当AI学会人类语言，我们的思想会变得千篇一律吗？ |

原创：厦门朴生心理咨询中心盛文哲

你是否曾有过这样的感触？在翻看朋友圈、浏览社交媒体评论，甚至阅读一些官方发布的文章时，心里会轻轻泛起一丝好奇——那些句子读来格外流畅，观点也显得温和而周全，仿佛被同一双理解人心的手温柔梳理过。这种“熟悉感”并非偶然：当多个作者使用相似的AI工具辅助写作，或在编辑流程中采纳AI生成的段落，文字风格便会在无形中趋近；当各类公众号、企业新闻稿、自媒体评论乃至高校通稿都调用同一类模型润色，语言节奏、句式结构与价值表述的共性便会悄然浮现。这并非你的错觉，而是我们正共同步入一个由人工智能，特别是大型语言模型（如ChatGPT、文心一言、通义千问、Kimi等）悄然开启的认知新阶段。它不再仅仅是信息检索工具，而是一位深度参与人类表达生成、观点组织与逻辑建构的“认知协作者”。

自古以来，“和而不同”就是人类社会蓬勃生长的养分。这一理念不仅见于《论语》中“君子和而不同，小人同而不和”的古典哲学思想，也体现在全球各地的文化实践中：非洲约鲁巴族通过谚语辩论训练多角度思辨，日本茶道强调“一期一会”中对个体临场感的珍视，北欧教育体系长期将“批判性对话”设为必修能力。

正如思想家约翰·斯图尔特·穆勒在《论自由》中指出：“一个人要真正靠近真理，最踏实的方式，是愿意倾听各种不同的声音；是带着尊重与好奇，去体会每一种性格背后独特的思考节奏。”这种珍贵的认知多样性，就像语言世界里千姿百态的生命形态：有的如溪流般清澈直率，体现于东北方言中短促有力的动词叠用（如“蹽了”“蹽蹽”）；有的如古树般沉静深邃，映射在粤语书面语中保留的古汉语语法结构（如“我食咗饭”中的完成体标记“咗”）；有的扎根于一方乡音，如闽南语中“厝”（房屋）、“囝”（孩子）等词承载的宗族空间观念；有的生长于另一种生活节拍，如藏语敬语系统中依据对象年龄、身份、场合严格区分的数十种动词变位。它不只是表达方式的不同，更是思维方式（如线性推演与循环叙事）、文化视角（如集体导向与个体导向）、代际经验（如农耕记忆与数字原住民认知）与真实生命体验的自然流淌，默默支撑着我们共同的学习、创造与彼此理解。

技术始终是我们真诚的同行者。从印刷术推动知识普及，到广播重塑公共话语，再到互联网打破地理隔阂，每一次通信革命都在拓展人类协作的边界。今天，5G网络使实时跨语言协作成为日常，云计算让复杂模拟触手可及，而大型语言模型则进一步降低了高质量内容生成与逻辑表达的门槛。它们正以令人欣喜的速度融入我们的日常——帮教师快速生成分层教学材料，助科研人员梳理文献脉络，为视障用户转译图像描述，替中小企业起草合规合同，甚至协助社区工作者用本地话撰写防疫通知。它们像一位博学而耐心的协作者，提供选项、提示盲点、延展思路，却无法替代人类对语境的体察、对价值的权衡、对情感的回应。

于是，一个值得深思与探讨的问题自然浮现：在享受AI带来的便利与启发时，我们如何依然保有并珍视每个人心中那片不可复制的思想原野——认知多样性？这场静悄悄的对话，其实关乎我们想为未来的孩子、为彼此、也为这个世界，留下怎样的精神底色：是标准化的知识复制品，还是能容纳方言童谣、手写笔记、即兴辩论与跨代对话的丰饶生态？

