最近參加了AI郵報的一個分享會計劃
研究了 AI 生成內容的同質化現象。

我們最早注意到的是一種很直觀的「相似感」，

充斥在生活周遭(早餐店,海報,文宣文案....)。

除了 AI 模型本身的限制之外，我們在閱讀與討論相關研究時，發現另一個很值得注意的角度：

AI 產出的內容，不只是結果，也正在變成下一輪創作的參照；而使用者對「好看」與「高品質」的追求，也可能讓這個參照愈來愈集中。

01｜我們從「審美收斂」角度出發

這裡的「審美收斂」不是指某一篇研究直接提出一套固定理論，而是我們整理相關文獻後，用來理解 AI 圖像同質化的一個研究角度。

它關心的不只是模型會生成什麼，也包括 AI 內容進入環境之後，如何和人的觀看、選擇與再次生成互相影響。

研究整理

• Ashkinaze et al. (2025)
  • 我們關注的重點： AI ideas 進入 culture loop（文化迴圈），成為人類下一輪想法形成時接觸到的文化素材。
  • 帶來的思考： AI 不只回應創作需求，也開始參與塑造之後的創作參照環境。

• De Rosa Palmini & Cetinic (2024)
  • 我們關注的重點： 從詞彙、詞彙組合、主題等面向分析 Prompt originality 與生成圖像多樣性。
  • 帶來的思考： 當大家依賴類似的 Prompt 模板與美學修飾語，追求品質的方法也可能縮小視覺探索。

需要特別說明的是：
Ashkinaze et al. 的結果不能簡化成「AI 一定讓人類更同質」；部分情況下，高程度 AI exposure 也可能增加群體層面的概念多樣性。
我們引用它，主要是關注 AI 內容已開始進入並影響人類創作環境這件事。

我們如何理解「審美收斂」的循環？

• 1｜AI 生成內容大量出現
  • 形成大量可見、可模仿、可再次使用的視覺與文字成果。

• 2｜成為創作參照
  • 進入文化與視覺環境，影響大眾對構圖、風格、質感與「完成度」的想像。

• 3｜影響下一次 Prompt
  • 使用者更容易採用熟悉、看過、已被證明有效的視覺語彙與提示方式。

• 4｜生成公式 → 美學公式
  • 原本提高效率與品質的模板，逐漸限定「什麼看起來才像好作品」。

• ↺｜再次生成相似成果
  • 新的 AI 內容重新進入環境，成為下一輪的參照。

這個循環不是要宣稱上述兩篇文獻共同提出了一套名為「審美收斂循環」的新理論。
只是解釋了一個矛盾：使用者明明一直在「優化」 Prompt，但如果拿來優化的詞彙、風格與品質標準，本身就是從相似的視覺環境中學來的，最後仍可能回到相似的結果。

02｜我們從「使用者動機」角度出發

我們嘗試從「使用目的」去理解不同的生成行為

• 01｜任務完成型
  • 重點是快速完成工作。
  • 只要圖片好看、沒有明顯錯誤，結果通常就已經足夠。

• 02｜績效導向型
  • 重點是「有效」。
  • 若某種風格已被市場驗證能帶來點擊、互動或其他績效，就更有理由沿用成功模式。

• 03｜品質優化型
  • 希望作品更漂亮、更專業，因此會持續修改 Prompt 與生成結果。
  • 但如果「好看」本身已有一套被大量使用的視覺公式，即使持續優化，也未必等於真正拉開差異。

• 04｜差異／身份表達型
  • 目標不只是做出一張好圖，而是希望作品能承載自己的品牌、觀點、經驗或風格。
  • 此時，「夠好」往往不再是唯一標準。

當 AI 已經能快速產出「夠好」的結果，真正影響差異的，也許不只是哪個模型更強，
而是使用者想不想、以及有沒有理由離開那個預設答案。

小結論

AI 已經逐漸進入內容、設計、企劃與日常工作流程。

我們通常關注的是怎麼生成得更快、更好，但理解同質化與使用動機的關係，也能幫助我們多做一層判斷：

哪些工作使用 AI 的標準答案就已經足夠，哪些事情則值得刻意保留自己的審美判斷、專業經驗與風格。

完整討論
更詳細以及其他關於這個主題的探討，未來會放在 AI 郵報，有興趣的人可以再去看看