窗邊釘著四幅畫法各異的紅傘插畫,下面還露出一隻綠風箏

大模型研究爭議:AI 走進日常之後

封面示意:同一把紅傘可以畫出四種天氣。插畫是虛構的班刊封面。

假設班刊徵集雨天故事。第一篇寫孩子在車站等爸爸,一把紅傘越過人群,最後停在陌生人頭上。第二篇寫奶奶沿街找丟失的紅傘,認出了傘柄上自己縫的布條。小編輯很喜歡這兩篇。翻到第五篇,她在目錄的空白處記了一筆:“還有人寫雨停以後嗎?”對交稿的孩子來說,有一篇值得讀的故事就夠了。對要編滿整期的人來說,還得看看這些故事能帶讀者去幾個地方。

如果幾位同學都讓 AI 推薦了開頭,兩個判斷完全可以同時成立:一個原本卡住的人,借到點子以後寫出了更好的故事;把所有人的稿子合起來,選題卻擠到了一處。但看見幾把紅傘,還猜不出是誰把它們帶進來的。上週剛學過一篇借傘的課文,老師舉例時說了雨傘,或者放學那天大家真的遇見同一個人,都說得通。要知道 AI 在這裡起了什麼作用,至少得看看拿到同樣題目、卻沒收到 AI 建議的作者交了什麼。

給一個人讀六篇,和把所有稿件攤開

Doshi 和 Hauser 做過一項很像班刊徵稿的實驗。英國線上平臺的參與者抽到海上、叢林或外星冒險中的一個題目,用英語給年輕讀者寫八句話。有的人獨立寫,有的人可以向 GPT-4 要一個三句話的故事點子,還有人最多可以要五個。題面之外,這個按鈕就是研究者隨機改變的條件。最後進入分析的有二百九十三篇,人和故事一一對應。所謂“給年輕讀者寫”,說的是目標讀者年齡,不能據此把作者當成中學生。原文圖 1 與寫作方法

接下來的讀稿方式很要緊。另招的六百名讀者每人讀六篇,一次看一篇,先評新穎性等項目,再接觸作者是否用過 AI 的信息。讀者可以覺得某個結尾很意外,即便還有十個讀者在別的故事裡遇見過相似的結尾。以獨立寫作組為基準,最多可要五個點子那組,作品的新穎性評分平均高了約百分之八點一。這是評分相對基準均值的變化;實驗並沒有記錄一個班有多少人從“不及格”跨進“優秀”。而且真正落筆的始終是人,這個結果算在人拿著建議寫出來的故事上。原文圖 2 與基準組對照

要回答小編輯的問題,研究者把同一批稿換了一種讀法。他們把每篇故事編碼成一串表示內容的數,拿出其中一篇,求出同一寫作條件下其餘故事的平均表示,再看這篇與那個平均有多接近。兩種可以要點子的組,都比獨立寫作組更靠近各自的中心。中心可以理解為許多篇稿子的共同傾向,並沒有哪位同學真的寫出了那篇“平均故事”。這個做法也不會告訴你兩個人是否照抄了一句話,更不能指認哪篇該退出班刊。原文圖 4 與相似度計算

左邊用放大鏡看一張紅傘卡,右邊把傘、風箏和自行車的卡片放在一起

方法示意:左邊可以問單篇讀起來如何,右邊可以問這一組覆蓋了哪些想法。兩欄並列,無流程箭頭;卡片數量、顏色和位置均不代表論文數據。

可以多要幾個點子,為什麼還會靠得近?

