AI写作的黄金时代，正在崩塌！
进入，模型一代比一代强，文章却一篇比一篇烂。
它知道什么时候列出几条建议，在哪里塞进小标题，也不会忘记在结尾补上一句总结。
但通篇读完，脑子里却一句话都留不下来。
01
模型越强，文章越不像人话
最近，剑桥大学博士后Adam Hunt也注意到了这个现象。他的研究方向是演化精神病学与人类演化。
Hunt过去一直看好AI。可到了7月28日，他却在一篇长帖里坦言：自己现在越来越悲观。
之前有一种流行的比喻，是把模型能力画成一个带尖峰的圆。
首先是代码和数学超过人类，然后随着规模扩大，每个方向逐步增长，最终实现AGI。
但实际上，代码和数学那根刺确实是越来越长了，而语言表达和简单推理却没有同步提升。
从强化学习的角度，这件事几乎是必然的。
早几代LLM看起来「全面变聪明」，是因为训练语料本身就是全领域的，从诗歌到论文，整个互联网都在。
不过，那是语料的副产品，不是模型真正的「理解力」。
思维链和网页搜索随后诞生，给模型续了一波命。只不过，这条路终究还是撞墙了。
紧接着，急于翻盘的AI公司盯上了代码。
原因很简单，它有源源不断的训练数据。
GitHub上的提交、审查、PR全是现成的。而且和数学类似，代码有明确的反馈信号：跑得通就是跑得通。
写文章呢？你用什么东西给「一段散文写得好不好」自动打分？没有奖励，RL就不会往那个方向优化。
于是，所有训练火力都转移到了代码上，而语言表达只能吃预训练阶段留的老本。
老本只能是越吃越薄，甚至为了配合其他领域的提升，还会出现退化。
这正是古德哈特定律容易显形的地方。
当一项指标成为训练目标，它就不再准确反映真实能力。实验室用基准测试优化模型，再用同类测试证明变强。
榜单上的准确率还会继续上涨。实际使用体验却可能停滞，甚至下降。
02
这一次，模仿也被限制了
能力在退化的同时，另一件事也在发生。
一位Reddit用户发帖抱怨，自己用ChatGPT写了几个月的书，订阅了高级模型。中间休息了一阵。
等他回来，那条一直能用的提示词，突然返回拒绝。
提示词本身并不复杂：指定一位作家，要求增加对话、丰富细节、避免碎句。
过去只要写明作家名字，模型就能生成接近其文风的内容，不需要额外解释句长、节奏、视角。
现在，这类提示用不了了。
Ars Technica测试了斯蒂芬·金、J.K. 罗琳、谭恩美、狄更斯、海明威，Engadget则测试了阿加莎·克里斯蒂，ChatGPT全都拒绝模仿。
如果你不点名，只要求「悬念强度」「叙事节奏」「对话密度」这些抽象特征的话，倒是可以输出。但味儿，就不是原来那个味儿了。
03
AI写作的黄金时代，崩塌了
如今，这场争议已经动摇了用户对AI写作的基本预期。
模型未必越写越好，提示词也不再长期有效。
平台一改规则，围绕特定模型搭建的整条写作流水线，说塌就塌。
不过，AI写作不会消失，它只是退回到了自己该在的位置：工具。
它可以查资料、理结构、改句子，却无法替作者决定写什么、为什么写。
换句话说，人的经验、判断和表达欲，正越来越值钱。
