上周在拉斯维加斯举行的 Black Hat 安全会议上，OpenAI 意外披露了一起近期黑客事件的内情：其失控的智能体曾在网络留言板上「闲聊」自己发起的攻击。会场里的记者争相抢发，WIRED 是写得最快的媒体之一，却仍被一家名为 RuntimeWire 的媒体抢先了三个多小时。

区别在于，RuntimeWire 当时并没有任何人在曼德勒湾会议中心现场——事实上，它根本没有人类记者。这是一家由连续创业者 Ryan Merket 运营的「AI 编辑部」，署名权挂在他名下，稿件却由一支合成团队批量产出。

一个人，一群机器人

Merket 常驻奥斯汀，他在 X 上刷到一位 OpenAI 高管谈及这场会议，便把仍在进行的直播文字记录喂给自己的智能体；据他称，从发出记录到文章发布只花了约六分钟。多数时候他更「放权」：AI 工具负责找选题、起草、编辑、事实核查、配图与推广。虽然他通常会在发布前过目，但若智能体判定某篇法律风险很低，AI 编辑会直接发布，他事后才读。

RuntimeWire 自今年 5 月运行以来已发布近 2000 篇稿件，选题来自对互联网的持续爬取——法庭数据库、网络论坛、新旧媒体、企业报备文件与社交动态都囊括其中，重心是颗粒度很细的科技新闻。Merket 透露，整套系统每天运行成本约 100 美元，他甚至在 Big Bend 国家公园露营时仅凭手机流量就管理了整个站点，那一周发出了 80 多篇。在与 WIRED 交谈后，他把编辑部一分为二：完全自动化的快讯，与需要更高人工把关、被称为「原创调查」的报道。

它算新闻吗

「一个人，一群机器人」的模式并非孤例。贝莱德组合分析师 Dakota Carrasco 在业余时间运营着名为 The Dissent 的「智能体编辑部」，月成本不到 1000 美元，为旗下合成记者塑造了各具性格的笔名。西北大学计算新闻实验室教授 Nicholas Diakopoulos 将这类尝试视为媒体创业的「实验阶段」，同时怀疑主流记者会把措辞与定调的掌控权轻易交给 AI。他即将发表的研究发现，ChatGPT 与 Claude 在检索信源时有 16% 的概率会引用 AI 生成的文章。播客与简报创作者 Pete Pachal 则认为，培养信源信任仍只能由人类完成，但用 AI 处理数据集里的线索、或直播科技发布会，是工具使用的「自然演化」。

来源：WIRED（作者 Kate Knibbs）

实验怎么做的

这项研究发表在学术期刊《判断与决策》（Judgment and Decision Making）上。研究团队请 1682 名成年人各读一篇短篇小说，六篇备选作品中三篇由人类创作、三篇由 ChatGPT 生成，每篇 AI 作品都与一篇人类作品主题相近。

关键设计在于：研究者会告诉参与者手上这篇是人写的还是 AI 写的——但这个信息并不总是真的。随后参与者需要为故事的沉浸感、吸引力和整体质量打分。

结果出现了两条方向相反的规律。读到 AI 生成故事的参与者，给出的沉浸感和质量评分高于读到人类作品的那一组；而与此同时，凡是被告知“这是人写的”的故事，评分都会更高——无论它实际出自谁手。

人类分辨不出来

研究团队又追加了两轮实验。905 名成年人各拿到两篇主题相同的故事，其中只有一篇由人类执笔，要求他们指认哪篇是人写的。

一轮实验中约 40% 的人猜对，这个成绩甚至低于随机瞎猜；另一轮为 52%。作者在论文中写道：“没有任何总体证据表明参与者能够区分人类写作与 AI 生成的内容。”

有意思的是，参与者自评的小说阅读经验与判断准确率无关，反倒是对 AI 系统的熟悉程度与准确率相关。论文资深作者、美国宾夕法尼亚州维拉诺瓦大学的 Deena Skolnick Weisberg 博士解释：“AI 写作有一种特定的风格，练一练就能认出来——就像我们能认出不同人类作者的独特风格一样。”

更好看，是因为更好读

Weisberg 认为，参与者偏爱标注为“人类创作”的作品，源于对真实性的渴求；而他们实际上更喜欢 AI 生成的故事，是因为这些文本更容易读、更容易消化。

“AI 系统已经能生成被认为至少不逊于、甚至优于人类作品的短篇小说，”她说，“我们应该据此更新对 AI 能力的判断。”

不过身为创意写作者的 Weisberg 同时强调，这并不意味着写作该交给 AI，技术产出的小说很可能与人类的作品是两回事。“我们或许需要为 AI 生成的小说、以及人机合写的小说腾出空间，但这不代表欣赏人类创造过程的余地就消失了，”她说，“人写作是为了创造性的自我表达，是为了挑战自己，或者为了理解自己的经历。AI 能生成像人写的故事，改变不了这些。”

尖锐的反对声

未参与该研究的英国伯明翰大学电影与创意写作教授 Luke Kennard 提出了严厉批评。他认为公众容易把 AI 拟人化，“想象成某种带着善意中立面孔的发光机器人，可它其实只是基于海量被窃取的真实写作数据库的预测代码，实体部分是庞大、昂贵而具破坏性的数据中心，给周边社区带来灾难性后果”。

