PsyBrain 脑心前沿 / AI 与脑科学：顶刊文献解读专题 / A · 文献解读 / A028 · TrendsCognSci认知的熵减：大模型如何通过同质

A028 Trends Cogn Sci | 认知的熵减：大模型如何通过同质化重塑全球思想版图

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-21 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:The homogenizing effect of large language models on human expression and thought

发表时间：2026-03-11

发表期刊: Trends in Cognitive Sciences

影响因子：17.2

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

思想缘起

认知多样性是人类社会适应性、创造力和集体智慧的核心要素。这种多样性植根于文化、历史和个体经验的交织中。长期以来，认知科学界存在一种基本共识：只有通过接触每一种视角并研究每一种心智模式，人类才能接近对真理的认知。然而，随着大型语言模型（LLMs）深度嵌入社会生活的方方面面，这种多样性正面临前所未有的威胁。

冲突的核心在于：早期的技术焦虑（如 Plato 对书写的担忧或对互联网依赖的讨论）主要聚焦于记忆的外部化。但 LLMs 代表了一种根本性的范式跃迁：它们不仅是记忆的外部容器，更是流利的协同推理者，参与到写作、问题解决和视角采择中，从而将认知表达和论证过程从个体脑内迁移到了外部算法系统中。作者指出，LLMs 在提供效率的同时，可能正在充当一种强大的同质化过滤器，将人类原本丰富的思维光谱强制压缩进一套窄化且标准化的框架中 (说大白话就是，大语言模型用多了，大家思考的方式、逻辑会越来越像，人与人之间的多样性正在被磨平…)。

论证逻辑与理论架构

作者构建了一个跨越语言、视角和推理三个维度的综合批判框架。论证的核心逻辑起点是模型训练的本质：LLMs 的底层逻辑是预测下一个 token，这种基于海量数据统计规律的预测倾向于捕捉分布的中值，而忽略边缘的、长尾的少数派表达。

Figure 1. LLM-mediated homogenization of expression and thought.

这种同质化机制在 Figure 1 中得到了极为直观且深刻的展示。Figure 1 形象地描绘了从多样化表达向同质化思想转变的全过程：左侧是人类原生的、具有高度变异性的语言（如情绪化的个体表达）、视角（如对社会媒体的多元评价）以及推理（如基于不同价值观的决策路径）。当这些信号通过 Human-LLM Interaction 这一中心化漏斗时，由于用户对润色、逻辑增强或自动生成的依赖，模型倾向于将输入拉向其内部掌握的统计常模。

在语言层面，模型润色削弱了作者的个性特征（如年龄、性别、政治立场）以及与智力复杂度相关的词汇关联。在视角层面，模型展现出向 WEIRD（西方、受教育程度高、工业化、富有且民主）社会价值观对齐的强烈倾向。在推理层面，由于过度依赖如链式思考（CoT）等优化后的推理模版，人类原本基于直觉、隐喻或文化特异性的启发式搜索正逐渐被统一的逻辑链路所取代。这种同质化并非静态，而是通过递归反馈回路，将模型生成的标准化内容重新注入人类话语体系，并最终成为训练下一代模型的语料库，形成一种自我强化的结构性影响力。

领域启示

这一观点对当前认知模型构成了巨大的冲击。如果这一理论成立，我们必须承认：LLMs 不仅仅是人类能力的增强器，它们正悄无声息地成为人类思维的过滤器和定型机。现有的认知研究如果继续忽略 LLMs 对实验参与者思维的潜在重新标定，将面临效度危机。该框架推翻了技术中立的旧认知模型，提出了一种认知麦当劳化（McDonaldization）的新视角，即追求效率、可预测性和控制感的算法逻辑正在系统性地抹除认知的上下文丰富性。

对于实验科学家而言，这提供了全新的设计思路：我们是否需要建立新的度量衡来识别合成的多样性与真实的人类多元性？未来的研究必须关注那些不可逆的认知变化，例如长期依赖 AI 生成摘要和逻辑链条是否会导致大脑神经网络耦合的弱化以及记忆提取能力的衰退。在临床层面，过度依赖 AI 辅助表达可能会掩盖阿尔茨海默病等疾病早期的语言标志物，从而错失干预良机。

从更宏大的图景看，这种同质化不仅是技术问题，更是政治问题。当极少数大公司掌控了定义什么是好的推理、什么是标准视角的算法时，人类思想的自主权正面临如同奥威尔《一九八四》中新话（Newspeak）式的威胁。作者呼吁，未来的 AI 开发必须将保存和增强人类多样性作为核心的评价准则，而非仅仅追求性能和对齐。

省流总结

本文深刻揭示了大型语言模型作为认知代理人，如何通过统计预测机制、中值对齐倾向以及递归反馈回路，从语言风格、价值视角和推理逻辑三个维度对人类思维进行系统性的拉平与同质化。作者警告称，这种认知的麦当劳化正在侵蚀集体智慧的根基，使人类表达与思考逐渐向算法预设的、以西方价值观为核心的中值收敛。这不仅是一场认知的危机，更是对人类文明多元性底蕴的巨大挑战。