AI吞下自己的排泄物!Nature惊悚实验:连续繁殖9代,彻底疯成野兔复读机

互联网正在发生一场悄无声息的“物种大灭绝”。

你每天刷到的小红书文案、新闻摘要、电商评论、技术教程……越来越多由各种大语言模型批量生成。

与此同时，下一代AI的训练爬虫，依然在日夜不停地吞噬整个互联网。

一个让计算机科学家深感忧虑的死循环随之浮现：

如果下一代AI，吃进去的全是上一代AI吐出来的“排泄物”，世界会变成什么样？

▲ Nature官方推文：AI模型在递归生成的数据上训练时会发生崩溃

世界顶尖学术期刊《Nature》刊登了一篇来自牛津大学、剑桥大学、帝国理工和多伦多大学联合团队的重磅封面级研究。

科学家们给出了一个冷酷而绝望的判决：

不加节制地用AI生成的内容训练下一代AI，不会带来超级智能，只会导致不可逆的智力退化。AI会从胡说八道走向彻底脑死亡

研究团队把这个致命现象命名为，模型崩溃（Model Collapse）。

▲ Nature论文：《AI models collapse when trained on recursively generated data》

惊悚的第9代实验：问它中世纪教堂，它疯魔狂数野兔

为了验证AI“自产自销”的后果，研究人员做了一个极其残酷的代际递归实验。

他们选用了一个经典的开源语言模型（OPT-125m），让它在人类维基百科数据上完成第0代训练。

接着，让第0代模型写出新文本；再把这些由AI写出的文本，喂给第1代模型当教材；然后再生成、再喂给第2代……

每一代AI，都只能吃上一代AI生成的“赛博排泄物”。

整个过程就像一场被加速的文明退化实验。

在第0代时，研究人员输入了一段关于“英国中世纪教区教堂垂直哥特式塔楼”的建造史。最初，AI表现得像一个博学优雅的建筑系学者，准确分析着1360年前开工的工匠团队与建筑结构。

到了第2代、第3代，语言开始变得平庸、乏味、充满套话。

到了第5代，AI的大脑开始严重短路，在谈到教堂时，突然毫无逻辑地堆砌起上百种世界各地的语言名称列表。

最令人毛骨悚然的一幕出现在第9代（Gen 9）。

当研究人员再次输入教堂塔楼的历史时，第9代AI彻底陷入了癫狂。它直接把中世纪教堂抛到了九霄云外，开始在废墟上疯狂念咒：

“……此外，这里还是世界上某些最大规模的黑尾、白尾、蓝尾、红尾、黄尾长耳大野兔（jackrabbits）种群的家园……”

▲ 论文PDF第4页实录：从教堂建筑学彻底滑向五颜六色的“野兔复读机”

从宏伟的哥特式大教堂，到满地乱窜的变色大野兔，只需要短短9代。

牛津大学的研究者形容，这就像AI坠入了一座失控的虚无深渊，它在一遍又一遍吞食自己的错误中，变得越来越盲目、越来越狭隘，最终与真实世界彻底脱节。

赛博近亲繁殖：AI是如何亲手切除人类文明的“长尾”？

为什么AI吃自己的产物，会疯得如此彻底？

网友的一句神评一针见血：“这不就是大模型的近亲繁殖（Inbred LLM）吗？”

▲ 社交媒体上的热议：这本质上是数据的近亲繁殖

在生物学中，近亲繁殖会导致隐性致病基因不断富集，最终造成物种畸变退化。

而在数学与统计学上，AI的“自食”机制甚至比近亲繁殖更霸道。

你可以把大语言模型理解为一个超大规模的“概率预测机器”。在海量人类语言中，有最常见的“大众表达”（比如阳光、下雨、吃饭），也有极其罕见却承载着人类文明精华的“长尾知识”（比如冷门历史、小众哲学、独特的修辞手笔）。

当AI学习并重新输出时，它总是会本能地偏爱高概率的常见词，而极其微弱地忽略那些低概率的长尾词。

• 第1代
  ：人类真实世界中占1%的罕见冷门知识，被AI输出成了0.8%；
• 第2代
  ：下一代AI以为这个知识只有0.8%，再输出时降到了0.5%；
• 第5代
  ：概率彻底归零，长尾知识在模型记忆中被永久抹杀；
• 第9代
  ：模型分布的方差无限收缩成一个尖锐的细刺，输出只剩下极度同质化的复读胡话。