想想那個最多可以點五次的按鈕。等了很久還沒寫出第一句的人,看到一個可行的開端,終於有東西可以取捨。已經打好腹稿的人,也許看完建議就把窗口關了。研究者在寫作前請參與者列出意思儘量相距很遠的詞,再看這項聯想任務的表現與評分改善有什麼關係。起初聯想得分較低的人,作品評分從建議中得到的提升更明顯。一次寫作前的小測,只提供這項任務上的起點;家長沒法由此判定哪個孩子“缺少創造力”。原文圖 3

還有另一條可能的路。只要起點具體到可以直接往下寫,人就有理由接著走。把紙面上原來的“下雨”改成“傘骨夾著一張車票”,下一句很容易就去追問車票是誰的。哪怕每人收到的車票顏色和目的地都不一樣,失主、線索、重逢仍可能一起進入好幾篇稿子。這段是示例。論文做過更剋制的檢查:對叫過建議的人,把成稿和他首先看到的點子比較;對沒有建議的人,配上一個同題目裡別人收到的點子。能叫建議的兩組,故事與配對點子的相似程度都更高。這個結果給“起點留下痕跡”的解釋增加了分量,作者本人究竟出於認同、趕時間還是想不到別的方向,仍然無從分辨。原文圖 4 及其說明

尤其值得留意“最多”兩個字。能要五次的那組平均只要了二點五五次。隨機分配的是界面給多少次機會,實際點多少次由作者自己決定。拿點滿的人和只點一次的人比較,可能正好把猶豫更久、或者更願意嘗試的作者挑進了前一組。由論文推不出“每多問一次,作品就好一點”,也推不出每個作者都收到同一個點子。研究用統一問法生成建議,學生能把自家樓下那輛總漏雨的早餐車寫進提問時,起點已經變了。原文結果與討論

同樣可以用 AI,只換誰想第一步

有個比“用或不用”更接近日常的選擇。你想到一個比喻卻說不清它好在哪裡,可以請 AI 幫你解釋;也可以在還沒有比喻的時候就讓它列幾個。Dong 和 Yakura 把這兩件事拆開,在一項預註冊研究中招募了六百四十四名英語母語或非母語寫作者,每人面對四個情境。其中一個情境是回想最無聊的一堂課,用比喻表達坐在那裡的感覺。有人全程自己寫,有人一開始就能得到比喻和解釋,有人必須先交出自己的比喻,才會收到針對解釋的建議。最終匯入比較的文字都是英語。作者預印本,圖 1 與方法

把這項作業沿著“比喻”和“解釋”之間剪開,會得到兩種讀法。研究者先只拿比喻本身來比,在同一情境裡,由 AI 提議比喻的作品更集中;先由人想到比喻的那組,與獨立寫作組之間沒有檢出明確差異。接著把後面的解釋也放回去,先由人想比喻的那組同樣顯得更集中。讀者手上明明是同一批作業,選取的文字稍有不同,能支持的判斷就變了。前一個結果也不能證明兩組完全一樣,這篇報告仍是預印本。作者預印本,圖 2、補圖 S1 與表 S1

舉個虛構的例子。一個人說無聊的課像等一鍋遲遲不開的水,另一個人說像坐在一輛每站都停、卻沒有人上下的車裡。這是兩個頗有各自生活痕跡的聯想。要是兩篇解釋都以“時間被無限拉長,每一分鐘都顯得格外漫長”收尾,看整段會覺得像,遮住說明再看,兩個人各自看見的東西依然很鮮明。反過來,把同一鍋水描繪得一個文雅、一個俏皮,語氣變了,也未必給編輯增加了一條新線索。批註“跟別人很像”以前,最好能指出像在何處。

一篇能跨好幾種類型,一摞卻可能總是那幾種

八句話畢竟短。如果給作者一千個英文詞,留出鋪墊和反轉的餘地,問題還在嗎?Hosanagar 和 Ahn 的課堂研究有二百八十五名學生參與。第一天獨立寫作,第二天另寫一個故事,隨機採用三種協作方式之一。有的人讓 AI 從點子、提綱一路寫到修訂,自己負責確認或要求改動;有的人先自己定點子和提綱,再交給 AI 起草和編輯;還有人從頭到尾都能與它商量。這裡最值得比的是第二天三種分工。把第二天和第一天直接相減,還會把多練了一天以及先後順序的影響算進去。正式論文;作者稿方法與圖 4

研究者允許一個故事同時帶多個類型標籤,再看同組稿件的標籤組合有多相似。人主要負責確認時,單篇可以兼有更多類型,整組的類型組合卻更接近。這個現象不難想像:若每個孩子都寫了“科幻加懸疑”,每篇都有兩樣,全班還是隻供得出一種搭配。作者稿還分別比較了全文的語義和類型標籤。由人先定提綱時,類型組合的相似度接近獨立寫作的基準,全文仍可更相像。一張按類型統計的目錄,回答不了故事的句子和轉折究竟還有多少種寫法。作者稿圖 4B、4C

