如果你刷过TikTok或YouTube Shorts，大概率见过"unalive"（代替dead）、"seggs"（代替sex）、"corn"（代替porn）这类奇怪拼法。过去你以为这只是Z世代的怪癖，是"网上的人不好好说话"。但语言学博主Adam Aleksic（网名Etymology Nerd）在2026年4月登上全球头部长播客Modern Wisdom时，抛出了一个更冷峻的判断：这些词不是人发明的笑话，而是机器逼出来的求生策略。
这期长达两小时的对话（YouTube版标题《THEY'RE BRAINWASHING YOU!》）真正戳破的，不是"网络用语会不会败坏语言"这种老掉牙的争论，而是一个全新的事实——算法第一次让"非人类"成了你词典的共同作者。内容审查的过滤器在淘汰词，ChatGPT的偏好在替换词，推荐流的情绪算法在选择词。三股力量同时作用，而你浑然不觉，以为那些词都是自己挑的。本文要拆的，就是这台"机器词典编辑器"的内部结构，以及它对你说话、写作、甚至思考方式的悄然改写。
| 项目 | 内容 |
|---|---|
| 视频标题 | Inside The Viral Words That Make You Click – Etymology Nerd (#1086)（YouTube版：THEY'RE BRAINWASHING YOU!） |
| 频道 | Modern Wisdom（主持人 Chris Williamson，全球头部长播客之一） |
| 嘉宾 | Adam Aleksic / @etymology_nerd，哈佛语言学背景，著有《Algospeak》（Penguin Random House, 2025） |
| 时长 | 约2小时（long-form深度访谈） |
| 影响力 | Modern Wisdom YouTube约300万订阅，单期常达数百万播放 |
| 发布日期 | 2026-04-18 |
| 核心主题 | 算法、平台机制与AI如何成为语言演变的新"作者" |
这是整期对话最该拎出来的认知转折。关于网络语言，过去几十年的争论一直是"它会不会让语言变烂"，而另一派语言学家（也是Etymology Nerd的立场）反驳：语言从来都在变，所谓"变烂"只是老一辈的错觉。
但这一期比"语言没变烂"走得更远。Aleksic的核心论点是：问题不在于变化的速度，而在于变化的"作者"换了。 历史上语言变化的选择压力是人——社群需要、身份认同、表达效率。而现在，选择压力第一次部分转移到了机器身上：审查算法决定哪个词能被看见，推荐算法决定哪个词能被传播，大语言模型决定哪个词听起来更"高级"。
这是我的延伸提炼：用演化语言学的术语说，语言演变从来是"人在传输时所做的选择"累积而成的。当传输通道变成平台、把关人变成算法，选择压力的来源就悄悄易主了。这是本视频与"网络只是加速语言进化"那种乐观论调的关键分野——它问的不是"快不快"，而是"谁在选"。
视频最具标志性的概念就是 algospeak——为了绕开平台内容审查而刻意使用的替代词。"dead"会触发限流，于是说"unalive"；"sex"会被打标，于是说"seggs"；"porn"直接禁，于是说"corn"；"kill"说成"un-alive"，"rape"说成"grape"或"SA"。
Aleksic强调一个常被忽视的点：这不是年轻人故意卖萌，而是创作者在审查过滤器下的求生反应。 一个讨论心理健康、性侵幸存、自杀干预的严肃视频，如果用了"原始词"，会被算法降权甚至下架；换成algospeak，反而能触达真正需要帮助的人。
我的延伸：把algospeak放回语言学的老框架——"委婉语跑步机"（euphemism treadmill）——会看得更透。语言学家Steven Pinker指出，每个委婉词迟早会"沾上"它所替代的禁忌义（"toilet"本是委婉语，后来变得粗俗，又被"restroom"取代）。Algospeak把这个跑步机装上了马达：因为对面是会实时学习的审查AI，新造的替代词一旦被算法识别，马上又要再换一个。这是一场人与机器的词汇军备竞赛，节奏比人类历史上任何一次委婉语轮替都快得多。
不同平台正在长出各自的"方言"。Aleksic把每个平台比作一栋"house"：LinkedIn是正式职场腔，Twitter是梗和反讽，TikTok是网红黑话。同一个用户在三个平台上会本能地切换语域（register），就像跟父母说话和跟朋友说话用两套词。平台内部还会进一步分裂出"微观方言"——K-pop饭圈、Swiftie粉丝群各有外人听不懂的缩写和暗语。
