生成式人工智能一度被视为提升创作效率与激发灵感的工具，但多名研究人员近期警告称，随着相关系统被广泛嵌入搜索引擎、社交媒体与办公软件，其输出正在呈现趋同与回流特征：内容更倾向复用近期既有风格与表达，减少语境差异与意外性。研究人员指出，这种变化并非源于单次“失误”，而可能来自模型训练与传播机制形成的长期反馈循环，且依赖程度越高，文化向前推进的难度可能随之上升。 研究团队将这一现象概括为“视觉电梯音乐”

最具影响力的科技公司被指已不再满足于向广告商出售用户注意力，而是将商业重心转向对个人生活数据的系统性提取。批评者认为，平台通过收集用户在数字产品中的每一次停留、点击与互动所形成的行为信号，并将这些信息反向用于内容分发与产品设计，以强化用户依赖，从而持续扩大可变现的数据规模。 信息流背后的“提取逻辑” 在社交平台等数字产品中，核心机制被概括为“停留时间越长、数据越多、广告曝光越多”。围绕这一逻辑形成

拉德堡大学传播学者Serena Daalmans团队基于对16名13至19岁女孩的访谈发现，受算法推荐影响，受访者即便未主动寻找也会在社交平台接触面部美容视频；她们普遍认为内容“好看、有趣”，但同时担心其他女孩因此产生不安全感并模仿相关做法。

拉德堡德大学研究人员在对16名13至19岁女孩的访谈中发现，即便未主动搜索，美妆内容仍会通过算法推荐触达受访者，并可能影响其消费与自我感受。