类架构进入大众工具，创作者可能拥有把自己拉向原创而非共识的助手。这一情景取决于设计选择，而科技公司没有自发去做的动力，需要监管或竞争压力推动。

第三种情景是市场分化。一部分文化需求转向明确不使用算法辅助生产的内容，类似某些手工市场在工业化之后的走向。认证标签、专门平台、愿意为人类独特性支付溢价的受众都可能出现。这一动向在部分读者、听众和收藏者社群中已经小规模存在。它能否扩展，取决于信号是否容易辨识——必须能区分内容是否使用了生成式工具，而现有技术很难做到这一点。

算法行政速度更快但合法性下降：效率与合法性之间的取舍同样贯穿文化创作。公共决策者、平台和创作者手中的工具提高了个人产出效率；把它们转向维护集体多样性，仍是一个有待做出的选择。Doshi和Hauser的数据显示，在所观察的任务中，AI辅助会让产出趋同。

来源

1. Youngblood, Olson等，《Scientific Reports》，2026年，AI辅助创作集合的多样性：https://arxiv.org/pdf/2609.02620
2. Nadia Guerouaou，《Notre cerveau sous influence : Comment les IA génératives façonnent nos émotions》，Eyrolles出版社，https://www.editions-eyrolles.com/livre/notre-cerveau-sous-influence
3. 联合国教科文组织，《Reshaping Policies for Creativity》，2026年，创意收入的集中与AI对文化产业的影响
4. Doshi, A. & Hauser, O.，《Science Advances》，2024年，AI辅助下创作产出的趋同化