我的学士论文是关于根据一小段文字判定作者的。思路是将词语使用统计与其他作者的文本进行对比。令人惊讶的是，即便是这个简单的想法也相当奏效。读者用到的远不止词频：还有模式、句子结构、讲述故事的方式。这让人更容易感受到风格。
AI 会把风格平均化，因此很难看出背后的作者（即便使用各种提示技巧）。没有风格，共情变得更难。当你亲自认识写作者时，如果你知道这不是她的风格，就更难从作者的角度来看待文本。但即便你从未见过某个人，非 AI 撰写的文本也会告诉你关于这个人及其背景的一些信息。讽刺的是，有了 AI，背景正在丢失。
除了风格之外，AI 生成的文本还会失去精确性。即便给出了详细的提示，AI 在写作时也需要做出假设，才能把文本拼接起来。当你需要为另一个人写文本时也是如此。这往往意味着要选择更含糊、更不精确的语言，以避免逻辑错误。对写作者来说，这很难察觉，因为他们心中已有清晰的想法，这会让一个含糊的词具有确切的含义。
失去精确性的另一个来源是，花更少的时间和精力去挑战我们自己的想法。把事情写下来通常有助于我们发现判断中的不一致和漏洞，而这些在我们只是在脑中思考时很容易被忽略。AI 写作剥夺了这个机会，因为你会直接跳到结果。
精确性和风格的缺失会影响阅读速度。阅读时你需要把含糊的词换成更清晰的词，而由于风格的缺失，你掌握的上下文信息更少，难以做到这一点。就我个人而言，我觉得阅读 AI 生成的文本至少慢了三分之一，即使长度相同。除此之外，大多数模型极其啰嗦，这使得总阅读时间大大增加。你不需要很多读者，作者节省的时间就会在读者一侧蒸发殆尽。这还没有把二阶效应考虑在内：更多问题、更多迭代（如果是协作文本），以及读者与作者之间更少的信任。
暂无帖子