技术，一直在邀请我们重新认识自己

对技术如何影响我们思考方式的关切，其实早已深深扎根于人类的思想长河。早在两千多年前，柏拉图在《斐德罗篇》中借苏格拉底之口，就曾带着一份深沉的善意提醒：书写这一新发明，或许会让人们更依赖石板与纸莎草，而渐渐疏远内心的记忆花园。他并非否定书写的价值，而是希望我们意识到,当知识可以被“记录下来”，我们更要主动去“记住它”、理解它、让它真正长成自己思想的一部分。这一洞见在当代获得实证支持：神经科学研究表明，手写笔记比打字更能激活大脑海马体与前额叶皮层，促进信息整合与长期记忆巩固。

今天的互联网与人工智能技术，也延续着这份提醒：它让我们能随时向智能引擎“请教”，把许多知识安心地“托付”给外部世界。研究发现，这种便利有时会悄悄放大我们对自己知识储备的自信——这并非过错，而更像是一个信号：提醒我们，在享受“随时可查”的轻松时，别忘了为那些真正想内化、想活用的知识，多留一点安静思考的时间。例如，当学生用AI生成历史事件分析后，若跳过自主梳理时间线、比较不同史料的过程，其因果推理能力可能弱于亲手绘制思维导图的学习者；当管理者依赖AI撰写团队反馈，若省略面对面沟通中捕捉微表情与语气变化的机会，其组织洞察力或将受限。

而大型语言模型的到来，则像打开了一扇新的门。过去，图书馆、课堂、搜索引擎，都像一位耐心的引路人，为我们提供资料、搭建框架、点亮思路；但最终，如何消化、如何联结、如何形成属于自己的见解，始终是我们亲手完成的旅程。这个过程是鲜活的、个性化的，也常常伴随着一些试错、顿悟与惊喜。例如，设计师在反复修改AI生成的文案时，可能突然意识到目标用户真正的痛点不在功能描述，而在情感共鸣；程序员在调试AI辅助编写的代码时，可能因某处异常报错而发现原有架构的深层缺陷；学生在对比AI答案与课本解析的差异时，可能由此开启对概念本质的追问。这些“非计划性收获”，恰恰源于人类与工具之间真实的互动张力。

哲学家克拉克和查尔莫斯提出的“延展认知”理论告诉我们：语言、纸笔、甚至手机和电脑，都是我们思维的自然延伸。而LLMs的独特之处在于，它不只是帮我们“记”或“找”，更开始陪我们一起“想”——一起组织文字、梳理逻辑、尝试不同角度的理解。它像一位不知疲倦的思维伙伴，参与我们的写作、协助我们解题、甚至帮我们换位思考。正因如此，它所承载的，已不仅是信息的传递，更是思考过程本身的共同编织。这份深度参与，让它的影响既温暖又深远，其广度与细腻程度，确是此前任何技术都未曾达到的。它能同时处理数百万文本的语义关联，也能为单个学习者生成适配其认知节奏的解释路径。

为什么AI总爱为我们呈现“最常见”的世界？

要理解大型语言模型（LLMs）为何有时会让我们感到表达越来越相似，不妨把它想象成一位极其勤奋、也格外“合群”的学习者。它的核心本领，是通过海量阅读来学习语言的“流行规律”。简单来说，就是根据前面的句子，猜出接下来最可能出现的词是什么。它读过的文本多如繁星，参数规模动辄千亿，但这份庞大努力的终极目标，始终是掌握语言中那些被反复使用、广为接受的表达习惯。例如，在训练数据中，“人工智能”常与“发展”“应用”“挑战”等词共现，而较少与“诗意”“悖论”“沉默”等词搭配，模型便倾向于生成前者组合。

