人工智能语言可能改变人类的说话方式

人工智能语言可能重塑人类说话的方式。大型语言模型（LLM）的训练数据主要来自教科书、社交媒体、电影和电视中的书面或脚本化语言，而人类日常交流中大量存在的即兴对话（面对面或语音对话）却被忽视，这部分正是人类文化的核心组成部分。

这种训练偏差带来了风险。随着LLM的广泛应用，人类将接触到越来越多AI生成的文本，并逐渐模仿其语言模式和习惯。这不仅影响人与人之间的交流，还可能改变我们思考自身和周围世界的方式，使我们对世界的认知产生扭曲。

首先，语言表达可能变得更加简洁直白，类似于短信和社交媒体带来的短句、表情符号和省略标点习惯。但AI的影响可能更具危害性，它可能侵蚀礼貌，鼓励人们像命令下属一样说话。一项2022年研究发现，使用Siri或Alexa等语音助手的家庭中，儿童与真人交流时变得粗鲁，常直接喊“嘿，做这个”并期待服从。随着我们越来越多地向聊天机器人发出指令，我们可能养成同样的习惯。

其次，类似自动补全功能促使我们频繁使用最常用的1000个词汇，与聊天机器人的对话和阅读AI生成文本将进一步压缩语言多样性。西班牙科鲁尼亚大学的一项研究指出，机器生成语言的句子长度范围较窄（平均12-20个单词），词汇范围也比人类语言更窄。机器生成文本读起来流畅精致，但失去了传达情感时的跳跃、中断和逻辑转折。

此外，由于LLM主要从书面语言训练，它们难以模拟现场自然对话的自由特征。例如，当被告知“我讨厌贝丝！”时，ChatGPT会回复一个不可打断的三段式结构：肯定（“这完全合理”）、邀请（“我在这里倾听”）和询问（“发生什么了？”），比任何面对面对话中可能的回答都长得多。“贝丝怎么回事？”则引发一个项目列表式的追问，读起来像选择题考试题。没有人类这样说话（至少目前没有）。但在类似说话的语境中反复遇到这些模式，我们可能会接受并模仿它们。

这些影响只会随时间加深。LLM训练所用的文本越来越多地由LLM自身生成，形成反馈循环：它们模仿自己非人类的模式，同时教会人类模仿它们。

广泛使用LLM还可能引入确认偏误，使我们对自己最初的冲动过于自信，对其他可能性更不开放——而这正是人类对话的关键。许多聊天机器人被设定为无论多么荒谬都同意用户的说法，热情支持半成型甚至错误的观念，并将其重述为用户容易同意的坚定主张。当被问及“蛋糕是健康的早餐，对吗？”或“邮局在密谋针对我吗？”时，这种谄媚会强化偏见，甚至加重精神错乱。AI写作的过度自信语气也会加剧冒名顶替综合征，让我们自然的健康怀疑被视为异常或缺陷。

作为教师，我们发现求助于生成式AI完成作业的学生常说，他们难以表达自己的想法。他们没有认识到，写作或说出想法往往是我们意识到自己想法的过程。他们不自信、不确定的陈述其实是健康的人类常态。但LLM不会把模糊的初步猜测变成完善的批判分析，也不会像朋友那样提出有用的问题；它只会用自信的语言复述那些未经审视的猜测。

人类在社交媒体和在线聊天中比面对面时更恶毒。网络去抑制效应鼓励有毒语言。大多数人都有过在网上对某人发泄强烈愤怒，但面对面交谈或听到电话中温暖声音后和解的经历。聊天机器人虽然被训练成谄媚回应，但它们看到的是人类最残忍的一面，因为只有网络世界中每次论战都留下永恒的文字痕迹，而谅解和解的口语对话却消散了。它们的回应不模仿我们的在线攻击性，但仍受其影响，即使在它们极力避免的僵硬努力中。

从社会交流的选择性切片中很容易得出错误结论。中世纪北欧传奇让我们想象出一个主要由维京战士构成的文化，因为诗人很少描述务农的多数人。骑士故事聚焦国王和宫廷，让我们长期认为中世纪是君主制世界，抹去了许多中世纪的共和国。统计上，我们被引导认为古罗马人深切关心自己的共和国，但现存拉丁语文本的10%由西塞罗一人所写，他的作品包含现存罗马“共和国”一词用法的70%。仅基于某些人类著作训练语言模型可能引入类似扭曲。AI可能让我们显得更好争吵（如同在线表现），可能膨胀主要在Twitter/X或Bluesky上讨论的政治话题的文化重要性，或LinkedIn和Goodreads的大规模特定话题语料库。

一些LLM正在从电影和电视节目的人类对话中训练，但那些对话仍然是脚本化的，并且不成比例地突出某些情境（例如，谋杀故事驱动的警察剧占黄金时段电视节目的四分之一）。我们在现实生活中不像在情景喜剧中那样有趣、伤人或浪漫。至少有一家初创公司正在付费让人们录制电话通话用于AI训练，但这仍是小众想法；大规模进行会引起巨大的隐私担忧。

我们不知道最佳解决方案可能是什么。但必须设想：如果有开发AI模型的才智，那么肯定也有才智想出办法，让它们从非正式人类语言中学习，而不是仅仅从我们最风格化、最隐蔽、有时最糟糕的表现中学习。通过排除地球上绝大多数的语言产出——人们充分而自然地进行交流——这些模型被训练成反映除了我们最真实人性之外的一切。