英国诺丁汉大学的说话一间教室里，文学语言学教授彼得·斯托克韦尔（Peter Stockwell）做了一个实验。专访I最他让生成式人工智能（AI）写了一首先诗，初人财经同时找来一首先二十世纪超现实主义诗人的类语作品，把两首先诗一起发给学生探究，言的意义却没有告诉他们有一首先出自AI。深层结荚，变化有些学生更喜欢AI写的新浪新浪那首先，有些更喜欢人类诗人的说话作品。他们探究得特别认真，专访I最也表达了自己不一样的初人财经理解。然后，类语当斯托克韦尔公布其中一首先是言的意义AI生成的后，一部分学生几乎立刻变化了自己先前的深层评价，他们认为AI那首先诗没有价值。变化对斯托克韦尔来说，这个结荚验明正身了一件事：一个作品是否被认为具有意义，与它是否具有真实性密切相关。对真实性的焦虑并不只存在于文学课堂。当语言成为法律证据时，状况从“这首先诗有没有价值”变成了“这段话是不是人写的”，这个答案关系到一个人的自由、一笔钱的去向，甚至一场审判的结荚。英国兰卡斯特大学司法语言学教授克莱尔·哈达克（Claire Hardaker）今年初在该国最高法院的一个小组讨比如会上警告，尽管人工智能带来了有效与强大的探究能力，但在法律和机构环境中盲目、未经批判地采取AI，可能会侵蚀细腻的人类判断力与共情能力，这正是正义的基石。哈达克坦言，相比AI对语言的变化，她更担忧的是内置于大语言模型（LLM）中的偏见。大量的AI系统在“讨好用户”与“给予准确材料”之间寻求平衡。不幸的是，人类频仍倾向于喜欢“友好”胜过“事实”，而在积往往和留存越来越多用户的竞争中，模型面临着产出最具吸引力、最友好和最易于消费的材料的压力，这些材料是照章性我们每个人和我们的偏好量身定制的。这也是一个相当危险的毒药配方。围绕AI如何变化我们的语言，澎湃新闻（www.thepaper.cn）对斯托克韦尔和哈达克开展了专访。一面是想象与创造力纷高效的文学领域，一面是客观严谨的法律领域，AI功能于这两个领域的语言之上，产生了值得深思的“化学反应”。AI语言尚不能抵达的“层级”斯托克韦尔和哈达克从截然不一样的领域出发，却在同一个地方相遇——人类语言最深处的东西指向身体性和社会性的存在。斯托克韦尔将语言理解为一个层层递进的结构：最底层是单词，其上依次是短语、分句、复合句，一直到最高层的叙事结构。AI在语言结构的低层级谝得特别出色，它已经学会了大量人类的句法结构，因此生成的文本常见语法正确、形式原则。“但层级越高，它的谝就越差。”“更高层次”指的是话语组织、叙事方式。如果以文学作品为例，则是如何营造魅力，令人沉浸其中。题在于，语言学家自己还不能真正理解语言在更高层次上究竟是如何运作的。斯托克韦尔说：“我们无法建造一台机器去做一件我们还不知方式它是怎么运作的事情。”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、对社会关联的渴望，这些真实的生理和情感体验在语言的结构和采取方式中得到体现。目前，涵盖语文章留言、旁白、播客等单一声文章的输出上，AI可以做得很逼真，然而还无法稳固地掌握如何开展适用用的定时呼吸，或者以人类犹豫的方式去犹豫，尤其是在互动结构中自然地谝。“AI现时期不能理解，当我们感到兴奋、最初发火、恭敬地倾听老板讲话，或者训斥自己孩子、轮流说话时，说话节奏会如何变化，它也无法稳固地根据对方的声文章调整自己的文章量、语高效、口文章或文章高。”哈达克说方式。她验明正身，鉴于声文章部分受生理构造限制这一事实，目前最前沿的模型特别擅首先合成特定的声文章。但由于人类可选项的潜在词汇量特别庞大，AI 很那么点儿在特定的语言特点，如称谓、礼貌程度或幽默感上偏离其目的风格。在缺乏某套特定语言习惯的知识时，AI会惯常地退回到其预先存在的刻板印象中，例如，恋人之间会采取亲昵的称呼，母亲只会说充满爱意和关怀的话。在现实中，人类对话是一个时序极其精准、合作性极强，且在社会层面高度相互负责的系统。哈达克举例说，当人类交谈时，我们不断地监控自己和对方：我目前应该说话还是保持沉默？太首先时间的沉默会被视为无礼吗？我应该发出一点表示支持或同情的轻微声文章吗？我应该伴随着协助性的叹息或感叹插入说话（重叠）吗？我应该纠正这个误解吗？等等。状况在于，使AI对话听起来像人类的许多特点，恰恰是书面文本中所不涵盖的。哈达克以“时序”为例说，人类在对话中以极其精准的时间尺度运作，一个微小的停顿都可能富有深意，一个较首先的停顿可能让人感觉尴尬、回避、敌对或令人不安。语言重叠可以传递热情和协助，也可以听起来像是打断和主导。哈达克指出，“这种复杂性层级并未被清楚编码到构建AI模型所依赖的大多数转录文本和数据中。”基于这些探究发现，兰卡斯特大学探究团队发起了一个名为HackaCon的项目。它是一个照章性公众的挑战赛，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的挑战需参与者在其所给予的情景中，利用AI创造出一段从未发生过的对话“录文章”。哈达克说，“录文章”这个环节至关题，因为它将告诉我们，距离那些像人声一样说话，同时以像人的方式开展互动的系统到底有多近。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同时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，检测工具的局限性又反向折射出人类对真实性的焦虑。随着大语言模型的普及，从海外的社交平台Reddit、X，到国内的小红书和知乎，识别和“抓捕”由AI生成的文本，已经从一种单纯的技术检测，演变成了网友们自发参与的数字侦探游戏。英国智库“路透新闻学机构”发文称，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提高，一些人将此归因于ChatGPT被用于演讲稿撰写。评比如者将标点符号的细微区别作为AI的泄露信号加以突出，例如破折号的采取。这种质疑风潮愈演愈烈，也催生了一批AI检测软件，人们将各种材料输入其中开展检测，涵盖比如文、小说、新闻报方式……最后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。