Zagraj w grę: zapytaj dowolnego chatbota o losową liczbę od 1 do 10. Dostaniesz 7. Zapytaj ponownie: 3 lub 4. Jeszcze raz: 8 lub 9. To nie telepatia – to myślenie grupowe. Duże modele językowe są przewidywalne i niekreatywne, co jest w porządku do kodowania, ale do niczego przy burzy mózgów o wakacjach.

Wkracza Springboards, australijski startup, z Flintem – LLM-em wyszkolonym, by witać halucynacje, a nie z nimi walczyć. Współzałożyciel Pip Bingemann zademonstrował: ChatGPT i Claude oba dały 7; Flint dał 3,7916. Zapytany o markę samochodu, mainstreamowe modele powiedziały Toyota lub Honda; Flint powiedział Ford F-150. Dla hasła New Balance, Claude i ChatGPT oba powiedziały „Biegnij po swojemu”; Flint zaproponował „Zbudowany, by trwać, biegnij, by wygrać”.

Ta jednorodność przyciąga uwagę. Listopadowy artykuł zatytułowany „Sztuczny Ul” zdobył nagrodę za najlepszy artykuł na NeurIPS, pokazując, że 25 LLM-ów wyprodukowało prawie identyczne metafory czasu („Czas to rzeka”) i nazwy zespołów (zawierające „szkło”, „neon”, „aksamit” lub „statyk”). Springboards zbudował Flinta na bazie open-source'owego Qwen 3 od Alibaby, dostrajając losowość tylko w kluczowych punktach wyjścia – na przykład tuż przed nazwaniem destynacji – zamiast globalnie podkręcać temperaturę, co może prowadzić do niespójności.

Strateg marketingowa Zoe Scaman uznała Flinta za przydatnego do niekonwencjonalnych pomysłów, jak rebranding akumulacji bogactwa zamiast zwykłego „edukacji finansowej w zabawny sposób”. Ale współzałożyciel Maximilian Weigl ostrzega: dziewięć razy na dziesięć przeciętność jest w porządku, a kopiuj-wklejanie wyników AI to nie praca. Springboards celuje na razie w reklamodawców, ale twierdzi, że różnorodność ma znaczenie dla wszystkich. Jak mówi Bingemann: „Chodźmy tą drogą, zamiast skończyć w szarym, nudnym świecie”.