倒反天罡：ChatGPT教人说话？36万视频+77万播客已证实

你以为你在掌控AI，其实是AI在驯化你！最新研究警告：ChatGPT正改变英语的表达方式，悄然植入自己的偏好。是时候重新审视，我们到底在表达自我，还是AI的「复读机」？

AI驯服人类第一步：教人重新说英语？

最近，越来越多的媒体发现：说话的方式，越来越像ChatGPT了！

这不是模仿，而是「入侵」。

潜移默化之中，人类被AI「同化」：

AI不仅入侵了你的笔端，

还悄悄占领了你的大脑。

最终，从你口中倾泻而出！

说英语的小心了！ChatGPT正给你洗脑

最新的arxiv预印给出了惊人的结论：ChatGPT可能正在悄悄改变我们的用词习惯。

无论你觉得它方便，还是感到不安，ChatGPT都已悄然成为写作、搜索甚至日常对话的常驻嘉宾，一点点重塑我们的语言和思维方式。

此同时，网络上掀起了热议：

是否能通过「破折号」这类细节，一眼识破AI写的内容？

答案或许正在改变。

然而，这项新研究却给了出人意料的答案：「AI痕迹」正在变得越来越难以识别——因为人类的语言风格，正在越来越像ChatGPT。

研究人员发现，自ChatGPT推出以来，短短18个月，人们在日常交流中使用的所谓「GPT词汇」（GPT words）飙升。

这是来自德国马普人类发展研究所（Max Planck Institute for Human Development，MPIB）的最新的研究。

论文链接：https://arxiv.org/abs/2409.01754

已有研究指出ChatGPT会影响人类的书面表达方式，但这一次，研究者想知道，AI的迅速普及是否也正在悄悄改变我们的「说话方式」。

为了这项研究，数百万页的电子邮件、文章、学术论文和新闻报道上传到ChatGPT，进行润色。

然后，研究人员分析AI更偏好的词汇，比如「delve」「realm」「meticulous」等。他们称这些为GPT词汇。

随后，在超过36万个YouTube视频、77万个播客片段中，他们追踪这些词汇的使用频率变化，发现了惊人的上升曲线！

图2：量化ChatGPT的词汇偏好及其对人类交流的影响

（A）学术YouTube报告中「delve」一词使用量的时间趋势图，显示ChatGPT发布后该词使用量显著增加（与合成对照组相比p=0.010）

（B）ChatGPT词汇偏好测量方法：通过对比人工撰写文本与ChatGPT修改版本的词频分布，计算得出的对数比值（即GPT分数）可量化特定词汇被ChatGPT偏好的程度

（C）由GPT分数测得的ChatGPT特征性词汇（GPT词汇集），不同版本ChatGPT对「delve」的强烈偏好具有一致性

（D）通过供体词汇的凸组合构建具有相似发布前模式的合成对照组，用于推断因果影响

这项最新的研究却告诉我们一个有趣的事实：这些「AI口音」可能越来越难以发现——因为人类的说话方式，正在逐渐变得像ChatGPT。

即便排除同义词和脚本化内容的影响，研究发现在英语口语中，GPT词汇确实的使用率显著攀升。

这项研究发人深省，但也有一些值得注意的限制。

首先，研究人员分析的数据来自特定的GPT模型：GPT-4、GPT-3.5-turbo、GPT-4-turbo和GPT-4o。这使得研究局限于这些特定版本的ChatGPT。

在未来几个月和几年中，OpenAI无疑会推出新的模型，而这些新版本可能会展现出新的语言使用形式和词汇偏好。

因此，这项研究可能很快过时。

此外，目前还不清楚ChatGPT是否确实对更随意的口语表达有影响，特别是考虑到研究人员从学术来源中获取了大量数据。

而且，语言和词汇的使用会随着时间因多种因素而不断演变；虽然ChatGPT可能在某种程度上对我们使用的词汇变化有所贡献，但重要的是要指出社会和文化中许多其他来源也促成了语言的变化。

「伪人」崛起

共同作者Levin Brinkmann对媒体解释过：「AI技术存储的语言模式，正在反哺人类思维。人类天生会相互模仿，但主要针对那些知识渊博或德高望重的人。我们更倾向于复制他们的语言行为。」

Levin Brinkmann：马克斯·普朗克人类发展研究所研究员，专注于研究机器与人类社会日益深化的融合进程。他采用复杂系统理论、机器学习与实验社会科学方法，探究人机混合系统的演化规律。他获得计算社会科学博士学位，以及哥廷根大学物理学硕士学位

换言之，人与AI之间正在形成一种文化反馈循环：我们使用书面文本训练AI，AI将统计重构后的文本回传给我们，而我们捕捉到这些模式后，便开始无意识地模仿它们。

研究指出，越来越多人将AI视为文化权威，这使得「最初基于人类数据训练的机器，在形成自身文化特征后，可量化地重塑人类文化」。

Brinkmann强调：

「delve」只是冰山一角，其他高频GPT词汇还包括：

「underscore」（强调）、「comprehend」（理解）、「bolster」（支持）、「boast」（拥有）、「swift」（迅速）、「inquiry」（调查）、「groundbreak」（开创性）……

图3（a）:高频GPT词汇出现频次与合成对照组的线性回归分析。圆点表示月度聚合频次，趋势线标注以虚线标记的转折时点。如「comprehend」（理解）、「boast」（拥有）、「swift」（迅速）等词汇与「delve」类似，均呈现显著增长

图3（b）：词汇的GPT分数（x轴）与其使用趋势变化幅度（y轴）的关联性。柱状图表示后验分布的95%高密度区间，插图中阴影区域为高斯过程回归的95%置信区间。聚焦前20个GPT词汇（插图最右侧），可观测到一组年增长率约25%-50%的词汇

尽管这项研究主要聚焦在词汇层面，但许多研究人员已经注意到，AI的影响正逐步渗透到语气当中——

比如说话变得更长、更有条理，同时情绪表达也被削弱。

康奈尔大学的研究发现，在聊天中使用智能回复会让人们更有合作意识，也能增进彼此的亲密感，因为使用者倾向于选择更正面、更有情感的语言。

然而，一旦人们察觉对方可能在用AI，反而会觉得对方不够诚恳，从而态度变得更强硬。关键并不是对方真的用了AI，而是那种「怀疑」的感觉。

论文链接：https://www.nature.com/articles/s41598-023-30938-9

正如该研究合著者、康奈尔大学信息科学副教授Malte Jung所说，我们是根据语言特征来判断他人，而真正影响我们印象的，是那些语言本身的性质。

Malte Jung的研究旨在探讨群体和团队中的人际互动动态，以及这些动态如何受到机器的影响

康奈尔理工学院信息科学教授Mor Naaman指出，这种「AI既改善沟通又引发猜疑」的矛盾现象，折射出更深层的信任危机。

Mor Naaman是康奈尔大学科技校区、雅各布斯技术与康奈尔研究所及康奈尔安·鲍尔斯计算与信息科学学院的教务长事务副院长，同时也是Don and Mibs Follett信息科学教授。他专注于技术、媒体等交叉领域的课题。他在斯坦福大学InfoLab获得了计算机科学博士学位。此外，他还曾效力于篮球队，作为职业篮球运动员参赛

他提出在AI沟通中，人性丧失的三重信号：