AI 抢不走人类的品味：模型只会做常见的东西，而人脑天生奖励新奇
tejaskumarlol · reddit · 2026-10-16
作者回应「品味既然是模式匹配，为何不能训练给 AI」的质疑，核心论点是时机：一个东西要先在训练数据里变得常见，模型才更可能生成它，而那时渴求新奇的人早已离开。
论据：
- 人脑为新奇付费：新奇图像激活多巴胺中脑区（Bunzeck & Düzel 2006）；猴子多巴胺神经元对新事件放电、重复后停止（Ljungberg 等 1992）。
- 模型趋向典型：NeurIPS 2025 最佳论文「Artificial Hivemind」让 25 个模型各写 50 次关于时间的比喻，只得到「时间是河流」「时间是织工」两类；RLHF 会降低输出多样性（ICLR 2024），部分因为人类标注者偏爱熟悉文本（ICML 2026）。
- 市场奖励「跟得上新东西」：Billboard Hot 100 约 2.7 万首歌中，高度典型的歌更难成功（2017）。
反方证据他也列出：LLM 研究点子被评为比专家更novel（但 4000 个中仅 200 个独特，执行后人类反超）；盲测中非专家更偏爱 AI 诗；FunSearch 借模型外的评估器找到新数学。
所属事件:IBM 工程师：AI 学不会品味，因人类天生渴求新奇(2 条相关)→
「漫话AGI」频道最新
- MIT 研究:AI 解理论题正确率两年从 2% 升至 35% — mikeflache · 2026-10-16
- Narayanan 撰文:AI 不必只做自动化,增强人类是另一条路 — mikeflache · 2026-10-16
- Bindu Reddy 列举超智能已到来：LLM、机器人、自改进 agent — bindureddy · 2026-10-16
- 分析师 Bajarin：盼泡沫破裂者只会助长巨头进一步集权 — BenBajarin · 2026-10-16
- Dean W. Ball 播客谈机制可解释性与「生长之物」的美 — deanwball · 2026-10-16
- 礼来减肥药 Foundayo 获欧洲监管支持，临床减重最高 11% — Polymarket · 2026-10-16