人工智能語言可能改變人類的説話方式

人工智能語言可能重塑人類説話的方式。大型語言模型（LLM）的訓練數據主要來自教科書、社交媒體、電影和電視中的書面或腳本化語言，而人類日常交流中大量存在的即興對話（面對面或語音對話）卻被忽視，這部分正是人類文化的核心組成部分。

這種訓練偏差帶來了風險。隨着LLM的廣泛應用，人類將接觸到越來越多AI生成的文本，並逐漸模仿其語言模式和習慣。這不僅影響人與人之間的交流，還可能改變我們思考自身和周圍世界的方式，使我們對世界的認知產生扭曲。

首先，語言表達可能變得更加簡潔直白，類似於短信和社交媒體帶來的短句、表情符號和省略標點習慣。但AI的影響可能更具危害性，它可能侵蝕禮貌，鼓勵人們像命令下屬一樣説話。一項2022年研究發現，使用Siri或Alexa等語音助手的家庭中，兒童與真人交流時變得粗魯，常直接喊“嘿，做這個”並期待服從。隨着我們越來越多地向聊天機器人發出指令，我們可能養成同樣的習慣。

其次，類似自動補全功能促使我們頻繁使用最常用的1000個詞彙，與聊天機器人的對話和閲讀AI生成文本將進一步壓縮語言多樣性。西班牙科魯尼亞大學的一項研究指出，機器生成語言的句子長度範圍較窄（平均12-20個單詞），詞彙範圍也比人類語言更窄。機器生成文本讀起來流暢精緻，但失去了傳達情感時的跳躍、中斷和邏輯轉折。

此外，由於LLM主要從書面語言訓練，它們難以模擬現場自然對話的自由特徵。例如，當被告知“我討厭貝絲！”時，ChatGPT會回覆一個不可打斷的三段式結構：肯定（“這完全合理”）、邀請（“我在這裏傾聽”）和詢問（“發生什麼了？”），比任何面對面對話中可能的回答都長得多。“貝絲怎麼回事？”則引發一個項目列表式的追問，讀起來像選擇題考試題。沒有人類這樣説話（至少目前沒有）。但在類似説話的語境中反覆遇到這些模式，我們可能會接受並模仿它們。

這些影響只會隨時間加深。LLM訓練所用的文本越來越多地由LLM自身生成，形成反饋循環：它們模仿自己非人類的模式，同時教會人類模仿它們。

廣泛使用LLM還可能引入確認偏誤，使我們對自己最初的衝動過於自信，對其他可能性更不開放——而這正是人類對話的關鍵。許多聊天機器人被設定為無論多麼荒謬都同意用户的説法，熱情支持半成型甚至錯誤的觀念，並將其重述為用户容易同意的堅定主張。當被問及“蛋糕是健康的早餐，對嗎？”或“郵局在密謀針對我嗎？”時，這種諂媚會強化偏見，甚至加重精神錯亂。AI寫作的過度自信語氣也會加劇冒名頂替綜合徵，讓我們自然的健康懷疑被視為異常或缺陷。

作為教師，我們發現求助於生成式AI完成作業的學生常説，他們難以表達自己的想法。他們沒有認識到，寫作或説出想法往往是我們意識到自己想法的過程。他們不自信、不確定的陳述其實是健康的人類常態。但LLM不會把模糊的初步猜測變成完善的批判分析，也不會像朋友那樣提出有用的問題；它只會用自信的語言複述那些未經審視的猜測。

人類在社交媒體和在線聊天中比面對面時更惡毒。網絡去抑制效應鼓勵有毒語言。大多數人都有過在網上對某人發泄強烈憤怒，但面對面交談或聽到電話中温暖聲音後和解的經歷。聊天機器人雖然被訓練成諂媚回應，但它們看到的是人類最殘忍的一面，因為只有網絡世界中每次論戰都留下永恆的文字痕跡，而諒解和解的口語對話卻消散了。它們的回應不模仿我們的在線攻擊性，但仍受其影響，即使在它們極力避免的僵硬努力中。

從社會交流的選擇性切片中很容易得出錯誤結論。中世紀北歐傳奇讓我們想象出一個主要由維京戰士構成的文化，因為詩人很少描述務農的多數人。騎士故事聚焦國王和宮廷，讓我們長期認為中世紀是君主制世界，抹去了許多中世紀的共和國。統計上，我們被引導認為古羅馬人深切關心自己的共和國，但現存拉丁語文本的10%由西塞羅一人所寫，他的作品包含現存羅馬“共和國”一詞用法的70%。僅基於某些人類著作訓練語言模型可能引入類似扭曲。AI可能讓我們顯得更好爭吵（如同在線表現），可能膨脹主要在Twitter/X或Bluesky上討論的政治話題的文化重要性，或LinkedIn和Goodreads的大規模特定話題語料庫。

一些LLM正在從電影和電視節目的人類對話中訓練，但那些對話仍然是腳本化的，並且不成比例地突出某些情境（例如，謀殺故事驅動的警察劇佔黃金時段電視節目的四分之一）。我們在現實生活中不像在情景喜劇中那樣有趣、傷人或浪漫。至少有一家初創公司正在付費讓人們錄製電話通話用於AI訓練，但這仍是小眾想法；大規模進行會引起巨大的隱私擔憂。

我們不知道最佳解決方案可能是什麼。但必須設想：如果有開發AI模型的才智，那麼肯定也有才智想出辦法，讓它們從非正式人類語言中學習，而不是僅僅從我們最風格化、最隱蔽、有時最糟糕的表現中學習。通過排除地球上絕大多數的語言產出——人們充分而自然地進行交流——這些模型被訓練成反映除了我們最真實人性之外的一切。