当 AI 让我们越来越像：LLM 正在悄悄同质化人类思维

USC 的一项新研究给 AI 从业者敲了个警钟：LLM 不只是在帮我们写作，它正在悄悄重塑我们思考问题的方式 —— 而且是朝着同一个方向。

研究发现：我们正在变得越来越像

南加州大学的计算机科学家和心理学家在 3 月 11 日发表于 Trends in Cognitive Sciences 的论文中指出，当数十亿人使用同一批 AI 聊天机器人完成日益增多的任务时，人类的认知多样性正在萎缩。

研究表明，LLM 正在标准化人类的表达方式和思维模式

研究第一作者、USC Viterbi 工程学院博士生 Zhivar Sourati 说得很直接：

“当这些差异被同一批 LLM 中介后，人们独特的语言风格、视角和推理策略就会被同质化，在用户之间产生标准化的表达和思想。”

三个关键发现

1. 个体创造力 ↑，群体创造力 ↓

单个用户用 LLM 确实能产出更多更详细的想法。但当一群人都用 LLM 时，集体创造力反而不如单纯靠人脑协作。这很反直觉 —— 工具增强了个体，却削弱了群体。

2. LLM 偏好线性推理

像 Chain-of-Thought 这样的逐步推理方法被 LLM 强化后，直觉式、抽象式的推理风格正在被边缘化。但很多时候，非线性思维才是突破口。

3. 隐性的”正确答案”压力

研究指出，LLM 正在重新定义什么是”可信的表达”、什么是”正确的视角”、甚至什么是”好的推理”。即使你不直接用 LLM，当周围的人都在用某种方式表达时，你也会感受到要”对齐”的社会压力。

这对开发者意味着什么？

作为每天和不同模型打交道的人，这项研究让我思考几个问题：

模型切换的必要性。如果长期只用一个模型，你的输出风格会逐渐被这个模型”塑形”。像 OfoxAI（ofox.ai）这样的多模型聚合平台让切换成本几乎为零 —— 不是为了省钱，而是为了保持认知多样性。

保留”原生态”草稿的习惯。在让 AI 润色之前，先把自己的原始想法完整写下来。AI 可以帮你打磨表达，但不应该替代你的思考过程。

警惕”看起来对”的输出。研究指出，用户往往会接受 LLM 建议的”足够好”的选项，而不是自己创造。久而久之，主动权从用户转移到了模型。

研究者的建议

论文作者建议 AI 开发者应该有意识地在模型中引入多样性 —— 语言、视角、推理方式的多样性。而且这种多样性应该基于真实世界的人类差异，而不是随机变化。

“如果 LLM 有更多样的方式来处理想法和问题，它们将更好地支持我们社会的集体智慧和解决问题的能力。”

我的看法

这项研究的意义不在于”AI 不好”，而在于提醒我们：工具会塑造使用者。

我们用的编辑器影响我们写代码的风格，我们用的笔记软件影响我们组织信息的方式，我们用的 LLM 影响我们思考问题的模式。

承认这一点，才能有意识地对抗它。

---

参考文献：Sourati et al., Trends in Cognitive Sciences (2026). DOI: 10.1016/j.tics.2026.01.003