有时对话已经结束，我却会在自己的用词和思路里，看见 AI 留下的痕迹。

我并不是在照搬它的答案，而是不知不觉学会了它处理问题的习惯：先列出选项，再分析利弊，最后连原本模糊的感受也要整理成一套结构完整的结论。这套做法常常很有帮助，也确实替我解决了不少问题。可是等它越来越顺手，甚至成了习惯，我便忍不住追问：到底是 AI 越来越懂我，还是我也变得越来越容易被 AI 理解？

这篇文章最初的念头，来自「夫妻相」这个说法。但「夫妻相」本身并不是本文的论据，我也无意讨论长期相处会不会让人的面部变得相似。它只是让我想到另一个问题：两个能够学习、会适应对方的智慧体长期相处，互动本身会不会把它们推向相似？

我把这种彼此靠近的压力称为「同化」。

人与人本来就会互相靠近

同化并不是 AI 出现之后才有的现象。为了让对方更容易听懂，人本来就会在交谈中调整自己的用词、语气和表达方式。

一项针对新伴侣的纵向研究分析了 41 对大学生情侣在交往第一年间发送的 100 多万条短信。研究者分别考察句法、语义和整体表达的相似程度，发现三项指标都会在关系形成过程中上升，随后逐渐稳定下来。1 这项结果并不能解释所有亲密关系，却说明长期互动中的语言趋同确实可以被观察到。

但说话越来越像，不等于关系一定更好，也不代表双方最后会变成同一种人。另一项对 91 对伴侣的研究发现，在相互支持的谈话中，语言风格越接近，双方的积极情绪往往越多；换成冲突谈话，语言风格越接近，互动反而可能越消极。2 人会为了亲近而靠拢，也会为了身份、边界和利益而保持距离。有时，两个人说得越来越像，只是在把一段谈话原有的气氛越推越强。

因此，更稳妥的说法不是「智慧体相处久了必然同化」，而是：

只要双方都会根据对方调整自己，又长期把听懂、协调和配合顺利当作正面反馈，彼此靠近的力量就会出现；最终是否真的趋同，还要看有没有力量把双方拉开。

同化不是模仿，而是思考起点的改变

学会 AI 常用的一个词，只是模仿；开始习惯用这个词理解和区分身边的事物，才接近同化。

接受 AI 给出的一项建议，只是一次选择；下一次还没打开对话框，就已经照着它熟悉的方式定义问题、排列证据和排除选项，才说明这套思路已经成了自己的下意识反应。

所以，同化不等于「受到影响」。人不可能不受伴侣、朋友、书籍、组织和时代影响，同化也不要求双方最后完全一致。我所说的同化，是指长期反复交流之后，双方的语言、注意力、判断方式和应对习惯逐渐接近。彼此因此越来越容易猜到对方会怎么说、怎么想，下一次思考也会不知不觉从这套共同形成的框架出发。

这里很容易形成正反馈：一次沟通越成功，双方越愿意沿用刚才有效的词汇和思路；用得越多，这套方法就越顺手；越顺手，其他理解和表达问题的方法就越不容易被想起。双方不必有意追求一致，只要总在寻找最省力的沟通方式，就可能一点点靠近。

人和 AI 的适应并不对称

人和 AI 的对话看起来也是双方都在调整。用户纠正 AI，AI 会改变措辞、顺着用户给出的概念继续讨论，并在后面的对话中变得越来越合拍。带有长期记忆、规则文件或用户画像的 agent，还能把这种适应延续到下一次会话。

但至少在今天常见的产品架构中，双方的改变并不发生在同一个层面。

以 ChatGPT 为例，OpenAI 将「记忆和聊天历史用于个性化回答」与「将对话用于训练未来模型」描述为两套可以分别控制的机制；临时聊天则既不创建记忆，也不用于改进模型。3 这意味着，产品可以依靠当前对话的上下文和外部记忆来熟悉某位用户，而不必在每次交谈时即时改写底层模型的参数。

人的变化却没法分得这么清楚。长期交流中听过的话、作过的判断，都可能慢慢变成记忆、习惯和新的思路。AI 的个性化状态可以关闭、清除或换掉，人却不能在关掉对话框之后恢复成谈话之前的样子。

于是，「AI 越来越像我」和「我越来越像 AI」可以同时发生，却未必发生在同一个层次：AI 通过一套可以替换的状态来适应我，我则可能把这段交流变成更持久的记忆和习惯。下一次打开新会话，AI 可以换一套设定；我却已经带着上一次交谈留下的变化回来了。

