AI 讓你更有創意，卻讓所有人寫出同一個故事
每個人都寫得更好了。但打開來一看，怎麼每篇都長一個樣？
這不是某個寫作社群的抱怨，而是一項發表在《Science Advances》上的實驗結論。Anil Doshi 與 Oliver Hauser 兩位研究者找來約 300 名寫作者，隨機分成三組：一組自己寫短篇故事，一組可以從 GPT-4 獲得一個故事點子，第三組可以拿到五個。寫完後，600 名評審獨立評分。
結果很漂亮，也很刺眼。
拿到 AI 點子的寫作者，故事被評為更有創意、更好讀、更有趣。原本表現較弱的寫作者受益最大，創意評分提升了 10% 到 11%，可讀性提升高達 22% 到 26%。聽起來像是皆大歡喜的結局。
但研究者接著做了一件事：把所有 AI 輔助的故事放在一起比較。
它們彼此之間的相似度，顯著高於純人類寫的故事。個人變好了，集體卻變窄了。每個人的作品都升級了，但升級的方向是同一個方向。
一場關於創意的社會困境
Doshi 和 Hauser 用了一個精準的類比：這是一個社會困境。
社會困境的經典範例是公共牧場。每個牧羊人多放一隻羊，對自己有利。但如果所有人都多放一隻，牧場就垮了。AI 輔助寫作的邏輯一模一樣：每個寫作者用 AI 提升自己的作品，理性上完全合理；但當所有人都這樣做，整個創作生態的多樣性就開始萎縮。
這跟我們平常聽到的 AI 敘事完全相反。主流的故事是：AI 降低了創作門檻，讓更多人能說出自己的故事，世界會因此更多元。
數據說的是另一回事。
問題出在 AI 生成點子的方式。大型語言模型從海量文本中學習統計模式，輸出的是最「可能」的結果，而非最「獨特」的結果。當一百個人向同一個模型要「一個關於失去的故事點子」，他們拿到的素材會自然地聚攏在某個審美中心點附近。也許是一封未寄出的信，也許是一個雨天的回憶，也許是一段童年場景。每個點子單獨看都不錯，放在一起看就會發現：它們共享某種氣質，某種敘事直覺，某種對「好故事」的定義。
這個現象有個技術名詞，叫模式坍縮（mode collapse）。在機器學習領域，它指的是生成模型逐漸喪失輸出的多樣性，開始重複產出類似的結果。原本用來描述模型訓練退化的術語，現在精確地預言了人類集體創作的走向。
「創意疤痕」：撤走 AI 之後會怎樣？
如果同質化只發生在使用 AI 的當下，那至少還有解法：少用就好。
但事情沒那麼簡單。
一項由周奕雍等人進行的七天實驗追蹤了 61 名大學生的創意表現。前五天，實驗組使用 ChatGPT 輔助完成創意任務；第七天，所有人在沒有 AI 的情況下獨立完成同樣的任務。三十天後，再測一次。
結果有兩層。第一層不意外：撤走 AI 後，實驗組的創意分數回落到基線水準。五天的 AI 輔助沒有讓他們「學會」更有創意。這像是一種拐杖效應，拄著走路的時候姿勢很好看，拐杖拿掉，你還是原來的走法。
第二層才令人不安：同質化沒有消退。即使不再使用 AI，實驗組寫出的內容之間的相似度依然在攀升。研究者稱之為「創意疤痕」（creative scar）。AI 走了，但它留下的審美印記還在。那些被 AI 塑造過的思考路徑，似乎已經內化成了寫作者自己的習慣。
這比「AI 會讓作品變平庸」嚴重得多。它暗示的是：即使你只是短暫使用 AI，它對你創作直覺的影響可能是持久的。你不會注意到這種影響，因為你寫出來的東西感覺「很好」。問題在於，你鄰桌的寫作者，也覺得自己寫出來的東西「很好」。而你們的「很好」，正在變得越來越像。
那些被拉平的，到底是什麼？
說「AI 讓故事變相似」是一回事，搞清楚「相似在哪裡」是另一回事。
Doshi 和 Hauser 的研究指出，AI 輔助的故事在結構、轉折點、甚至情感弧線上都呈現出趨同的傾向。這不是說每篇都一樣（那太容易被發現了），而是說它們共享了一種更隱蔽的共性：節奏的預期感。
讀一篇好的 AI 輔助故事，你會覺得流暢、有節奏、在對的時機出現了對的轉折。讀十篇，你會開始覺得每篇的「對的時機」好像都在差不多的地方。到了第二十篇，你已經能猜到轉折在哪裡了。不是因為故事雷同，而是因為背後的敘事邏輯遵循了同一套「什麼構成好故事」的隱含模板。
語言模型學到的是群體偏好的統計分布。它知道讀者通常在什麼節點會被打動，什麼樣的結局會獲得高評價。它給出的建議自然會傾向這些「安全區」。
結果就是：AI 擅長幫你避開「差」，但它同時也在幫你避開「怪」。
而「怪」，恰恰是文學最珍貴的東西之一。卡夫卡的《變形記》開場就把主角變成了蟲子，編輯收到這份稿子的時候大概不會覺得這是個「好」的開頭。乙一用冷到接近殘忍的語調寫溫柔，在任何「讓故事更吸引人」的評估標準中都會被扣分。這些作品之所以重要，正是因為它們偏離了統計上的最佳路徑。
