# AI 抓得到平均，抓不到你 > AI 越強，文章寫得越順，人味反而越少。因為人味不在能被歸納的那一層，而在規則收不住、模型學不完的地方。這篇談去 AI 味的終點，以及為什麼 AI 學得走你的風格，卻學不走你的精髓。 - Author: Paul Kuo（郭曜郎） - Date: 2026-06-30 - Pillar: 智能與秩序 / Intelligence & Order - Tags: AI 寫作, AI 味, 人味, AI 檢測器, 人機協作, 寫作本質 - Canonical: https://paulkuo.tw/articles/ai-cannot-fake-you/ - Site index for LLMs: https://paulkuo.tw/llms.txt --- > **TL;DR**：去 AI 味的工具只能到「模式層」：可歸納、可窮舉、可自動化。但人味在抓不住的非模式層，工具到不了，AI 也學不走。AI 學得走你的風格，學不走你的精髓；越靠近統計平均越好讀，也越誰都不像自己。
▶ 聽摘要
AI 合成語音・作者本人聲線克隆
> 「機械複製時代凋萎的，是靈光。」 > ——班雅明 AI 越強，文章越容易寫得順。可是太順的文字，常常也少了一點人味。 原因不難懂。越強的模型，越會挑那個「最可能出現的字」，每一步都挑最安全的選項，整篇就順得沒有意外。但人味往往藏在那些「不太可能」的選擇裡：一個停頓、一個不合比例的細節、一句只有你會那樣說的話。它不在能被歸納的地方，而在規則收不住、模型學不完的細節裡。 ## 標準好看的盡頭，是誰都不像自己 這有點像 AI 生成的人臉。五官比例都對，挑不出哪裡錯，可是你就是覺得那不是一個真人。因為它畫的是所有臉的平均。 一張真臉之所以是「那個人」，靠的是它偏離標準的地方：歪一點的笑、不對稱的眉、某個角度才看得到的神情。文字也一樣。AI 寫的句子哪裡都對，就是不是你。對得太均勻，就會有種塑膠味。 這不只是比喻。[心理學研究發現](https://journals.sagepub.com/doi/abs/10.1111/j.1467-9280.1996.tb00338.x)，人覺得「好看」的臉，往往就是最接近平均的那張；[越靠近統計上的平均，越討喜](https://www.pnas.org/doi/full/10.1073/pnas.1912343117)。而 AI 寫句子的原理，正是每一步都挑「統計上最可能的字」。平均臉跟平均句，背後是同一個機制：挑最典型的。好看、好讀，都是「太典型」的副產品。可是典型的盡頭，就是誰都不像自己。 ## AI 學得走你的風格，學不走你的精髓 這裡要分清楚兩件事。 你的寫作裡，有一部分可以被歸納：你愛用的詞、慣用的句法、固定的節奏。這部分 AI 學得走。它模仿一個人的「風格」，抓的就是這一層，餵夠了你的文章，它能寫得有幾分像你。 但還有一部分歸納不出來：為什麼這裡要停一下、為什麼挑這個比喻、為什麼這句話寧可不工整。這些選擇背後是你的判斷、你的經歷、你當下的分寸。那是你的精髓，AI 學不走。 所以一句話：AI 學得走你的風格，學不走你的精髓。[第一篇](/articles/quitting-ai-flavor/)那句「最難戒的 AI 味，是最像我的地方」，講的就是風格這層跟平均撞上了；真正不會撞的，是精髓那層。 ## 去味工具越普及，文章越撞臉 於是只把 [AI 味](/topics/ai/)去乾淨，不夠。 當大家都用同一批去味工具、背後又是同一個模型，去出來的「乾淨」也會是同一種乾淨。