你討厭的不是AI垃圾內容

在2026年的今天，我們幾乎都能一眼識破垃圾郵件，也能迅速發現伴侶用AI寫的郵件。甚至，對於會計或上司的上司發來的AI生成內容，我們也能察覺，併為此感到憤怒。人人都討厭AI垃圾內容——但事實真的如此嗎？

2024年11月發表在《科學報告》上的一項研究（想象一下那些古早的模型！）顯示，波特（Porter）和馬赫裏（Machery）發現，人們更傾向於將AI創作的詩視為人類所作，而非真正的人類詩作。2023年，賈克施（Jakesch）、漢考克（Hancock）和納曼（Naaman）在六項實驗中發現，人們根本無法區分AI垃圾內容和人類內容。

那麼，人們究竟討厭什麼？如果不是內容本身（因為無法區分），那一定是“由AI製作”的標籤。在朱（Zhu）等人2025年7月的一項研究中，參與者無法辨別AI和人類生成的內容，但一旦被告知，他們明確表示更喜歡標有“人類生成”的內容。

儘管有這些證據表明人們實際上無法分辨，但我曾因發送包含LLM生成內容的郵件或文檔而被指責。有一次，一位與我密切合作的同事問我：“西達爾特，這是AI寫的嗎？”在2026年，這幾乎等同於説“這聽起來不像你”。

原因在於，人類從來就不是AI檢測器（我們怎麼可能成為？LLM正是用我們的語言訓練出來的！）。我們是“人”的檢測器。當你對一個人有足夠多的瞭解，你就會無意識地建立起一個關於他們説話方式的模型。這個模型由樣本構成——每一封郵件、每一條短信、每一次爭論。當某樣東西與模型不符時，我們的大腦就會警鈴大作。

這感覺像是造假。但不同的是，我沒有偽造任何人，而那個“偽造”我的LLM是由我指揮的。偽造的不是我這個人，而是我的存在感。不妨稱之為“存在感偽造”。這才是讓人感到不適的原因。

那些研究之所以沒有發現這一點，是因為它們都設計為基於陌生人的文本。但你不瞭解陌生人，所以無法檢測出偽造。結果只是“人類陌生人”與“LLM陌生人”的比較。

這也解釋了為什麼沒人介意代筆。政客的演講稿或CEO的備忘錄在嚴格意義上也是一種偽造，但你從未見過那位參議員。你沒有任何關於他們説話方式的先驗知識，偽造得以矇混過關，因為根本不存在需要偽造的存在感。現在想象一下，你發現母親寫給你的那封人生建議信竟是代筆的。

有一個例外：人們真正能識別LLM寫作的地方，是專家閲讀自己的專業領域。查克拉巴蒂（Chakrabarty）等人在2025年發現，雖然普通讀者無法區分AI和人類文本，但接受過MFA訓練的作家卻能識別，並且對AI的評價遠低於人類。

我能理解原因。在與ChatGPT或Claude聊天時，它經常會説出乍看合理甚至精妙的話語，但兩秒鐘後就暴露了內容的空洞。這就像一塊假勞力士錶：擺在櫃枱上靜止不動時完美無缺，只有當你觀察秒針的跳動方式時，才會發現問題。這不是風格的問題，而是思維缺失的問題。

因此，當我們試圖檢測陌生人的LLM生成內容時，我們看不出什麼。但當內容來自了解我們的人時，就像大拇指上的傷疤一樣顯眼。

不過，如果LLM足夠優秀，情況就不同了。在查克拉巴蒂的同一項研究中，當模型針對特定作者進行微調後，以該作者風格生成的文本更頻繁地騙過了MFA作家的鑑別，被標記為AI的比例僅為3%，而普通提示生成的文本為97%。要繞過鑑別器，我們需要與鑑別器相同的東西——樣本。而這些樣本正是人際關係本身。

然而，成功的偽造並不代表被原諒，只是未被發現。20世紀30年代，漢·凡·米格倫（Han van Meegeren）偽造的維米爾畫作被譽為最傑出的維米爾作品，直到他坦白後，這些畫作變得一文不值——畫面上的顏料沒變，但觀感從卓越變成了令人噁心。畫布本身並未透露任何信息。這些畫作只有在凡·米格倫承認後才是偽造品。這就是為什麼標籤如此重要：當物體本身已不再能自我揭示時，人們便依賴標籤。

我的同事之所以能看出我用了LLM生成的文字，是因為樣本量——他有十年的會議、郵件、Slack消息和文檔來了解我。這恰恰也是訓練模型使之聽起來像我所需要的數據。

親密關係就是大量的樣本。

檢測與偽造同飲一井水。與我親近的人更擅長檢測我，但他們只對我説話方式有一個粗略的印象。而模型可以完美地記住所有細節，並且隨着性能提升，它能越來越精確。因此，隨着LLM變得更親密，開始真正像我們一樣説話，我們也能騙過朋友的檢測。但我們是否應該這樣做？

值得注意的是，凡·米格倫從未被真正抓獲。他坦白只是為了在戰後荷蘭免於另一項指控——與納粹合作——而對偽造品的厭惡加上對納粹的厭惡，反而使他成了英雄。兩種厭惡變成了一種喜愛。