正因如此，它天然带有一副不易被发现的“滤镜”：它被训练去发现和复现数据中最常出现的模式。而互联网上的公开文本，往往更多地承载着主流语言（尤其是英语）、主流文化视角和优势群体的声音。据2023年《自然·机器智能》期刊统计，当前主流开源模型训练语料中，英语占比超65%，中文次之（约18%），其余百余种语言合计不足17%；在文化视角方面，维基百科英文版关于“家庭”的条目侧重个体选择，而日文版则强调代际责任与空间秩序，模型若主要学习前者，其输出自然偏向特定范式。于是，LLMs的学习过程，就像在一片辽阔的花园里，不知不觉把目光更多地停留在开得最盛、颜色最亮的几簇花上。这种倾向并非出于偏见，而是统计学习本身的“惯性”，它更擅长识别高频、稳定、易于推广的表达，而对于那些细小、独特、带着方言韵味或文化印记的“小众表达”，则容易在无形中被轻轻“柔化”或略过。例如，当输入“形容雨天的心情”，模型高频输出“忧郁”“宁静”“诗意”，却较少生成陕北民歌中“雨脚子一落地，黄土坡就醒了”这类具身化表达。

久而久之，这种大规模的学习，便从一种对语言的观察，悄然升华为一种“风格引导”，它自然地偏爱那些被广泛使用的表达方式、被普遍认可的推理路径，以及那些能被多数人快速理解的文化参照。这不仅让文字表面趋于流畅统一，也在潜移默化中，让模型所调用的“概念空间”变得更加聚焦：就像一张不断被精心修剪的地图，主干道越来越清晰，而那些蜿蜒的小径、隐秘的山谷，却可能渐渐淡出视野。例如，在讨论“教育公平”时，模型常聚焦师资配置、硬件投入等可量化维度，却较少触及方言授课权、乡土教材开发、代际教育观念冲突等深层结构性议题。

更值得我们特别留意的是，这张地图的“中心”，并非一个抽象的、中立的原点，而是由特定历史与社会背景所塑造的，它更多映照着英语世界、全球北方及社会经济优势群体的语言习惯、价值取向与思考方式。当被邀请表达观点或创作文字时，LLMs常常会不自觉地呈现出一种温和、理性、结构清晰的风格，这种风格恰好与西方白人、自由派、高学历、高收入背景的表达高度契合。它营造出一种“大家似乎都这么想”的默契感，却也可能无意中让那些源自不同文化土壤、带着独特生命节奏的思考与声音，变得不那么“显眼”了。例如，面对“如何应对气候变化”，模型答案多强调技术创新与政策协同，而较少呈现太平洋岛国居民基于潮汐观测的世代知识，或安第斯山区农民依据云形变化调整耕作的传统智慧——这些知识虽未进入主流语料库，却是人类适应力的重要组成部分。

AI时代正在怎样塑造我们的心灵？

大型语言模型正以一种细微而持续的方式，参与我们日常的表达与思考。这种参与并非非黑即白，而更像一场需要我们共同觉察与引导的对话。它主要在语言表达、理解视角以及思维习惯这三个彼此交织的维度上，与我们相互影响：

语言风格

语言，是一个人思想最灵动的呼吸，也是每个人内心最本真的印记。LLMs在努力让文字更清晰、更易懂的过程中，有时会不自觉地“过滤”掉那些带着乡音的方言、活泼的网络用语、专业的行话，甚至是我们独一无二的说话特殊节奏与小习惯。例如，当教师用AI润色教案时，模型可能将“咱班娃儿”自动改为“本班学生”，将“整明白了”替换为“已充分理解”，虽更规范，却弱化了师生间特有的亲昵感与地域认同。当然，推广通用语言有助于跨区域协作与信息无障碍，也能减少因语言差异带来的误解。但与此同时，我们也希望为那些承载着地域温度、群体记忆与个人气质的语言表达，留出一片被看见、被守护的空间。例如，上海某小学将沪语童谣纳入AI辅助创作项目，让学生用方言生成新歌词；云南非遗传承人借助语音转写模型，将彝语口头史诗转化为可检索的数字档案。毕竟，正是这些“不那么标准”的鲜活表达，让文学拥有打动人心的力量（如莫言小说中方言词汇构建的鲁中风土气息），让日常对话充满烟火气与生命力（如菜市场讨价还价中的韵律节奏）。