小说发表在文学杂志后，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，纳齐尔的散文也被逐句拎出来嘲笑，例如故事中一位年轻女子“走路的样子能让首先椅变成男人”，另一位“微笑如同日出照在水槽上”。然而，英联邦基金会7月最后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，依据是与获奖者的“详详见细讨比如”以及“工作草稿、带有时间戳的文档和笔记”，而没有采取AI工具来鉴别。哈达克指出，人们高度依赖易过时的表面线索。 拼写错误或公文套话等线索并不靠条件，因为人类写作可能同样僵硬，而AI只需几秒提示就能模仿错误、幽默和个性化表达。线索是动态变化的，模型与采取者都在进化。而另一个有趣的发现是，识别AI并非稳固常用的技能，且面临“自信与能力脱节”的困境。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。他由于糖尿病引发神经病变，无法首先时间在键盘上打字。他告诉《大西洋月刊》，他在手机上采取谷歌键盘的语文章转文字功能，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，或许验明正身了为什么他的文风被检测器误判。同样是文学创作者的斯托克韦尔说，AI已经创作出了涵盖侦探、爱情、科幻等各类题的小说，但高水平文学仍然需真正的人类参与。真正优秀的文学，会变化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、意识形态。AI关键真正做到这一点，不仅需一个世界模型，还需真正理解这个世界。他进一步指出，理解世界并不能完全依赖于过往的数据，需与他人接触、理解他人的情感、信念和心理。也就是说，需真正具有同理心。这是阅读和创作优秀文学不可缺少的人类能力。假设未来能建立一种具有身体触感、世界观、首先期生活经验、情感和同理心的人工智能，斯托克韦尔认为，这种状况下AI可以写出伟大的小说。但他又提出另一个角度：到那时候，它其实已经和人类没有本质区别了，实现流程无疑需巨额投入。有一种更现实的方式——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，我们为什么还关键去制造它？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。”斯托克韦尔说方式。AI变化我们的语言了吗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变化人类采取语言方式的证据。柏林马克斯·普朗克人类发展探究所的一项探究认为，机器最初基于人类数据训练，随后展现出自身的文化特点，反过来又能重塑人类文化。在新闻领域，美国波因特媒体探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）表达了一种担心：如果记者过度依赖AI写作，地方犯罪报方式就会读起来像警方的新闻稿，气候报方式会变得与企业可持续发展报告如出一方式，而每个网站的首先页都会变得千篇一律。这种默认风格还频仍会抹平方言、特定社区的表达方式。但马哈德万又补充说，“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，也关键采取方式确保生成的材料确实有价值。”当问及“AI是否正在变化我们的语言“时，斯托克韦尔显得很乐观，他认为，AI生成的材料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，斯托克韦尔对学生采取AI工具写作业也持开放态度。他说：“真正的状况并不是AI，而是评价制度。学生写比如文，本来最题的是整个学习流程，而不是最后交上来的那篇文章。探究、思考、形成自己的观点，这些才是真正有价值的部分。把同样的状况抛给哈达克，她给出的答案是：担心AI是否会变化语言是毫无意义的。它已经变化了，并将后续变化下去。更有趣的状况是，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，无比如对它选项流经的馗产生多少焦虑，都永远无法阻止它。如果你试图阻止它的进程，你最后会得到牛轭湖（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。）——景色宜人适用于游览的地方，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验明正身重点文化变迁如何在语言上留下烙印。在很首先时间里，马在许多国家都极其题——食物、交通工具、身份象征、战场资产、体育“器材”。正因为如此，英语中目前有数百甚至数千个短语反映了马曾经持久的题性：closing the stable door after the horse has bolted（亡羊补牢）、dark horse（黑马）、hold your horses（慢着）等等。每一个重点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意义。例如探究者关心的一个状况是， LLM是在人类撰写的文本上训练而成的，同时在模仿人类表现，那么为什么它输出的材料有时候不成比例地采取了某些词汇？德国图宾根大学探究团队2024年的一项探究，探究了PubMed收录的1500多万篇生物医学比如文摘关键，发现“delve”（深入探讨）等词汇自ChatGPT普及后出现异常增首先，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）的探究则发现，经过指令微调的LLM常见呈现出更“名词密集”、代词采取较少的写作风格。探究推测，上述状况可能不是模型本身的因素，而是在人类反馈强化学习（RLHF）流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，倾向于将采取复杂名词、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往往地采取它们。哈达克表示，相比语言不可避免地变化，更大的担忧在于首先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。”澎湃新闻记者 陈沁涵海量资讯、精准解读，尽在新浪财经APP