这两年，很多人都有一种说不清的感觉：网上的文字越来越顺，越来越像，越来越“正确”，却也越来越没劲。朋友的邮件、同事的汇报、甚至社交媒体上的感慨，句子工整，用词稳妥，观点挑不出错，却也留不下什么印象。你以为是大家水平提高了，其实可能恰好相反。

美国南加州大学的研究团队最近把130多项关于大语言模型的研究汇总到一起，从语言学、认知科学、计算机科学等多个角度交叉分析，得出了一个让人不太舒服的结论：AI正在把人类的思维和表达“压平”。

先说一个最反直觉的发现。研究者让一组人用AI辅助做头脑风暴，另一组人只靠互相讨论。结果呢？用AI的那组，想出来的点子数量反而更少。按常理说，AI见多识广、知识储备远超个人，应该能帮团队打开思路才对。但事实恰恰相反，AI像一块磁铁，把所有人的思维方向吸到了同一个轨道上。团队讨论最可贵的地方不是效率，而是七嘴八舌、互相打断、南辕北辙地碰撞。有人从经验出发，有人从情绪出发，有人从偏门知识出发，常会冒出原本没人打算说出口的东西。可一旦AI的输出被丢进讨论，所有人的思路就被锁进了同一个框架。表面上多了一个助手，实际上多了一条看不见的轨道。

有意思的是，如果只看个人用户，AI确实能帮你更快地产出更多内容。但量上去了，质掉下来了。

为什么会这样？这要从大语言模型的工作原理说起。它本质上是一台超级模式识别机器，从海量文本中学习人类语言的统计规律，然后按照最高概率把词一个接一个地往外“猜”。它吃进去的是无数人的声音，吐出来的却是更收敛、更平滑、更接近主流模式的内容。训练数据里出现频率高的表达方式、观点立场、思维路径，它更倾向于输出；那些小众的、边缘的、非主流的声音，则被系统性地压低了权重。

更要命的是训练数据本身就有偏。OpenAI自己都公开承认，ChatGPT“偏向西方视角”。英文互联网的内容在训练数据中占绝对大头，英语世界的主流价值观、思维习惯、文化假设自然就成了模型的默认设置。南加州大学计算机科学家苏拉提说：大语言模型的输出往往只反映了人类经验中狭窄且扭曲的一个切片。AI没有恶意，它只是天生会滑向人多的那一侧。

这还只是输出端的问题。真正令研究者担忧的是输入端，也就是我们人类自己正在被AI反向塑造。

你让AI帮你润色一段文字，它会悄悄抹掉你独特的措辞习惯和句式节奏，换成一种标准化的表达。一次两次不算什么，但当几亿人每天都在用同一套模型打磨自己的文字，所有人的表达就开始趋同了。原来有些拧巴、有些跳跃、有些带个人脾气的句子，都被修成了标准腔。你得到了一篇更“像样”的文章，也失去了一部分只有你才能写出来的东西。

更深层的影响是，此前已有研究发现，跟AI聊天可以实实在在地改变一个人的观点和立场，让你不知不觉地向它提供的信息靠拢。每一次都只是小事。可当越来越多人用同一种工具，以相似的方式修饰语言、组织信息、寻找答案，社会里的表达和思维就在逐渐趋同。

大语言模型还有一个结构性的局限：它的推理方式是线性的，一步接一步，A推出B，B推出C，一条线走到底。但人类思维中最珍贵的那些时刻，灵光一闪的跳跃、看似无关事物之间的类比、违反常规逻辑却直抵本质的顿悟，恰恰是非线性的。AI做不到这种思考，而当我们越来越依赖它来替我们想问题，我们自己做这种跳跃性思考的机会也在变少。

学术界早就有共识：一个团队里思维方式和背景经验越多样，解决问题的能力就越强。这个结论放到AI时代依然成立，只不过方向反了过来。大语言模型天然倾向于寻找共识、消除差异，而差异恰恰是创造力的燃料。它不是为了保留分歧而生的，而是为了生成一个看起来最合理的版本。高效，也贫瘠。

所以下次当你准备把一个想法丢给AI帮你“优化”的时候，也许可以先停几秒钟，听听自己脑子里那个还没成形的、有点粗糙的、甚至有点奇怪的念头。那个念头可能不够“正确”，但它是你自己的。

～～～～～～

图源：VesnaArt

信源：AJ Dellinger 发在 Gizmodo 的报道 / Sourati, Z., Ziabari, A. S., & Dehghani, M. (2026). The homogenizing effect of large language models on human expression and thought. Trends in Cognitive Sciences. http://t.cn/AXV8IaQQ