AI 聊天機器人為何只會畫騎腳踏車的鵜鶘？深入探討「多樣性崩潰」現象

試想一下。您要求頂尖的 AI 聊天機器人畫一張圖。不是普通的貓咪或絕美風景畫，而是有些古怪的「騎腳踏車的鵜鶘」。本來期待 AI 能帶給我們五花八門的驚喜畫作，結果回傳的竟是長相一模一樣的鵜鶘，以及完全相同的腳踏車。彷彿所有 AI 都是從同一家工廠生產出來的。

近期，人工智慧（AI）領域出現了一項受到關注的「鵜鶘測試」。這是一種用於評估大型語言模型（LLM）效能的基準測試，特別是衡量其指令遵循能力與創意產出。然而，在這項「騎腳踏車的鵜鶘」測試中，卻發現 AI 生成的結果日趨相似，專家將此現象稱為「LLM 多樣性崩潰（LLM diversity collapse）」。出處: The Emperor Pelican Has No Clothes - arcfu.com 出處: Why the Pelican Test Worked and Why It Is Done - LLM …

這為何重要？

隨著 AI 技術深入我們的生活，AI 產出內容的多樣性與創造力成為了關鍵議題。如果 AI 總是依循同樣的思維模式並給出相同的結果，會發生什麼事？這意味著 AI 的創造力有限，在解決非預期問題或提出創新點子時的能力將有所欠缺。

AI 的真正價值不僅在於快速準確地處理資訊，更在於擴展人類的思考方式並提供新視角。比喻來說，這就像所有主廚在烹調世上所有料理時，都只使用同一份食譜。料理的多元與創意將消失，我們的味蕾體驗會變得極度單調。試想，若 AI 在醫療診斷、法律諮詢或複雜的科學研究中，只給出單一的「最優」路徑而不探索其他可能性，我們可能會錯失罕見疾病的診斷良機或創新的科學發現。

事實上，研究人員分析了 18 個 LLM 所產生的超過 1,300 萬個標籤後發現，「幾乎所有假設都能在統計學上達成顯著性」。這暗示了只要稍作調整 LLM 的設定，結果便可能產生巨大差異；反之，若依特定設定運作，則極易導向高度統一的結果。出處: LLMHacking: 6 Strategies to Avoid False Findings in Your Research. LLM 只生成統一結果的現象，令人懷疑 AI 終究是在重複習得的模式，而非真正的「理解」。

「騎腳踏車的鵜鶘」出了什麼問題？

「騎腳踏車的鵜鶘」提示詞旨在綜合測試 LLM 的圖像生成能力與指令遵循能力。出處: Why the Pelican Test Worked and Why It Is Done - LLM … 出處: I tested the top local LLMs against ChatGPT and Claude … - MUO 通過此測試有幾個標準：首先，生成的圖像必須讓人一眼認出是「鵜鶘」；其次，腳踏車必須具備完整的車輪與車架；最重要的是，鵜鶘必須是處於「正在騎乘」的狀態。出處: I tested the top local LLMs against ChatGPT and Claude … - MUO

過去，針對這項提示詞，不同的 LLM 能產出各具特色且多樣化的鵜鶘圖像。有的鵜鶘戴著頭盔，有的蓄著鬍鬚，腳踏車的樣式也各異。這證明了 LLM 在解析提示詞與創意實踐方面表現卓越。出處: Simon Willison on pelican-riding-a-bicycle

然而，近幾個月來，LLM 生成的「騎腳踏車的鵜鶘」圖像相似度高得驚人。出處: The last six months in LLMs, illustrated by pelicans on bicycles 出處: The Emperor Pelican Has No Clothes - arcfu.com 正如前述，這便是 LLM 的「多樣性崩潰」現象。

現況：格式化的鵜鶘們

這種格式化現象對 LLM 的開發與評估方式提出了根本性的質疑。有分析指出，AI 模型在「高推理（high reasoning）」等特定設定下可能展現出更好的效能，但這反而可能損害了結果的多樣性。出處: Simon Willison on llm-reasoning 當模型以「高推理」模式執行時，針對特定提示詞，傾向於產生最「安全且經過驗證」結果的動機可能會增強。結果就是只會生成最普遍、最可預測的圖像，而排除了獨創或非預期的詮釋。出處: 2025 in LLMs so far - ai.engineer

這引發了懷疑：AI 是否根本不是在「理解」或「思考」，而僅是模仿學習數據中出現頻率最高的模式。如果 LLM 總是重複同樣的姿態，這說明 AI 作為啟發我們想像力與開啟新可能性的工具，其角色是有侷限的。

未來走向？

LLM 的「多樣性崩潰」現象鮮明地呈現了 AI 技術發展的一體兩面。一方面 AI 正以驚人速度發展，逼近人類智慧；但另一方面，隨著結果趨於統一，也對創意這一人類獨有的領域提出了質疑。

未來，AI 開發者除了提升效能外，還需專注於研究 AI 能產出多麼豐富多樣的創意成果。同時正如「騎腳踏車的鵜鶘」測試所示，必須銘記 AI 的評估方式本身也會影響結果的多樣性。如前所述，研究者 Bauman 等人發表的論文警示，目前的評估方法可能過於聚焦在尋找能達成特定結果的設定，而非衡量 AI 的真實能力。出處: LLMHacking: 6 Strategies to Avoid False Findings in Your Research.

為了讓 AI 真正成為補充與擴展人類智慧的工具，發展方向必須克服統一結果的陷阱，並轉向包容更大範圍的創造力與不可預測性。騎腳踏車的鵜鶘所呈現的格式化現象，正對 AI 的未來發展道路提出關鍵的省思要求。

參考資料

1. Why the Pelican Test Worked and Why It Is Done - LLM … - https://braindetox.kr/en/posts/llm_benchmark_pelican_test_2026.html
2. The last six months in LLMs, illustrated by pelicans on bicycles - https://simonwillison.net/2025/Jun/6/six-months-in-llms/
3. 2025 in LLMs so far - ai.engineer - https://ai.engineer/talks/YpY83-kA7Bo-llm-pelican-benchmark
4. I tested the top local LLMs against ChatGPT and Claude … - MUO - https://www.makeuseof.com/tested-the-best-local-llms-against-claude-and-chatgpt-with-one-a-pelican/
5. The Emperor Pelican Has No Clothes - arcfu.com - https://arcfu.com/post/the-emperor-pelican-has-no-clothes/
6. Simon Willison on pelican-riding-a-bicycle - https://simonwillison.net/tags/pelican-riding-a-bicycle/
7. LLM- Detailed dive into LLM w Andrej Karpathy… - Obsidian Publish - https://publish.obsidian.md/followtheidea/Content/AI/LLM+-+Detailed+dive+into+LLM+w+Andrej+Karpathy
8. LLMHacking: 6 Strategies to Avoid False Findings in Your Research. - https://www.linkedin.com/pulse/llm-hacking-6-strategies-avoid-false-findings-your-mikel-k-ngueajio-nogqf
9. Simon Willison on llm-reasoning - https://simonwillison.net/tags/llm-reasoning/