生活在北极的因纽特人，据说拥有几十个描述“雪”的词：粉雪、结了壳的雪、被风吹硬的雪、适合造冰屋的雪、预示危险的雪，分得清清楚楚。在只能分辨一种“雪”的都市人看来，这种区分毫无必要，但是对一个常年行走在浮冰上的民族而言，对冰雪的细致辨认是生存的必需，因为哪一种雪能承重，哪一片冰下藏着致命的暗流，认错的结果可能是丢掉性命。

把镜头拉远，这些“没用”的知识在风和日丽的年代确实派不上用场。可一旦气候剧变、地球转入极寒，今天主流文明对“雪”的全部理解可能瞬间失效，而因纽特人积累了上千年的冰雪经验，会突然成为人类整个物种存续的火种。

多样性的价值正在于此。它平时显得低效、冗余、不合时宜，却是文明对抗黑天鹅事件的最后底牌，是压箱底的保命钱。

这个画面让我们不得不联想到正在身边悄悄发生、却很少被认真对待的事。人工智能正在以前所未有的速度，抹平人类的多样性。它不只是在替我们干活，更在重塑我们表达、思考乃至看待世界的方式。这种重塑顺着三条隐秘的路径展开——社会价值、全球语言、教育模式。

每一条都关乎文明的韧性。

我们的价值观正在被AI抹平

先看一组实验数据。伦敦大学学院的Anil Doshi与埃克塞特大学的Oliver Hauser在2024年发表于《科学·进展》（Science Advances）的研究中，招募了近300名英文写作者，请他们写一个恰好八句话的短故事，这些作者被随机分成三组。第一组完全靠自己；第二组可以向GPT-4（当时最先进的模型）索取一个三句话的故事创意做灵感；第三组最多能索取五个不同的创意。

耐人寻味的是，一旦给了用AI的选项，将近九成的人都选择使用AI。所以所谓的“要不要用AI”在现实中几乎不是一个真问题，绝大多数人会本能地伸手去够那个更省力的起点。

从表面上看AI可以明显提升写作水平。拿到一个AI创意的写作者，故事的新颖性平均提升了5.4%，拿到五个创意的提升达到8.1%；在“有用性”这个维度上，两组分别提升了3.7%和9.0%。

AI对那些天生创造力就强的人帮助微乎其微，他们写得本来就好。而真正被大幅托举起来的，是创造力偏弱的那部分人。在提供五个创意的条件下，低创造力写作者在“总体好坏”的评分上暴涨了20多个百分点。也就是说，AI把原本不擅长写故事的人，硬生生拉到了与高手接近的水准。表面上这是“创造力的民主化”，让人人都能写出像样的东西。

然而把所有故事放到一起，画面就变了。研究者计算每篇故事与同组其他故事的语义相似度，发现用了AI的那批作者彼此之间明显更像。仅仅引入一个AI创意，故事间的相似度就比纯手写高出约一成。个体都变得更好，集合却变得更窄。原因不难理解，AI给出的灵感反映的是训练数据里的主流套路，写作者虽然各自做了发挥，却被悄悄“锚定”在了同一个起点附近，像一群从同一个路口出发的人，无论怎么走，方向都具有相似性。

这正是一种典型的公地悲剧。每个牧羊人都有充分理由多放一只羊，因为草是公家的、羊是自家的；可当所有牧羊人都这么盘算，草原终将被啃食殆尽。创意的多样性也是一块公地，每个创作者都从文化生态中汲取养分，但每个人使用AI的决定，都在悄悄消耗这块公地的肥力。对个体而言，用AI是占优策略，最终的均衡结果大概率就是所有人都用。每个人的理性选择叠加起来，汇成了集体的同质化泥潭。

如果只是短故事变得雷同，问题尚可承受。真正令人警惕的是，这种抹平正在向价值观蔓延。南加州大学的研究团队今年3月在《认知科学趋势》上发表观点文章，明确指出大语言模型正在让人类的表达和思维趋于同质，而且会波及那些并不直接使用AI的人。他们的实验发现，AI输出的观点不仅多样性远低于真实人群，还格外贴近西方、受教育程度高且相对富裕群体的典型立场。即便你明确要求它模拟某个少数群体的视角，它给出的也往往是刻板印象的拼贴，而非那个群体真实而参差的经验。当我们越来越频繁地把AI当作决策的“外脑”，就很难避免标准化过的答案。

