Мета-анализ 19 экспериментальных исследований, объединивший 61 статистический показатель, подтвердил: генеративный ИИ делает творческие результаты разных людей более похожими друг на друга. Эффект гомогенизации зафиксирован как в лабораторных условиях, так и в реальных творческих процессах — от написания текстов до генерации изображений.
Что на самом деле показал мета-анализ
Учёные из Тилбургского университета и Орхусского университета Альвин де Рой и Михаэль Мозе Бискьер провели систематический обзор литературы, опубликованной с 2022 по начало 2026 года. Они отобрали 18 статей, содержащих 19 отдельных экспериментов, где сравнивали работу людей с генеративным ИИ и без него.
Для измерения однородности исследователи использовали несколько методов: автоматический анализ семантической близости текстов — когда компьютер переводит слова в математические координаты и вычисляет расстояние между смыслами, — а также независимые оценки экспертов, оценивавших разнообразие идей. Результат однозначен: при совместной работе с ИИ конечные продукты разных участников становятся более похожими.
«Мета-анализ показывает, что использование генеративного ИИ действительно заставляет людей мыслить одинаково, — отметили авторы. — В масштабе групп и сообществ ИИ способствует гомогенизации творческой мысли».
Важный нюанс: это не означает, что отдельный человек становится менее креативным. Напротив, индивидуальные результаты могут даже улучшаться. Проблема возникает на коллективном уровне: когда тысячи людей обращаются к одним и тем же моделям, обученным на пересекающихся данных, их идеи «стягиваются» к усреднённым, статистически наиболее вероятным решениям. Именно это показал и другой недавний эксперимент, опубликованный в журнале PNAS Nexus, где 22 разных чат-бота дали ответы, гораздо более похожие друг на друга, чем ответы 102 человек.
Где эффект проявляется сильнее всего
Учёные разделили все задания на четыре категории: дивергентное мышление (например, придумать необычные способы использования скрепки), генерация идей (например, предложения по улучшению общественного транспорта), написание текстов и создание визуального искусства. Оказалось, что гомогенизация сильнее всего выражена именно в задачах на генерацию идей — тех, где даны чёткие ограничения и требуется конкретное решение.
Почему? Потому что такие задачи заставляют пользователя опираться на предсказуемые подсказки алгоритма. В открытых, неструктурированных упражнениях (дивергентное мышление) эффект выражен слабее — там ещё остаётся пространство для нестандартных ходов. Тем не менее, статистически значимый сдвиг в сторону однородности зафиксирован во всех категориях.
Исследователи также проверили, сохраняется ли этот эффект, когда человек перестаёт пользоваться ИИ. Они выделили подгруппу экспериментов, где участников просили выполнить новое творческое задание после завершения работы с нейросетью. Оказалось, что влияние ИИ «перетекает» и на последующие задачи: люди продолжают генерировать идеи, похожие на те, что подсказывала модель, даже когда она уже выключена.
Реальные последствия: не только лаборатория
Критики могли бы возразить, что лабораторные условия далеки от жизни. Поэтому де Рой и Бискьер проанализировали и «квазиэксперименты» — сравнение текстов и изображений, созданных до и после массового внедрения генеративных инструментов. Результаты подтвердили: снижение разнообразия идей — не лабораторный артефакт, а реальная проблема, затрагивающая творческие индустрии, образование, дизайн и даже научные публикации.
Механизм прост: крупные технологические компании обучают свои модели на огромных массивах данных, собранных из интернета. Эти массивы во многом пересекаются. Поэтому любые два чат-бота — будь то ChatGPT, Claude или Gemini — с высокой вероятностью выдадут похожие ответы на один и тот же запрос. Когда миллионы пользователей получают эти ответы, они неосознанно «заражаются» одними и теми же ассоциациями. Как отметили авторы, «это напоминает классические эффекты фиксации из психологии, когда предъявление примера ограничивает последующее мышление — только теперь в масштабах целых сообществ».
Можно ли что-то изменить?
Энтузиасты могли бы попробовать «расшевелить» нейросеть, заставив её генерировать более случайные и неожиданные варианты. Однако, как показал эксперимент Эмили Венгер и Йоэда Кенетта, принудительное повышение случайности в настройках приводит просто к бессмысленному набору слов. Алгоритмы не умеют «думать» хаотично, сохраняя осмысленность.
Авторы мета-анализа предлагают иной путь: пересмотреть дизайн взаимодействия человека и ИИ. Возможно, стоит разрабатывать такие интерфейсы, которые не подсовывают пользователю готовый усреднённый ответ, а стимулируют его собственное мышление, предлагая альтернативные стратегии, фреймы или провокации. Один из шагов в этом направлении — карта креативных стратегий для работы с генеративным ИИ, недавно опубликованная на основе анализа практик художников, работающих с искусственным интеллектом.
Исследователи признают ограничения своего обзора: он почти полностью сосредоточен на текстовых моделях, мало затрагивает музыку и адаптивные обучающиеся системы. Кроме того, выводы о долгосрочном эффекте сделаны на небольшом количестве экспериментов и требуют проверки. Но сам факт гомогенизации сомнений не вызывает.
Вопрос не в том, отказываться ли от нейросетей — их внедрение уже необратимо. Вопрос в другом: сможем ли мы построить такие формы ко-креации, которые сохранят и даже умножат разнообразие человеческих идей, а не сведут их к математическому среднему? Ответа пока нет — но именно его поиск становится главной творческой задачей ближайших лет. Подробнее с выводами исследования можно ознакомиться в препринте «Does Generative AI Make Us Think Alike? A Systematic Review and Meta-Analysis of Homogenization Effects in Human-AI Co-Creation».