這也給“好”字劃了一道邊。如果老師佈置的是同題仿寫,大家都把同一種轉折寫得更熟練,正合練習的目的。如果是在給校慶徵集可以上臺的獨幕劇,編輯已經有三篇靠誤會推動的戲,第四篇就算對白精彩,也許仍排不進來。選不選這篇涉及整臺節目還少什麼,沒必要倒過來給作者扣分。上述研究能幫我們看見某種分工下作品分佈怎樣變化,沒人跟著這一班孩子過了一個學期,再讓他們關掉工具寫一個全新的故事。今天目錄上的那幾把紅傘,還不能替明年的孩子回答。

編目錄時,多留一行空白

有一項不用跑模型的自查,下次收幾篇同題稿就能試。這個做法是給讀者的建議,本文沒有實際執行。先遮住署名和工具記錄,逐篇標出一個最值得保留的細節。另拿一張紙,每篇只留一句能說明“誰遇到了什麼麻煩,又做了哪件事”的梗概,儘量沿用作者的動詞。讀完整摞後,把換個姓名就能相互替代的梗概擺到一起。若兩位小編輯分法不同,正好請他們各選一對稿說明理由:是都寫了雨傘,還是都靠撿到失物推動情節?兩種分法都說得通,卻服務於不同的選稿目的。

還有一種容易漏掉的情況:編輯平時只看老師挑出來的幾篇佳作。倘若老師特別喜歡在最後一句揭曉謎底,入選的故事很可能篇篇有反轉。只憑入選稿,沒法知道最初交上來的稿子有多像。做這個練習時,留著幾篇沒有入選的作品,或者乾脆用抽籤決定拿哪幾篇;若只拿得到已經印出來的班刊,就把問題收窄到這一期給讀者提供了哪些選擇。這樣,即使沒有任何一位同學願意說自己用沒用工具,編輯仍然有一個可以誠實回答的問題。

最後看那行空白。假如抽掉紅傘,留下的仍有等人、認物、躲雨和故意淋雨,目錄比封面熱鬧得多。要是拿掉物件以後好幾篇只剩同一個轉折,可以先問作者一句:“你本來還想過哪一種收場?”願意繼續試的同學,把自己的另一個收場寫在便條上,再請 AI 幫忙看哪裡講不通。把便條留到下一次編稿,就能回頭看清哪一點是自己先想到的,哪一點在對話裡才出現。這個小動作回答不了全班究竟受了多大影響,但它能把編輯的下一句批語,從籠統的“寫點新意”,變成作者確實能接著寫的一個問題。

參考資料

  • Anil R. Doshi、Oliver P. Hauser(2024),Generative AI enhances individual creativity but reduces the collective diversity of novel content,發表於 Science Advances。期刊全文
  • Mengchen Dong、Hiromu Yakura(2026),Human diversity fuels collective creativity that large language models cannot simulate or sustain,7 月 arXiv 預印本。原稿
  • Kartik Hosanagar、Daehwan Ahn(2026),Designing human and generative AI collaboration: Trade-offs in productivity, satisfaction, and creative diversity,發表於 PNAS Nexus。上文圖號與方法細節按 2025 年作者稿 v2。期刊記錄;作者全文

作者作品推廣

除了寫技術博客,我也在做一些讓日常更有條理的小工具,歡迎瞭解我獨立開發的兩款 App:

  • 日常收支小記:記下收支,也給每一筆錢安排好去處。記錄日常賬目,安排預算與儲蓄目標。在 App Store 瞭解。
  • 一事微光:從一件小事開始,讓今天多一點微光。按當下的時間和精力選擇行動,記錄完成後的感受與發現。在 App Store 瞭解。

更多技術文章和個人作品,歡迎來我的網站:zffjzz.top。也歡迎把使用感受告訴我,讓這些小工具慢慢變得更好。