斯托克韦尔将人类语言理解为一个层层递进的结构。最底层是单个的单词，往上依次是短语、分句、复合句，一直延伸到最高层的叙事结构。在他看来，AI 在语言结构的低层级表现得十分出色，它已经习得海量的人类句法规则，生成的文本大多语法正确、形式规范。可越是往高层级走，AI 的表现就越差。
这里所说的更高层次，指的是话语组织逻辑、整体叙事方式，放在文学作品里，就是营造氛围、让读者沉浸其中的能力。最关键的问题在于，人类自己尚且没有完全弄清语言在高层级上的运作机制。斯托克韦尔说得很直白，我们无法建造一台机器去完成一件我们自己都不知道原理的事情。
在语言层级的背后，是人类语言更深层的根基。斯托克韦尔提出了湿件的概念，这个概念指代大脑与生物神经系统，和我们常说的硬件、软件相对应。他认为人类语言的深层结构源于湿件，源于肾上腺素激增带来的激动、多巴胺分泌带来的愉悦、对社会联结的本能渴望。这些真实的生理反应与情感体验，深刻塑造了语言的结构和使用方式，而没有实体的 AI 显然不具备这些基础。
2025 年 2 月互联网网站使用语言占比条形统计图，英语占比遥遥领先，展示网络语言使用分布数据
这样的差异在口头对话中体现得尤为明显。兰卡斯特大学司法语言学教授克莱尔・哈达克指出，目前 AI 在单一声音输出上已经可以做得十分逼真，比如语音留言、节目旁白、播客内容都能模仿得像模像样。但 AI 还无法稳定掌握自然的呼吸节奏，也不能像人类一样自然地表现出犹豫，更难在互动场景里做出贴合语境的调整。
人类的说话节奏会随着情绪和身份不断变化。感到兴奋时语速会加快，发火时音量会提高，面对老板时会放低姿态认真倾听，训斥孩子时语气会变得严厉。对话过程中，人们还会根据对方的反应随时调整自己的音量、语速、口音甚至音高。这些细微的变化对人类来说是本能，对 AI 来说却很难精准复刻。
哈达克进一步解释，当前最前沿的模型已经很擅长合成特定的声音，但语言风格的稳定把控依然是难题。人类可选择的词汇量极其庞大，AI 很容易在称谓、礼貌程度、幽默感这些细节上偏离目标风格。当缺少特定语言习惯的训练数据时，AI 往往会退回到刻板印象里。比如默认恋人之间只会用亲昵称呼，母亲的话语永远充满关怀，可现实中的语言表达远比这些模板复杂。
真实的人类对话，是一个时序极其精准、协作性极强，同时在社会层面高度互相负责的系统。两个人交谈时，大脑一直在高速运转判断。现在该说话还是保持沉默，沉默太久会不会显得无礼，要不要发出一点声音表示赞同，该不该在对方说话时插入感叹表达支持，发现误解要不要立刻纠正。所有这些判断都在瞬间完成，共同维持着对话的流畅与得体。
麻烦的是，这些让对话显得真实自然的特征，大多不会出现在书面文本里。以时序为例，人类对话里一个微小的停顿可能藏着深意，稍长的停顿可能传递出尴尬、回避或者敌意。说话时的重叠既可以表达热情支持，也可能显得强势无礼。这些复杂的层级信息，大多没有被明确编码到训练 AI 模型的转录文本和数据当中。
基于这些观察，兰卡斯特大学研究团队发起了名为 HackaCon 的公众挑战赛。项目的核心目标，是探索 AI 能否在两个特定说话者之间创造出足够可信、听起来和真人对话别无二致的内容。挑战赛要求参与者利用 AI 生成一段从未发生过的对话录音。在哈达克看来，录音这个形式至关重要，它能直观地反映出，我们距离真正像人一样说话、像人一样互动的 AI 系统还有多远。
