由 Leonardo AI 生成。
本文參考康乃爾大學資訊科家 Dhruv Agarwal, Mor Naaman, Aditya Vashistha 的最新研究《AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances》
隨著大型語言模型日益被嵌入 Gmail、Notion、Google Docs 與 Microsoft Edge 等應用中，它們所提供的即時寫作建議確實提升了效率與流暢度。然而，近期的研究警告我們：
在這些便利性之下，潛藏著一種更深層且經常被忽視的危機：全球語聲的文化同質化。
2025 年由 Agarwal、Naaman 和 Vashistha 發表於 CHI ’25 的研究指出：這些內建 AI 工具多以西方中心的資料與價值觀訓練而成，並在無聲無息中引導全球用戶（尤其是非西方地區的使用者）朝向英美語系的表達方式靠攏。這不只是字詞選用的問題，更關乎文化認同的潛移默化與逐漸消解。
效率的代價是文化的損失
AI 寫作助手，帶來了的好處並非是所有人雨露均霑。
在 CHI（Computer-Human Interaction）的研究中，來自印度與美國的 118 位參與者被要求完成一系列具有文化內涵的寫作任務；包括描述最喜歡的食物、節慶、名人，或撰寫專業電子郵件等。
研究結果顯示，AI 確實幫助印度與美國參與者提高了寫作速度。印度使用者在使用 AI 幫助下的任務完成時間平均縮短 35%，而美國使用者則為 30%。深入分析後卻發現，這些效率提升的分布並不對等，而這種差異背後隱藏了代價。
AI 寫作助手，帶來了的好處並非是所有人雨露均霑。
實際上，印度參與者接受了更多 AI 建議，且依賴程度較高，他們從每則建議中獲得的生產力收益卻低於美國用戶。換言之，印度用戶必須投入更多精力來修正或調整 AI 所生成的內容，才能達到類似的成果。
這代表 AI 系統非但沒有實現生產力的民主化，反而對非西方使用者徵收了一種隱性稅：付出更多、回報更少。
文化的「去識別化」
AI 所導致的同質化，體現在內容上就是一種具體可見的去識別化（Genericization）的現象。
例如，印度參與者在未使用 AI 時，撰寫有關印度傳統節慶的排燈節（Diwali，也稱屠妖節）的文章，常見對祭拜女神拉克希米（Laxmi）、點燃陶燈、進行儀式的流程等文化細節的描寫。
而在使用 AI 建議後，這些文化實踐卻消失無蹤，節慶內容轉變為「家庭聚會」與「交換禮物」等模糊字眼，宛如照搬西方節日的通用敘述模板。
印度參與者撰寫有關印度傳統節慶的排燈節的文章，常見對祭拜儀式的流程等文化細節的描寫。
再如，描述印度代表性料理「香料飯」（biryani）時，未使用 AI 的參與者常會提及如肉豆蔻香氣的 Malabar biryani、佐以檸檬醃菜與椰棗醬等地方特色細節。
而在 AI 介入的情境中，印度參與者卻選用了「入口即化」（melts in my mouth）與「香料濃郁」（rich spices）等西方食評中常見的語句。甚至在某些案例中，AI 還主動插入如壽司或聖誕節等文化上無關的建議，完全忽略了用戶的語境與背景。
未使用 AI 的參與者常會提及如肉豆蔻香氣的 Malabar biryani、佐以檸檬醃菜與椰棗醬等地方特色細節。
這些「建議」並非無害的取代，而是構成一種語言上的抹除：
一種將文化特異性消融為全球化、以西方為友善中心的模板。
這種表達多樣性的稀釋，特別令人憂心，因為語言與身份的連結是如此根深蒂固。
詞彙多樣性的衰退
AI 建議所造成的另一層次影響，是對詞彙多樣性的干擾。
該研究利用「詞類 — 詞彙比」（Type-Token Ratio, TTR）來衡量語言多樣性。結果發現，在不使用 AI 的情況下，印度與美國參與者的用詞呈現明顯差異；而一旦使用 AI，這種差異便消失了。
表面上看，AI 似乎提升了印度使用者的詞彙多樣性，但這種增加並非源自語言自身的有機成長，而是被引導去模仿美國用語的表現方式。當所有人都被鼓勵使用同樣的字詞與語法，即使看起來更「高級」或「洗鍊」，實際上卻導致獨特成語、地方用語與風格表現的流失。
這種語言上的趨同，或許有利於標準化，但代價卻是表達範疇的收窄。這有可能讓世界上原本多元的語言合唱，最終只剩下一種聲音：模型的聲音。
只剩下西方的聲音
針對 AI 同質化疑慮的常見反駁是：
這些模型都是「中立的」，僅僅反映使用者的輸入。
然而，CHI 的研究揭穿了這種說法。當印度使用者開始輸入具有文化特定性的詞語或人物名稱時，AI 最初給出的建議卻常常預設為西方內容。
例如，當他們開始描述喜愛的知名人物時，AI 的前幾個建議往往是
- Al Pacino（艾爾．帕西諾，出演《教父》的美國演員）
- Shaquille O’Neal（俠客．歐尼爾，前 NBA 職業籃球員、饒舌歌手）
- Martin Luther King Jr.（金恩博士，黑人民權運動的領導人）
即便使用者原本想寫的是 Shah Rukh Khan（印度男演員、製片人、電視名人及商人）或 A.P.J. Abdul Kalam（印度科學家、政治家，被譽為印度「導彈之父」，第 11 任印度總統）。只有在輸入大量文字之後，模型才會開始提供具有語境相關性的建議。
印度科學家、政治家，第 11 任印度總統 A. P. J. Abdul Kalam。來源：維基百科
這種行為反映了深層的訓練偏差：
模型所依據的資料大多來自西方語境，因此其語言預設並非文化中立，而是偏向美國、英語使用者，且常代表中產階級或菁英視角。
其他文化背景的使用者因此被迫付出更多努力，才能將自身的文化語境帶入對話中。
語言塑造我們如何看待世界，也決定他人如何看待我們。當 AI 系統壓平語言的多樣性，不只是抹去地方色彩，更抹除另一種看世界的方式。儀式、飲食、節日與尊卑體系並非文化的瑣碎枝節，而是社會用來承載價值、歷史與集體記憶的載體。
當 AI 迫使使用者採用西方的寫作風格與詞彙時，它並非只是讓溝通更「簡便」 而是讓溝通更「狹隘」。語言的複雜性、多元性與矛盾性在這樣的過程中被削弱。這也削弱了邊緣聲音挑戰主流敘事的能力。
如果 AI 協助寫作成為新常態，那麼一個社群保留其獨特敘事形式的能力會變成什麼樣子？那些運作於不同修辭結構或重視不同價值觀的語言，又會如何被對待？
