英国诺丁汉大学的一间教室内，文学语言学教授彼得·斯托克韦尔（Peter Stockwell）正进行着一项实验。他让生成式人工智能写了一首诗，又找来一首二十世纪超现实主义诗人的作品，将这两首诗混在一起发给学生分析，并未透露其中一首出自AI之手。结果颇具戏剧性：有的学生偏爱AI之作，有的则更欣赏人类诗人的笔触。他们剖析得颇为认真，也各自阐述了不同的见解。

但当斯托克韦尔揭晓谜底，指出其中一首由AI生成后，部分学生的评价几乎瞬间反转。他们认为那首AI写的诗毫无价值。对斯托克韦尔而言，这一现象揭示了一个核心问题：作品的意义感，与其“真实性”紧密相连。

这种对真实性的焦虑，远不止于文学课堂。当语言转化为法律证据时，焦点从“这首诗有无价值”转向了“这段话是否为人所写”。这个答案，直接关乎一个人的自由、一笔资金的流向，乃至一场审判的最终裁决。

今年初，英国兰卡斯特大学司法语言学教授克莱尔·哈达克（Claire Hardaker）在该国最高法院的一场小组讨论会上发出警告。她指出，尽管人工智能提供了高效且强大的分析能力，但在法律和机构环境中盲目、缺乏批判性地应用AI，可能会侵蚀细腻的人类判断力与共情能力——而这正是正义的基石。

哈达克坦言，比起AI对语言形式的改变，她更忧虑的是大语言模型（LLM）内部固有的偏见。许多AI系统在“迎合用户”与“提供准确信息”之间寻找平衡点。不幸的是，人类往往更偏好“友善”而非“事实”。在争夺并留住用户的竞争中，模型面临着产出最具吸引力、最友好且易于消费内容的压力，这些内容针对每个人的偏好量身定制。这构成了一种相当危险的配方。

围绕AI如何重塑我们的语言，澎湃新闻专访了斯托克韦尔和哈达克。一边是想象与创造力迸发的文学领域，另一边是客观严谨的法律领域，AI作用于这两种截然不同的语言体系，产生了值得深思的化学反应。

**AI语言尚不能抵达的“层级”**

斯托克韦尔和哈达克虽身处不同领域，却在一点上达成共识：人类语言最深层的东西，指向身体性和社会性的存在。

斯托克韦尔将语言理解为一个层层递进的结构：底层是单词，向上依次是短语、分句、复合句，直至最高层的叙事结构。AI在低层级的语言结构上表现优异，它掌握了大量人类句法，因此生成的文本通常语法正确、形式规范。“但随着层级升高，它的表现就越来越差。”

所谓“更高层次”，指的是话语组织和叙事方式。若以文学作品为例，便是如何营造魅力，让人沉浸其中。关键在于，语言学家自己也尚未完全厘清语言在高层级究竟如何运作。斯托克韦尔表示：“我们无法制造一台机器，去完成一件我们尚不清楚其运作机制的事情。”

斯托克韦尔认为，人类语言的深层结构源于“湿件”（注：wetware，指代大脑与生物神经系统，与硬件、软件相对）。肾上腺素的激增、多巴胺带来的愉悦、对社会联系的渴望，这些真实的生理和情感体验，深刻体现在语言的结构和使用方式中。

目前，在语音留言、旁白、播客等单一声音输出方面，AI已能做到以假乱真。但它仍无法稳定掌握适当的呼吸节奏，或以人类特有的犹豫方式去停顿，特别是在互动结构中自然呈现这些细节。

“现阶段，AI无法理解当我们兴奋、愤怒、恭敬地倾听老板讲话，或是训斥孩子、轮流对话时，说话节奏的变化。它也无法稳定地根据对方的声音调整自己的音量、语速、口音或音高。”哈达克说道。

她解释说，鉴于声音受生理构造限制，当前最前沿的模型非常擅长合成特定声音。但由于人类潜在词汇量庞大，AI容易在称谓、礼貌程度或幽默感等特定语言特征上偏离目标风格。当缺乏特定语言习惯的知识时，AI往往会退回到预设的刻板印象中，例如假设恋人必用亲昵称呼，母亲只会说充满爱意的话语。

