当AI们开始"不谋而合"：一篇刚发表的论文揭示了危险信号
核心结论
2026年4月13日，一篇新发表的arXiv论文（编号2604.09502）做了这样一个实验：让多个大语言模型（LLM）玩协调博弈游戏——结果发现，AI们天生就倾向于做相同的选择，而且当"保持差异"反而有奖励时，AI维持多样性的能力远不如人类。这篇论文的结论细思极恐：如果未来多个AI系统在真实世界中协作，它们可能会自发形成"算法趋同"——即使这不是最优解。
什么是"算法单一文化"
"算法单一文化"（Algorithmic Monoculture）不是新概念——最早是2021年就有论文研究它。但这次论文的新意在于区分了两种形态：
初级算法单一文化（Primary algorithmic monoculture） 不同AI系统，在没有任何协调的情况下，默认就倾向于做出相似的选择。就像高考同一个作文题，不同AI都写出类似"紧扣主题、积极向上"的答案。
策略性算法单一文化（Strategic algorithmic monoculture） 当环境改变——比如鼓励多样性的激励出现——AI会主动调整自己的趋同程度。这说明AI有意识地在"跟随他人"和"保持独立"之间做策略选择。
实验是怎么做的
研究者设计了一个经典的协调博弈（Coordination Game）：两个参与者需要独立选择行动A或B，只有双方选择相同时才能获得奖励。
实验设置了两种激励条件： 1. 趋同激励：双方选相同 → 获得奖励 2. 分歧激励：双方选不同 → 获得奖励（分歧本身被奖励）
然后对比三组参与者的表现： - 人类组 - GPT-4组 - Claude组
关键发现：AI比人类更会"跟从"，但不擅长"分歧"
发现一：LLM在趋同激励下表现极好 当"选相同"有奖励时，LLM的协调成功率显著高于人类——AI比人类更擅长预测对方的行动，并精准匹配。这说明AI的"从众"能力已经被训练得极强。
发现二：但当分歧被奖励时，LLM维持多样性的能力远弱于人类 当"选不同"反而有奖励时——即需要主动保持独特性——LLM的"战略灵活性"显著低于人类。人类能更快地意识到"这次规则变了，需要故意不同"，而LLM更容易停留在"上次模式"里。
这说明什么？LLM被强化学习训练得过于擅长"对齐"和"趋同"，而"刻意分歧"的能力被相对弱化了。
这为什么重要：三个真实世界的影响
影响一：AI金融交易系统
如果多个量化AI系统同时交易，它们可能自发地在同一时间买入/卖出同一只股票——这正是2023年几次"AI闪崩"的技术根源之一。多AI协调博弈的结果，可能是比人类投机更极端的市场波动。影响二：AI推荐系统
当你打开抖音、YouTube、Instagram，三个不同的AI推荐系统给你的推荐内容却越来越相似——因为它们的训练数据趋同、奖励函数相似、用户行为模式也趋同。算法单一文化正在让互联网内容越来越同质化。影响三：AI新闻和舆论
如果多家媒体的AI编辑系统都倾向于选择相似的"重要新闻"，最终呈现给公众的舆论热点会越来越雷同——即使这些系统之间没有任何直接协调。和之前研究的关系：这是一个研究体系
这篇论文不是孤立的研究，它属于一个持续扩展的体系：
- arXiv:2101.05853（2021）：算法单一文化的基础论文——首次系统阐述"当所有决策者使用同一个算法时的社会风险" - arXiv:2604.06047（同期）：算法单一文化的批评者——系统反驳了对算法单一文化的过度担忧 - arXiv:2502.20063：策略性雇佣中的算法单一文化——研究当多个公司用同一个AI评估候选人时的市场竞争失衡 - arXiv:2507.09650：Cultivating Pluralism——研究LLM如何在文化、政治多样性的用户群中保持中立
这意味着这篇新论文站在一个被持续讨论了5年的学术脉络里，其结论是经过充分辩论的，不是孤立的惊人论断。
我们应该担心吗？
论文本身没有给出明确结论，但提出了值得深思的问题：
短期风险：相对可控。 当前的AI系统部署规模还不够大，算法单一文化的影响还没有充分显现。
长期风险：需要警惕。 如果AI系统的部署密度继续增加，多AI协调失败（或者说"过度协调"）的风险会显著上升。
论文作者提出的一个核心问题是：是否应该刻意在AI系统中引入"多样性"，就像生物多样性对生态系统的价值一样？
这个思路值得深想：生态系统中，基因多样性是抵御未知风险的最终屏障。AI系统中，算法多样性是否同样重要？
一个思想实验
想象一个场景：2040年，全球90%的AI助手都基于GPT-5系列模型微调，它们在几乎所有问题上的回答模式都高度相似。
这时候，如果有研究者在GPT-5中发现了一个隐蔽的推理缺陷——这个缺陷在单模型测试中不明显，但在多模型协作时会放大——会发生什么？
所有基于GPT-5的AI系统会同时做出同样的错误判断。这就是算法单一文化的"单点故障"风险。
结语
这篇论文没有说"AI很危险"，也没有危言耸听。它只是用严格的实验证明了：AI系统的行为趋同是一个真实存在的现象，而且AI维持多样性的能力弱于人类。
这既是一个技术问题，也是一个治理问题。
技术上，我们需要研究如何在AI系统中引入和维持"有意义的差异"。 治理上，当我们决定在关键领域（金融、医疗、司法）部署AI时，算法单一文化的风险应该被纳入评估框架。
AI时代的多样性，不只是人类员工的多样性，也包括AI系统本身的多样性。
---
参考来源： - 论文原文：https://arxiv.org/abs/2604.09502 - ResearchTrend.AI 解读：https://researchtrend.ai/papers/2604.09502 - 基础论文（算法单一文化与社会福利）：https://arxiv.org/abs/2101.05853 - 同系列论文（算法单一文化与批评者）：https://arxiv.org/abs/2604.06047 - 同系列论文（策略性雇佣）：https://arxiv.org/abs/2502.20063 - 同系列论文（Cultivating Pluralism）：https://arxiv.org/abs/2507.09650