確診了，AI 讓我們都感染上「不是/而是」綜合癥

　　凌晨兩點，當我對著年終總結的空白文檔發(fā)呆時，困得發(fā)昏手指下意識地敲，「這不是一種‘賦能’，而是一種‘資源閉環(huán)’……」

　　那一刻，空氣似乎凝固了一秒。我并沒有打開 ChatGPT，但那個典型的「不是……而是」就像幽靈一樣，從我的鍵盤里蹦了出來。

　　這不是我一個人的毛病，在座的各位可能都經(jīng)歷過。馬克斯·普朗克人類發(fā)展研究所的一項最新研究，向我們展示了一個令人脊背發(fā)涼的趨勢，我們曾理所當然地認為 AI 是模仿人類智慧的學徒，但現(xiàn)在的證據(jù)表明，這個學徒正在反過來，教師傅怎么說話。

　　「零號病人」

　　為了更準確地研究這個現(xiàn)象，研究人員在實驗設計上頗費了一番心思——他們分析了超過 740，249 小時的人類語音記錄（內(nèi)容量相當于一個人不眠不休地聽上 84 年）。這些數(shù)據(jù)涵蓋了 36 萬個 YouTube 演講視頻和 77 萬集播客節(jié)目。

　　之所以選擇「播客」作為核心研究樣本，是因為社會語言學家認為，演講往往是腳本化的，人們有充足的時間用 AI 來精修文案；但播客不同，它是高度即興、高頻互動的自發(fā)性語言。在熱烈的交談中，人類的大腦會進入一種類似于「自動駕駛」的直覺模式。如果 AI 的特征詞匯出現(xiàn)在這種場景里，那就說明它已經(jīng)不僅僅是外接的工具，正在深入「腦髓」。

　　這樣的數(shù)據(jù)選擇范圍，果然讓他們捕捉到了一些異常信號。自從 2022 年底 ChatGPT 發(fā)布以來，人類口語中某些特定詞匯的使用頻率，劃出了一條幾乎垂直的上升曲線。

　　在這場語言傳染病中，單詞 「Delve」（鉆研）被公認為零號病人。在2022 年之前，這個詞幾乎就是被冷落在字典的某個角落里，只有在非常正式的文學或嚴謹?shù)膶W術論文里才會偶爾露面。但到了 AI 時代，它是算法最忠實的心頭好，AI 對這個詞的偏好度比人類高出數(shù)百倍。

　　緊隨其后的還有像 Meticulous（一絲不茍）、Comprehend（理解）、Underscore（強調(diào)）、Realm（領域）這種聽起來很有禮貌、但平時聊天基本沒人用的詞。

　　佛羅里達州立大學的計算語言學家通過更細致的對比發(fā)現(xiàn)，學習新詞的行為沒有想象中的那么「自然而然」，而是一種精準的、被動的模仿。比如，我們開始瘋狂使用 Underscore，但它的近義詞卻幾乎無人問津。

　　這種選擇性的頻率爆發(fā)說明，我們并不是因為詞匯量匱乏在主動求變，而是因為大腦被 AI 輸出的高頻文本持續(xù)「投喂」后，建立了一種路徑依賴。當大腦需要表達「強調(diào)」這個概念時，那個被 AI 反復強調(diào)的路徑，便成了阻力最小的出口。

　　誰在免疫，誰在淪陷？

　　但怎么就一定是 AI 導致的呢？可能是上網(wǎng)沖浪太多了呢，社交媒體、短視頻、日常聊天互動，都是有可能影響語言習慣的啊。

　　為了理清這種可能性，研究人員用了計量經(jīng)濟學中的「合成控制法」。他們利用大數(shù)據(jù)構建了一個「沒有 AI 發(fā)布」的平行宇宙模型。在那個虛擬世界里，人類語言按照過去的演變邏輯緩慢進化——Delve 這些的使用率，平穩(wěn)得如同常年沒有波動的 A 股市場（不是）。

