人類多樣性驅動集體創造力：大型語言模型無法模擬或維持之挑戰
arXiv - Computers and SocietyMengchen Dong, Hiromu Yakura
研究發現 AI 會壓縮人類集體創造力的多樣性，且目前 AI 模擬的人格無法達到人類真實背景所產生的多樣性水準。
AI 幫你先抓重點
AI 重點 1
警惕 AI 輔助可能導致的「創意同質化」風險
滑鼠懸停看 AI 判斷理由
這改變了我們對 AI 提升效率的認知。過去認為 AI 能擴展思維，但研究顯示若過度依賴 AI 生成初始想法，會抹除群體中獨特的異質觀點，導致集體創新能力的退化。
AI 重點 2
設計「AI 優化」而非「AI 生成」的協作工作流
滑鼠懸停看 AI 判斷理由
這為人機協作提供了實務準則。研究指出，讓 AI 擔任「修飾者」而非「發想者」能有效保留人類原有的多樣性，這對於需要高度創新與批判性思考的學習環境至關重要。
核心研究發現
- 1
非母語（L2）英語寫作者比母語（L1）寫作者能貢獻更多集體多樣性，且母語構思能產生最豐富的創意池。
- 2
使用 AI 生成構思（AI ideation）會壓縮所有人的集體多樣性並抹除非母語者的優勢，但使用 AI 優化（AI refinement）則能保留多樣性。
- 3
透過真實背景建立的人格模擬實驗顯示，所有 AI 模擬的創意池表現均低於人類真實群體，且強行提高模型隨機性僅會導致文本退化。
- 4
AI 生成構思雖能提升個人層面的評分，卻與集體利益衝突，唯有非母語者使用母語進行 AI 協作時，才能兼顧個人與集體效益。
對教育工作者的啟發
教育工作者在設計 AI 輔助學習環境時，應避免讓學生直接使用 AI 生成初步構思，以免削弱其獨特性與集體多樣性。建議將 AI 定位為「精煉工具」（Refinement tool），讓學生先進行自主發想，再利用 AI 優化表達。此外，在跨文化或多語言學習環境中，應鼓勵學生利用母語進行思考與 AI 互動，這不僅能保留文化多樣性，還能同時提升個人表現與集體創意的品質。
原始文獻資訊
- 英文標題：
- Human diversity fuels collective creativity that large language models cannot simulate or sustain
- 作者：
- Mengchen Dong, Hiromu Yakura
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。