这里他借用了生物学概念 "founder effect"（创始人效应）：一个社群最早那批人的说话风格，会被后来的新成员模仿并固化成标准。TikTok上那种标志性的"网红口音"（influencer accent），其实就是早期几个成功博主的风格被万人复制的产物——它不是某个地方的真实口音，而是平台特有的"腔调化石"。
这个观察和已覆盖的"语言如何重写思维"不同：那里讲语言结构塑造认知，这里讲界面与社区结构塑造语域。一个App的UI设计（字数限制、视频时长、评论机制）居然能雕刻出一种方言，这是2020年代才有的语言学生态。
Aleksic梳理了一条反复出现的语言学定律：主流用的新词，几乎都从边缘社群流出。 如今Gen Z挂在嘴边的"slay""serve""ate""queen"，源头是1980年代纽约黑人/拉丁裔同性恋的ballroom（舞会）文化——在一个拒绝给他们社会地位的世界里，语言是他们争取status的武器。这些词先传到同性恋者的异性恋朋友，再渗入整个青年文化。同样，大量网语来自非裔美国英语（AAVE），却很少把功劳记回原社群。
匿名论坛则是另一座"俚语实验室"：-maxing（如"lookmaxing"）、-pilled（如"redpilled"）、gooning这些后缀/词，先是小圈子暗号，再经meme流向大众。更早还有 Polari（20世纪中叶英国同性恋者的密码语，混合了意大利语、罗姆语和戏班黑话）这类"微型语言"——边缘群体造密码语既是为了躲避监视，也是为了确认彼此身份。
我的延伸：这条"边缘→主流"管道其实是社会语言学家早就观察到的现象，但平台把它加速并放大了。值得警惕的是其中的不平等——借用容易，回流难。这也是为什么Aleksic说，讨论网语时不能只谈"潮不潮"，还要问"这词是谁的，谁受益了"。
这是全期最锋利的一段。Aleksic指出，推荐算法的底层逻辑只认一个信号——互动量，而最能拉互动的是强烈情绪：愤怒、恐惧、搞笑。于是能激起这些情绪的词和句式被放大传播，而让人"平静、满足"的内容因为没有点击，会安静地消失在信息流里。
后果是什么？语言被反向筛选成ragebait（激怒诱饵）和clickbait（标题党）的形状。严肃、克制、需要多想一秒的表达，在算法眼里是"低效"的。Aleksic警告，这制造了一种危险的错位：什么能病毒式传播，和什么对人有益，正在分道扬镳。 长此以往，公共话语的"Overton窗口"（可接受观点的区间）会被推向更极端的一端，温和与细致成了被惩罚的品质。
我的提炼：注意这是对语言"传输"环节的选择，不是对"起源"的选择。词还是人想的，但哪些词能活下来、能被你看见，几乎完全由机器决定。这就回到第一条——作者换了。
视频花了不少篇幅拆解博主们如何工程化自己的声音来留住观众，因为"dead air"（冷场停顿）会被算法惩罚。几套典型套路：
一条有趣的语音规律：uptalk（上扬）= "还有下文"，downtalk（下降）= "说完了"，所以有经验的创作者会刻意避免句末下降，因为那等于在催观众离开。
延伸提醒：这些声音特征本是"表演性"的优化手段，但Aleksic指出，经过反馈循环，它们正在变成博主真实的在线身份的一部分——就像20世纪广播员为了覆盖最广听众而 adopting"中立播音腔"，最后那套腔调本身成了权威的标志。优化久了，就成了你自己。
这一段是全期信息密度最高的部分。Aleksic引用数据：自ChatGPT问世以来，单词 "delve"的使用量飙升约1000%。他归因于模型训练中一种拉丁词源偏好——"delve"（拉丁味道）听起来比"dig in"（日耳曼味道）更高级、更权威。类似的，"commendable""meticulous""crucial""significant"这些拉丁来源词也在走高。
更 unsettling的是：人类正在潜意识里吸收这些偏好，连日常口语和LinkedIn动态都开始带AI腔。Aleksic丢下一句金句——"The creature that programmed the AI is being programmed by the AI"（编程AI的那个造物，正在被AI反向编程）。他还估计约13%的学术论文摘要已借助AI写作，AI腔正渗入最严肃的文字。