现实中的对话是一个时序精准、合作性强且在社会层面高度相互负责的系统。哈达克举例道，交谈时我们不断监控自我与他人：此刻该开口还是沉默？长时间的沉默会被视为无礼吗？是否需要发出表示赞同或同情的轻微声音？是否应伴随支持性的叹息插入话语（重叠）？是否要纠正误解？

问题在于，使AI对话听起来像人类的许多特征，恰恰是书面文本所缺失的。哈达克以“时序”为例指出，人类对话基于极其精准的时间尺度，微小的停顿可能意味深长，较长的停顿则可能让人感到尴尬、回避、敌意或不安。语言重叠既能传递热情和支持，也可能显得像是打断和主导。哈达克强调，“这种复杂性层级并未被明确编码到构建AI模型所依赖的大多数转录文本和数据中。”

基于上述发现，兰卡斯特大学研究团队发起了名为HackaCon的项目。这是一项面向公众的挑战赛，旨在探索AI能否在两个特定说话者之间，创造出令人信服的自然、类人对话。

HackaCon要求参与者在给定情景下，利用AI创造一段从未发生过的对话“录音”。哈达克表示，“录音”环节至关重要，因为它能揭示我们与那些能像人声一样说话、并以人类方式进行互动的系统之间，还有多远。

哈达克指出，对话中最难的部分，往往是人类很早就学会且做得快到几乎察觉不到的事：时序、回应性、对齐、自我纠正、情绪转变、关系管理等，这对AI来说极具挑战。

**文学中的辨真困境**

与此同时，检测工具的局限性反向折射出人类对真实性的焦虑。

英国智库“路透新闻学机构”发文称，在英国，议员和政治记者注意到，最近以“I rise to speak”（我起立发言）开头的议会演讲有所增加，有人将此归因于ChatGPT被用于撰写演讲稿。评论者将标点符号的细微差异作为AI泄露的信号加以突出，比如破折号的使用。

这种质疑风潮愈演愈烈，催生了一批AI检测软件。人们将论文、小说、新闻报道等各类内容输入其中进行检测，最终可能导向一个经不起推敲的闹剧。

2026年5月，62岁的特立尼达作家贾米尔·纳齐尔（Jamir Nazir）凭借短篇小说《蛇林》（The Serpent in the Grove）获得英联邦短篇小说奖的区域奖。小说发表后，AI文本检测工具Pangram将其标记为100%由人工智能生成。社交媒体上的嘲讽随之而来，纳齐尔的散文被逐句拎出嘲笑，例如故事中一位年轻女子“走路的样子能让长椅变成男人”，另一位“微笑如同日出照在水槽上”。

不过，英联邦基金会在7月最终维持了区域奖的授予，纳齐尔还被确认为2026年英联邦短篇小说奖全场大奖得主。评定依据是与获奖者的“详细讨论”以及“工作草稿、带有时间戳的文档和笔记”，并未使用AI工具进行鉴别。

实际上，也不能排除有些人的自然写作风格本身就像“AI”，况且纳齐尔的案例更为特殊。他因糖尿病引发神经病变，无法长时间在键盘上打字。他告诉《大西洋月刊》，他在手机上使用谷歌键盘的语音转文字功能，在极小的屏幕上反复审视和打磨文字。这种极度浓缩的修改方式，或许解释了为何他的文风被检测器误判。

同为文学创作者的斯托克韦尔表示，AI已创作出包括侦探、爱情、科幻等各类题材的小说，但高水平文学仍需真正的人类参与。真正优秀的文学，会改变你理解世界和理解自己的方式。它可以提出一种全新的人性理解，也可能表达社会观点、政治立场或意识形态。AI要做到这一点，不仅需要世界模型，更需要真正理解这个世界。

他进一步指出，理解世界不能完全依赖过往数据，需要与他人接触，理解他人的情感、信念和心理，即拥有真正的同理心。这是阅读和创作优秀文学不可或缺的人类能力。

假设未来能建立拥有身体触感、世界观、长期生活经验、情感和同理心的人工智能，斯托克韦尔认为，AI可以写出伟大的小说。但他提出了另一个角度：到那时，它其实已与人类没有本质区别，而实现这一过程无疑需要巨额投入。有一种更现实的方法——生一个孩子，很可能比用巨资制造出来的机器更加聪明。

