我們正身處一個看似矛盾、其實高度一致的時代。生成式AI讓創作前所未有地普及。不會寫的人開始寫了，不敢畫的人開始畫了，原本被「靈感」門檻阻擋在外的人，也終於跨出第一步。從小說、影像、設計提案到日常文字工作，AI 正迅速成為創作流程中的常態配備。
然而，另一種不安也正在累積：作品普遍「不差」，卻愈來愈少真正令人停下來。內容大量生成，卻很少留下長期記憶。這並非創作者能力的退化，而是一個更深層的訊號——文化演化的結構正在改變。
如果將近年幾個關鍵論述放在同一個視野中來看，這個轉變早已有跡可循。
包括布林克曼（Levin Brinkmann）等AI研究員所提出的「機器文化」（Machine Culture）觀點、切卡（Kyle Chayka）在《扁平時代》中對演算法審美同質化的批判，以及多西（Anil Doshi）與豪瑟（Prof Oliver Hauser）發表以實驗方式驗證 AI 創意影響的研究，都從不同角度指向同一個問題：當 AI 同時放大個人創造力，卻收縮集體文化的可能性時，我們究竟正在走向哪一種文化演化？
長久以來，我們習慣將技術視為文化的工具。但布林克曼等人明確指出，這個前提如今已不再成立。在他們提出的機器文化框架中，AI 不再只是被動媒介，而是直接介入文化演化的3個核心機制：變異、傳播與選擇。生成模型開始參與文化形式的產生；聊天機器人與推薦系統成為主要的文化中介；而排序、推薦與回饋機制，則深刻影響哪些內容得以被看見、被複製、被保留下來。
這意味著，文化演化首次不再完全依賴人類社群內部的偏差、誤解與試錯，而是被高度計算、可預測、可優化的系統所牽引。AI 不單純「幫人創作」，而是正重寫文化如何被創造、被學習、被延續。
在此背景下，多西與豪瑟的研究顯得格外關鍵。與許多空泛的技術樂觀或悲觀論不同，他們透過控制實驗，給出冷靜而明確的答案：生成式 AI 的確能提升個體創作表現。
特別是原本被評估為低創造力的參與者，在獲得 AI 提供故事構想後，其作品在新穎性、可讀性與整體品質上皆出現顯著提升，甚至逼近高創造力者的水準。AI 扮演的角色並非天才的替代者，更像是「創意義肢」，有效降低文化參與的門檻。
若僅止於此，我們甚至可以說，生成式 AI 正帶來一場真正的文化民主化。然而，真正的問題，正是在這裡開始浮現。
刻意製造「偏差」，跳脫通俗的最佳解
同一篇研究同時揭示另個結果：使用 AI 靈感的作品，彼此間呈現出更高的相似度。這並非抄襲或創作者怠惰，而是一種結構性的趨同。
這現象與切卡在《扁平時代》中對演算法文化的描述形成高度呼應。他指出，演算法並不強迫我們接受某種品味，而是透過持續的最佳化與回饋，讓我們停留在既有偏好與可預期審美的區域內。差異未被禁止，但逐漸被邊緣化。
生成式 AI 所提供的「靈感」，本質上正是這種文化平均值的延伸：最容易被理解、最不容易失敗，也最可能被廣泛接受。當創作與消費同時受這套邏輯包圍，結果便是個別創作者變得更穩定，整體文化場域卻變得更可預測；創作效率提高了，冒險與偏離卻同步下降。
值得注意的是，多西與豪瑟並未將此結果歸咎於創作者的選擇，而是將其描述為一種社會困境（social dilemma）。對單一創作者而言，使用 AI 是完全理性的選擇：作品品質更高、效率更好、競爭力更強。然而，當所有人都做出同樣理性的選擇，集體層級的文化多樣性便在無聲中流失。沒有人犯錯，但結果仍然令人不安。這正是 AI 文化影響最難被討論、也最容易被忽略之處。
若將機器文化、《扁平時代》和這項實證研究放在一起，我們看到的已非「AI 會不會取代創作者」，而是更深層的問題：當文化不斷被對齊人類既有偏好與主流審美時，我們是否正在失去偏離偏好的能力？
布林克曼等人提醒，文化演化真正需要的並非效率，而是偏差、摩擦與非預期；切卡則警告，當演算法同時負責推薦、放大與回饋，文化將不可避免地朝向平滑、穩定、可預測的方向收斂。
這並非反烏托邦式的災難，而是過度順暢的文明狀態。因此，問題從來不是用不用 AI，而是我們是否願意重新設計它在文化中的角色。
若要避免文化演化陷入單向收斂，有幾個方向值得被明確提出：
一、將 AI 從「起點生成器」轉為「偏差製造器」，刻意要求其產生低機率、非主流或不討喜的選項，而非最佳解。
二、在教育與評價制度中，獎勵偏離而非貼近，讓「不像 AI 寫的東西」重新成為價值指標。
三、維持多模型、多文化來源的生態系，避免文化演化被少數通用模型壟斷。
四、承認文化多樣性本來就沒有效率，並在制度上願意為低效率付出代價。
生成式 AI 讓每個人都更容易創作，然而文化從來不是個人能力的加總，它需要誤差、失敗與異質性，也需要那些一開始「看起來不太對」的嘗試。如果有一天，人人都寫得流暢、畫得合理、想得通順，也鮮少為此感到驚訝，那或許不是創意的勝利，而是一種文明的自我收斂。
責任編輯：蘇柔瑋