目前来看，对话里最难的部分，恰恰是人类从小就学会、熟练到几乎察觉不到的能力。比如时序把控、即时回应、语气对齐、自我纠正、情绪转变、关系管理等等。这些刻在人类社交本能里的细节，正是 AI 语言能力目前难以逾越的边界。
蓝红调二进制数字数据流，搭配科技仪表盘进度组件，象征大数据、数据运算与数字信息处理
斯托克韦尔课堂上的评价反转，并不是孤立的现象。随着大语言模型的普及，识别 AI 生成内容已经从技术问题变成了一场全民参与的数字游戏。从海外的社交平台到国内的内容社区，很多人都热衷于从文本细节里寻找 AI 的痕迹，试图找出机器创作留下的破绽。
在英国，议员和政治记者注意到，议会里以 “我起立发言” 开头的演讲变多了，不少人将这种现象归因于 ChatGPT 被用来撰写演讲稿。还有人专门总结 AI 的标志性特征，把标点符号的使用习惯当成判断依据。这种风气愈演愈烈，也催生了一大批 AI 检测软件。人们把论文、小说、新闻报道等各种内容输入软件，希望得到一个非黑即白的答案。可很多时候，这种检测最终只会演变成经不起推敲的闹剧。
2026 年 5 月，62 岁的特立尼达作家贾米尔・纳齐尔凭借短篇小说《》获得英联邦短篇小说奖区域奖。作品发表在文学杂志后，一款 AI 文本检测工具将其标记为百分之百由人工智能生成。嘲讽很快涌向社交媒体，有人逐句摘抄纳齐尔的文字加以嘲笑，觉得这些比喻生硬刻意，完全是 AI 的典型风格。
事情的反转发生在两个月后。英联邦基金会最终维持了区域奖的授予，还确认纳齐尔是 2026 年英联邦短篇小说奖全场大奖得主。主办方做出判断的依据，是和获奖者的详细讨论，以及对方提供的工作草稿、带有时间戳的文档和笔记，全程没有使用任何 AI 检测工具。
纳齐尔的文风之所以会被误判，还有一层特殊原因。他因为糖尿病引发神经病变，无法长时间在键盘上打字，只能在手机上用语音转文字功能创作，在小屏幕上反复打磨文字。这种高度浓缩的修改方式，让他的作品呈现出和常规写作不同的特征，最终被检测工具归为 AI 生成。
人物操作笔记本电脑，悬浮透明界面显示 Generate，附带图文音视频 AI 生成图标，展示 AIGC 内容生成工作场景
哈达克对这类现象有自己的判断。她认为人们高度依赖的那些表面线索，其实非常容易过时。拼写错误、生硬的套话这些特征并不可靠，人类写作同样可能僵硬刻板，而 AI 只需要几秒钟的提示就能模仿错误、幽默感和个性化表达。判断 AI 的线索一直在动态变化，模型和使用者都在不断进化。更有意思的是，识别 AI 并不是一种稳定通用的技能，很多人对自己的判断能力十分自信，实际识别水平却并不匹配。
同样身为文学创作者的斯托克韦尔也表示，AI 已经能写出侦探、爱情、科幻等各种题材的小说，但真正高水平的文学依然离不开人类的深度参与。优秀的文学作品会改变人理解世界和看待自己的方式，它可能提出一种全新的人性理解，也可能表达特定的社会观点、政治立场或者意识形态。AI 要做到这一步，不仅需要完整的世界模型，还需要真正理解这个世界。
这种理解不能只靠过往的数据堆砌，需要真实地和他人接触，理解他人的情感、信念与心理状态。换句话说，需要真正拥有同理心。这是阅读和创作优秀文学作品时，人类不可或缺的核心能力。
辨真的焦虑在法律领域显得更加沉重。哈达克今年初在英国最高法院的小组讨论会上发出警告，人工智能确实带来了高效强大的分析能力，但在法律和机构环境中盲目、不加批判地使用 AI，可能会慢慢侵蚀细腻的人类判断力与共情能力，而这两样东西正是正义的基石。
