AI正在吃掉自己：当互联网被AI内容填满，下一代AI会越来越笨吗？

想象这样一个场景。

你把一张照片放进复印机，复印一份。然后把复印件再放进去，复印第二份。再把第二份放进去，复印第三份……

几十次之后，你拿出来的那张纸，早已不是原来的照片。它是一团模糊的灰色，细节消失，轮廓模糊，和原图几乎没有任何关系。

现在，把这个过程放大到整个互联网的尺度。

AI学习人类写的内容，生成新内容。这些新内容被上传到互联网，下一代AI又把它们当成训练数据……如果这个循环持续下去，AI会不会像那张被反复复印的照片，越来越模糊，越来越失真？

这不是一个假设。这是研究人员正在认真对待的问题，而他们最近可能找到了一种解决方案。

过去十几年，大型AI模型的训练依赖一个巨大的数据仓库：互联网。网页、书籍、学术论文、新闻、社交媒体帖子、视频字幕——所有这些，本质上都是人类几十年来留下的数字痕迹。

这个数据仓库曾经看起来无穷无尽。

但它不是。

人类产生高质量内容的速度，远远跟不上AI发展和消耗数据的速度。研究机构估计，在可预见的未来，互联网上新增内容中的相当一部分，将来自AI本身——AI写的文章、AI生成的图片、AI总结的新闻、AI回复的评论。

这就产生了一个危险的闭环：新一代AI的训练数据，越来越多地来自上一代AI的输出。

这个现象，研究人员给它起了一个很直白的名字：模型崩塌。

模型崩塌到底会带来什么后果？

答案比你想象的更糟糕。

研究发现，当AI模型反复在自己生成的数据上训练，会出现几个逐渐加剧的问题。

第一，稀有知识会消失。那些在训练数据中本来就少见的内容——冷门的历史事件、小语种的表达方式、某个小众领域的专业知识——会在一次次的数据循环中被"平均"掉，最终从模型的记忆里彻底消失。

第二，输出会变得单调。AI会越来越倾向于给出最"安全"、最"平均"的回答，而不是真正有见地或有创意的内容。就像一个人如果只和想法完全一致的人交流，思维会越来越窄。

第三，错误会被放大。原来只有1%的错误信息，经过几代模型的传播和复制，可能扩大到10%、20%，直至整个知识体系都受到污染。

研究人员把这种现象称为"哈布斯堡AI"——源自欧洲历史上那个因长期近亲通婚而导致遗传退化的王朝。长期的封闭循环，最终导致系统失去活力，走向衰退。

这个比喻不只是有趣，它精准地描述了问题的本质：多样性消失之后，复杂系统会走向何处。

为什么人类文明不会这样？

这里有一个值得思考的对比。

人类文化传承了数千年，也经历了无数次的"复制"和"传播"——故事被转述，知识被翻译，思想被引用。但人类文明并没有崩塌。为什么？

因为现实世界一直在产生新的信息。

每天都有新的新闻发生，新的科学发现被记录，新的战争、新的艺术、新的日常对话，不断地向人类文明注入新鲜的原始材料。人类从来不是在一个封闭的系统里反复咀嚼同样的内容。

但AI的知识来源，本质上只是过去数据的重新组合。如果切断了与现实世界的连接，AI就成了一个封闭的生态系统——像一个与外部世界隔绝的小岛，岛上的物种在有限的基因库里反复繁殖，最终走向退化。

问题的核心，不是AI太聪明，而是AI缺乏真正意义上的"新信息来源"。

随机性为什么反而是好东西？

研究团队提出的解决方案，听起来有点反直觉：在AI生成的训练数据里，故意加入噪声和随机性。

人们通常认为，训练数据越干净、越精确越好。噪声是需要被消除的东西。

但这个直觉是错的。

自然界早就给出了答案。

基因突变，从单次个体的角度看，往往是有害的——它破坏了精确的遗传编码。但从物种演化的角度看，突变是进化的原材料。没有突变，物种就无法适应环境变化，最终走向灭绝。

语言也是同样的道理。方言、俚语、口音、年轻人的新词——这些都是语言系统里的"噪声"。但正是这些噪声，让语言保持了活力，让它能够适应不同的文化环境和时代需求。如果所有人都说完全标准的语言，语言就会变成一套僵化的规则，失去创造力。

金融市场也是如此。完全稳定的市场，理论上听起来很美好，但现实中意味着没有价格发现，没有创新激励，没有资源的有效配置。适度的波动，是市场保持活力的必要条件。

研究人员的核心发现是：适度的随机性，能够防止AI的输出走向"平均化"。当生成数据时保留一定的不确定性和多样性，模型就不会被困在一个越来越窄的信息循环里，而是保持了探索更广泛可能性的能力。

这个道理，生命用几十亿年验证过了。

仅仅加入随机性，还不是完整的答案。研究人员指出，更根本的解决方向，是让AI重新建立与现实世界的连接。

过去的AI，主要是"阅读型"的——它通过大量阅读文本来学习世界。这在数据充足的时候非常有效，但当文本数据开始被AI内容污染，这条路就变得越来越危险。

未来的AI，可能需要进入一个新的阶段："感知型"。

不只是读文字，而是真正感知世界。机器人和自动驾驶系统通过摄像头、传感器、雷达直接感知物理环境，获取的是现实世界本身产生的原始数据，而不是经过人类或AI加工过的二手信息。科学实验每天产生大量真实的测量数据，这些数据来自真实的物理过程，不会被模型崩塌所污染。虚拟环境中的交互，也能产生大量真实的行为数据。

换句话说，未来AI的知识来源，可能不再只是互联网，而是整个物理世界。这是一个从"文字互联网"到"感知现实"的根本性转变。

这里不得不提到一个流传多年的网络概念：死亡互联网理论。

这个理论的阴谋论版本，声称互联网早已被机器人内容和政府控制所占据，真实的人类声音已经消失。这当然是夸张的。

但它背后指向的现实担忧，正在变得越来越不是科幻。

如果大量的新闻文章、社交媒体内容、评论区回复都来自AI，那么互联网作为人类文明的信息载体，其性质正在发生根本性的变化。它从一个记录真实人类思想和经历的场所，逐渐变成一个AI内容的生产和消费循环。

这种变化不需要任何阴谋。它只是一个自然的、由经济激励和技术能力共同驱动的过程。

而它最终的影响，不只是AI会变笨，而是整个人类信息生态都会受到影响。我们所有人都在这个信息生态里思考、判断和做决定。

回到最开始的那张复印件。

它变得模糊，不是因为复印机坏了，而是因为每一次复制，都在损失一点点信息。而且这种损失是单向的，无法通过更多复制来弥补。

AI面临的问题，本质上是一样的。如果训练数据只是越来越多地来自AI自身，那么每一代模型都在损失一点点真实世界的信息，增加一点点统计平均的偏差。时间久了，模型所代表的"世界观"，会越来越偏离真实的世界。

解决这个问题的答案，不是让AI更封闭，而是让它更开放。保持与现实世界的连接，保留数据的多样性，允许适度的随机性存在——这些听起来不够"精确"的做法，恰恰是让系统长期保持活力的关键。

DNA如此，物种如此，语言如此，文化如此，现在，AI也面临同样的选择。

真正让复杂系统长期繁荣的，从来不是追求完美和纯粹。而是那些看起来"不完美"的多样性，带来的无限可能。

最后留一个问题给你：如果未来互联网上大部分内容都由AI生成，你觉得我们应该如何保护真实的人类声音不被稀释？欢迎在评论区写下你的想法。