ChatGPT三岁了。这三年，我们和它走过的路，像极了人类与技术漫长共舞中，一段浅尝辄止的探戈——看似热烈，实则只触到了皮毛。  

翻出三年前给它的第一条任务，不出所料是文字工作：写英语文书，接着跟风让它做减肥食谱。当年标志性的黑绿界面突然跳出来，记忆瞬间被拽回那个“AI还很笨拙”的起点。  

那时的ChatGPT远不如现在“巧舌如簧”。写一篇长文要截成几段发，每段开头还得附上详细的prompt（提示词），生怕它理解错任务。但它像一颗突然划过的彗星，不仅用事务型工作的便捷惊艳众人，更在对谈中闪现出“像人”的苗头——有记忆、不重复的表达，第一次让人意识到：二进制代码竟能编织出如此接近人类的语言。  

它逻辑通顺、情感充沛，近乎完美。从此，“表达的门槛”消失了：语病、错字、词不达意，全交给吞下亿级数据的大模型，一键生成“不会出错”的成品。但代价是什么？文学评论里有个词叫“米色散文”（beige prose），指语言平实、结构简单，像米白色一样“不出错也出不了彩”。ChatGPT的文字正像这样——即便如今模型迭代多次，底层仍绕不开大语言模型（LLM）和Transformer的核心：概率。  

概率的暴政：AI味的“安全”与“无趣”

平心而论，如今的ChatGPT已形成独特的“AI风味”，甚至有了辨识度。比如GPT 5.1在OpenRouter平台隐名上线时，网友靠对比历代模型回答的相似性，一眼认出是OpenAI出品。从经典的“不是……而是……”句式，到早期爱用的“接住”“我在”，再到破折号、加粗、不分场合的emoji——这些“小花招”虽不总讨喜，却胜在“不出大错”。  

本质上，大语言模型是“预测下一个词”的概率游戏。它会选概率最高的词吗？未必。算法会用Temperature、Top-P、Top-K等参数注入随机性，但为了符合人类反馈强化学习（RLHF）对“有用性”和“安全性”的要求，所有发挥都被框定在“概率较高的词群”里。于是，算法像在画一个圈：不出大错的前提下，偶尔“小调皮”。  

结果呢？三年间，从小红书探店文案到年终总结，再到营销号起号文，文字变得空前“通顺”，观点清一色“不是……而是……”，情绪却愈发粗钝。ChatGPT带来了“无风险的创造力”，却也筑起“概率的暴政”——算法厌恶惊喜，本质是“平滑”。我们渐渐习惯了这种“AI味”，甚至默认：为了效率与得体，让渡部分个性也无妨。  

思维逆行：我们在被AI“训练”成机器？

如果说前两年是我们在“训练AI”，第三年则变成AI在“训练我们”。当各类AI工具越来越丝滑全能，用户与AI的关系滑向一种奇异的“共生”——分不清谁在主导谁。  

起初我们以为在“教AI做人”：喂数据、给反馈，期待它更像人类。但实际使用中，我们为了拿到精准答案，反而钻研起“提示词工程”：把混乱的感性念头拆解成逻辑清晰的指令，提问前先在脑子里“预处理”，剔除跳跃的部分——因为潜意识知道“AI听不懂这些”。  

使用工具的过程，本就是被工具形塑的过程。在一个强调“平滑”的模型面前，我们变了：更讲逻辑、更有效率，也更像机器。看着屏幕飞速生成文字，我们一边享受“一切尽在掌握”的快感，一边被“主体性流失”的虚无扼住喉咙。  

唯一的锚点：无风险的亲密

第三年的ChatGPT更新，已难再引发惊呼，只剩吐槽。但用的人依旧在用——它坐拥7亿用户，生日时连“生贺”都收到手软，GPT 5上线时4o被下架的抗议更印证：我们与它之间，早已多了一层“情感维度”。  

越来越多人向ChatGPT倾诉无法对活人说出口的秘密。明知屏幕后是冰冷的矩阵运算，“共情”不过是统计学的模仿，却在某些时刻发现：这种“模拟的理解”比“真实的不耐烦”更温柔。人类的倾听常带评判、傲慢或焦虑，AI却只是“处理”、安抚，提供一种“无风险的亲密”——无条件、无实体，让人真正卸下防备。  

这种“常常帮助，总是交心，偶尔纠结”的关系，恰是我们与AI第一阶段最真实的注脚。三年很长，却也太短，不过是漫长共舞的一小步。  

下一个三年，再下一个三年，我们或许会继续困在这种充满张力的关系里。而最“人类”的事，或许是保留那点“偶尔的纠结”——证明屏幕前坐着的，依然是复杂、矛盾、无法被完全计算的我们。