日常對話把AI當人？語言是否正在創造新生命？我們可能都想錯了

哈嘍，大家好，小圓這篇評論，主要來分析一個很有意思的問題：我們平時談論AI時的那些說法，會不會在不知不覺中給它賦予生命，又到底是誰被這些語言誤導了呢？生活里，我們常聽到“ChatGPT理解了我的問題”“AI學會了識別圖像”這類表述。

聽著順理成章，幾乎沒人會特意停下琢磨背后的深意，但愛荷華州立大學的研究團隊發現，這些看似普通的用詞選擇，可能正在悄悄改變我們對AI本質的認知，很多人都擔心媒體會過度把AI擬人化，可實際情況真的是這樣嗎？

要搞清楚語言對AI認知的影響，最直接的就是看我們用什么詞描述它，愛荷華州立大學的英語教授喬·麥基維茨和同事們，專門做了一項大規模研究，他們分析了超過200億詞匯的新聞語料庫，重點追蹤AI、ChatGPT這兩個詞和心理動詞的搭配頻率。

一開始研究團隊以為能找到大量擬人化表達，結果卻出乎預料，和AI搭配最多的心理動詞是需要，總共出現了661次，而知道和ChatGPT搭配僅32次，這些心理動詞在日常口語里的使用頻率可比這高多了。

如果說AI需要理解現實世界，擬人化色彩就濃了，這里的需要，暗含了類似人類的期望、道德判斷，可這些都是當前AI根本不具備的，所以說，語言里的門道可不少，不是光看用詞就能下結論的，這也引出了一個更核心的問題：擬人化到底是絕對的有或沒有，還是存在其他可能呢？

研究團隊通過分析發現，擬人化并不是非黑即白的判斷題，而是一個連續的光譜。高級傳播項目主任珍妮·奧恩就明確表示，擬人化存在于一個連續譜上，這一發現也和近期其他研究的結論不謀而合，這個觀點很有道理，我們對AI的認知，不會只停留在是機器或是人這兩個極端上。

影響這個光譜的因素有不少，首先是AI自身的輸出，2024年有一項關于大語言模型類人化表達的研究顯示，AI系統自己的輸出就常帶有擬人化特征，研究人員還開發了DUMT方法，專門用來測量和控制語言模型輸出的人類化語調程度。

這說明問題不只是我們怎么說AI，AI自己怎么“說話”也很關鍵，就像我們平時用ChatGPT，它用第一人稱我來回應時，很容易讓人產生和真人對話的錯覺，研究者把這叫擬人化陷阱，既是營銷手段，也是一種認知謬誤。

麥基維茨和奧恩的研究，其實推翻了一個普遍認知，很多人覺得媒體在系統性地把AI擬人化，進而誤導公眾對其能力的判斷，但實際情況是，新聞寫作中的AI擬人化遠沒有想象中普遍，反而要微妙得多。

不同心理動詞的擬人化程度差異，思考、感覺、希望，是不是比處理、計算、輸出更容易讓人聯想到人類？那些不常出現的強烈擬人化表達，會不會比高頻的溫和表達對公眾認知影響更大？這些問題搞清楚了，我們才能更精準地用語言描述AI。

隨著大語言模型越來越復雜，它們的行為和人類的差異越來越小，這時候精準使用語言就變得前所未有的重要。我們既不用刻意回避自然的表達，免得讓技術討論變得生硬晦澀，也不能隨意使用帶有強烈人類特征的詞匯，夸大AI的能力和自主性。

畢竟語言不只是簡單的描述工具，它還在塑造我們對現實的理解，當我們說AI思考時，到底是在描述一個技術過程，還是在賦予它本不具備的意識？答案藏在語境、表達意圖，以及我們對AI本質的認知深度里。

對科技傳播者來說，精準用詞、把握語境，是傳遞真實技術信息的關鍵，未來，隨著對AI認知的不斷深入，我們的語言表達也會不斷調整，但核心始終不變：用客觀、準確的語言，還原AI作為工具的本質，同時尊重技術發展的客觀規律。