研究表明“恶性循环”可能导致全球知识崩溃，人工智能聊天机器人正在慢慢地扼杀人类

事件核心：发生了什么

这项研究来自哥本哈根大学计算机科学系（DIKU）。研究者选取了 155 个话题——从核武器到 K-Pop——并基于真实用户使用习惯设计了 200 种提示词，共生成约 7000 万条模型回复，用于对比大模型与 Google 搜索在答案多样性上的差异。

结果显示，即便是表现最好的模型，其答案多样性仍比 Google 搜索低约 19%；被研究团队点名为“回复最多样”的 GPT-5，差距也达到 18.5%。论文第一作者 Dustin Wright 指出，人们在大比例上反复接触到相同信息，AI 聊天机器人改变的不只是获取知识的路径，还包括“能接触到哪些知识”。

资深作者、DIKU 教授 Isabelle Augenstein 将这一现象类比全球化的副作用：全球到处能买到同样的商品、看到同样的连锁咖啡品牌，便利性提升，但多样性下降。她同时强调，知识崩溃“目前还没有发生”，因为较新的模型在答案多样性上已略好于旧模型。

为什么重要

搜索曾是流量分发的核心入口，Google 的排序机制虽然也有偏向，但用户仍能通过不同关键词、不同站点看到多种来源。而聊天机器人直接给出一个整合后的答案，中间过程被压缩，来源被折叠。当同一个大模型被数亿人高频调用，热门观点会获得更多曝光与引用，冷门视角则更难进入训练语料和推理结果，形成自我强化的闭环。

这正是研究者所说的“恶性循环”：流行内容更流行，被忽视的内容更被忽视。如果模型厂商只比拼参数规模、推理速度或跑分，而不把答案多样性当作可量化的评测指标，AI 应用生态可能走向另一种形式的中心化——不是平台中心化，而是答案中心的单一化。

对用户/开发者/创作者的影响

对普通用户而言，这意味着用 Gemini、ChatGPT 或集成 AI 的 Bing、DuckDuckGo 查资料时，得到的信息面可能比传统搜索更窄。做研究、选品、判断舆情时，多平台交叉验证会比只问一个聊天机器人更可靠。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对开发者和 RAG 应用团队，答案多样性正变成一个可测试的指标。检索层是否只抓头部网页、提示词是否引导模型收敛到主流答案、是否需要显式引入长尾来源，都会直接影响输出质量。开源模型和闭源模型在这方面的差异也值得实测，而非只看基准分数。

对内容创作者和中小站点，风险更直接：如果 AI 搜索只引用少数高权重来源，长尾内容的流量入口会进一步收窄。反过来，能被模型稳定检索和引用的结构化、可验证内容，价值会上升。

值得关注的后续

一是主流模型厂商是否会把“答案多样性”纳入正式评测和产品指标；二是 AI 搜索类产品的引用来源是否会更透明，让用户看到答案背后有几条独立信源；三是后续研究能否给出时间序列数据，验证新模型是否真的在持续改善多样性。

来源：TechRadar