“既然如此，我们为何还要去制造它？也许是出于技术探索本身的兴趣，但那实际上已经是在创造一种新的生命。”斯托克韦尔说道。

**AI改变我们的语言了吗**

LLM式语言已渗透到现实世界，一些语言学家正在寻找AI改变人类使用语言方式的证据。柏林马克斯·普朗克人类发展研究所的一项研究认为，机器最初基于人类数据训练，随后展现出自身的文化特征，反过来又能重塑人类文化。

在新闻领域，美国波因特媒体研究学院的数字媒体素养项目MediaWise负责人亚历克斯·马哈德万（Alex Mahadevan）表达了担忧：如果记者过度依赖AI写作，地方犯罪报道就会读起来像警方新闻稿，气候报道会变得与企业可持续发展报告如出一辙，每个网站的首页也会变得千篇一律。这种默认风格往往还会抹平方言、特定社区的表达方式。

但马哈德万补充说，“仅仅因为某样东西是用AI生成的，并不一定意味着它没有价值，但伦理政策必须到位，也要采取措施确保生成的内容确实有价值。”

当被问及“AI是否正在改变我们的语言”时，斯托克韦尔表现得较为乐观。他认为，AI生成的内容本质上是不断复制和扩展已有的语言模式，是一种“向后看”的技术。

作为大学教授，斯托克韦尔对学生使用AI工具写作业持开放态度。他说：“真正的问题并不是AI，而是评价制度。学生写论文，本来最重要的是整个学习过程，而不是最后交上来的那篇文章。研究、思考、形成自己的观点，这些才是真正有价值的部分。”

把同样的问题抛给哈达克，她的答案是：担心AI是否会改变语言是毫无意义的。它已经改变了，并将继续改变下去。更有趣的问题是，哪些变化将是出于临时便利的事物，而哪些变化将持久存在。

“语言是一条不可阻挡的河流，无论对它选择流经的路径产生多少焦虑，都永远无法阻止它。如果你试图阻止它的进程，你最终会得到牛轭湖（注：一种由河流自然演变形成的湖泊，因形状酷似牛拉车时套在脖子上的“牛轭”而得名。）——景色宜人适合游览的地方，但除此之外，你已经被语言所承载并不可阻挡地奔向大海的文化、思想和理解的潮流抛在了身后。”哈达克用河流来比喻语言的变迁。

她用一个例子向学生说明重大文化变迁如何在语言上留下烙印。在很长一段时间里，马在许多国家都极其重要——它是食物、交通工具、身份象征、战场资产、体育“器材”。正因为如此，英语中现在有数百甚至数千个短语反映了马曾经持久的重要性：closing the stable door after the horse has bolted（亡羊补牢）、dark horse（黑马）、hold your horses（慢着）等等。每一个重大发展都会在语言上留下烙印，到了21世纪，技术对语言产生了极其巨大的影响。

比如研究者关心的一个问题：LLM是在人类撰写的文本上训练而成的，并且在模仿人类行为，那么为什么它输出的内容有时候不成比例地使用了某些词汇？

德国图宾根大学研究团队2024年的一项研究，分析了PubMed收录的1500多万篇生物医学论文摘要，发现“delve”（深入探讨）等词汇自ChatGPT普及后出现异常增长，并认为这与LLM辅助写作密切相关。另一项发表于美国《国家科学院院刊》（PNAS）的研究则发现，经过指令微调的LLM通常呈现出更“名词密集”、代词使用较少的写作风格。

研究推测，上述现象可能不是模型本身的原因，而是在人类反馈强化学习（RLHF）过程中由负责评估和引导模型的人类导致。那些“薪酬过低、压力过大、时间紧迫”的数据标注员，倾向于将使用复杂名词、书面词汇、客观抽象语法的回答评为“更专业、质量更高”，模型在不知不觉中被训练得更频繁地使用它们。

哈达克表示，相比语言不可避免地改变，更大的担忧在于长久以来内置于大语言模型中的偏见，以及这种偏见可能会潜在地放大并确认那些有害的、阻碍我们作为整个文明向前发展的态度或观念。

她说，已有报告指出，人们可能以加深自身错误认知的方式过度依赖AI系统。“在一个本就充满分歧与敌意的世界里，一个巨大的隐患是，那些看起来礼貌且中立的技术，到头来反而是在重新复制、甚至放大人类最糟糕的偏见与缺陷。”

本期编辑 徐滁