人人都在骂AI，为何又离不开它？解析矛盾心理

一个"自我厌恶"的AI公司

今年夏天，一位AI创业公司的CEO说过的一句话让人印象深刻。他经营着一家名为Springboards的初创公司，正在开发一款与众不同的大语言模型——这款模型被设计用来生成比主流竞品更加多样化的回应。在通话一开始，他就抛出了一个耐人寻味的说法："我们常说自己是一家自我厌恶的AI公司。"

这句话之所以值得玩味，是因为它精准捕捉到了当下公众与人工智能之间那种复杂而矛盾的关系。一方面，围绕AI的质疑、批评甚至厌恶情绪从未停歇；另一方面，这些工具的使用量却在持续飙升。人们一边抱怨，一边却停不下来。

厌恶与依赖并存的悖论

公众对AI的负面情绪有迹可循。从内容同质化、"AI味"浓重的文本，到对创意工作被替代的焦虑，再到对训练数据来源、能源消耗和信息真实性的担忧，批评的声音层层叠加。社交媒体上充斥着对AI生成内容的嘲讽，"又是ChatGPT写的"几乎成了一种贬义标签。

但话说回来，这些工具的实际渗透率却在不断攀升。无论是写邮件、做总结、查资料还是辅助编程，越来越多的人把AI嵌入到日常工作流中。这种"嘴上嫌弃、身体诚实"的现象，构成了AI时代独特的心理图景。

为什么会出现这种割裂？

一个重要原因在于主流大模型回应的"趋同性"。当大量用户使用同样的几款模型时，输出的内容往往呈现出相似的语气、结构和用词习惯，久而久之形成了容易辨识的"AI腔调"。这种同质化既让人产生审美疲劳，也强化了对AI的刻板印象——它看似聪明，却缺乏真正的个性与多样性。

从技术层面看，主流大语言模型的"趋同性"源于其训练方式。当前主流模型普遍采用基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）进行对齐优化——即让人类标注员对模型的多个输出进行排序评分，再以此信号调整模型行为。这一机制在提升安全性和可用性的同时，也倾向于奖励那些被大多数评分者认可的"中庸"回答，无意间压制了风格和视角上的多样性。此外，各家头部模型大量使用来源相似的网络语料，进一步加剧了输出风格的趋同。用户在不同产品之间切换时，往往只是换了一个界面，底层的"腔调"却如出一辙，这也是"AI味"这一标签得以广泛传播的技术根源。

多样性可能是破局关键

Springboards的切入点正是针对这一痛点。与追求"标准答案"的主流模型不同，这家公司试图构建一款能够产出更广泛、更多元回应的大语言模型。这一思路背后的逻辑是：如果AI的输出不再千篇一律，那么公众对它的"厌恶"或许能够得到缓解。

从产品设计的角度看，这是一个值得关注的方向。当前主流LLM的优化目标往往偏向"安全"和"稳妥"，这在无形中压缩了回应的多样性。而刻意追求差异化输出的模型，可能在创意写作、头脑风暴等场景中展现出不同的价值。

"自我厌恶"的另一层含义

CEO口中的"自我厌恶的AI公司"也折射出行业内部的一种自省态度。身处AI浪潮之中，从业者并非对批评声充耳不闻，反而有人试图从公众的不满中寻找产品改进的方向。这种带着批判眼光做AI的姿态，本身就是对盲目乐观的一种修正。

在大语言模型的开发中，"输出多样性"通常通过调节采样参数来实现，最常见的是"温度"（Temperature）参数——数值越高，模型越倾向于从概率分布中抽取低概率词汇，输出更具随机性和创意；数值越低，输出则越稳定、保守。然而，单纯提高温度会带来逻辑混乱和事实错误的风险。Springboards等公司所追求的"结构性多样性"更进一步，目标是在训练阶段就引入多元视角和回应风格，而非依赖推理时的参数调节。这是一个更根本但也更具挑战性的技术路径：需要重新设计训练数据的构成，甚至引入多目标优化机制，以平衡质量、安全与多样性三者之间的张力。

矛盾心理背后的深层思考

人们为什么一边厌恶AI、一边又离不开它？答案或许在于AI已经成为提升效率的实用工具，其便利性让使用者难以割舍；但在情感和价值认同层面，许多人仍对它保持警惕甚至反感。实用主义与情感抗拒之间的张力，正是这种矛盾的根源。

这种心理并不会随着技术进步而自动消失。相反，随着AI能力的增强和应用的普及，公众对它的爱恨交织可能会更加复杂。对于开发者而言，真正的挑战不只是让AI更强大，而是让它更可信、更多元、更能赢得使用者的真正认同。

从Springboards的尝试中可以看到一种值得借鉴的产品哲学：与其回避公众的负面情绪，不如正视这些批评，并将其转化为产品差异化的突破口。当AI不再只是千篇一律的"回答机器"，人们对它的态度或许才会从被动依赖，转向主动接纳。