📝📝：AI 寫作，正在悄悄改寫我們的立場與聲音｜中文世界的語言，正被誰改寫？
當你請 AI 幫忙潤一篇稿子，你以為只是在幫你把句子改得更順、更好讀。2026 年 5 月，一篇由跨機構研究團隊（包含 Google DeepMind 與加州大學聖地牙哥分校研究人員）發表的最新論文：
《How LLMs Distort Our Written Language》
（大型語言模型如何扭曲我們的書寫語言）
論文指出，AI 在幫你「改字」的同時，很可能也在悄悄改變你原本想表達的立場、觀點，甚至你自己都不一定察覺。
這份研究分成三個部分。
一場找來 100 人參與的隨機對照試驗（Randomized Controlled Trial, RCT），要求受試者針對「金錢是否能帶來幸福」這個題目寫一篇論說文，一半的人可以自由使用 AI、一半不行
一組針對 86 篇大學生議論文（自駕車議題）的分析，比對「人類專家親自修改」與「AI 依照同樣的回饋修改」有何不同
一份對 2026 年國際學習表徵會議（International Conference on Learning Representations, ICLR）同儕審查意見的分析，看 AI 已經如何實際介入真實的學術評審現場。
從「贊成／反對」滑向「都可以」
在論說文的實驗裡，研究者發現，重度依賴 AI 寫作的受試者，最後採取「中立、不表態」立場的比例，比起完全不用 AI 的對照組高出近七成。
換句話說，本來你可能對某件事有明確的看法，但透過 AI「協助」寫完之後，文章卻變得模稜兩可、誰都不得罪。研究者用 AI 作為評審（LLM-as-a-Judge）逐篇分析受試者的論點傾向，得出的結果相當一致：
越依賴 AI 生成內容，論點就越傾向「兩邊都說得通」。
更弔詭的是，這些重度使用 AI 的受試者，一方面明確自陳「這篇文章已經不太像我自己的聲音」、「創意程度變低了」，但另一方面，他們對最終成品的滿意度，跟完全靠自己寫作的人幾乎沒有差別。
也就是說，人們可能清楚知道自己的聲音正在被稀釋、被取代，卻仍然覺得「這樣也不錯」。
研究者透過語意嵌入（embedding）技術把每篇文章投影到同一個語意空間中比對，發現重度使用 AI 寫成的文章，會自成一個和所有人類原創寫作都不重疊的獨立群集。
這不只是「風格變得比較像 AI」，而是這批文類占據了一塊人類寫作從未真正抵達過的語意領域。
評判標準也被 AI 影響
有人可能會想：
那如果我自己先寫完草稿，只請 AI 依照老師或編輯的意見做「校對式編修」，是不是就安全一些？
研究團隊用 86 篇早在 ChatGPT 問世前（2021 年）就已完成的大學生議論文修訂紀錄做了對照實驗，結果並不樂觀。
人類編輯做修改時，調整幅度小、方向也很分散，盡量保留作者原本的用字與立場；但無論是Claude Haiku、Gemini 2.5 Flash 還是 GPT-5-mini，只要交給 AI 做編修，改動幅度都遠遠更大、方向也高度一致。
AI 置換掉的詞彙量，最高可達人類編輯的三倍以上。論文附上的實際案例更直接：一篇原本明確反對「自駕車過快上路」的學生草稿，在 AI 以「文法修正」為名義編修過後，結論被悄悄翻轉成支持自駕車的立場。
學生作文的例子可能還算是日常小事，ICLR 2026 同儕審查意見的分析，則指向更嚴肅的層面。先前已有調查指出，該會議約有 21% 的審稿意見是由 AI 生成或大幅編修完成。
這份研究進一步發現，AI 寫的審查意見，給分平均比人類高出一成（4.43 分對 4.13 分）；更關鍵的是，人類審稿人明顯更在意論文
講得清不清楚（clarity）
和現實研究是否相關（relevence）
AI 審稿意見卻大幅偏向
能不能被複現（reproducibility）
能不能規模化應用（scalibility）
換句話說，AI 大量參與審稿時改變的不只是文字風格，整個學術社群用來判斷「什麼是好研究」的標準本身都會隨之變動。這件事正在真實發生，不是假設劇本。
語言版本的點閱誘餌
論文作者提出一個發人深省的解釋：
目前主流的大型語言模型都是透過「人類回饋強化學習」（Reinforcement Learning from Human Feedback, RLHF）訓練出來的，目標是讓多數人「看了覺得順眼、覺得有道理」，不會精準保留某一個特定使用者原本想講的話。
作者甚至自嘲，這或許是 the written language equivalent of clickbait（書寫語言版本的「點閱誘餌」）：
為了討好最大公約數的讀者，AI 傾向把內容磨得更情緒化、也更像模像樣的「分析感」十足，卻犧牲了個別作者原本的意圖與稜角。
YouTube演算法過去為了拉高觀看時長，最終意外把推薦內容導向更極端的內容；優化「大眾反應」這件事本身，似乎就帶著把內容推向某個特定方向的結構性風險。
換成中文，會是什麼樣子？
值得注意的是，這份研究在〈倫理聲明〉中誠實地寫下了自己的限制：
所有受試者都是「居住在美國的英語母語者」，研究團隊也明白表示，這樣的結果「在不同語言、不同國家的使用者身上，可能會呈現不同樣貌」，並且直接點名「AI如何影響其他語言、其他文化脈絡下的使用者」是未來研究的關鍵課題。
目前絕大多數主流大型語言模型的訓練語料仍以英語為壓倒性主體，中文往往更像是被「疊加」上去的一層。
而這是否意味著，當我們用中文寫作並請 AI 協助時，語意被同化、立場被磨平的程度，可能不是「差不多」，而是會更嚴重？
中文的論說傳統、修辭習慣、甚至表達立場的方式，本來就和英文的正反辯論式論說文不盡相同。像是，中文邏輯不見得愛用 not A but B（不是 A 而是 B），這樣的落差在 AI 介入之後會被放大還是被抹平，目前完全沒有對應的實證研究可以回答。
更現實的是，華文世界對 AI 寫作工具的採用速度與規模，恐怕絲毫不亞於英語世界。從學生交作業、媒體工作者趕稿、政策文件起草，到社群平台上大量以 AI 輔助產出的貼文與留言，幾乎無所不在。
但目前檢驗「AI 是否正在悄悄改寫我們的立場與聲音」的實證研究，卻幾乎完全空白。這不是一個可以晚一點再處理的小問題。當一份研究誠實地承認自己「還不知道換一種語言會怎樣」，那正是在提醒我們：
在中文世界裡，誰的聲音正在被 AI 悄悄改寫，甚至還沒有開始認真檢查。