理解视角

当被问及一个开放性问题（比如“你如何看待社区共建？”），LLMs常常会给出温和、平衡、结构清晰的回答——这就像一位善于倾听又懂得分寸的朋友。这样的回应有助于避免极端，也便于快速理解。但我们也温柔地意识到：真正的思想花园，从来不止一种花香。那些源自不同文化土壤、成长于特定生活经验、或敢于提出新角度的声音，或许不会第一时间出现在AI的答案里，却恰恰是社会保持活力与韧性的关键养分。例如，当AI建议“通过线上投票提升居民参与度”时，它可能忽略老旧小区老人对智能手机的操作障碍；当它推荐“引入专业社工介入邻里矛盾”，却未提及熟人社会中“楼组长”“老娘舅”等本土调解机制的有效性。当孩子习惯于向AI寻求***单位大院，父辈讲商品房小区，Z世代聊共享办公空间）——因为判断力，是在多元声音的碰撞中慢慢长出来的。

思维推理

在解决复杂问题时，“思维链”（Chain-of-Thought, CoT）技术让AI能一步步展示推理过程，这大大提升了它的可理解性与可信度。这种线性、显性的思考方式，确实是我们学习与教学中的好帮手。但人类智慧的另一面，同样珍贵：它可能是一次灵光乍现的联想（如凯库勒梦见蛇咬尾巴而发现苯环结构），是一次大胆的类比（如将细胞器比作工厂各部门），是一次看似跳跃却直指核心的直觉（如棋手瞬间感知胜负关键）。这些难以被“链条”框住的思维方式，虽不易建模，却是创新突破最常走的小径。例如，建筑师在AI生成的标准户型方案基础上，突发奇想加入中庭采光井，意外解决了通风与隐私矛盾；医生结合患者微表情与AI诊断报告，调整问诊重点，最终发现被忽略的心理与家庭动力诱因。因此，在鼓励孩子掌握逻辑框架的同时，我们也可以轻轻提醒：“有时候，那个‘突然想到’的念头，也许就是最特别的答案。”因为，真正灵活的头脑，既懂得搭桥，也愿意仰望星空。

AI时代，如何共同守护我们丰饶的“思想花园”？

面对大型语言模型带来的同质化倾向，我们并非旁观者，而是这场认知生态共建中不可或缺的园丁。守护人类思想的多样性，从来不是单打独斗的任务，而是一场需要开发者、教育者、政策制定者与每一位日常使用者携手浇灌的温暖协作。

对模型的“培育者”而言：就像一位细心的育种师，不仅关注作物的产量与品相，更珍视种子谱系的丰富性。开发者们正努力让训练数据“听见更多声音”，主动纳入不同方言（如建设粤语、吴语、闽南语语料库）、多元文化视角（如增加非洲口述史、拉美魔幻现实主义文本）、非主流推理方式（如收录东方哲学中的辩证论述、原住民生态知识体系）。技术的目标，不应只是让模型“对齐”某一种标准答案，而应是赋予它识别差异、尊重差异，而非外加的标签。

对孩子的“引路人”而言：无论是站在讲台前的老师，还是陪伴孩子成长的家长，我们都在传递一种更重要的能力——“与AI共思”的素养。这包括：用轻松的方式和孩子聊聊“AI是怎么学会说话的？”（如演示输入“春天”后模型如何预测“花开”“温暖”“风筝”）；一起观察它给出的答案里，哪些观点很常见（如“保护环境很重要”），哪些声音还没出现（如“垃圾焚烧厂选址为何总在郊区？”）；鼓励孩子大胆写下自己“不那么完美但很真实”的想法（如用涂鸦+短句记录对“太空移民”的想象）。教育最美的样子，不是追求千篇一律的“标准表达”，而是为每一颗独特的心灵，留出破土、抽枝、绽放的空间——正如芬兰教育改革强调“每个孩子都有权用自己的方式理解世界”，AI应成为拓展这种可能性的杠杆，而非收窄它的模具。

