老师有没有告诉你，AI 写的东西读起来总是差不多，问题不在它不够聪明

啪——老师把笔丢在桌上。

他把三篇文章摊在讲台上，说：这三篇，一篇讲跑步，一篇讲做菜，一篇讲修水管。全班传着看，然后他问：你们有没有发现，它们读起来像同一个人写的？

底下一片点头。是的，三篇的气质一模一样——开头都爱用一句话定调，中间都爱排三个并列的要点，结尾都喜欢轻轻升华一下。词不一样，调子完全一样。

老师把笔捡起来，在白板上写了两个字：取平均。

老师有没有告诉你，写东西这件事，在机器那里是一道选择题

大部分人以为 AI 写文章像人写文章：先想清楚要说什么，再找词。

其实不是。它在每一个位置上做的事情，只是回答一道选择题：下一个词，最可能是哪一个？

比如它写完「今天天气」，就要在下一位上做一个选择：很好、不错、炎热、转凉……它心里对每个词都有一个信任度，把所有这些信任度排成一张表，然后从表的靠前位置挑一个出来。

到第二个位置、第三个位置，都重复这道题。一篇文章，就是几百上千次这样的选择连起来的结果。

这个机制本身很了不起，但它有一个必然的副作用：既然是「挑靠前的」，那它挑到的，永远是大多数时候都说得过去的那种表达。

老师有没有告诉你，说得过去，就是「最没有个性」

现在把这个机制放大来看。

「说得过去」的表达，是什么样子？是所有人都会说的那一套。你写邮件会用「关于此事」，我写也会用「关于此事」；你写总结会说「总的来说」，我写也会说「总的来说」。

这些话之所以排在表的最前面，恰恰因为它们出现的次数最多——它们是从海量文本里统计出来的，而统计出来的高频项，永远是中间那一档。

于是问题就来了：最容易被挑中的，恰恰是最平庸的。

不是因为它笨。恰恰相反，它的「平均感」正是它强大的副产品——它读过太多人的文字，最后长成了一张所有人的平均脸。

老师有没有告诉你，这不是它第一次被这个问题绊住

这件事在 AI 圈子有个专门的讨论，而且早在多年前就有实验证据。

2010 年代后期，有研究者做过一个很有意思的实验：让一组人用机器翻译，让另一组人做人工翻译，然后把两边最常用的词列出来对比。结果发现，机器翻译之所以一眼就能被认出来，不是因为语法错，而是因为它把一些很特别的说法统一翻译成了最通用的那个说法——那些原文里的独特之处，全被抹平了。

语言学家管这叫「流畅但不忠实」：读起来非常顺，但那些只有原作者才会用的怪话、口头禅、临时造的词，全都不见了。

后来大语言模型出现，这个问题被放大了十倍。因为它要处理的不只是翻译，是所有写作。

老师有没有告诉你，为什么它给你的更像「平均值」

还有一个容易被忽略的原因，跟提问方式有关。

你问它「写一篇关于晨跑的文章」，这句话本身就是一张平均化的菜单。它没有你的城市、你跑过的那条河边小路、你膝盖疼了三个月的那个细节——所以它只能从公共的、谁都能用的材料里挑。

这就像请一个厨师做菜，只说「随便做点好吃的」。他端上来的，一定是他认为最不会有人反对的那道菜。那道菜不会难吃，但也永远不是你妈妈做的那个味道。

输出千篇一律，一半是它的机制决定的，另一半是你的输入决定的。

小测验

同一个工具，一个人写出来的东西像模板，另一个人写得有棱角。最可能的原因是什么？

那么，你该怎么做

好消息是，这个平均化的倾向是可以被抵消的，而且不需要任何技术。

第一，给它具体到不像话的细节。不要写「我们家附近的一条河」，写「小区北门外那条冬天会结薄冰的河」。细节越具体，它就越没法退回到平均表里——因为你的细节不在那张表的最前面。

第二，要求它给出它自己不满意的版本。比如加一句：这一版太顺了，给我一个更粗糙、更像随手记的版本。它在被明确要求偏离中间档时，是有能力做到的。

第三，别让它一次成形。先让它列三到五个不同的开场思路，你从里面挑一个不那么像标准的，再往下写。挑这个动作，就是你在替它注入个性。

记住一件事：AI 提升的是你写字的效率，不是你的眼光。它把「写出来」这件事变得几乎免费，那「挑哪个」这件事反而变得更值钱。

回到那个讲台

老师把那三篇文章收起来，说了一段话：

我不担心你们用它。我担心你们用完之后，分不出哪一段是自己真的想说，哪一段只是因为它「说得过去」。

平均不是错，平均值也不是坏事。但如果一个时代里所有人都满足于平均值，那这个时代的文章，就只剩下语音不同、调子相同。

啪——老师把笔丢在桌上。

这一次他没有捡。他看着那支笔躺在桌角，说了一句：笔还是你的，别把它交给一个只会取平均的家伙。

教室里安静了几秒。有人在笔记本上写了第一个只有自己会用的比喻。