　　而在現(xiàn)實宇宙中，這些詞的暴漲與技術發(fā)布的時間點完美契合，這就讓 AI 作為語言習慣改變的主要因素，顯得更有說服力了。

　　這種干預背后其實隱藏著心理學上的「啟動效應」。當我們每天閱讀由 AI 生成的周報、郵件和新聞簡報時，這些詞匯就在我們的短期記憶中不斷被加權。當我們在麥克風前或會議室進行即興表達時，這些被過度啟動的詞匯就會像自動聯(lián)想一樣，不知不自覺就從嘴里蹦出來。AI 的語言風格正以一種溫水煮青蛙的方式，替換掉我們原本個性化的表達。

　　這場語言病毒的傳播展現(xiàn)出了極強的圈層偏好。研究發(fā)現(xiàn)，感染率最高的領域集中在科學技術、商業(yè)和教育行業(yè)。

　　倒也……不意外，因為這些人剛好也是第一批吃螃蟹的人，很早就開始嘗試用 AI，AI 在日常生活中的滲透程度也更高。

　　他們每天在高強度地處理由算法生成的邏輯框架，又習慣了那種聰明的、滴水不漏的表達方式。當他們試圖展現(xiàn)自己的專業(yè)性時，潛意識會告訴他們，模仿那種「AI 式的正確」是最安全的做法。

　　相對的，體育和宗教領域就表現(xiàn)出了驚人的免疫力。在體育播客中，那些垃圾話、極度情緒化的感嘆詞和短句，還是主要的輸出方式。宗教更特殊一點，經(jīng)文和信仰構筑了一道天然的文化防火墻。

　　雖然馬克斯·普朗克的研究基于英語語境，但在中文互聯(lián)網(wǎng)上，類似的「AI 感染」同樣隨處可見，比如「不是……而是……」的句式。

　　有一說一，中文比較特殊的地方在于，很多詞和用語本來也算得上常用，也不完全由 AI 發(fā)明，但 AI 的高頻調(diào)用極大加速了它們的擴散。所以在中文語境中的情況變成了，原本習慣這樣說話的人，現(xiàn)在特別容易被「隨手鑒」打成 AI。

　　上一次有這樣的感染，還是大廠黑話，那個流行程度之廣——即便不是大廠員工、不在互聯(lián)網(wǎng)工作，也會時不時冒出幾個「底層邏輯」、「賦能」、「閉環(huán)」、「全維度」等「黑話」詞匯。

　　這種對比揭示了一個殘酷的真相：越是追求效率、邏輯和標準化的領域，越容易被 AI 那個去個性化的靈魂所奪舍。不容易被滲透的，要么是非常嚴實、幾乎密不透風的壁壘（宗教），要么是非常野生的，規(guī)則時不時會被打碎的場域。

　　可以看出來，AI 入侵的不僅僅是詞匯，更是我們對「什么是有效表達」的價值判斷。這才是整項研究最讓人不安的地方——它很像是貪吃蛇游戲，一直玩一直玩，蛇尾越來越長后，總是會咬到自己。

　　AI 在人類過去積累的純凈數(shù)據(jù)中學習，提煉出了一種最符合概率、最平均的表達風格。隨后，人類大量使用、閱讀，下意識地習慣了這種風格，在社交媒體和口語中生產(chǎn)出更多「含 AI 量」極高的數(shù)據(jù)。接著，下一代 AI 模型又開始抓取這些已經(jīng)被污染過的、高度同質化的數(shù)據(jù)進行訓練。

　　這種循環(huán)會導致語言的坍縮。康奈爾大學的研究者警告說，這會引發(fā)一種集體創(chuàng)造力的稀釋。當一種「正確但無聊」的方式說話彌漫時，語言中的地域色彩、個人癖好、甚至是那些充滿生命力的誤用都會消失。語言不再是思維的火花，而成了流水線上的標準零件。

　　當然，我們不必過度陷入「被機器扼住喉嚨」的恐慌——語言本身就是流動的，我們今天習以為常的很多表達，在幾百年前可能都不存在。

　　表達方式的更迭，也是跟隨著技術迭代發(fā)生的。但「Delve 綜合癥」至少給我們提了一個醒：這世界上最無聊的事情，莫過于兩個人類坐在對面，卻像兩個機器人一樣，禮貌地交換著早已預設好的概率。保護好你的口癖，你的瑕疵，那是你作為人類的不應抹去的特征。