AI 发展方兴未艾，对 AI 的滥用亦如是。

AI 检测技术应运而生，对 AI 检测技术的滥用亦如是。

当 AI 出现在诸多其不应当出现之处， 人们试图通过各样手段来「侦测」AI 的不当使用， 这是刚需，也属正当。 但本文将要探讨的是这其中最广泛的， 甚至可能是我们每天正下意识使用的， 某些基于统计学规律的手段， 对人类，以及人类社群的优良生态所造成的伤害。

最近，我听到一位先生说：

你看，这份作业里中文和英文中间都有空格，我知道 AI 就喜欢这么加。这作业恐怕是直接从网页里复制来一个字都没改的。

我心想：好嘛，那我写了这么多年盘古之白，我成 AI 了呗。

但这显然也不能怪那位先生，盘古之白并非强制标准，他大概率并不知道这么一回事， 只是被用 AI 应付了事的学生们弄入了绝望境地。

稍加反思，其实这样的现象也很容易解释，AI 的语料库中包含大量技术社区的优秀文档， 而这些文档全部遵循开源社区的良好规范——盘古之白。 于是 AI 有样学样，越学越好，这本来是好事；没承想成了「区分 AI」用的抓手。

与之类似的还有所谓的「AI 味」，与饱受诟病的「AIGC 检测」。 由于 AI 的训练库中有太多的论文，尝试降低 AIGC 率的学生们最终陷入 「越像论文，越像 AI」的怪圈。

这样的事例越来越多，以致于我们不得不思考这样一件事： AI 的训练集本就包含了最高质量的人类写作内容，而且其被鼓励生成高质量的文章。 那么高质量文章的标准为何？

  • 是遵循 W3C 规范使用盘古之白给文字增加呼吸感
  • 是使用专业、正式的语言保持学术活动严肃性
  • 是广泛使用 Markdown 格式增强文本可读性

但当这些良好习惯被 AI 习得，又反过来被人们用作区分 AI 的「特征」， 这只会最终驱逐真正优秀的文本，而这恰与我们识别 AI 的初衷背道而驰。

我由此呼吁，停止滥用统计学特征进行 AI 识别，无论使用算法或肉眼。 我们不能因为 AI 生成的东西「好」，就把「好东西」全部当成是 AI。 识别 AI 固然是刚需，但一竿子打翻一船人，对于倡导高质量文本无疑贻害更重！