在数字创意时代,生成式人工智能像一面镜子,既能放大个人想象力,也可能将我们都映成相似的面孔。最近由插画艺术家创作的漫画以可视化叙事的方式提出了一个令人警醒的概念:伟大的相似性。它不是一个单一工具的问题,而是一种集体现象,源于技术如何在日常创作流程中施力,使得不同的人在面对相同工具时逐渐靠拢,作品风格和表达趋于一致。理解这背后的机理对于每一位设计师、作家、插画师和创意从业者都至关重要,只有在认清缘由之后,才能设计出既高效又保持个性的工作方式。漫画通过简单的角色与情境,生动地描绘了创作被工具同化的过程,这种具象呈现比学术论证更容易引起共鸣。图像中的主角因工作压力和时间限制求助于强大的生成式助手,每一次提示和微调都在缩小创作者与助手之间的距离,最终作品变得越来越像工具的默认答案,而非人的独特判断。
这样的故事并非夸大,而是有研究支撑的观察。2024年的若干实验显示,个体在使用生成式对话模型或图像生成工具时,短期内能够获得更多创意想法或更高质量的草稿,但在群体层面,创意多样性反而有所下降。更直观的例子来自短篇写作和设计类测试,尽管每位参与者借助AI都写出了更富创意的文本或更完整的视觉方案,整体样貌却表现出语义上更狭窄的范围。这种悖论指出了关键问题:生成式AI通常以概率和常见模式为基础生成输出,模型通过海量数据学会什么最可能被接受或被评为"合适"。当许多人向同一类模型求助时,模型的偏好就会不断被放大,成为一种新的隐性标准。结果不是每个人都变得更独特,而是工具引导下的多个人变得更相似。
这个机制可以从三个层面来理解。第一是训练数据的趋同性。现有模型多以网络上已有的文本、图像和代码为训练基准,这些数据本身包含主流审美、叙事套路和流行选择。第二是概率驱动的生成策略,模型倾向于选择在训练语料中更常见、更"安全"的表达以提高连贯性和接受率。第三是交互流程和界面设计,许多工具为用户提供默认参数、模板或风格选项,用户在高强度的项目周期中往往接受便捷的默认值,从而进一步放大一致性。理解了机制,就能有针对性地防范。
漫画不仅指出问题,还暗含出路。创造性地使用AI意味着要把工具看作一种扩展思维的资源,而非决定性代理。首先,意识到同质化风险本身就是重要一步。创作者可以在工作流程中有意识地保留人工决策的关键节点,把需要独到见解的环节设为人工优先,而把重复性、劳动密集型的任务交给AI去处理。例如在构思阶段保留纯手写或手绘草案,以多种非数字媒介作为灵感触发,随后再用AI进行多样化的衍生与迭代。其次,提示工程和输入多样性是减缓趋同的有效方法。
与其直接依赖单一提示,不如采用多轮提示并引入故意偏离常规的描述,例如结合具体的文化语境、罕见的比喻或独特的参考资料来源。通过向模型输入更具个人化的素材,例如自己的草图、笔记或独特的语料片段,可以使生成输出在风格和主题上更具差异性。第三,拥抱限制作为创造力的催化剂。虽然看似矛盾,但对工具使用施加约束往往能激发更鲜明的个性。限定调色板、限定叙事角度或设定严苛的时间段进行草稿创作,均可迫使创作者做出个体化的选择,而不是依赖工具的默认最优解。第四,培养跨学科与跨文化的输入来源。
生成模型的训练样本多来源于主流语料,主动引入非主流或边缘文化的资源可以有效扩大生成空间。与不同背景的艺术家合作、探索地方性手工艺、翻阅非主流出版物,都会为AI提供不常见但极具辨识度的素材。在操作层面,有几种具体做法可以融合到日常流程中以保持多样性。建立多样化提示库,收录不同语气、不同历史时期和不同地域的参考语句;在每次生成后强制进行至少三次手工修改,将AI输出作为原材料而非成品;定期回顾并记录哪些提示常导致雷同结果,然后避免重复使用这些模板;在团队层面推动轮换任务与多视角评审,确保作品经过多个人的主观过滤而不是单一工具的重塑。除了创作方法的调整,行业层面的策略同样重要。工具开发者和平台应承担起责任,提供更多透明度和可控性,使用户了解模型的偏好和局限,并允许更细粒度的风格控制。
开放可定制化的模型权重或允许用户注入自有数据进行微调,能帮助创作者打造更具特色的生成助手。平台可以设计不同程度的"模糊度"选项,鼓励用户选择更具探索性的随机化参数而非默认低风险设置。教育和技能培养是长期对抗同质化的根基。学校与培训机构需要在教学中强调批判性使用AI的能力,不只是教人如何用工具,更要教人何时不该用、如何在创作初期保持人类主导。案例学习可以帮助从业者识别哪些任务适合自动化,哪些任务需要保留人工判断。职业早期的设计师尤其需要有机会参与不依赖AI完成的项目,以积累独特的经验和直觉。
伦理与版权问题也与同质化现象交织。生成模型往往混合并重现大量现存作品的元素,这既是创造力的来源,也可能侵蚀原创作者的声音。当大量作品都通过同一套模型生成,原本的个体贡献被稀释,市场与文化记忆可能因此变得平坦。行业、平台和政府需要共同探讨如何在促进创新与保护原创之间找到平衡,包括更明晰的版权归属、对训练数据来源的透明度要求以及对AI生成内容标签的规范。漫画的力量在于它不仅揭示了问题,也唤起了公众与创意社群的反思。视觉叙事把抽象的技术机制具体化,使我们更容易意识到日常选择如何累积成文化层面的变化。
当创作者在忙碌与压力下选择快速产出时,正是同质化涌现的高风险期。反思这些选择并调整工作方式,可以在不牺牲效率的前提下,保全创意多样性。展望未来,生成式AI并非天生的同质机器。技术本身具有很强的可塑性,设计得当的工具、负责任的使用方式以及多方协作,可以把它变成增强个体表达的助力而非同化机制。我们需要的是一种文化上的更新,使得技术进步和个体创作力并行不悖。这包括对模型训练数据的多元化投入、对界面设计中默认值的审视、对创作者教育的强化以及对平台激励机制的重构。
漫画作为一种传播媒介,在这一过程中扮演了催化剂的角色。它提醒我们,技术并非中立,形塑我们的不仅是算法本身,还有我们如何使用它。创作不仅是产出,更是一种选择。将AI视为合作伙伴而非替身,将其产出视为原材料而非最终答案,便是避免走向伟大相似性的关键路径。最终,保持创意的多样性需要从个体习惯、团队流程、工具设计到政策规范的多层面努力。正如漫画中的主人公在故事结尾做出的反思,真正有价值的作品往往来源于那些敢于保留不确定性、抵抗即时性诱惑并坚持个人判断的人。
技术可以放大效率,也可以放大风险。选择将决定未来的文化图景是千差万别,还是被同一套参数所统一,取决于我们今天如何设定规则、如何教育使用者、以及如何在每一次创作中守护个性。 。