语言的真假在司法场景里，直接关系到切实的权益。有翻译从业者透露，2023 年他们经手的阿富汗庇护案件里，有四成因为 AI 翻译工具的不准确而受阻。这些离谱的错误包括把人名翻译成月份，遗漏关键信息，甚至把移民相关的判决内容完全颠倒。斯坦福大学的研究也发现，美国司法系统里经常出现系统性的翻译偏差。当语言的准确性可以决定一个人的命运时，AI 的局限就不再只是学术讨论的话题，而是实实在在的风险。
我们热衷于辨别内容是不是 AI 生成，表面上看是在追求真实性，更深层的担忧其实在于，当真假的边界越来越模糊，我们该用什么标准去衡量内容的价值。如果只凭来源就否定一切 AI 生成内容的意义，或者因为技术便捷就完全信任机器输出，本质上都是放弃了独立判断的能力。
手机屏幕特写，屏幕亮起蓝光 AI 标识，搭配电路板纹路，直观展现移动设备端人工智能技术载体
大语言模型生成的语言风格，已经悄悄渗透到现实世界的各个角落。不少语言学家正在寻找证据，确认 AI 是否正在改变人类使用语言的方式。柏林马克斯・普朗克人类发展研究所的一项研究提出，机器最初基于人类数据训练，随后会发展出自身的文化特征，反过来又能重塑人类文化。放在语言领域，这种双向影响的痕迹已经越来越明显。
新闻行业是最先感受到变化的领域之一。美国波因特媒体研究学院数字媒体素养项目负责人亚历克斯・马哈德万表达过自己的担忧。如果记者过度依赖 AI 写作，地方犯罪报道会变得和警方通稿没有区别，气候报道会读起来像企业的可持续发展报告，各个网站的首页内容都会变得千篇一律。这种统一的默认风格，还会慢慢磨平方言和特定社区的独特表达方式，让语言失去多样性。
不过马哈德万也补充了自己的看法，不能因为内容是 AI 生成的就认定它没有价值，但相应的伦理政策必须到位，也要采取措施保障生成内容的质量。
面对 “AI 是否正在改变我们的语言” 这个问题，两位学者给出了不同的答案。斯托克韦尔的态度相对乐观，他认为 AI 生成的内容本质上是在不断复制和扩展已有的语言模式，是一种向后看的技术。它不会凭空创造新的语言形态，更多是对已有表达的重组和扩散。
作为大学教授，斯托克韦尔对学生使用 AI 工具写作业持开放态度。在他看来，真正的问题从来不是学生用不用 AI，而是现有的评价制度是否合理。学生写论文，最核心的价值在于整个学习过程，而不是最后上交的成品。查阅资料、独立思考、形成个人观点，这些过程才是教育真正要培养的能力。只要评价体系能聚焦在过程上，AI 工具本身并没有那么可怕。
手机屏幕展示多款主流 AI 大模型 APP 图标，反映当下种类丰富的移动端 AI 应用生态
哈达克的看法则更为直接。她觉得担心 AI 会不会改变语言是没有意义的，因为改变已经发生，并且还会持续下去。更值得思考的问题是，哪些变化只是临时的便利产物，哪些变化会永久地留在语言里。
哈达克用河流来比喻语言的变迁。语言是一条不可阻挡的河流，无论人们对它的流向产生多少焦虑，都永远无法阻止它前进。如果试图阻拦河流的进程，最终只会留下牛轭湖。牛轭湖是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，景色宜人适合游览，却已经脱离了主河道。强行阻止语言变化的人，最终会被承载着文化、思想和认知的语言潮流抛在身后。
她还给学生举过例子，说明重大文化变迁如何在语言中留下印记。在很长的历史时期里，马在很多国家都占据着极其重要的地位，既是食物来源，也是交通工具、身份象征、战争资源和体育道具。正因为如此，英语里至今有数百上千个和马相关的短语，日常表达里的黑马、稍安勿躁等常用说法，都源自和马相关的意象。每一次重大的社会发展都会在语言里留下痕迹，进入 21 世纪，技术对语言的影响已经变得格外巨大。