我的fact-check与延伸：视频说的"1000%"略保守。Kousha等人2025年发表于ISSI会议、arXiv编号2509.09596的研究，分析了ChatGPT前后学术论文全文，测得 "delve"的增幅比值高达17倍（即约+1600%），是所有词里最显著的。这印证了同质化不是错觉。更深一层的风险是 "model collapse"（模型坍缩）：当人类越来越用AI生成的文字去训练下一代AI，词汇多样性会像反复复印那样逐代劣化——这正是Aleksic那个"造物被造物编程"担忧的技术注脚。
最后一部分是Aleksic的看家本领——词源学。几个漂亮案例：
他还点了两个更大的议题：一是词汇流失即概念流失——现代人用的植物名词远少于19世纪，折射的是与自然的疏离；二是不同语言编码现实的方式不同——波塔瓦托米语里"星期六"是个动词（"to Saturday"），黏着语（如德语、土耳其语）能把复杂概念焊进一个长词。最沉重的是结尾的数据：地球上每两周就有一种语言灭绝，7000种语言里大部分将在本世纪末消失——每一次灭绝，都是一种独特的认知方式连同它的词汇一起被抹去。
flowchart TD
A["算法 = 语言的新作者<br/>(非人类选择压力)"] --> B["力量1：审查过滤 Algospeak"]
A --> C["力量2：AI词库同质化"]
A --> D["力量3：情绪唤起选择"]
B --> B1["unalive / seggs / corn<br/>为躲机器而改词"]
B --> B2["委婉语跑步机加速<br/>新词又被识别→再造"]
B --> B3["人与机器的<br/>词汇军备竞赛"]
C --> C1["delve 暴增17倍<br/>(Kousha 2025)"]
C --> C2["拉丁词源 > 日耳曼词源<br/>delve vs dig in"]
C --> C3["人类潜意识吸收<br/>→ model collapse 风险"]
D --> D1["ragebait / clickbait 被放大"]
D --> D2["平静内容被静音"]
D --> D3["Overton窗口<br/>推向极端"]
B3 --> R["结果：词典有了非人类作者<br/>你以为是你选的词"]
C3 --> R
D3 --> R
style A fill:#fde68a,stroke:#92400e,stroke-width:2px
style R fill:#bbf7d0,stroke:#166534,stroke-width:2px
第一，给自己装一个"AI腔检测器"。 写完一段话（尤其邮件、报告、论文摘要），回头看一眼有没有成群的"delve / meticulous / crucial / commendable / significant"，有没有滥用破折号和"不是A，而是B"的句式。如果有，大概率是你在无意识复刻ChatGPT的偏好。把它们换成更朴素、更具体的词，你的文字反而更像"你"。这不仅是风格问题——Kousha的研究证明这种同质化正在学术论文里 measurable地发生，主动保持词汇个性，是抵抗 model collapse 的个人版实践。
第二，看穿"留人声音"的工程性。 当你发现自己被某个短视频牢牢吸住，分一下神：博主是不是半道切入、句末上扬、全程无停顿？那不是他天生如此，而是被算法驯化出的留人技术。意识到这点，你就能从"被勾住"切换到"观察勾子"，夺回一点注意力主权。
第三，理解algospeak的双刃。 它确实在掩护严肃讨论——自杀预防机构（如加拿大Centre for Suicide Prevention的试点研究）发现，algospeak让青少年敢于在网上谈论自残和自杀，这是它的善意一面。但它也在模糊真实、制造语义通货膨胀。下次你看到满屏"unalive""seggs"，不妨分清：哪些是求生，哪些只是跟风。
第四，把你自己的"个人方言"（idiolect）当资产护着。 在平台方言和AI腔双重夹击下，全球语言多样性正在塌缩（每两周死一种语言）。你独一无二的用词习惯、家乡话、行业黑话，不只是个人风格，而是认知多样性的一个微小载体。别为了"显得专业"或"被算法推"就轻易把它磨平。
这期视频最大的价值，是戳破一个错觉：你以为你在挑词，其实是算法在审查、AI在替换、推荐流在选择——词典第一次有了非人类作者，而它正把你改写得越来越像它自己。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。