科技日报记者 刘霞
人工智能（AI）正在重塑诸多行业，新闻业亦在其中。凭借快速、高效生成内容的本领，AI已成为全球新闻机构的重要工具。然而，当越来越多的新闻、网络帖文和社交媒体文本交由AI代笔时，我们的语言会变成什么样？
一个令人忧虑的趋势正浮出水面：AI可能使新闻语言变得更加重复和可预测。这不仅会侵蚀语言的创造力，还可能恶化公共语言生态，甚至动摇人们用以理解、描述和讨论现实的那份丰富与微妙。
偏爱“常见项”让语言渐趋“模式化”
AI影响新闻语言的首要途径，便是模板与算法的泛滥。
AI工具日益强大，能分析海量数据、预测趋势，还能为特定受众量身定制内容。这听起来高效而迷人，但背后却暗流涌动，潜藏隐忧。
驱动这些工具的大语言模型，其工作原理往往是预测下一个最可能出现的“词元”或词语。这固然让它们能生成流畅、可信的文本，却也使其天然地偏爱统计上的“常见项”，即那些司空见惯的论点与表述方式。
正因如此，许多新闻机构已在体育、金融、天气、选举等报道领域，用AI工具沿着预设的模板和结构自动生成文章。这种现象非昙花一现，其规模在2026年正急剧扩大。美联社的AI战略也明确表示，正在探索用AI简化新闻的采写、制作与分发流程。其新闻编辑室的AI应用已涵盖自动化公共安全事件报道、天气预警翻译、视频转录摘要、选题邮件排序，乃至会议记录的关键词提醒。
不过，此举虽能为媒体节省时间和资源，在个性化和定向传播上有利，但代价是，AI更可能产出遵循熟悉模式和老套公式的内容。这最终将导致不同媒体之间语言和风格的同质化，让新闻语言变得空前重复、易被预测。
自产自用让语言创新能力凋敝
更令人警惕的是，这种同质化的风险还在加剧。研究人员提醒道，当AI系统开始用其他AI生成的文本进行训练时，一场名为“模型崩溃”的连锁反应便会开始。
“模型崩溃”的概念描述的就是这样一种恶性循环：生成式AI在迭代训练中，若不断以先前模型生成的合成文本为“食粮”，其输出质量便会逐代下降。这不单是一个模型内部的错误，而是代际之间性能的持续衰退。简言之，AI“吃”了自己产出的文本，最终导致千篇一律。
可以想见，当AI编写的文字充斥公共空间，未来的模型将被迫依赖这些单调的语料进行学习。训练生态的窄化，必将把输出文本推向更为雷同的深渊。
长此以往，首当其冲的便是语言创新能力的凋敝。
从历史的长河看，新闻界一直是公共语言演进而非固化的重要场所。它是众多新词、新短语、描述现实新范式初次流传的广阔舞台。有关新闻语言与新词的研究也清晰表明，媒体是新词汇创造与传播的核心平台，尤其当社会需要向大众阐释新兴事件、技术与社会变革时。然而，一旦大量新闻写作被“委派”给生成式AI，媒体这一珍贵的社会角色便无可挽回地被削弱。
其后果便是不常用或专业词汇的消退，独特句式结构的减少，以及反语、歧义、观点递嬗等语言使用细微差别的消亡。
语言的生命力，恰恰常源于那些古怪的迂回表达、出人意料的词汇运用，或是为新生事物命名的本土化创意。倘若语言系统总是优先选择统计上最安全的选项，新兴表达便失去了孕育的土壤以及流传与扎根的空间。
区分能力衰弱消解公共思辨土壤
更要紧的问题，则是语言微妙区分能力的衰弱。当语言变得模糊、可预测、不断重复时，它也在无形中削弱人们用来描述问题、阐明观点、投身公共辩论的精密工具。最终伤害的，是人们思考与对话的深度。
此外，AI生成内容还普遍缺乏细腻的质感与鲜活的语境。尽管AI在快速处理海量信息上无人能及，但它往往难以捕捉人类记者心领神会的那些微妙之处。这可能导致其叙事失之简化或产生误导，无法复现现实的复杂肌理。
从更宏阔的视角看，问题绝不仅限于AI模型自身的退化，更关乎整个公共语言生态的变迁。如果互联网上日渐充斥着合成文本，那么读者、记者乃至各类机构，都将浸入一个多样性愈发贫瘠的语言环境。
尽管如此，人们也不必全然悲观。
一些研究表明，当合成数据与真实数据审慎混合，而非全然取代后者时，“模型崩溃”的表现会有所缓和，错误亦能得到控制。换言之，问题并非出在偶尔借助AI，或是明智地融合人工与AI生成的数据。真正的深渊，始于人类写作被大规模取代，且取代后的作品被当作活生生的语言奉为圭臬。
诚然，随着AI深入记者工作与生活的日常，新闻业正变得空前高效。但倘若媒体放弃了采写、编译、命名和讲授新鲜语言的天职——哪怕只是其中一部分，那么受影响的远不止是记者的工作。悄然流逝的，还有公共语言得以繁衍、更新和延展的最重要空间。
鼎锋优配提示：文章来自网络，不代表本站观点。
