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）正进行着一场实验。他让生成式人工智能（AI）创作了一首诗，又找来一首二十世纪超现实主义诗人的作品，将这两首诗一并发给学生分析，却未透露其中一首出自机器之手。结果，学生们对两首诗的评价出现了分化：有人偏爱AI之作，有人则更青睐人类诗人。他们剖析得极为认真，各自阐述着不同的理解。
随后，当斯托克韦尔揭晓谜底，指出其中一首由AI生成时，部分学生几乎立刻推翻了自己的先前评价，断言那首AI写的诗毫无价值。这一现象让斯托克韦尔意识到一个事实：人们判定一个作品是否有意义，往往与其是否具备“真实性”紧密挂钩。
这种对真实性的焦虑，并未局限于文学课堂。当语言转化为法律证据时，核心问题便从“这首诗有无价值”转变为“这段话是否由人撰写”。这个答案的权重极高，它直接关系到一个人的自由、一笔资金的流向，乃至一场审判的最终结局。
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，尽管人工智能带来了高效且强大的分析能力，但在法律和机构环境中，若盲目且缺乏批判性地应用AI，可能会侵蚀细腻的人类判断力与共情能力——而这正是正义得以实现的基石。
哈达克坦言，相比AI对语言形式的改变，她更担忧大语言模型（LLM）内部内置的偏见。大量AI系统在“讨好用户”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“友好”而非“事实”。在争夺并留住越来越多用户的竞争中，模型面临着巨大压力，必须产出最具吸引力、最友善且最易于消费的内容，这些内容精准地针对每个人的偏好量身定制。这构成了一种相当危险的毒药配方。
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蓬勃发展的文学领域，另一边则是讲究客观严谨的法律领域，AI作用于这两个领域的语言之上，激荡出值得深思的“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出身截然不同的领域，却在同一点上相遇——人类语言的最深处，指向身体性与社会性的存在。
斯托克韦尔将语言视为一个层层递进的结构体系：底层是单词，往上依次是短语、分句、复合句，直至最高层的叙事结构。AI在低层级的语言表现上堪称出色，它已掌握大量人类句法结构，因此生成的文本通常语法正确、形式规范。“但层级越高，它的表现就越差。”斯托克韦尔指出。
所谓的“更高层次”，指的是话语的组织方式与叙事逻辑。以文学作品为例，这关乎如何营造魅力，让人沉浸其中。关键在于，语言学家自身也尚未完全厘清语言在更高层次上的运作机制。斯托克韦尔直言：“我们无法制造一台机器去完成一件我们还不知道它是如何运作的事情。”
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）。即肾上腺素的激增、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、播客等单一声音的输出上，AI可以做得惟妙惟肖，但它仍无法稳定掌握适当的呼吸节奏，或以人类那种犹豫的方式去表达犹豫，特别是在互动结构中自然地展现出来。
“现阶段，AI无法理解当我们感到兴奋、开始发火、恭敬地倾听老板讲话，或者训斥孩子、轮流说话时，说话节奏会发生怎样的变化。它也无法稳定地根据对方的声音来调整自己的音量、语速、口音或音高。”哈达克解释道。
她进一步说明，鉴于声音受生理构造限制这一事实，当前最前沿的模型非常擅长合成特定声音。但由于人类可选择的潜在词汇量极其庞大，AI很容易在称谓、礼貌程度或幽默感等特定语言特征上偏离目标风格。在缺乏特定语言习惯知识的情况下，AI往往会退回到其预先存在的刻板印象中，例如认为恋人之间必用亲昵称呼，母亲只会说充满爱意和关怀的话语。
现实中，人类对话是一个时序极其精准、合作性极强，且在社會层面高度相互负责的系统。哈达克举例称，交谈时，我们不断监控着自己与对方：我现在该说话还是保持沉默？长时间的沉默会被视为无礼吗？我该发出表示赞同或同情的轻微声音吗？我该伴随支持性的叹息或感叹插入话语（重叠）吗？我该纠正这个误解吗？等等。
问题在于，使AI对话听起来像人类的许多特征，恰恰是书面文本所不包含的。哈达克以“时序”为例，指出人类在对话中以极其精准的时间尺度运作，微小的停顿可能意味深长，较长的停顿可能让人感觉尴尬、回避、敌对或不安。语言重叠既能传递热情和支持，也可能听起来像是打断和主导。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。”
基于这些发现，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、听起来像人类的对话。
HackaCon要求参与者在给定情景中，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，因为它能揭示我们距离那些能像人声一样说话、并以人类方式进行互动的系统还有多远。
哈达克指出，在对话中，“对AI来说最难的事，很可能是人类很早就学会并且做起来快到几乎注意不到的事：时序、回应性、对齐、自我纠正、情绪转变、管理关系等等。”
**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”发文指出，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，一些人将此归因于ChatGPT被用于演讲稿撰写。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、新闻报道等各种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来嘲笑，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。这一决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”，而未使用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，或许解释了他的文风为何被检测器误判。
同为文学创作者的斯托克韦尔表示，AI已经创作出了包括侦探、爱情、科幻等各类题材的小说，但高水平文学仍然需要真正的人类参与。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，也可能表达一种社会观点、政治立场或意识形态。AI要真正做到这一点，不仅需要一个世界模型，还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于过往数据，需要与他人接触、理解他人的情感、信念和心理。也就是说，需要真正拥有同理心。这是阅读和创作优秀文学不可或缺的人类能力。
假设未来能建立一种拥有身体触感、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，这种情况下AI可以写出伟大的小说。但他提出了另一个角度：到那时候，它其实已经和人类没有本质区别了，实现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，我们为什么还要去制造它？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式语言已经渗透到现实世界中，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）表达了一种担忧：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的新闻稿，气候报道会变得与企业可持续发展报告如出一辙，而每个网站的首页都会变得千篇一律。这种默认风格还往往会抹平方言、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，斯托克韦尔显得较为乐观。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，她给出的答案是：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。在很长一段时期里，马在许多国家都极其重要——既是食物、交通工具、身份象征、战场资产，也是体育“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是，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
