共计 1192 个字符，预计需要花费 3 分钟才能阅读完成。
Naure 最新研究: 当 AI 成为你的写作助手, 人类的语言多样性正在系统性萎缩
当 AI 成为你的写作助手,你的文字会变得更容易读懂 , 但也可能失去“人味儿”。南加州大学团队在《自然·人类行为》发表的一项研究显示, 大语言模型(LLM) 的介入正在让人类语言多样性系统性萎缩, 文本复杂度方差最高收窄 50%。
📌 一场横跨三年的“自然实验”
- 重点: AI 在提升“可读性”的同时, 可能也在削弱我们对人类的“可读性”。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
研究者以 ChatGPT 发布为节点,分析了 Reddit、Patch 和 arXiv 上超过 88 万篇文本, 时间跨度从 2018 年到 2024 年。他们用 AI 检测工具标记疑似 AI 写作的文本比例, 并计算写作复杂度方差——一个衡量词汇丰富度、句法复杂度和罕见词占比的离散度指标。结果发现,ChatGPT 发布后, 三个平台的方差均显著下降, 其中 Reddit 受影响最深, 学术论文次之, 新闻写作相对温和。
这种趋同是持续性的: 冲击分析显示,发布后每个月方差都在继续收窄, 而非一次性下跌。格兰杰因果检验表明,AI 使用量的上升在时间序列上“领先”于风格趋同, 指向驱动关系。
🔍 AI“润色”的代价: 内容保住, 风格扁平
在受控实验中,研究者让 GPT-3.5、Gemini、Llama 3 等模型用“润色”“改清晰”等提示词改写真实文本。好消息是,87% 的改写文本与原文语义相似度超过 0.95, 核心信息未变; 坏消息是, 改写后文本的复杂度方差收窄了 21% 到 50%, 且无论模型或提示词如何变化, 结果一致。这是因为 LLM 本质是预测“最可能的下一个词”, 会避开罕见而有趣的表达, 偏向稳妥平庸的用法。
💡 语言中的“身份指纹”正在被揉乱
语言心理学认为,用词习惯是身份指纹, 可反推性别、年龄、性格等。研究者训练分类器预测作者属性, 再用于 AI 改写后的文本, 发现个人特质预测准确率平均下降 6%, 其中年龄组受损最重(F1 分数从 0.351 跌至 0.260)。更值得警惕的是, 错误预测时, 文本更常被识别为“年长者、男性、政治自由派”的语言,AI 在将表达向主流群体拉齐。
📊 语言“变平”之后, 我们失去什么
论文还发现,AI 改写抹去了部分“词汇—心理特质”关联, 例如性别与负面情绪词的关联从显著变为不显著, 年轻人对未来的关注消失。这威胁到心理疾病早期识别、招聘评估等领域——患者文字中的痛苦信号可能被抹去。研究也指出, 样本主要来自英文互联网社区, 检测存在误差, 但方向高度一致。
🚀 总结: 在效率与个性之间寻找平衡
围绕“Naure 最新研究: 当 AI 成为你的写作助手, 人类的语言多”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
