北京
Substack本周上線了一個AI檢測功能。現在，平臺上超過100字的帖子、筆記和評論，都可以通過Pangram掃描，判斷其中“讀起來像人寫的”和“像AI生成的”各占多少比例。創始人Chris Best在發布文章里這樣定位這件事：平臺不是在禁止使用AI，而是把信息呈現出來，給讀者一個選擇權。
但有個前提值得留意。Pangram自己的數據已經把Substack標記為它所掃描的平臺里最“干凈”的一個，AI內容占比遠低于LinkedIn這類地方。也就是說，他們在一個底子最清白的地方，推出了透明化工具。
看到這個消息的時候，我幾乎能立刻預見到接下來會發生什么。因為類似的劇情，我已經在一個更小的尺度上經歷過一次——只不過當時對線的不是一套平臺集成的算法，而是一個活人。
幾個月前，我在開發者社區DEV.to上一天之內被兩次標記。動手的不是什么后臺悄悄打分的機器人，而是一位具體的社區成員。他逐篇閱讀文章，用GPTZero跑一遍，然后貼出一條和粗放式分類器如出一轍的提醒消息，在系統里叫作“Sloan”的審核警告。
那兩篇被標記的文章，恰好是我全年發布的內容里引發最多技術討論的。段落很短，數據點有名字，反問句不是什么裝飾品——每個都在論證中起了實打實的作用。而讓觀點真正立住腳的這些特征，在那些調過參數、對“AI痕跡”高度敏感的人看來，卻也是“AI味”最濃的特征——無論判斷者是人，還是模型。
寫差一點，反而更像真人。寫得好，就會被標記。
那個話題還揭開了一個當時沒人能給出干凈答案的問題：這套規則會制造一種“誠實反噬”的激勵結構。兩篇質量相同、都借助了AI輔助的稿子，坦白標注的那篇會被揪住，因為當你在文本里明確說了“我用了AI”，就等于給檢測系統遞了抓手。而不做任何披露的另一篇，卻可以安然滑過。系統最終抓住的不是AI使用本身，而是“透明”這一行為。
再然后是Marco出現在評論區。四十年技術經驗，用第二語言寫作，日常要依賴AI來避免自己的意大利語底層思維把英文掰得過硬，走形。同樣的Sloan消息，同樣的分類器判決。整件事跟平臺定這套政策時所想象的“典型違規者”毫無關系。
當然，Pangram是一個真正經過工程打磨的分類器，和某個人在文章之間隨手跑GPTZero不一樣。它采用了硬負樣本挖掘，主動抓取自己的誤判案例回來重新學習，同時讓訓練數據刻意鏡像化，避免簡單把“正式語言”和“AI寫作”畫上等號。就技術嚴謹性而言，不得不承認，這比一個獨自操刀的社區成員要高出幾個量級。
但Pangram繼承了一個和Sloan完全相同的結構性問題，因為它回答的始終是同一個狹窄的提問：這段文本“看起來像不像AI生成的”——而不是“這背后是否有人類在思考”。Chris Best自己那篇發布貼也承認了這一點。Pangram無法判斷作品是否注入了心血，只能判斷其中的句子模式和機器輸出的模式是否高度匹配。
這個缺口，正是Marco會出現在框里的原因。歷史上那些沒有刻意對數據進行鏡像校正的檢測器，已經被反復證實會系統性地誤傷非母語寫作者。一個人在腦子翻譯過一遍再落筆，那種謹慎、正式的表達，恰好和AI輸出以及語言學習者的產出在表層特征上高度重合。這個問題大到什么程度？部分主流大學已禁止教師在任何評估中使用AI檢測工具。Pangram宣稱它的鏡像提示方法能修復這個偏差。也許吧。目前能看到的大部分數據傾向于支持它確實在努力，但針對非母語寫作者的公平性，還需要更充分的獨立驗證。
說到底，如果一套衡量“AI形”的工具上線，首先受到擠壓的恰恰是那些愿意公開自己使用方式、在表達上下了額外功夫的人——包括把AI當成語言支架的多語寫作者，以及愿意為讀者多花幾步編輯工夫的作者——那它對整個生態帶來的，到底是透明度，還是反向篩選？這是一道目前沒有正解的問題，但不妨礙它已經被擺上了臺面。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
