人工智能已改變我們的寫作方式。電郵、申請信、研究論文、網誌和學生作業,如今都可以在數秒內完成草擬或潤飾。

這確實帶來好處。人工智能可以降低寫作門檻、改善表達清晰度,並協助人們說出原本可能受制於不確定感、語言困難或時間不足的想法。

然而,另一個問題可能正在出現。愈來愈多文章呈現相似的節奏:精心設計的開場、平衡工整的清單、流暢的過渡,以及整齊得近乎可疑的結論。我開始把讀者對這種現象的反應稱為人工智能真實性疲勞。

一個工作概念,而不是診斷

我把這個詞當作一項有待研究的概念,而不是已確立的心理診斷。所謂人工智能真實性疲勞,是指讀者反覆接觸大量精修、公式化或看似由人工智能協助的文字後,可能在真正閱讀之前已先產生懷疑。

讀者開始問:這真的是作者自己寫的嗎?這又是一份通用的人工智能輔助申請嗎?作者真的這樣思考嗎?

令人不安的是,真正由人撰寫的作品也可能受到懷疑,只因它與讀者心目中的「人工智能語氣」相似。

我們不只評價文字,也評價假定的作者

現有研究為這個憂慮提供了一些依據。實驗研究發現,當人們相信文字由人工智能而非人類撰寫時,評價可能較低。一項研究顯示,標示為人工智能生成的科學文章,其訊息與來源可信度較低;另一項研究則發現,文字被歸因於 ChatGPT 時,讀者對作者能力和內容質素的評分較低。

這些結果不能證明人工智能真實性疲勞已經存在,但顯示我們對作者身份的假設會影響評價。

我們辨認人工智能文字的能力也不可靠。在一項醫學摘要研究中,盲評者能識別不少由 ChatGPT 生成的摘要,卻也把部分真正由人撰寫的摘要誤判為人工智能生成。被懷疑的摘要常被形容為含糊或公式化。

這種假陽性問題十分重要。當某種寫作風格與人工智能建立聯繫後,採用相似結構的人類作者也可能遭受同樣懷疑。

問題在於趨同

人工智能並不是這裏的敵人;更深層的問題是趨同。大型語言模型根據訓練資料中的模式,產生最可能出現的後續文字。當許多人使用相似系統處理相似任務,某些結構和措辭就會愈來愈常見。個人經歷被整理成通用教訓,不確定性被改寫成工整的三點,而不同聲音逐漸向中間靠攏。

人工智能可以改善一句說話,卻也可能悄悄刪去令文字屬於某個人的特徵。

於是形成一個奇怪循環:作者使用人工智能令文字更專業;讀者逐漸熟悉這種風格;熟悉帶來懷疑;作者為證明可信而再度加強潤飾,結果反而更像其他人。

為何這對教育重要

對教育工作者而言,問題不只在於偵測學生有否使用人工智能。如果流暢文字不再是獨立思考的可靠證據,評估便需要令思考過程更可見。我們可能需要更加重視口頭解釋、分階段決策、陌生情境應用、修訂反思,以及學生為自身立場辯護的能力。

與其只問「學生有否使用人工智能?」,我們或許更應問:學生能否解釋作品所呈現的推理、證據與選擇?

這不代表寫作不再重要。清晰表達仍然重要,但一份流暢的成品本身不能告訴我們學習者如何走到這一步。

為何這對學者與申請人重要

相同張力也可能出現在研究、招聘與專業溝通。一封充滿籠統主張、卻沒有具體經驗的求職信,無論是否由人工智能撰寫,都提供不了多少資訊。過渡句優美但研究方法薄弱的論文,仍然是薄弱的學術作品;結構完美的反思,也可能掩蓋沒有真正反思的事實。

因此,具體性可能變得比表面精緻更有價值:發生了甚麼?你作了甚麼決定?最初誤解了甚麼?哪項證據改變了你的立場?還有哪些不確定之處?

這些細節不能保證作品由人撰寫,卻能令寫作更可問責,亦讓讀者有比風格更有意義的內容可以評估。

如何使用人工智能而不失去自己的聲音

答案不是放棄人工智能,而是更有意識地使用。我會先寫下自己的觀察或論點,再讓人工智能介入;用它檢視結構、找出含糊之處及質疑薄弱推理;拒絕自己平常不會使用的詞彙;在證據仍不確定時保留不確定性;最重要的是,為每項主張負責。

個人聲音並不是靠刻意加入錯誤製造出來,我們也不應把文法欠佳浪漫化為人性的證明。真實性來自作者的經驗、推理、語言與問責之間的關係。

人工智能可以協助編輯這種關係,但不應把它抹去。

不能忽視的公平問題

談論「人工智能語氣」亦有倫理風險。公式化寫作可能源於學科慣例、語言學習、翻譯、輔助科技,或作者過去接受的固定寫作模板。單憑風格判斷人工智能使用,可能不公平地影響多語言作者、殘疾學生,以及依賴合法寫作支援的人。

目標不應是獎勵能以某種風格「表演人性」的人,而應公平評估觀點,並在作者身份重要時要求適當的過程證據。

未來的研究問題

人工智能真實性疲勞目前仍是一項假說,而這正是它值得研究之處。我們需要了解,反覆接觸公式化的人工智能輔助文字會否改變讀者信任;哪些線索會觸發懷疑;這些線索多常引致錯誤指控;透明披露、口頭解釋或過程證據能否重建信任。

人工智能已改變人類寫作。下一項挑戰,可能是保留足夠的個人聲音、情境與可問責推理,讓讀者知道自己可以信任甚麼,以及信任誰。

問題或許不再只是「人工智能能否寫得像人?」,還包括:人類能否繼續以自己的聲音寫作,而不被誤認為人工智能?

本文參考資料