MIT（美国麻省理工学院）历史学者追溯AI（人工智能）随机性起源，指出创造力与幻觉之间存在取舍
MIT（麻省理工学院）历史学者Benjamin Lindquist在论文中梳理早期AI（人工智能）研究，指出先驱者为模拟创造性而刻意向算法注入随机性，如今生成式AI的“幻觉”与这种设计一脉相承。
他认为压制意外输出会同时牺牲部分创造性，开发者在可预测性与创新之间需作取舍。 该文属历史与观点梳理，并非产品评测或人群效果研究。
MIT（美国麻省理工学院） News于2026年10月23日发布对Benjamin Lindquist的问答。
Lindquist是MIT历史学部门助理教授，同时在MIT Schwarzman College of Computing与电气工程与计算机科学系（EECS）共享任职，并是Laboratory for Information and Decision Systems的首席研究员。 其新论文发表于期刊Past and Present。
文中称，20世纪50年代初贝尔实验室（Bell Labs）工程师John Pierce等人认为数学可为艺术去秩序、加入意外性； 早期神经网络多由心理学家构建，用以观察大脑如何产生“有产出的错误”。
Lindquist称，早期研究者看重系统偶尔给出偏离预期的答案，而今天OpenAI（美国人工智能公司）、Anthropic（美国人工智能公司）等公司因法律与金钱原因不希望聊天机器人给出意外或创造性答案，系统中的“怪异”被“打磨掉”。
他并提到Frank Rosenblatt于1971年去世，以及符号主义AI（symbolic AI）曾长期占据主导、神经网络在互联网带来数据与算力后于2012年前后超越统计机器学习。
这篇梳理把当下生成式AI（人工智能）的幻觉问题放回早期设计动机中：随机性原本是追求创造力的手段，而非缺陷。 对消费级AI应用而言，这意味着内容生成、创意工具与陪伴类产品在追求“惊喜感”时，与追求稳定可靠的回答之间存在结构性张力； 产品侧的调优选择会直接改变用户体验边界。
后续观察信号
- 查阅Lindquist论文原文以核对史料引用
- 观察主流聊天机器人对创造性输出的策略变化