議題背景：

臺灣時間8月24日晚間11:00，《自然人類行為》（Nature Human Behaviour）發布一篇由南加州大學電腦科學系與心理學系團隊完成的研究，指出大型語言模型幾乎不更動原意，卻讓人類的寫作風格趨於相似，寫作複雜度的變異幅度減少了2成到5成。研究團隊提醒，書寫一旦趨同，要從一個人的用字讀出身分、人格與心理健康的線索，就會變得更難。

研究團隊蒐集國際論壇與社群平台「Reddit」的創作文章、地方新聞、學術論文摘要、散文、社群媒體貼文與政治演說等七個資料集、超過88萬篇文本，先觀察ChatGPT問世前後語言複雜度的長期變化，再以GPT-3.5、Llama 3 70B與Gemini Pro，搭配12種提示詞改寫人類寫下的文字。改寫後有87%的文本與原文語意高度相似，但用來分析這些文本的模型，辨識作者個人特徵的準確度平均下降6個百分點，其中判別作者年齡的準確度受影響最深。改寫後的文章一面倒地被判讀為出自同理心較低、道德關懷較強、年齡較大、政治上偏自由派的作者。

研究也發現，學術論文摘要最早出現趨同的跡象。在AI使用率上升大約5個月後，就看得到學術論文摘要之間的差異縮小；Reddit的創作文章則在20個月後；地方新聞則是三組資料中唯一沒有出現這種前後關係的文體。研究團隊推測，稿件要經過編輯台這道關卡，可能降低了AI的風格同質化效果。

論文連結：https://doi.org/10.1038/s41562-026-02550-0

為使大眾更加理解這份研究對台灣本土語言保存，以及對語言判讀應用的意義，台灣科技媒體中心邀請客家與族群語言研究、人工智慧治理領域的專家提供觀點。

 

專家怎麼說？
【張陳基】【李韶曼】


2026年08月20日
國立聯合大學客家研究學院院長／文化創意與數位行銷學系教授 張陳基

一、AI保留了意思，卻讓我們愈來愈「說一樣的話」

這篇研究探討：當大型語言模型成為日常寫作助手，人類語言是否會在不知不覺中趨於一致。研究團隊分析七個資料集、超過八十八萬篇文本，結合時間序列觀察、控制式改寫與個人特質分類。結果發現，模型大致保留原意，卻使寫作的多元複雜度縮減約二至五成，也削弱年齡、性別、人格與同理心等語言線索。AI不只潤飾文句，也在重塑何謂「正式、專業、日常」的語言。這篇論文不僅證實了語言同質化的存在，更深刻指出這種同質化是帶有強烈「偏向性」的，會讓全人類的語言在不知不覺中，向特定優勢族群的樣貌靠攏。

二、AI時代的新數位落差：不被AI支援的語言，可能加速被淘汰

對台灣而言，問題不只是大家寫得愈來愈像，而是高資源語言可能加速排除低資源語言。台灣長期推動族群主流化，希望讓客家與原住民族進入主流公共生活；但若AI主要支援華語與英語，使用者為了取得準確、便利的服務，就會被迫轉換語言。結果不是客語回到主流，而是客語在數位社會加速被遺棄。

三、從「族群主流化」走向「AI族群主流化」：讓少數語言真正進入AI生態系

因應上，首先應推動「語料、模型、服務」三方向開放，讓客語及各族群語言的文本、語音、腔調與文化知識進入訓練過程。其次，應建立語言多樣性與族群主流化檢測，評估模型是否抹除地方詞彙、文化用語與個人風格。第三，也應由族群社群參與資料授權、模型治理與評估，使少數語言進入教育、媒體及公共服務，並避免產生族群偏見。

四、文化保存最迫切：客語AI不是科技加值，而是語言生存工程

研究指出的「心理狀態偵測、招募甄選、個人化服務、文化保存」四類風險中，我認為「文化保存」對台灣最迫切，語言一旦退出數位場域，流失往往難以逆轉。研究也警告，AI生成內容重新進入網路語料、並成為下一代模型的訓練資料後，可能形成語言變異持續縮減的回饋循環。AI若不會聽、不會說、不會寫客語，就會傳達這種語言「不值得使用」、「不方便使用」的訊號。客語AI不是科技加值，而是數位時代的語言生存工程。

 


2026年08月24日
國立成功大學敏求智慧運算學院副教授 李韶曼

Q1：想請教您，這篇研究的內容主要是什麼？我們應該怎麼解讀？

這篇研究分三個層次，檢驗大型語言模型作為寫作輔助，是否讓人類的語言趨於同質。研究先分析三種美國的長期資料：網路論壇Reddit上的創作故事、地方新聞報導，以及學術論文摘要。結果發現，ChatGPT問世後，三種資料寫作複雜度的差異都明顯縮小；而且AI文本占比愈高，往後幾個月的差異就愈小。研究團隊接著模擬我們平常用AI潤稿的情境，直接讓模型改寫人的寫作：雖然語意高度相似，文章之間寫作複雜度的差異卻縮減了二至五成。

研究更發現，原本能從文字推測的作者特質，包括人格、同理心、道德價值、年齡、性別，以及政治傾向，在文本經模型改寫後都變得較難判讀，特別是年齡受影響最深。改寫後的文章，一面倒地被判讀為出自同理心較低、年齡較大、在美國政治光譜上偏自由派的作者。對應人格特質的語言線索，像是代名詞、口語、髒話這些最能標記個人的字眼常被AI刪除，並增加正向情緒與社交詞彙。

這些發現可以有兩個解讀。第一，AI模型雖保留了我們說什麼，卻改變了我們怎麼說，但怎麼說本身，實際承載了個人身分與心理資訊。心理狀態偵測、招募甄選、個人化服務這些常見的應用，都建立在作者本人資訊留存於文字的前提上。AI改寫一旦刪去這些訊息，對所有藉語言理解人的應用就會造成影響。比如憂鬱與自殺意念的語言資訊若被抹去，我們更難從文字及早發現需要幫助的人。

第二，AI讓人類的寫作向訓練資料裡的多數靠攏，這對台灣的文化保存尤其切身相關。本研究的語料全為英文，寫作者以美國人為主，改寫後浮現的作者樣貌，是英文世界的多數；模型效法的是資料裡統計上最常見的寫法，後續的調校又以標註者的偏好為準，無論語言，只看多數。其他研究已看到非西方使用者以AI輔助寫作時，文字傾向西方風格，文化細節隨之流失。

那麼，中文語料裡的多數是誰？在最大的公開網頁語料庫裡，英文約占四成，中文簡繁合計不到5%，其中又以簡體為大宗；繁體只是一小部分，台語、客語與原住民族語更近乎缺席。若把台灣人的寫作與表達交給AI改寫，會呈現什麼樣貌？這個問題，需要以台灣語料，做同等研究來回答。