熟悉的灰色提示语

这是许多人每天都会经历的场景：你刚在短信里打出“我爱……”，手机立刻在键盘上方弹出几个候选词——“你”“咖啡”甚至更离奇的选项。又或者你在写英文邮件，只输入了一个“Let”，应用就贴心地用浅灰色补全：“If you have any questions, please let me know.”

预测性语言技术已经无处不在：智能手机输入法、电子邮件服务、各类聊天机器人……它们默默地参与、甚至主导了我们的写作过程，以至于我们常常忘了它们的存在。但随之而来的，是一个越来越难回避的问题：当 AI 习惯性地替写作者续写句子、甚至从零生成整篇内容时，写作者原本独特的“声音”会变成什么样？

作为一名大型英语系的系主任，同时也是研究预测性写作影响的学者，我亲眼看到 ChatGPT、Gemini、Claude 等生成式 AI 系统，如何在日常实践中挑战个体表达的边界。

这项技术已经深度嵌入写作流程，以至于我们很难再想象不久之前的那种画面：一个人独自坐在桌前，只靠纸笔或键盘，艰难地把脑中的想法、论证和故事，转化成可读、动人的文字。

写作从来不是“一个人”的事

许多学者早就指出，那种“孤独天才写作者”的想象，本身就不准确。

论文写作背后往往有老师、教授或写作导师的指导；朋友会给出修改意见；你喜欢的作家的一句妙语，可能悄悄被你吸收进自己的语言。我们使用的语言，从来不是完全“原创”的，而是由一生中接触过的无数文本和对话拼接而成。

同样，认为“人类真实表达”和“机器生成文本”之间有一道清晰边界，也是一种神话。人类早就习惯借助机器来沟通：从羽毛笔、打字机到文字处理软件，每一次技术变革都在悄然改变我们的表达方式。

但今天的预测性语言技术，与以往工具不同之处在于：它不只是“帮你写”，而是直接影响你“怎么写”。正如有研究指出的那样，“预测文本会鼓励预测性写作”。

当所有句子都像“寒暄”的豪华版

生成式 AI 依靠庞大语料库和统计规律来生成文本，它擅长的是标准化、可预测的语言模式。结果往往是：输出读起来流畅、礼貌，却像语言学家所说的那种“寒暄表达”的升级版。

所谓“寒暄表达”，是指那些主要起社交润滑作用、而非真正传递情感的常见句式，比如“你好吗？”“祝你有美好的一天”“回头见”等。AI 文本常常就是这种话语的延展：形式得体，却缺乏个人体温。

在某些场合，这种“社交黏合剂”还能勉强发挥作用。但一旦用错地方，问题就暴露无遗：在重大悲剧发生后，用 AI 生成一段社交媒体悼念文案，或用它给奥运选手写粉丝信，很容易显得空洞、失真。

人们已经逐渐学会辨认生成式 AI 的文风，并不是因为它笨拙或语法错误，而是因为它“太像 AI 了”——听起来都差不多。这并不奇怪：大型语言模型是基于海量人类写作样本训练出来的，它的目标是根据概率和共性，给出“最可能”的下一句话。

结果就是：这些预测性输出，越来越收敛成一种单一、可识别的声音。正如 Sam Kriss 在《纽约时报杂志》中所写：“曾经，有许多作家和多样的风格。现在，越来越多地，几乎所有作品都出自一个无名作者。”

走向“文化平均值”？

生成式 AI 正在加速一种原本就存在的趋势：文化趋同、表达同质化。

语言学研究早已表明，在迁徙、城市化、大众媒体和社交媒体的共同作用下，美国各地的方言和口音正在逐渐消失，转而向更统一的发音靠拢。同时，由于美国电视、电影和网络内容的全球影响力，美式英语正在挤压、取代许多其他英语变体。

在这样的背景下，生成式 AI 进一步推动了“平均化”。它并不知道你习惯把软饮料叫作“soda”“pop”还是“coke”，它只会根据训练数据中出现频率最高的选项，倾向于给出“soda”。

与此相对，人们在阅读个人随笔、小说、诗歌，或在收到一封写给丧亲者的慰问信时，真正看重的，往往是那种鲜明、具体、不可替代的个人声音——一种只有这个人才能写出的表达方式。

在课堂上，让聊天机器人“失去吸引力”

在这样的环境下，教师如何引导学生塑造自己的写作声音？这项任务，与十年前相比，已经发生了根本变化。

一个切入点，是从生成式 AI 的弱点出发，理解它为什么在某些方面“写不好”。

聊天机器人非常擅长生成中规中矩、易读易懂的散文，因为这正是它们训练语料中最常见的文本类型。但要它们写出像詹姆斯·乔伊斯《尤利西斯》那样的语言实验，或像皇后乐队《波希米亚狂想曲》那样结构怪诞、风格跳跃的作品，就会明显吃力。

教师可以通过一些具体策略，鼓励学生在风格上做出 AI 难以模仿的“跳跃”。

1. 在作业中植入“不可预测性”

创意写作教学中，长期存在各种“反常规”的练习：

• 先写一首普通的诗，再要求学生重写一遍，但整首诗不能出现字母 “E”；
• 或者限定一篇文章中最多只能使用两个形容词；
• 要求在文中强行加入几个看似不相干的元素，再想办法让它们合理共存。

这类限制会迫使学生绕开语言的“默认路径”，从而打破 AI 最擅长的那种可预测模式。

2. 让写作深挖个人经历

另一种方法，是让学生从高度个人化的经验出发写作。

例如，引导学生把小说中的人物和冲突，与自己生活中的人和处境建立联系；或者要求他们写一封只给特定亲友看的信，内容必须涉及共同经历的细节。

在这种情况下，聊天机器人就变得不那么有用，甚至完全派不上用场：它无法访问学生的真实记忆，也难以生成那些只存在于具体人际关系中的细节。相比之下，那些抽象、非个人化的题目——比如“讨论《了不起的盖茨比》中绿色意象的象征意义”——就很容易被 AI 以模板化方式完成。

3. 扩大真实读者，而不只是“交作业”

如果一篇文章只会被老师读到，学生往往更倾向于“完成任务”，而不是“表达自我”。

但如果作业要求他们写给朋友、家人或祖父母看，或者要在班级内公开朗读、在小范围内分享，学生通常会更在意自己的声音是否真实、有趣、像“自己”。

4. 设计必须与现实互动的任务

教师还可以通过一些需要走出教室的作业，进一步削弱 AI 的替代性：

• 要求学生采访一位陌生人，并在文章中引用对方的原话；
• 让学生先写出一个观点，再被迫写一篇支持相反立场的文章；
• 让他们记录一整天的观察日记，然后据此创作故事或随笔。

这些任务都依赖于学生与现实世界的具体接触，而不是从网络上抓取“平均观点”。

人类仍握有机器拿不到的“素材库”

归根结底，写作者拥有一套机器无法直接访问的资源：

• 个人记忆与情感史；
• 独特的生活环境与文化背景；
• 与他人的具体关系和互动细节；
• 对语言的任性使用、故意偏离常规的冲动。

通过要求学生尝试非常规的创作和修订方式，教师可以把技术重新放回“工具”的位置：它可以是思考的辅助伙伴，但不应成为替代个人声音的“代写者”。

在预测文本和生成式 AI 已成日常基础设施的时代，真正的挑战不再是“要不要用 AI”，而是：在使用它的同时，我们还能在多大程度上保留、甚至强化那种只属于自己的写作声线。