AI诱发创意多样性坍缩的事前评估

创造性的人工智能系统通常是在个人效用层面进行评估的，但创造性的产出是在人群中消耗的：当许多其他人产生类似的想法时，一个想法就会失去价值。这造成了评估盲点，因为人工智能可以提高个人产出，同时增加人口水平的拥挤。我们引入了一个与人类相关的框架，用于在不需要人类与人工智能交互数据的情况下对人工智能引起的人类多样性崩溃进行基准测试，提供了一个事前协议来估计仅模型世代的拥挤风险并匹配无帮助的人类基线。通过将想法建模为可拥挤资源，我们表明源级拥挤可以通过分布内比较来识别，从而产生过度拥挤系数 $Δ$ 和人类相对多样性比率 $ρ$。我们证明 $ρ\ge1$ 是无过度拥挤奇偶条件，并将 $Δ$ 连接到具有依赖于暴露的冗余成本的采用游戏。在短篇小说、营销口号和替代用途任务方面，三个前沿LLM在拥挤的核心方面都低于同等水平。估计值随着可行的纯模型样本量而稳定。重要的是，生成协议变体表明，可以通过有针对性的设计来减少拥挤，从而使多样性崩溃成为具有群体意识的创意人工智能的可操作的开发时评估目标。