这不是说人一定比 AI 更容易改变，也不是说所有系统都采用同一种架构。它只说明，不能因为界面上的交流有来有回，就认定双方留下的变化也一样持久。

越有用的 AI，越可能让改变难以察觉

错误、粗暴或明显不合适的建议很容易让人反感。真正难以抵抗的，是那些一直有用、表达清楚，甚至提前替你想好反对意见的建议。

在一项连续 20 轮的模拟法律判断实验中，面对准确率更高的 AI，参与者表现出了更高的信任和依赖；前几轮积累的信任，还会影响后面的判断。研究者也提醒，这只是一次实验中的特定法律任务，不能直接推断长期生活中的结果。4 但它展示了一条很直观的路径：一次次成功不只让眼前的事情办成了，也会慢慢教会我们，下一次可以把多少判断交给同一个系统。

这种影响未必像一场劝说那样明显。2026 年发表于 Science Advances 的两项预注册实验让 2582 名参与者借助带有立场倾向的 AI 自动补全功能，撰写有关社会议题的文章。写完之后，参与者的态度也朝 AI 所支持的方向发生了偏移，多数人却没有察觉建议本身的偏向，也没有意识到自己受了影响。实验中的简单事前警告或事后提醒，同样没有显著消除这种偏移。5

这不能证明日常使用 AI 一定会改变一个人的价值观。实验研究的是有意设置过立场倾向的写作助手、数量有限的议题和短期态度变化，长期效果仍然未知。这项研究能说明的事情其实很有限，但已经足够值得警惕：当 AI 帮我们遣词造句时，它也可能在悄悄影响我们怎样理解自己的立场。

因此，「目标由我决定，AI 只负责执行」这条界线并没有想象中牢靠。写作、编程、沟通和规划看似只是在实现既定意图，实际动手的过程却会反过来塑造经验、能力、审美，甚至下一阶段的目标。如果一个人长期只给目标、不亲自摸索路径，可能连产生新目标所需的经验也会一并失去。

每个人的作品更好，世界也可能更相似

AI 带来的同化还可能发生在更大的范围里：许多人彼此没有来往，却都在与相近的模型协作。

一项短篇写作实验将 293 名参与者随机分为独立写作、获得一个 AI 点子和最多获得五个 AI 点子三组，再由 600 名评审评价作品。AI 辅助让单篇故事更新颖、更好读，尤其帮助了原本创造力较弱的写作者；与此同时，AI 辅助组的故事彼此也更相似。6

这个结果有些反直觉：对每个人来说，使用 AI 都可能是合理的选择；但把所有人的作品放在一起看，最终呈现出来的可能性反而变少了。

不过，集体趋同并不是生成式 AI 的必然结果。另一项覆盖 40 多个国家、800 多名参与者的动态头脑风暴实验得出了不同结论：大量接触 AI 点子没有提高单个点子的创造力，却让整个群体提出的点子更加丰富，而且随着时间推移分化得更快。7 两项研究采用的任务、AI 介入方式和多样性指标都不同，恰好说明「AI 会不会让文化变得千篇一律」不能一概而论，关键还要看 AI 如何参与其中。

因此，群体同化目前只是一种值得警惕、但还没有得到充分证实的可能。真正需要观察的，不只是人们是否得出了相同结论，还要看他们是否越来越习惯用同一套坐标描述分歧。表面上针锋相对的观点，也可能共享相同的问题形式、论证方式和审美标准，并一起忽略这套坐标之外的现实。

最深的风险不是依赖，而是内化

能力上的依赖相对容易发现：离开 AI 后，是否还能写、还能判断、还能把事情做完。思考方式一旦被内化，却更难看出来，因为这时 AI 的影响已经进入人的习惯，哪怕不用 AI，也未必能察觉。

一个人仍然可以独立思考，却只会沿着 AI 熟悉的概念空间思考；仍然可以否决建议，却只会提出 AI 已经预演过的反对理由；仍然有丰富的感受，却开始认为那些无法结构化、无法量化、无法完整解释的部分不值得相信。

此时能力没有消失，思考的余地却可能已经变窄。

这也是本文从实证研究走向概念推演的地方。现有研究可以观察语言趋同、短期态度变化、信任积累和作品相似度，却还没有可靠的方法，能够区分「一个人经过自主学习，真心认同了某种框架」与「一个人在不知不觉中被框架同化」。两者在外人看来，可能完全一样。

