在短信、邮件等日常书写场景中，预测性文本技术已成为默认存在：输入“我爱……”，屏幕上会自动跳出“你”或“咖啡”等选项；在英文邮件中刚打出“Let”，系统便以浅灰色字体补全“Let me know if you have any questions.”。类似功能如今遍布智能手机、邮件服务和聊天机器人界面，人们往往已习以为常。

随着这类技术不断介入写作过程，一个问题愈发突出：当人工智能（AI）可以常规性地补全、润色，甚至直接生成整段文字时，写作者原本独特的个人声音会发生怎样的变化？

一位兼任大型英语系系主任、长期研究预测性写作影响的学者表示，生成式人工智能系统——包括ChatGPT、Gemini和Claude等——正在对个体表达方式提出新的挑战。技术的渗透程度，使得“作家独自拿着纸笔，将思想、论点和故事转化为文字”的传统场景，显得愈发遥远。

写作从来不是在真空中完成

多位学者指出，关于“孤立创作”的想象本身就并不准确。长期以来，论文写作往往伴随着教师、教授或写作导师的指导；朋友会提供反馈；喜爱的小说家也可能在无形中影响用词和句式。个人语言始终是在一生中吸收的无数表达基础上形成的，而非完全“自我生成”。

同样，人与机器之间在表达上的界限也从未泾渭分明。研究者提到，人类早已借助各种工具进行书写和交流，从鹅毛笔、打字机到文字处理软件，每一次技术迭代都改变了表达的方式和节奏。预测性语言技术只是这一长链条上的最新一环。

不过，与以往工具不同的是，当前的预测性文本系统被认为更直接地触及创作本身。一项研究指出，“预测性文本会鼓励预测性写作”：当系统以高度标准化、可预期的模式生成或建议文本时，输出往往类似于语言学家所说的“寒暄表达”的扩展版本——例如“你好吗”“祝你有美好的一天”“回头见”等，这类表达更多起到社交润滑剂的作用，而非传递具体情感。

在某些语境下，这种“社交粘合剂”可能并不奏效。报道提到，在悲剧事件发生后，若使用人工智能撰写社交媒体悼念文字，或用其生成写给奥运选手的粉丝信，往往会给人以不真诚之感。

单一文风与“文化平均值”

随着使用范围扩大，公众开始对生成式人工智能的文风产生辨识度。相关观察认为，这并非因为文本笨拙或质量低劣，而是因为“听起来都差不多”。

原因在于，大型语言模型是基于海量人类写作样本训练而成，其生成逻辑依赖概率与共性，倾向于选择最常见、最中性的表达。结果是，输出文本呈现出一种单一且易于识别的“统一声音”。

作家Sam Kriss在《纽约时报杂志》的一篇文章中写道，过去存在众多作家和多样风格，如今“越来越多的内容仿佛出自一个无名作者之手”。

学界有观点认为，生成式人工智能正在加速既有的文化趋同趋势。语言学研究显示，在迁徙、城市化、大众媒体和社交媒体等因素影响下，美国地区口音正在减弱并趋于同质化；与此同时，受美国媒体、电视和电影的全球影响力带动，美式英语在多地取代其他变体。

在此背景下，生成式人工智能进一步向“文化平均值”倾斜。例如，系统并不知道用户在日常生活中将软饮料称为“soda”“pop”还是“coke”，但在缺乏具体语境时，它更可能选择训练数据中出现频率最高的“soda”。

而在个人散文、小说、诗歌或写给哀悼中朋友的信件等写作类型中，读者通常看重的恰恰是作者能否以清晰而独特的方式呈现某种强烈且不可替代的个人体验。

教学场景中的应对思路

在高等教育和写作教学领域，如何在生成式人工智能普及的环境下帮助学生塑造个人声音，成为新的课题。上述学者认为，理解这类系统的局限及其成因，有助于重新设计教学策略。

当前的聊天机器人擅长生成平实、易读的散文，这与其训练数据中大量类似文本高度相关。但它们在模仿激进、突兀的风格跳跃方面存在困难，例如詹姆斯·乔伊斯《尤利西斯》中的极端文体变化，或皇后乐队《波西米亚狂想曲》中多段式、跨风格的结构。

在课堂实践中，教师可以通过多种方式鼓励学生尝试这类“非常规”表达：

• 在作业中引入不可预测性：创意写作课程长期使用各类限制性练习来打破惯性思维，例如先写一首诗，再要求在重写时完全避免使用字母“E”，或限定全文只能使用极少量形容词。这类任务难以通过通用聊天机器人直接完成，有助于迫使学生在语言上做出个人选择。

• 强调高度个人化的素材：要求学生从自身经历中提取人物和冲突，并与小说中的情节建立联系，被认为可以降低他们依赖聊天机器人的动机。相较之下，诸如“讨论《了不起的盖茨比》中绿色的象征意义”这类高度抽象、非个人化题目，更容易产生通用、可预测的答案。

• 拓宽真实读者群体：如果写作成果仅由任课教师阅读，学生在塑造个人声音方面的投入可能有限。若作业要求面向朋友、家人或特定群体撰写文章或故事，学生往往更愿意展现自身特点。

其他做法还包括：要求学生在论文中反转原有立场，为相反观点辩护；或在写作前采访陌生人，并在文中引用对方的原话等。这些环节均依赖具体情境和真实互动，难以完全由机器替代。

相关观点认为，写作者掌握着机器无法直接访问或生成的资源与语言储备。通过在教学中系统引导学生尝试非常规的创作与修订路径，有望使生成式人工智能更多地充当思考辅助工具，而非取代个人声音的主导力量。

文章作者为匹兹堡大学英语教授Gayle Rogers。本文依据知识共享许可协议转载自The Conversation。