AI能模仿我的文字時,我還能用什麼方式,讓讀者知道我為這篇文章做了選擇、查過資料,也願意負責?

一、我想保留的,不只是一種文風

原稿的題目是「AI抓得到平均,抓不到你」。現在看來,這個說法把我對寫作的期待,寫成了對AI能力的保證。

我仍在意一篇文章是否像自己寫的。但「像自己」不能只靠幾個口頭禪、長短句或不規則的節奏來辨認。這些表面特徵可以被模仿,也會隨著自己的寫作改變。

我更想留下的是:為什麼挑這個問題,哪些資料讓我改變想法,哪個說法我最後沒有採用。這些是我要求自己交代的選擇,不是宣告機器永遠學不到的祕密。

二、「平均臉」只能當比喻

原稿曾把AI生成的人像與文章都稱為「平均」,再從這個印象解釋它為什麼缺少個人特色。這條推論走得太遠。

我覺得某些生成結果相似,是一種觀看與閱讀感受;它不能證明影像一定由所有人的臉取平均而成,也不能證明文字生成每一步都只選機率最高的字。更不能因此推定,模型能力越強,結果必然越沒有個性。

我可以保留「平均」這個比喻來描述自己不喜歡的成品,但若要談生成機制,就需要另一套證據。本文不再用這個比喻當作技術解釋。

三、風格可以學,選擇仍要有人核對

我不再把「能被模仿的是風格,不能被模仿的才是本質」當成論證。這樣的定義,無論AI做到了什麼,都可以把它排除在本質之外,卻沒有真正回答問題。

對我而言,比較實際的界線是:一段話即使很像我,也可能引用錯資料、補出沒發生的經驗,或替我說出不願承擔的承諾。讀起來自然,還不足以讓我署名。

如果一直接受相同的模板、開場與修改建議,我的文章可能越來越像那套模板。這是需要注意的工作習慣,不是所有AI工具必然把所有作者變成一樣的定律。AI也可以協助提出不同寫法;最後要保留哪一種,仍需回到文章的意思與讀者需要。

四、偵測分數不能單獨認定作者

能不能靠AI偵測器判斷一篇文章是誰寫的?我會先問:那個工具在什麼語言、資料與版本下測過,分數代表什麼?不能看到一個百分比,就直接把它當成某人使用AI的確定機率。

Liang等人在2023年的研究,測試七種當時的偵測工具,使用91篇人寫的TOEFL英文作文與88篇美國八年級作文,發現前一組有明顯誤判。這是特定歷史工具與英文樣本的結果,提醒我們留意誤傷,不能直接當成所有現行工具或中文文章的錯誤率。

因此,我不建議只憑單一偵測結果,就認定一個人作弊或冒名。若涉及評分、聘用或公開指控,還應核對適用規則、寫作過程與其他證據,讓當事人有說明的機會。這是我的實務建議,不是在宣告所有場合都有同一條法律禁令。

五、追問寫作過程,比猜「AI味」有用

如果有人問我一篇文章怎麼寫成,我希望能談清楚選題、資料、修正與取捨。這比「你覺得像不像AI」更接近我在意的問題。

不過,能回答追問或拿出草稿,也不是辨識人類作者的萬無一失方法。我不把它當作新的驗真儀式,而是提供理解一篇文章的脈絡。

同樣地,我不能用一句「每篇都改了十幾輪」,替所有歷史文章的產製過程背書。更值得做的是,在需要時說明這篇的來源、工具協助與自己實際核對了什麼。這是寫作責任,不是比誰完全不用工具。

六、署名前,我想再問四件事

我會把注意力放回這篇文章,而不是努力證明一種永遠無法模仿的本質:

  • 我為什麼選這個問題與例子,哪些只是修辭或個人感受?
  • 重要事實與引語核對到哪裡,哪些經驗不能替他人或歷史版本保證?
  • 我採用或放棄哪些工具建議,理由是否回到文章意思與讀者需要?
  • 署名後誰回應質疑、改正錯誤,並說清楚仍不知道的事?

這是作者的寫作檢查,不是人類身分的辨識測驗,也不保證文章不會被模仿或誤判。

寫作對我而言,是練習把判斷留在自己手上。AI可以協助,也可能模仿得很像;我仍需要知道自己為什麼接受這句話,以及它出錯時,我準備怎麼處理。

四格漫畫:AI能模仿我的文字時,我還能用什麼方式,讓讀者知道我為這篇文章做了選擇、查過資料,也願意負責?我為什麼選這個問題與例子,哪些只是修辭或個人感受?重要事實與引語核對到哪裡,哪些經驗不能替他人或歷史版本保證?我採用或放棄哪些工具建議,理由是否回到文章意思與讀者需要?署名後誰回應質疑、改正錯誤,並說清楚仍不知道的事?這是作者的寫作檢查,不是人類身分的辨識測驗,也不保證文章不會被模仿或誤判。

資料來源與閱讀界線(查核至2026年11月4日)

  1. Liang等,GPT detectors are biased against non-native English writers,arXiv v3,2023年7月10日;閱讀摘要、Results與Discussion。研究的工具、英文作文樣本與誤判情境有範圍,不能外推成所有偵測器、語言或未來版本的表現。
  2. 生成成品相似、個人文風與寫作價值是作者觀察和主張,未重新進行人像生成或作者辨識實驗,也未核對全部歷史文章的修訂次數。

修訂說明:本版撤下平均臉與最高機率的生成機制推論、不可模仿的能力保證、未充分核對的引語及醫學辨識例子,保留對偵測誤傷的提醒與作者對取捨、核對及改錯的責任。