对我们每一位“日常使用者”而言：AI是我们案头一位博学而耐心的协作者，值得信赖，却不必全然托付。我们可以请它帮忙润色一封邮件，但也会特意留出时间，亲手写下给朋友的一段真心话（手写信笺的触感与停顿本身即是一种情感编码）；我们可以向它请教一个思路，但也会合上屏幕，去公园散步（观察梧桐新叶的脉络）、读一本纸质书（感受纸张翻页的节奏）、或和家人聊一聊今天最打动自己的小事（捕捉语气中的微妙起伏）。这些看似“低效”的时刻，恰恰是在为我们的语言肌肉（如即兴表达的流畅度）、思维韧性和情感直觉持续充电——它们共同构成了那份无法被替代的、属于“我”的思想印记。神经科学证实，离线状态下的默认模式网络（DMN）活跃度，与创造力、自我反思与共情能力呈正相关；这些“无目的”的留白，恰是思想原野得以呼吸与生长的必要间隙。

写在最后

大型语言模型，像一位不知疲倦的伙伴，为我们带来了前所未有的便利与灵感。而此刻，我们正站在一个充满希望的路口——一边是技术带来的广阔可能，一边是我们世代珍视的思想丰饶。它们既是认知科学家探索人类思维奥秘的得力助手（如通过分析模型注意力机制反推人类语义加工路径），也提醒着我们：那份被精心研究、被深情守护的多样性，正需要我们以更温柔的觉察去陪伴与呵护。这场时代的对话，其核心并非“用不用AI”，而是“如何让每一次人机互动，都成为一次对独特思考的肯定与滋养”。

因此，我们真正期待的，并非让AI变得“更像我们”，而是让每一位使用它的人，在它的陪伴下，更能听见自己内心的声音，更敢于表达属于自己的节奏与深度。愿技术成为一扇窗，让我们看见更广阔的世界（如通过AI翻译实时参与全球气候谈判）；也成为一面镜，映照出我们本就丰富、本就值得被珍视的内在天地（如用AI分析个人写作轨迹，发现自身思维偏好与成长线索）。因为最动人的智慧，从来不是千篇一律的标准答案，而是那些带着呼吸感（如即兴演讲中的气息停顿）、生活感（如菜谱中“盐少许”的经验判断）、与生命印记（如老兵讲述战役时颤抖的手势）的独特表达——它们共同织就了人类内在精神世界永不褪色的锦缎。守护这份多样性，就是守护我们面向未来时，那份从容不迫的底气与生生不息的本真创造力。当算法迭代速度以月计，唯有根植于具体生命经验的思想，才能穿越技术周期，持续照亮人类前行的道路。

END

参考文献：

Sourati, Z., et al. (2026). The homogenizing effect of large language models on human expression and thought. Trends in Cognitive Sciences, 0（0).
Solomon, M. (2006). Groupthink versus the wisdom of crowds: the social epistemology of deliberation and dissent.Southern Journal of Philosophy, 44, 28-42.
Harmon, D., & Loh, J. (2010). The index of linguistic diversity: a new quantitative measure of trends in the status of the world’s languages.Language Documentation and Conservation, 4, 97-151.
Alsaleh, A. (2024). The impact of technological advancement on culture and society.Scientific Reports, 14, 32140.
Fisher, M. (2015). Searching for explanations: how the Internet inflates estimates of internal knowledge.Journal of Experimental Psychology: General, 144, 674-687.

厦门朴生心理咨询中心一直以来致力于为来访者提供专业、系统、有温度的心理咨询服务。为了保障专业服务的质量，长期以来，朴生心理以咨询师小组的形式，通过技术督导、案例讨论、专业分享、主题研讨等诸多形式，提供定期、系统、高质量的临床心理督导与专业学习成长，以保证心理咨询师的临床技能提升和个人专业精进，促进来访者的健康福祉。

心理咨询预约

▼

添加助理微信：158-5924-2450

（周二至周日09：00~17:00）