北京
Substack本周上线了一个AI检测功能。现在，平台上超过100字的帖子、笔记和评论，都可以通过Pangram扫描，判断其中“读起来像人写的”和“像AI生成的”各占多少比例。创始人Chris Best在发布文章里这样定位这件事：平台不是在禁止使用AI，而是把信息呈现出来，给读者一个选择权。
但有个前提值得留意。Pangram自己的数据已经把Substack标记为它所扫描的平台里最“干净”的一个，AI内容占比远低于LinkedIn这类地方。也就是说，他们在一个底子最清白的地方，推出了透明化工具。
看到这个消息的时候，我几乎能立刻预见到接下来会发生什么。因为类似的剧情，我已经在一个更小的尺度上经历过一次——只不过当时对线的不是一套平台集成的算法，而是一个活人。
几个月前，我在开发者社区DEV.to上一天之内被两次标记。动手的不是什么后台悄悄打分的机器人，而是一位具体的社区成员。他逐篇阅读文章，用GPTZero跑一遍，然后贴出一条和粗放式分类器如出一辙的提醒消息，在系统里叫作“Sloan”的审核警告。
那两篇被标记的文章，恰好是我全年发布的内容里引发最多技术讨论的。段落很短，数据点有名字，反问句不是什么装饰品——每个都在论证中起了实打实的作用。而让观点真正立住脚的这些特征，在那些调过参数、对“AI痕迹”高度敏感的人看来，却也是“AI味”最浓的特征——无论判断者是人，还是模型。
写差一点，反而更像真人。写得好，就会被标记。
那个话题还揭开了一个当时没人能给出干净答案的问题：这套规则会制造一种“诚实反噬”的激励结构。两篇质量相同、都借助了AI辅助的稿子，坦白标注的那篇会被揪住，因为当你在文本里明确说了“我用了AI”，就等于给检测系统递了抓手。而不做任何披露的另一篇，却可以安然滑过。系统最终抓住的不是AI使用本身，而是“透明”这一行为。
再然后是Marco出现在评论区。四十年技术经验，用第二语言写作，日常要依赖AI来避免自己的意大利语底层思维把英文掰得过硬，走形。同样的Sloan消息，同样的分类器判决。整件事跟平台定这套政策时所想象的“典型违规者”毫无关系。
当然，Pangram是一个真正经过工程打磨的分类器，和某个人在文章之间随手跑GPTZero不一样。它采用了硬负样本挖掘，主动抓取自己的误判案例回来重新学习，同时让训练数据刻意镜像化，避免简单把“正式语言”和“AI写作”画上等号。就技术严谨性而言，不得不承认，这比一个独自操刀的社区成员要高出几个量级。
但Pangram继承了一个和Sloan完全相同的结构性问题，因为它回答的始终是同一个狭窄的提问：这段文本“看起来像不像AI生成的”——而不是“这背后是否有人类在思考”。Chris Best自己那篇发布贴也承认了这一点。Pangram无法判断作品是否注入了心血，只能判断其中的句子模式和机器输出的模式是否高度匹配。
这个缺口，正是Marco会出现在框里的原因。历史上那些没有刻意对数据进行镜像校正的检测器，已经被反复证实会系统性地误伤非母语写作者。一个人在脑子翻译过一遍再落笔，那种谨慎、正式的表达，恰好和AI输出以及语言学习者的产出在表层特征上高度重合。这个问题大到什么程度？部分主流大学已禁止教师在任何评估中使用AI检测工具。Pangram宣称它的镜像提示方法能修复这个偏差。也许吧。目前能看到的大部分数据倾向于支持它确实在努力，但针对非母语写作者的公平性，还需要更充分的独立验证。
说到底，如果一套衡量“AI形”的工具上线，首先受到挤压的恰恰是那些愿意公开自己使用方式、在表达上下了额外功夫的人——包括把AI当成语言支架的多语写作者，以及愿意为读者多花几步编辑工夫的作者——那它对整个生态带来的，到底是透明度，还是反向筛选？这是一道目前没有正解的问题，但不妨碍它已经被摆上了台面。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
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.
