你有沒有發現，現在讀 AI 寫的文章，常會有一種說不清的疲累感？
每一句話文法都對、邏輯都通，但讀起來卻像在嚼一塊脫水的壓縮餅乾，雖然資訊密度很高，卻沒有太多人類語言的呼吸感。
2026年10月發表的一篇論文《Why is AI-generated language so hard to understand?》揭開了這股「AI 味」的秘密：AI 之所以說話繞口、愛用「混亂期待你記住它」這種怪異修辭，或是刻意省略引導子句的連接詞（如 that），並不是因為它不懂人類語言，而是因為它在「後訓練（Post-training）」階段，為了在有限的字數限制與評分機制裡拿到高分，演化出了一套極致的「省字與壓縮策略」。
看到這個研究結果時，會令人背脊一涼。當我們凝視著這個為了符合評分標準而自我扭曲的 AI 時，我們其實是在鏡子裡看到了自己。
1. 當「拿高分」取代了「被讀懂」
從認知心理學來看，人類寫作或說話，本質上是一場溫柔的「合作」。因為體貼聽者的記憶力有限，我們會本能地把句子寫順，並保留那些看似多餘、實則用來引導對方的連接詞與語氣詞。因為人類寫字，初衷是為了讓另一個人讀懂。
但 AI 面對的不是讀者，而是一個冷酷的「打分程序」。在演算法的考核裡，打分程序只看最後答案對不對、有沒有超出長度限制，至於讀的人累不累，從來不在評分標準裡。
當一個系統的唯一目標是「討好評分程序」時，它就不再在乎真正的溝通與連結。
回頭看看我們自己，又何嘗不是如此？
2. 社會這座巨大的「後訓練場」
如果把人生對應到 AI 的訓練過程：童年就像是「預訓練」，我們透過不斷探索以及跌跌撞撞吸收世界的活力，說話顛三倒四，卻充滿生命力；而長大後的社會化過程，就是一場漫長的「後訓練」。
上學時，考了高分才算好學生；上班後，升了職、扛了KPI才算有出息；逢年過節，長輩的眼光總在盤算你今年賺了多少錢，彷彿光靠那幾個數字，就能秤出一個成年人的份量。
社會學家韋伯(Max Weber, 1864~1920)曾預言現代社會的「工具理性」會築起一座無形的鐵籠；而經濟學的「古德哈特定律」則說得更直白：「當一個指標變成目標時，它就不再是一個好指標。」
在這個名為「世俗成功」的巨大打分程序裡，我們的時間與精力是有限的。為了避免在關鍵的考核上拿低分，我們被迫學會把時間只留給有回報的事，把真實的情緒藏進不動聲色之中。
就像 AI 為了不扣分而學會省掉那個 that 一樣，我們也學會了把那些「不計分」的自己，一點一點刪掉。
3. 無懈可擊，卻面目模糊
哪些東西在社會的獎勵機制裡是「不計分」的？
發呆看雲的下午、對一門無用技藝的純粹熱愛、脆弱與崩潰的時刻、不帶目的的閒聊，甚至是對另一個人毫無保留卻未必有回報的溫柔。這些原本是讓生命得以「被讀懂、被感受」的連接詞與呼吸空間，在績效社會的扣分機制下，全成了拖累效率的累贅。
心理學家溫尼考特曾提出「真實自我」與「虛假自我」的概念。當一個人長期處在只看重外在表現（高分）的環境裡，為了生存，就會發展出高度順從指標的「虛假自我」。
這類人往往履歷亮眼、情緒穩定、應對得體，就像經過深度後訓練的大模型一樣，邏輯嚴密、滴水不漏。然而，當我們把所有不計分的稜角與冗餘都裁切殆盡後，我們也把自己訓練成了一個「高分卻難懂的模型」——看起來無懈可擊，卻變得面目模糊。別人看著你的頭銜覺得你很完美，但沒有人真正認識你，甚至連你自己也讀不懂自己。
4. 把被刪掉的自己，一筆一劃寫回來
有趣的是，論文作者後來找到了一個消除「AI 味」的巧妙方法，他們沒有用更龐大的模型去重新訓練，而是把那些拗口緊繃的句子，丟進參數較小、不講究華麗技巧、只求「把意思平實傳達清楚」的基礎翻譯模型裡，翻成日文再翻回英文。結果，那些過度壓縮的句子重新長回了自然的連接詞，變得通暢而平易近人。
這對身處倦怠社會的我們來說，應該算是某種溫柔的提醒：
要擺脫那股緊繃的「社會 AI 味」，我們需要的不是更努力地去刷高分，而是給生活做一次「降維翻譯」，刻意在日常行程裡保留那些不計入 KPI 的「冗餘」，允許自己有破綻、有猶豫、有無法用三言兩語總結的複雜情緒。
畢竟，寫文字是為了表達，而不是為了壓縮；人活著，也不應該是為了交出一張滿分的答卷。高分是拿給別人看的，而那些「不計分」的日子，才是真正過給自己的。
參考資料與靈感來源：
影片：AI味到底是什么？ - 程序员老王