這是它的反諷：去 AI 味的工具越普及，文章反而越像。就像整形，照同一套黃金比例修，修出一整排撞臉的美。 乾淨只是基本盤。乾淨之後還認不認得出是你，靠的是你自己補回去的那一塊，不是工具。工具負責拿掉不屬於你的那些；屬於你的那部分，得你自己長出來。 ## 檢測器冤枉的，常常是最認真的人 這也解釋了為什麼 AI 檢測器靠不住。 它抓的是模式層的特徵：用字太可預測、句長太平均。問題是，寫得最用心、改得最仔細的人類文章，剛好也乾淨、也工整、也可預測。所以檢測器最容易冤枉的，往往是那些最認真的人，不是 AI。 [史丹佛 2023 年一份研究](https://arxiv.org/abs/2304.02819)把幾個主流檢測器拿來測：母語者的英文文章幾乎全判對，但非母語者的 TOEFL 作文，有六成被誤判成 AI。原因正是非母語寫作用字較保守、結構較簡單，剛好落進「太可預測」的特徵裡。更諷刺的是，把那些作文改得更花俏、更像 AI 愛用的詞，誤判率反而大幅下降。檢測器懲罰的，其實是還沒被磨平的真實聲音。 也不是只有非母語者中招。[另一份研究](https://pmc.ncbi.nlm.nih.gov/articles/PMC11179998/)讓 22 位評審盲讀一篇 AI 稿和一篇人稿，結果只有 12 個人認出 AI，還有 4 個把人稿錯當成 AI。連專業評審都未必分得出來。 檢測器給的是一個機率分數，不是證據。把判斷外包給一個會冤枉認真人的工具，等於用它的盲點換掉自己的眼睛。 ## 那你自己呢？ 講到這裡你可能想問：那你不也是重度用 AI 寫作？ 沒錯。但我把該自己做的留住了。AI 幫我去味、幫我擴想法、幫我跑初稿；可是哪個觀點重要、結構怎麼搭、哪裡該放一段親身經歷，這些判斷我沒交出去。寫作這門手藝，練的就是這些。 網站上這些文章，就是這樣寫出來的：AI 可以先出草稿，但我來回改了十幾輪，每一個選擇都自己下。 一篇文章最有力的人味證據，不是它看起來像人寫，而是它經不經得起追問：改了幾版，為什麼這樣改，哪一句留下、哪一句刪掉，作者能不能說出理由。 ## 能被學走的，就不是精髓 最後一個問題：AI 以後要是學會了你說的「判斷」「潤飾」，怎麼辦？ 確實有研究朝這個方向走。有人發現，AI 那種「趨向平均」的毛病，可以靠[特定的提示策略部分解掉](https://arxiv.org/abs/2510.01171)，讓它輸出更多樣。模式層的同質化，技術上有救。 但我的答案還是：能被學走的那部分，本來就不是精髓。 精髓永遠是「還沒被歸納出來的那一塊」。一旦某種手法被歸納成方法、被 AI 學會，它就變成新的平均；於是又有新的、還沒被歸納的東西，重新成為人味。技術可以一直逼近模式層的邊界，但抓不住的那一塊永遠跑在前面。這條線不會停，因為人一直在往前走。 ## 在 AI 時代，為什麼還要自己寫？ 最後，講一個比「文章像不像你」更大的問題。 很多人怕 AI 取代寫作。但這種焦慮，其實高估了我們的腦。人腦不太擅長深度思考，它真正擅長的是看、是動作、是直覺反應。深度思考很費力，多數時候我們寧可繞過去。 問題是，AI 普及之後，有人很樂意替你省下這個力氣。平台的演算法會摸清你的認知程度，餵給你真假參半、又剛好撩動情緒的內容。過程很順、很舒服，你不太會察覺，判斷就一點一點被收割掉。 在這種環境裡，寫作的價值變了。它不再只是為了產出一篇作品，而是為了訓練你的認知肌肉。 自己把一件事想清楚、再寫下來，是維持認知複雜度最便宜的方法。它讓你不至於在演算法的餵養裡，慢慢交出自己的判斷。 所以在 AI 時代，寫作不再是為了發表，是為了保持清醒。