為什麼 AI 生成的內容總是千篇一律？人類寫作者該如何掌握 AI 算不出的「人性密碼」？
特邀專欄
AI 寫作革命——衍生與原創之間尋找創造力
撰稿/劉世南
當代寫作者正面對一波靜默卻翻轉的技術革命。只需輸入幾個關鍵字，ChatGPT 便能生成結構完整的學期報告、押韻流暢的饒舌歌詞，甚至模仿莎士比亞風格的十四行詩。
然而，華盛頓大學電腦科學家陸曦明（Ximing Lu）領導的研究團隊最新發現，AI 生成文本中有高達 80% 的短語可在訓練資料中找到相似片段。這項數據印證了學界對大型語言模型的質疑——它們更像是「隨機鸚鵡（stochastic parrots）」，僅僅重新排列與組合既有語言材料，而非真正創造新內容。
當代寫作者正面對一波靜默卻翻轉的技術革命。只需輸入幾個關鍵字，ChatGPT 便能生成結構完整的學期報告、押韻流暢的饒舌歌詞，甚至模仿莎士比亞風格的十四行詩。
然而，華盛頓大學電腦科學家陸曦明（Ximing Lu）領導的研究團隊最新發現，AI 生成文本中有高達 80% 的短語可在訓練資料中找到相似片段。這項數據印證了學界對大型語言模型的質疑——它們更像是「隨機鸚鵡（stochastic parrots）」，僅僅重新排列與組合既有語言材料，而非真正創造新內容。
▎效率紅利下的原創性困境
AI 寫作工具帶來的效率提升無庸置疑。《自然·機器智能》（Nature Machine Intelligence）研究指出，ChatGPT 可將初稿生成速度提升 50% 至 70%，但代價是內容原創性僅為人類作品的 60%。《衛報》也曾實驗以 GPT-3 撰寫短篇報導，結果顯示AI能快速產出結構完備的文章，卻缺乏對社會脈絡的深層洞察。
這種「效率與原創性」的拉鋸在商業寫作中尤為明顯：如 Copy.ai 等平台能依據大數據批量生成市場偏好的文案，卻也導致內容高度同質化，如同速食連鎖供應標準化餐點。
問題核心在於，AI的「創造力」本質上是數學模型的衍生物。陸曦明團隊開發的「DJ Search」系統，透過比對文本與線上資料庫，量化語言的新穎性（linguistic novelty）。研究顯示，人類作家在詩歌、小說、演講中的創造力指數分別高出AI 80%、100%、與150%。這凸顯了AI的先天限制：它能靈巧地混搭既有元素（如將「期待」替換成「興奮」），卻難以如蘇珊·柯林斯（Suzanne Collins）在《飢餓遊戲》中那樣，建構出富含隱喻與象徵的反烏托邦世界。
這種「效率與原創性」的拉鋸在商業寫作中尤為明顯：如 Copy.ai 等平台能依據大數據批量生成市場偏好的文案，卻也導致內容高度同質化，如同速食連鎖供應標準化餐點。
問題核心在於，AI的「創造力」本質上是數學模型的衍生物。陸曦明團隊開發的「DJ Search」系統，透過比對文本與線上資料庫，量化語言的新穎性（linguistic novelty）。研究顯示，人類作家在詩歌、小說、演講中的創造力指數分別高出AI 80%、100%、與150%。這凸顯了AI的先天限制：它能靈巧地混搭既有元素（如將「期待」替換成「興奮」），卻難以如蘇珊·柯林斯（Suzanne Collins）在《飢餓遊戲》中那樣，建構出富含隱喻與象徵的反烏托邦世界。
▎從工具到協作者：寫作者的技術共生策略
面對 AI 的雙面性，寫作者必須重新思考其角色定位——與其視 AI 為威脅，不如將其轉化為「靈感探照燈」。麻省理工學院（MIT）研究發現，AI 生成的短篇故事在情節連貫性上的得分僅為人類作品的 45%，且情感描寫常流於刻板（如過度倚賴「快樂結局」）。這正凸顯了人類的不可取代性：我們能捕捉雨後柏油路上閃爍的汽油虹彩，描寫角色在道德困境中微顫的指尖——這些感性的細節，是 AI 難以從數據中推導出的「人性密碼」。
在實務操作上，可建立「生成—篩選—深化」的協作流程。例如，先讓 ChatGPT 產出三版科幻故事大綱，從中提煉出「時間膠囊誤植至恐龍時代」的創意種子，再由作者注入人文深度：設想主角是一位患有恐龍恐懼症的古生物學家，必須在侏羅紀峽谷中面對雙重心理危機。
在這一過程中，AI 工具如 Grammarly 可協助潤飾語法，ProWritingAid 可分析敘事節奏，但真正的角色動機與文化符碼（如台灣廟會中的陣頭方言）仍需由作者親手編織。
在實務操作上，可建立「生成—篩選—深化」的協作流程。例如，先讓 ChatGPT 產出三版科幻故事大綱，從中提煉出「時間膠囊誤植至恐龍時代」的創意種子，再由作者注入人文深度：設想主角是一位患有恐龍恐懼症的古生物學家，必須在侏羅紀峽谷中面對雙重心理危機。
在這一過程中，AI 工具如 Grammarly 可協助潤飾語法，ProWritingAid 可分析敘事節奏，但真正的角色動機與文化符碼（如台灣廟會中的陣頭方言）仍需由作者親手編織。
▎在演算法時代守護創造力本質
技術的下一階段已悄然啟動。Meta 於 2023 年提出「創意嵌入向量（Creative Embeddings）」，試圖量化隱喻的新穎度；加州大學洛杉磯分校的學者彭南雲（Nanyun Peng）則倡議運用AI來檢測陳腔濫調，協助作者擺脫語言慣性。然而，這些技術仍無法觸及創造力的核心——那是一種人類對世界的獨特凝視，是波特萊爾在《惡之華》中將都市廢墟轉化為詩意的能力。
未來的寫作者將需具備兩種關鍵能力：一是「AI 提示工程（Prompt Engineering）」，能精準設計如「以卡夫卡風格描寫台北捷運」的指令；二是堅守敘事的「在地性」。當 AI 產出的是通用模板的愛情場景，我們則選擇書寫嘉義布袋鹽田夕陽下，那被拉成兩道平行鐵軌的戀人影子。
這正是人機協作的終極意義：用演算法解放重複性勞動，將所節省的時間轉化為只有人類能訴說的故事。
正如攝影術未曾取代繪畫，AI寫作也無法取代文學。當我們在提示框中鍵入指令，真正值得追問的不是「機器能寫什麼」，而是「人類為何而寫」——答案，也許藏在那無法被嵌入向量所捕捉的角落：每一次書寫，都是對存在瞬間的溫柔抵抗。
未來的寫作者將需具備兩種關鍵能力：一是「AI 提示工程（Prompt Engineering）」，能精準設計如「以卡夫卡風格描寫台北捷運」的指令；二是堅守敘事的「在地性」。當 AI 產出的是通用模板的愛情場景，我們則選擇書寫嘉義布袋鹽田夕陽下，那被拉成兩道平行鐵軌的戀人影子。
這正是人機協作的終極意義：用演算法解放重複性勞動，將所節省的時間轉化為只有人類能訴說的故事。
正如攝影術未曾取代繪畫，AI寫作也無法取代文學。當我們在提示框中鍵入指令，真正值得追問的不是「機器能寫什麼」，而是「人類為何而寫」——答案，也許藏在那無法被嵌入向量所捕捉的角落：每一次書寫，都是對存在瞬間的溫柔抵抗。