已经有研究找到了 AI 影响语言的具体证据。德国图宾根大学的研究团队在 2024 年分析了一千五百多万篇生物医学论文摘要，发现 “深入探讨” 这类书面词汇在 ChatGPT 普及后出现异常增长，研究者认为这和大语言模型辅助写作有直接关联。另一项发表在美国《国家科学院院刊》的研究也发现，经过指令微调的大语言模型，通常会呈现出名词更密集、代词使用更少的写作风格。
研究者推测，这种现象未必是模型本身的属性，更多和人类反馈强化学习的过程有关。那些薪酬偏低、压力较大、时间紧张的数据标注员，倾向于把使用复杂名词、书面词汇和客观抽象语法的回答评为更专业、质量更高。模型在训练中不知不觉就变得更频繁地使用这类表达。当越来越多人用 AI 辅助写作，这种风格就会慢慢扩散到更多文本里，最终改变整个群体的语言习惯。
Gen AI，medium.com
在哈达克看来，相比语言本身的变化，更值得警惕的是内置于大语言模型中的偏见，以及这种偏见可能放大有害观念的风险。已有报告指出，人们可能会以加深自身错误认知的方式过度依赖 AI 系统。在本就充满分歧与敌意的世界里，看似礼貌中立的技术，到头来可能只是在复制甚至放大人类最糟糕的偏见与缺陷，阻碍整个文明的进步。
这样的偏见还体现在全球语言的失衡上。全世界有七千多种语言，但大多数大语言模型只训练了其中一百种左右。英语使用者不到全球人口的五分之一，却占据了近一半的网页内容，也是大语言模型最核心的训练数据来源。这种语言上的不平衡，带来了很多现实问题。多语言模型依然不成比例地依赖英语文本，会把英语语境里的价值观和假设带到其他语言环境中。有研究者举例，鸽子这个词在很多语言里都会被模型和和平关联在一起，但在巴斯克语里，对应的单词其实是一句侮辱性的话。这种偏差在日常场景里可能只是笑话，放在司法、医疗等场景里就可能造成严重后果。
面对这种失衡，不少国家和社群已经开始行动。印度政府正在搭建本土 AI 翻译系统，覆盖二十二种官方语言。阿联酋推出了专门的阿拉伯语大模型，力求覆盖阿拉伯世界的语言多样性。新西兰的本地媒体利用 AI 助力毛利语的保护和复兴，开发的语音转写工具准确率达到百分之九十二。非洲的草根组织和尼日利亚政府也在推动本土语言研究，搭建覆盖低资源语言的大模型。还有原住民艺术家和社区工作者，尝试用 AI 工具保存本土语言和口述历史，避免文化遗产随着语言一同消失。
根据联合国教科文组织的数据，全世界平均每两周就有一种语言消失。生成式 AI 既可能成为加速语言消亡的推手，也可能成为保护语言多样性的工具。最终走向何方，取决于人类如何使用这项技术。
时至今日，AI 已经深度介入了人类的语言生活。它能帮我们提高写作效率，能打通不同语言的壁垒，也能给创作者提供新的灵感。但与此同时，辨真的焦虑、风格的同质化、语言的偏见与失衡，也都是无法回避的现实问题。
语言从来不是一成不变的东西。从甲骨文到白话文，从书信到网络用语，每一次技术和社会的变革都会在语言里留下印记。这一次 AI 带来的变化，只是语言漫长演化史里的最新一章。
语言的核心永远是人。那些藏在文字背后的真实体验、情感联结和独立思考，才是语言最珍贵的部分。技术可以模仿文字的形式，却复制不了文字背后的生命重量。面对 AI 的冲击，守住这份对真实的感知，守住语言的多样性与公平性，或许就是我们这代人要回答的命题。