社会学家曾用“麦当劳化”来描述现代社会对效率、可计算、可预测和可控制的极致追求，代价是抹去情境的丰富与独特。AI正在把这种逻辑推向认知的腹地。不过一个健康的社会总是需要杂音，需要异见，需要那些一时显得格格不入的声音。历史一再证明，当一个社会的思想光谱被压缩到只剩一种“正确”的表达，灾难往往就在不远处。

AI带来的危险有所不同，它不靠强制，而靠便利。没有人逼你放弃自己的判断，是你自己觉得AI写得更顺、想得更周全，于是心甘情愿地交出了表达权。这是一种温和的认知规训，所有思想都不知不觉流向最安全和最不容易出错的那条河道。压迫式的统一令人反抗，自愿式的趋同却让人浑然不觉。

许多小语种悄无声息地死去

第二条路径关乎语言，而压垮语言多样性的，很可能是一套冷冰冰的经济账。

语言从来不只是交流的工具，它是一种看待世界的方式。每一种语言里都沉淀着一个族群独特的分类逻辑、情感结构和生存智慧，因纽特人的雪、游牧民族对牲畜与草场的精细命名，都是别的语言无法等量翻译的认知遗产。一种语言的消亡，意味着人类永久失去了一个观察世界的独特角度。

早在大模型出现之前，匈牙利学者康奈在2013年就给全球语言算过一笔残酷的账。他发现，全世界约7000种语言里，能够真正在数字世界站稳脚跟、被人当作“数字母语”自然使用的，不到250种；能够顺利完成“数字跃迁”的语言占比不足5%，其余九成以上正滑向“数字死亡”。

是否死亡的判断标准，是看一种语言有没有像样的维基百科页面、有没有输入法和拼写检查、操作系统支不支持。过不了这道数字门槛的语言，哪怕还有人在日常生活里操持这门语言，也会沦为只供学术研究的“数字遗产”，无法在网络时代继续生长。

大语言模型的崛起，让这道门槛陡然抬高，并且第一次把语言的存亡和成本直接挂上了钩。模型的精度高度依赖训练数据的体量。英语、中文这样的语言，网络上有海量语料，模型训练得好、推理得准、单位调用成本极低；而缅甸语、斯瓦希里语、老挝语这类使用者相对有限的语言，可用语料稀薄，要训练出一个堪用的模型，成本高昂得多，调用接口的价格也水涨船高，效果还往往不尽如人意。

接下来发生的事，几乎是商业理性的必然。一家想做东南亚市场的企业，面对一个又贵又不准的缅甸语模型和一个又便宜又好用的英语模型，多半会引导用户切换到英语界面。一个缅甸的年轻人，发现用母语和AI对话处处碰壁、换成英语却一路畅通，也会自然而然地把重要的写作、查询、创作都迁移到英语上。于是一个收紧的旋涡开始转动。用母语的人变少，母语产生的数字内容就更少，模型就更难训练、更贵更差，于是更少人愿意用。每一圈循环，都在把小语种往悬崖边上推一步。

AI很可能成为压垮世界语言多样性的最后一根稻草。当未来几十年里成千上万种语言在数字世界里悄无声息地死去，人类失去的不仅是一些发音和语法，而是无数种已经成型的、无可替代的世界观。这是文化的损失，更是人类集体智力的巨大折损。一个只剩下几种主流语言的世界，看上去高效统一，实则把所有的认知鸡蛋放进了同一个篮子。

被算法预制的头脑

第三条路径，指向最让人不安的地方——教育，指向那些思维方式还远未定型的孩子。

前面那个写故事的实验已经透露了一个重要信号，AI最能托举的恰恰是初学者和弱者。在教育语境里，这种托举有个好听的名字，叫“脚手架”，本意是帮新手迈过最初的门槛。脚手架的精髓在于用完即拆，可现实往往是脚手架变成了拐杖，拐杖又变成了轮椅。

设想这样一种局面。某一款AI工具，因为行政推动或市场惯性，被大面积指定为中小学的标准教学助手。于是全国不同地域、不同天资乃至不同兴趣的学生，开始用同一个模型获取写作灵感、批改作文、答疑解惑。他们摄入的是同一套表达范式，模仿的是同一种行文逻辑，连“什么是好文章”的标准都被同一个模型悄悄定义。几年下来，这一代人的知识结构会高度相似，写出的作文会越来越像，思考问题的路径也会不断变窄。我们可能正在批量生产一种“预制”的头脑，它们运转流畅、产出标准，却越来越难长出真正属于自己的、带有棱角的想法。