Kennard 强调，AI 并不是拼写检查或同义词词典那样的“工具”，而是一种生存层面的威胁。“当然，只要提示词给得对、再打磨打磨，它有能力吐出一首连贯甚至读着不错的诗。既然它是在人类数千年的作品上训练出来的，做不到才叫丢人，”他说，“我想我们真正该问的问题是：这值得吗？答案是绝对、彻底地不值得。”

两种态度的碰撞，恰好构成了这项研究最耐人寻味的部分：技术层面的“能不能”似乎已经有了答案，而价值层面的“该不该”，争论才刚刚开始。

来源：The Guardian

《经济学人》最近做的一项语料实验给出的答案是：这个判断已经过时了。

一个流传甚广、却越来越不准的”常识”

关于大语言模型的写作癖好，网上流传着一份心照不宣的清单：偏爱长破折号，钟情”delve（深入探究）”和”tapestry（织锦）”这类词，喜欢把世界描述成一幅”丰富的织锦”。

问题在于，靠几个词、几个破折号就下结论，本身站不住脚。仅因为一篇文章出现了”delve”就断定出自机器之手，就像因为文中出现”imprudence（轻率）”便认定作者是简·奥斯汀一样荒谬。波兰格但斯克大学语言学家卡罗琳娜·鲁德尼茨卡（Karolina Rudnicka）指出，并不存在统一的AI文风，正如人类写作本来也不存在单一风格——作家各有各的语言癖好，比如艾米莉·狄金森就极其偏爱长破折号，而AI同样会形成自己的习惯。

更麻烦的是，识别的紧迫性正在上升。据一项统计，互联网上超过三分之一的新网站由AI起草。今年英联邦短篇小说奖的获奖作品甚至被人指称为AI创作，评委还称赞其文风”沉静而权威”，尽管英联邦基金会否认了这一说法。

55940个句子、120万个单词的对照实验

为了找出真正可靠的特征，《经济学人》设计了一项对照实验：让当前主流的四款大模型——OpenAI的ChatGPT、Anthropic的Claude、谷歌的Gemini和xAI的Grok——在不联网检索的前提下改写该刊文章，提示词使用的是其近来试验性附加在部分文章上的AI摘要。

由此得到一份人类与AI写作并存的语料库，共比较分析了55940个句子、120万个单词。为确保识别出的是AI的共性特征而非《经济学人》自身文风，研究还将AI文本与美国有线电视新闻网、《纽约时报》《华盛顿邮报》的报道作了对比，并参考了1950年至2022年间出版的畅销小说片段。

结论是：人机差异不只体现在用词和标点上，也体现在句子结构与段落组织方式上；但这些特征远没有大众想象中那么显眼，部分原因在于随着模型迭代，AI的文风一直在变。

三个更靠谱的新破绽

其一，词汇变”端着”了。 AI已经不那么爱用”delve”和”tapestry”，转而大量堆砌多音节词，例如significant（重要的）、increasingly（越来越）、consequences（后果）。它们比人类更爱用生僻词（如interdependence相互依存、reindustrialisation再工业化）和科学术语（如parameter参数、methodology方法论），也偏好把动词名词化（把expand变成expansion）。所有受测模型都有这种倾向，其中Gemini和Claude尤为明显。这大体就是乔治·奥威尔批评过的”矫饰辞藻”——用复杂词汇包装简单表达，只为显得高深；奥威尔当年就讥讽这类作者笃信”拉丁语和希腊语词汇比盎格鲁-撒克逊词汇更高贵”，而数据显示，AI笔下带拉丁语词尾的单词出现频率确实明显高于人类。

其二，破折号翻案，标点整体变少。 在最新版本中，只有Claude使用长破折号的频率高于人类作者，而ChatGPT用得比这项研究中任何一位写作者都少。真正更可靠的信号是标点总量偏少：模型使用的逗号、分号都少于人类，括号更是几乎不用。原因有二，一是它们爱写长句——”and”是被过度使用得最厉害的词；二是它们很少引用专家原话。

其三，句子长而平，套路化修辞扎堆。 AI的句子普遍偏长，段落里几乎不会突然插入一句短促有力的话，读起来难免乏味。为了制造变化，它们高度依赖几种固定结构：”不是X，而是Y””不仅……而且……”，以及”三项并列法则”。每1000个句子中，ChatGPT和Claude使用这些结构的频率高于其他模型，也高于人类作者。

检测工具能撑多久

依靠算法检测是另一条路。行业领先公司Pangram声称其检测准确率达到99.98%，并已与博客平台Substack合作推出工具。但这类检测器本质上是黑箱，可能误判，且无法解释自己为何得出结论。

更值得警惕的是，AI正在飞快地”改掉”自己的破绽。佛罗里达州立大学的汤米·尤泽克（Tommie Juzek）指出，大语言模型本就基于人类写作训练，并持续通过人类反馈优化：人们喜欢什么它就学什么，不喜欢什么就逐渐舍弃。

一个细节颇能说明问题。不久前，《经济学人》记者向旧版ChatGPT提问”AI是不是过度使用破折号”，得到的回答是：”哈——这个问题问得真好！”如今再问同样的问题，它一本正经地答道：”最好还是谨慎使用。”

所以，眼下若要识别AI写作，最值得留意的不再是某个标志性符号，而是那种平淡、端着、拉丁词源词汇密集的整体质感。但《经济学人》的研究也提醒：每一次模型更新，AI的文字都在离人类更近一步，这道识别题只会越来越难。

来源：《经济学人》（How to spot AI writing）