一份初三的作文，题目是「那一刻，我长大了」。孩子写的是奶奶住院那天，他在走廊上把一碗粥端了三十七步。老师在旁边批了一句：细节尚可，但主题升华不足，建议结尾加一段感悟。这句批注本身没错，错在它可以是任何一篇作文的批注。
这句批注不是老师写的，是系统给的。老师做的是点了一下「采纳」。
一、这件事不是未来，是已经发生了二十年
自动作文评分不是新东西。美国教育考试服务中心（ETS）的 e-rater 从 1999 年起就用于 GRE 作文的辅助评分，之后扩展到托福。它的原理不神秘：把文章切成词、句、段，统计词汇丰富度、句长分布、连接词密度、与题库范文的语义相似度，回归到一个分数。它评的从来不是「写得好不好」，是「像不像高分范文」。
国内的中考阅卷里，作文长期采用「双评加仲裁」：两位老师独立打分，分差超过阈值就交第三人。这套流程本来是为了对抗主观误差，机器进来之后，最初的角色是「第三个人」之外的第四道校验——找出分差异常的卷子。它一开始不判分，只提醒；这一步跨得很轻，轻到没人觉得需要讨论。
从「提醒」到「给分」之间，只隔着一个成本问题。一份卷子人工评阅要几分钟，机器要几十毫秒。当一个县有几万份卷子、预算有限、阅卷老师要在三天内完成时，这个差距不是偏好问题。不是有人决定让机器评分，是排队的长度替所有人做了决定。
二、第一代人：现在的学生，学会对评分器写作
评分器有几个稳定偏好：段落数在三到五之间、每段有明确的中心句、出现若干成语与修辞、结尾有一段议论性升华、字数达标。这些偏好在统计上确实与高分相关，因为它们是人工评分时也被看重的特征。偏好本身不是问题，问题是偏好被知道之后会发生什么。
问题在于，一旦这些特征被学生知道，写作就会向它们收敛。孩子不是傻子，他试三次就明白：写奶奶的手比写奶奶的病房得分高，因为「手」可以带出比喻；结尾加一句「原来长大不是长高，是学会端稳一碗粥」能多两分。他不是在学写作，他是在学一套评分函数的形状。
这一代人付出的代价不是文笔变差，是判断力的让渡：他不再问「这件事我想怎么写」，而是问「这样写能得几分」。当一个问题被反复用分数回答，人会逐渐失去提问的能力，这不是道德指责，是训练的结果。
三、第二代人：老师，从判分者变成校准者
老师这一层的处境更难。当系统给出分数与建议，老师要做的第一件事是判断「系统对不对」。但一个班五十份作文，逐份推翻系统的判断，需要的时间和精力比原来直接评阅更多。于是多数人的选择是：默认采纳，只处理明显离谱的。默认采纳不是懒惰，是时间和人手的算术结果。
这就产生了一个不显眼的变化：老师的专业判断从「评价」退到「抽查」。一个人一旦只对例外负责，他对常态的敏感度会下降——这是所有审核岗位的共同退化路径。
更实际的损失是反馈。人工评阅最有价值的部分从来不是那个分数，是旁边那句「这里为什么突然跳了」。系统的建议是模式化的：主题升华不足、论据不充分、语言平淡。这些话对一篇具体文章几乎不构成指导，因为它们指向的是「补一段」而不是「你想说什么」。分数可以自动化，诊断不能。
四、第三代人：当写作的读者不再是人的时候
现在这批学生长大，会成为出题人、教材编写者、招聘方和家长。他们成长过程中最重要的写作反馈来自机器，那么他们设计的下一次评价，很可能也以机器可读为默认标准。评价标准会沿着出题人的经验往下复制，这一点比任何技术迭代都稳定。
这一步已经在别的领域发生过。简历的关键词优化、论文的引用格式合规、公文的对仗句式，都是「先满足筛子，再考虑读者」的结果。作文只是最后一个还没被完全格式化的文体，因为它的评分依赖人的主观判断——而这个依赖正在被成本削掉。被格式化的顺序，通常从最容易量化的那一端开始。
二十年后可能出现这样一套标准：一篇好文章，是段落长度方差小、中心句位置规范、情绪词密度适中、无歧义指代的文章。这套标准会筛掉所有真正难写的东西：绕远的叙述、故意的含混、不肯升华的结尾。
五、推演的第三步：代价落在谁身上
第一代人失去的是练习「为自己写」的机会。第二代人失去的是判断的权威。第三代人失去的更隐蔽：他们会真诚地认为，能被评分的那部分就是写作的全部——因为在他们受教育的十几年里，从来没有人为「不能被评分的好」打过任何一个分。他们不是不肯写别的，是不知道还有别的。
这不是技术的错。评分器只是把一个原本就存在的倾向放大了：我们的语文教育长期需要一个可比的分数，而这个需求本来就与写作的本质有张力。机器没有引入新的矛盾，它只是让旧矛盾变得不可回避。
六、一个不太好接受的推论
推论是这样的：AI 改作文普及之后，写作能力不会整体下降，反而会整体提升——按现有标准衡量的那种提升。分数会更好看，句式会更规整，结构会更清楚。同时，能被机器评的那一类写作会吞掉几乎所有训练时间，剩下那一类没人练，也就逐渐没人会。这不是能力的衰退，是训练集的选择。
换句话说，我们不会失去写作，我们会失去一部分写作。而失去的那部分，恰好是过去两千年里，人写东西最主要的原因：有些话只有用那个写法，才说得出来。
这个推论不太好接受，因为它意味着抵抗的方式不是禁用工具，而是保留一块不被评分的写作。日记、信件、给自己看的东西——这些东西的共同点是没人为它们打分，因此也没有理由向评分器收敛。写作的多样性不靠课程标准保护，靠有没有人在没人看的时候写。
写在最后
古德哈特定律说，当一个指标成为目标，它就不再是一个好指标。作文分数成为目标之后，被训练出来的不是会写的人，是会得分的人。这个结果不是机器造成的，是任何被量化的评价都会走向的地方。换掉机器不会改变这一点，改掉指标才会。
那碗粥走了三十七步，这个数字在任何评分函数里都没有权重。它只对写的人有意义，因为那天他确实数了。一个好的写作教育，应该至少留一个位置，给这种没有权重的东西。
你上一次写一段没有任何人会评分的话，是什么时候？
评论 (0)