长期这么做也会让我们的大脑付出代价。麻省理工学院媒体实验室做过一项追踪四个月的实验，让五十多名年轻人写命题作文，分成三组，分别是只靠大脑、使用搜索引擎、使用ChatGPT，全程用脑电设备记录大脑活动。实验结果相当刺眼。完全靠自己写作的那组，大脑神经网络的连接最强、最广，调动的认知资源最深；用搜索引擎的居中；而用大模型的那组，神经耦合最弱，记忆调取能力最差，对作品的归属感也最低，甚至在写完之后连自己文章里的句子都引用不准。两位负责评分的英文老师读完AI组的作文，给出的评价是大同小异、空洞乏味，缺少灵魂。到了实验后期，使用AI的那一组干脆把题目直接丢给AI，让它包办，自己只剩下复制粘贴。

教育的本质是训练大脑，而不是产出漂亮的文本。如果一个学生从构思、谋篇到落笔的全过程都习惯性地外包给AI，他的大脑就长期处于待机状态。我们或许正在培养一批“高功能的认知依赖者”，他们能熟练驱使AI交出优秀的作业，却在不知不觉中丧失了独立思考和深度感知的能力。等到有一天需要他们自己面对一张白纸、一个没有标准答案的真实难题时，那个被搁置太久的大脑，可能已经不会启动了。

别让AI成为唯一的牧羊人

把话说到这个份上，并不是要否定AI的价值，更不是号召大家退回到刀耕火种的“古法写作”。AI确实是一件强大的工具，对许多人是实实在在的赋能。承认它的好处，也要更冷静地看清它的代价。

事实上，现有研究也有被夸大的成分。那个写故事的实验只有八句话的篇幅，三句话的AI创意占了相当大的比重，自然容易主导整个故事的走向。换到一篇五千字的短篇、五万字的中篇，作者有大量空间去发展、偏离甚至颠覆最初的设定，锚定效应会弱得多。真实的创作也往往是多轮迭代，每个人调教AI的路径各不相同，反而可能拉开输出之间的差距。所以同质化的危险不必夸大成宿命。但也正因为它还没有变成宿命，此刻的警惕和干预才有意义。

对AI的开发者而言，一个朴素的启示是在涉及创意和观点的场景中，AI不该只递上一个“最优解”，而应主动提供多元甚至彼此对立的备选，鼓励用户去筛选、去碰撞、去重构，而不是被动地全盘接受。怎么设计人机交互，才能在放大创造力增益的同时压住同质化的副作用，是这个行业绕不开的真问题。过于便利的访问会催生依赖，理想的设计应该是尽量让用户进行多重抉择和自我组合，而不是直接给出最终答案。

在内容平台上，奖励机制不能只看平均质量，而应该为真正的原创性和差异化设置权重，主动对抗推荐算法的趋同。在语言领域，与其放任市场把小语种判死刑，不如用公共资金扶持小语种模型的开发，打破那个成本上的恶性循环。在教育领域，更要警惕用一款AI工具一统天下的诱惑，留出不依赖AI的训练空间，因为我们要培养的是会思考的人，而不是会操作AI的人。

而对每一个普通使用者来说，回到开篇的因纽特人。我们或许都该意识到，保留一点“低效”的独特，守住一点“不合时宜”的怪癖，留下一点拒绝让AI代笔的倔强，就是对文明多样性的贡献。用AI是为了增强自己，而不是为了遗忘自己。当你读到一篇文章，挑不出任何毛病却也激不起任何涟漪，也感受不到作者的体温，那阅读的价值也就消失了。

如果地球的农业只剩下几种高产作物，一场病害就足以引发饥荒。如果人类的思想生态只剩下AI生成的几种“标准答案”，一次真正的危机来临时，我们将拿什么去应对那些前所未见的难题。守护人类语言、思维与表达的生态多样性，很可能是AI时代我们面临的最重要的文化命题之一。

别让AI成为唯一的牧羊人。在享受技术红利的同时，我们更要奋力守住人类思想里那片长满杂草、荆棘与奇迹的荒野。那片看似无用的荒野，是守护我们文明的急救包。

（作者系全球化智库高级研究员）

作者：朱兆一

图片来源：AI 合成

图片编辑：张旭

值班编辑：张旭