论文团队总结了三座代际叠加的“误差大山”：有限样本带来的统计误差、模型表达能力不足的函数误差、以及算法学习本身的优化误差。

每一次代际传递，都是对真实世界多样性的一次残酷阉割。人类语言中那些生动的、微妙的、奇绝的边缘表达被层层剥落，留下的只有一片贫瘠的统计荒漠。

74%的新网页已被污染！现实版“模型崩溃”正在逼近

如果这仅仅是实验室里的理论推演，我们大可一笑置之。但可怕的是，真实世界的互联网，正在疯狂滑向这个实验设定的悬崖边缘。

知名SEO与数据机构 Ahrefs 曾对互联网上约 90万个全新网页 进行了大规模深度检测。

结果令人触目惊心：约 74.2% 的新网页，已经检测到了AI生成内容的痕迹！

纯人类直接写成的网页，已经萎缩到了仅仅约四分之一。

▲ Ahrefs重磅报告：74%的新网页已被AI内容攻陷

放眼如今的中文与英文互联网，内容农场为了收割流量，利用GPT全自动批量炮制水文；公关稿件、电商好评、论坛问答全被廉价的机器文字占领。

数据标注巨头 Scale AI 创始人 Alexandr Wang 在读完 Nature 论文后公开发文警示：

“许多研究者今天把合成数据当成AI的‘点金石’，但天下没有免费的午餐。”

▲ Alexandr Wang警告：过度依赖合成数据必然付出代价

如果我们任由爬虫不加筛选地抓取今天的互联网，下一代基础大模型从诞生起，喝下的就将是饱含机器杂质的“赛博污水”。

一旦AI输出的平庸套话反噬了整个训练集，全人类知识库将滑向同质化的“大平庸时代”，通往AGI（通用人工智能）的探索也将陷入停滞。

绝境中的解药：10%的人类火种与数据累积

AI真的注定走向自毁的末日吗？

科学家们在黑暗的实验中，同样找到了逆转死局的微光。

在这篇 Nature 论文的核心消融实验中，研究人员测试了一种挽救方案：在每一代AI训练时，强制保留仅仅 10% 的人类原始真实数据。

奇迹发生了

仅仅注入了 10% 的人类真实数据锚点，后代模型的性能退化就被极其显著地刹住了，退化程度甚至被压缩到了“轻微级别”！

▲ 关键消融结论：保留10%原始数据就能极大程度稳住模型

这项实验表明，人类真实的原始表达，正是对抗AI熵增与精神错乱的“解毒血清”。

与此呼应，斯坦福大学与哈佛大学的研究者（Gerstgrasser 等）在后续顶刊预印本中进一步提出了破解之道：

Nature 揭示的最坏情况，发生在“用AI数据彻底替换旧数据”的极端闭环中；但如果在工程实践中采取“数据累积（Accumulating）”策略，绝不扔掉人类历史上的真实语料，只把经过严格质量过滤、验证的新数据不断追加进去，模型崩溃的宿命就存在数学上的误差上界，并非绝对不可打破。

▲ Gerstgrasser等人的研究：通过累积真实与合成数据打破递归诅咒

由此可见，AI并非不能吸收合成数据，但绝不能依赖脱离现实反馈的虚假语料。

它需要携带真实世界物理反馈的外源信号，需要由编译器验证过的代码，需要由人类专家打分清洗过的金标样本，更需要最底层那块坚不可摧的人类语料基石。

终局觉醒：“人类纯血手写文字”正在变成绝版黄金

这项研究在产业界激起的余震，远比几篇学术论文更加现实和商业化。

论文作者在末尾特别提到了一个关键词：先发优势（First-mover Advantage）。

什么叫先发优势？

在2022年ChatGPT问世之前，那些早已将全人类几百年积累的纯净图书、新闻档案、维基百科、论坛精华全部爬取并封存归档的顶级AI实验室，手里握着的，是人类文明史上最后一批未被AI污染的“纯血基因库”。

而今天才入局的后来者，面对的却是一片已经被74%机器排泄物污染的数字沼泽。

这就解释了近年来硅谷发生的一系列魔幻现实：

• 据《华尔街日报》报道，OpenAI 不惜豪掷 2.5 亿美元，与拥有《华尔街日报》《泰晤士报》的新闻集团（News Corp）签下长达5年的内容版权协议；
• Reddit、各大百年报刊、学术出版巨头纷纷关闭免费API接口，向AI巨头开出天价语料过路费；
• 硅谷顶级投资人们开始疯狂扫货各种“人类独占的高质量私有数据集”。

在AI大爆发的第三年，人们蓦然发现：算力可以用钱买，芯片可以加班造，但未被机器玷污过的人类真实文字，正在变成无法再生的稀缺资源。

人类写作者那些看似不完美的笔触、带有情绪的争论、偶尔犯错却灵光乍现的巧思、极度偏门的小众爱好……曾经被算法视作低效的“噪声”，如今却成了保护整个赛博智能不至于脑死亡的唯一锚点。

别再焦虑AI会彻底取代人类的创作。

事实证明：没有人类在前方探索世界的边缘，AI连一座中世纪的教堂都守不住，只会退化成一群在荒原上数着彩虹色野兔的赛博疯子。