因此，不能因为一个人经常接受 AI 的建议，就断定他已经失去主体性；也不能为了证明自己独立，故意事事反对 AI。机械地唱反调，方向仍然由 AI 决定，只不过凡事都反着选。

主动抗拒，不是拒绝学习

如果任何改变都算同化，那么保护主体性的唯一办法就只剩拒绝交流。这既不可能，也没有意义。人本来就是在与他人和环境的关系中逐渐形成的，并不存在一个完全不受影响、只需原样保存的「真正自我」。

真正需要抵抗的，不是改变，而是那些自己察觉不到、不能质疑、也无法摆脱的改变。与 AI 协作时，可以有意保留一些不那么顺滑的地方：

  • 在询问 AI 之前，先记下自己最初的问题、直觉或几个备选答案；
  • 允许自己用「我还说不清，但我不接受」否决一套完整而漂亮的论证；
  • 保留来自真人、书籍、现实实践和不同模型的信息，尤其是彼此冲突的部分；
  • 给一部分话题、时间或创作过程划出不使用 AI 的区域；
  • 偶尔回看过去的文字，检查哪些词汇、问题和顾虑已经悄悄消失；
  • 只在眼前这件事上采纳一条建议，不因此把它当作自己的长期偏好。

这些做法不能证明一个人没有被同化。它们的作用更朴素：让改变留下痕迹，让那些被顺手忽略的想法有机会重新出现，也让离开一套熟悉的框架不至于成为无法想象的事。

需要守住的是改变自己的主导权

人与 AI 相处之后不可能保持原样，正如长期共同生活的人不可能彼此毫无影响。真正的问题不是「我有没有变」，甚至也不只是「我变得更好还是更坏」，而是：

  • 我是否知道哪些变化来自这段关系；
  • 我是否仍能提出对方没有预料的问题；
  • 我是否还愿意相信那些一时说不清的直觉，并守住自己的边界；
  • 我是否能够换一套框架看问题，接触另一种现实；
  • 我是否仍有权决定哪些变化继续、哪些变化到此为止。

同化的终点不一定是一个人完全服从 AI。更可能的终点是，他仍然可以自由选择，却只能在 AI 替他建好的世界里选择。

所以，需要保护的不是一个永远不变的自我，而是决定自己怎样改变的权利。对抗 AI 同化，也不是阻止 AI 参与思考，而是始终守住三件事：影响看得见，决定可以质疑，想离开时仍然能够离开。

参考资料

  1. Miriam Brinberg 与 Nilam Ram，“Do New Romantic Couples Use More Similar Language Over Time? Evidence from Intensive Longitudinal Text Messages”，Journal of Communication，2021。https://doi.org/10.1093/joc/jqab012 ↩

  2. Jeffrey D. Bowen、Lauren Winczewski 与 Nancy L. Collins，“Language Style Matching in Romantic Partners’ Conflict and Support Interactions”，Journal of Language and Social Psychology，2017。https://doi.org/10.1177/0261927X16666308 ↩

  3. OpenAI，“Memory and new controls for ChatGPT” 与 “How ChatGPT learns about the world while protecting privacy”。https://openai.com/index/memory-and-new-controls-for-chatgpt/；https://openai.com/index/how-chatgpt-protects-privacy/ ↩

  4. Patricia Kahr、Gerrit Rooks、Martijn C. Willemsen 与 Chris Snijders，“Understanding Trust and Reliance Development in AI Advice: Assessing Model Accuracy, Model Explanations, and Experiences from Previous Interactions”，ACM Transactions on Interactive Intelligent Systems，2024。https://doi.org/10.1145/3686164 ↩

  5. Sterling Williams-Ceci 等，“Biased AI writing assistants shift users’ attitudes on societal issues”，Science Advances，2026。https://doi.org/10.1126/sciadv.adw5578 ↩

  6. Anil R. Doshi 与 Oliver P. Hauser，“Generative AI enhances individual creativity but reduces the collective diversity of novel content”，Science Advances，2024。https://doi.org/10.1126/sciadv.adn5290 ↩

  7. Joshua Ashkinaze 等，“How AI Ideas Affect the Creativity, Diversity, and Evolution of Human Ideas: Evidence From a Large, Dynamic Experiment”，Proceedings of the ACM Collective Intelligence Conference，2025。https://doi.org/10.1145/3715928.3737481 ↩