Ex Ante Evaluation of AI-Induced Idea Diversity Collapse

창의적 AI 시스템은 일반적으로 개별 유틸리티 수준에서 평가되지만, 창의적 출력은 인구 집단에서 소비됩니다: 아이디어는 많은 다른 사람들이 유사한 것을 생산할 때 가치가 감소합니다. 이는 AI 가 개별 출력을 개선하면서도 인구 수준에서의 밀집도를 증가시킬 수 있기 때문에 평가 실점을 만듭니다. 우리는 인간 상대적 프레임워크를 도입하여 인간-AI 상호작용 데이터를 필요로 하지 않고 AI 유발된 인간 다양성 붕괴를 벤치마킹하며, 모델만 생성하고 매칭된 무보조 인간 기준을 사용하여 과밀 위험을 추정하는 ex ante 프로토콜을 제공합니다. 아이디어를 밀집 가능한 자원으로 모델링함으로써, 분포 내 비교에서 소스 수준 과밀은 식별 가능함을 보여줍니다. 이는 초과 과밀 계수 $Δ$와 인간 상대적 다양성 비율 $ρ$를 생성하며, $ρ\ge1$은 초과 과밀 부재의 평형 조건이며 $Δ$를 노출 의존적 중복 비용과 연결된 채택 게임에 연결합니다. 짧은 이야기, 마케팅 슬로건, 대체 용도 과제에서 세 개의 프론티어 LLM 은 과밀 커널을 통해 평형 아래에 있습니다. 추정은 실현 가능한 모델만 샘플 크기와 안정화됩니다. 중요한 것은 과밀 프로토콜 변형이 설계된 집중도를 줄일 수 있음을 보여주며, 다양성 붕괴는 인구 인식을 위한 개발 시간 평가 목표가 될 수 있음을 보여줍니다.