AI 不會建議你把主角變成蟲子。
（好吧，如果你反覆要求，它可能會。但它會在蟲子身上加一段充滿希望的內心獨白，因為那是統計上更「好」的處理方式。）
誰受影響最大？答案可能讓你意外
Doshi 和 Hauser 的研究中有個容易被忽略的細節：AI 對原本就具有高創意的寫作者幾乎沒有提升效果。
換句話說，已經知道自己要說什麼、怎麼說的人，AI 的點子對他們用處不大。受益最大的是那些原本在創意上掙扎的寫作者。AI 把他們的表現拉到了接近高創意寫作者的水準。
表面上看，這是民主化。寫作能力的差距被抹平了。
但仔細想一下：被抹平的到底是差距，還是差異？
高創意寫作者之所以表現好，是因為他們有獨特的視角、不走尋常路的直覺、敢於做出反常規的敘事決策。低創意寫作者借助 AI 提升的，是結構的完整性、敘事的流暢性、轉折的精準度。這些是「技藝」層面的提升，很有價值，但它們是朝著同一個方向的提升。
結果是：底部被拉高了，頂部沒有被推高，中間變得更擁擠了。所有人都寫出了「還不錯」的故事，但「不一樣」的故事並沒有變多。
這像是一所學校把所有學生的考試成績都提到了 80 分以上。家長很高興，平均分很好看，但你再也找不到那些考 40 分的怪才了（他們之所以考 40 分，可能是因為他們在考卷背面畫了一整幅漫畫）。
在 AI 時代刻意「寫歪」
如果你已經在使用 AI 輔助寫作，或者正在考慮使用，這些研究結果不應該讓你完全放棄 AI。那太反應過度了。AI 在初稿整理、邏輯檢查、語言潤飾上的價值是真實的。
但你需要意識到一個風險：AI 給你的每一個建議，都在把你往中間推。每一次你接受 AI 的修改建議而沒有質疑，你的作品就離那個統計上的「甜蜜點」更近一步。近一步不會怎樣。近二十步，你就和其他二十個接受了同樣建議的寫作者站在了同一個位置。
那麼，具體怎麼辦？
先寫完再問 AI。 最關鍵的一條。如果你在構思階段就向 AI 要點子，你的故事 DNA 從受精卵階段就被汙染了（抱歉，這個比喻有點噁心，但它精確）。先讓你自己的直覺走完全程，寫出那個可能很糟、很混亂、但完全是你的初稿。然後再把 AI 當編輯用，處理語言和結構層面的問題。
拒絕 AI 的第一個建議。 養成習慣。AI 給你的第一個選項，幾乎一定是統計上最「主流」的選項。看看它，理解它為什麼有吸引力，然後要求不同的方向。或者更好：從 AI 的建議中提取你覺得有意思的碎片，用你自己的方式重新組合。
定期在完全沒有 AI 的環境下寫作。 「創意疤痕」研究的警示在這裡。如果你的創作習慣已經被 AI 塑造了一段時間，你需要有意識地回到純人工狀態，哪怕寫出來的東西粗糙很多。那份粗糙裡可能藏著你已經快要忘記的聲音。
讓 AI 來找你的毛病，但別讓它替你做決定。 Slima 的 AI Beta Reader 設計背後有個原則：AI 擅長發現問題（節奏拖沓、角色動機模糊、場景缺乏感官細節），但解決問題的方式應該由寫作者自己決定。如果你把問題的診斷和處方都交給 AI，你得到的就是一個標準化的治療方案。有時候，你的「毛病」恰好是你的風格。
回到那個令人不安的數字
Doshi 和 Hauser 的研究裡有一個容易被樂觀敘事淹沒的事實：AI 對高創意寫作者的作品品質沒有顯著提升。
這意味著什麼？可能意味著，真正的創意有一個 AI 觸及不到的核心。那個核心不在語言的流暢度，不在結構的精巧度，不在轉折的意外性。它在更深的地方，在一個寫作者如何看待世界、選擇注意什麼、決定什麼值得被寫下來的地方。
AI 可以幫你把一個 B 級的故事打磨成 B+ 或 A-。但它無法把一個 B 級的視角升級成 A 級的視角，因為視角不是語言問題，是生命經驗問題。
回到開頭的研究：每個人都寫得更好了。所有故事都更流暢、更有結構、更「專業」。但 600 名評審在讀完之後，在那些 AI 輔助的故事之間感受到了一種微妙的雷同。
那種雷同不在詞彙層面，不在情節層面，甚至不在風格層面。它在更隱蔽的地方。在故事對「什麼構成一個好結尾」的共識裡。在角色面對衝突時「應該有什麼反應」的默認值裡。在一種不容易察覺但確實存在的，對「好故事」的標準化想像裡。
老實說，對於寫作者而言，這份研究最殘酷的啟示不是「AI 會讓你變平庸」。它是「AI 會讓你變好，但那個『好』是批量生產的」。你需要自己決定：你要的是「好」，還是「你的」。
這兩者有時候重疊，有時候不。而知道它們什麼時候不重疊，可能就是 AI 時代寫作者最需要培養的判斷力。