Homogenisierende Wirkung eines großen Sprachmodells (LLM) auf die kreative Vielfalt: Ein empirischer Vergleich von menschlichem und ChatGPT-Schreiben

Generative KI-Systeme, insbesondere große Sprachmodelle (LLMs) wie ChatGPT, haben sich kürzlich als bedeutende Beitragende zu kreativen Prozessen herausgestellt. Während LLMs kreative Inhalte produzieren können, die möglicherweise ebenso gut oder sogar besser sind als menschliche Kreationen, besteht das Risiko, dass ihre weit verbreitete Nutzung die Vielfalt kreativer Ausgaben über Gruppen von Menschen hinweg verringert. In der vorliegenden Forschung wollten wir diesen homogenisierenden Effekt von LLMs auf die kollektive Kreativität quantifizieren. In drei vorab registrierten Studien analysierten wir 2.200 Aufnahmeschreiben für Hochschulen. Mit einem neuartigen Maß—Wachstumsrate der Vielfalt—zeigten wir, dass jeder zusätzliche von Menschen geschriebene Aufsatz mehr neue Ideen beitrug als jeder zusätzliche GPT-4-Aufsatz. Dieser homogenisierende Effekt hielt an, selbst nach einer Reihe von Verbesserungen der Vielfalt der GPT-4-Schriftstücke, einschließlich Änderungen von Aufforderungen und Parametern. Insgesamt legen unsere Ergebnisse nahe, dass trotz Verbesserungen in der individuellen Kreativität die weit verbreitete Nutzung von LLMs die kollektive Vielfalt der Ideen verringern könnte.