# AI 抓得到平均，抓不到你 > AI 越强，文章写得越顺，人味反而越少。因为人味不在能被归纳的那一层，而在规则收不住、模型学不完的地方。这篇谈去 AI 味的终点，以及为什么 AI 学得走你的风格，却学不走你的精髓。 - Author: Paul Kuo（郭曜郎） - Date: 2026-06-30 - Pillar: 智能与秩序 / Intelligence & Order - Tags: AI 写作, AI 味, 人味, AI 检测器, 人机协作, 写作本质 - Canonical: https://paulkuo.tw/zh-cn/articles/ai-cannot-fake-you/ - Language: Simplified Chinese (简体中文) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/ai-cannot-fake-you.md - Site index for LLMs: https://paulkuo.tw/llms.txt --- > **TL;DR**：去 AI 味的工具只能到「模式层」：可归纳、可穷举、可自动化。但人味在抓不住的非模式层，工具到不了，AI 也学不走。AI 学得走你的风格，学不走你的精髓；越靠近统计平均越好读，也越谁都不像自己。
▶ 听摘要
AI 合成语音・作者本人声线克隆
> 「机械复制时代凋萎的，是灵光。」 > 班雅明 AI 越强，文章越容易写得顺。可是太顺的文字，常常也少了一点人味。 原因不难懂。越强的模型，越会挑那个「最可能出现的字」，每一步都挑最安全的选项，整篇就顺得没有意外。但人味往往藏在那些「不太可能」的选择里：一个停顿、一个不合比例的细节、一句只有你会那样说的话。它不在能被归纳的地方，而在规则收不住、模型学不完的细节里。 ## 标准好看的尽头，是谁都不像自己 这有点像 AI 生成的人脸。五官比例都对，挑不出哪里错，可是你就是觉得那不是一个真人。因为它画的是所有脸的平均。 一张真脸之所以是「那个人」，靠的是它偏离标准的地方：歪一点的笑、不对称的眉、某个角度才看得到的神情。文字也一样。AI 写的句子哪里都对，就是不是你。对得太均匀，就会有种塑料味。 这不只是比喻。[心理学研究发现](https://journals.sagepub.com/doi/abs/10.1111/j.1467-9280.1996.tb00338.x)，人觉得「好看」的脸，往往就是最接近平均的那张；[越靠近统计上的平均，越讨喜](https://www.pnas.org/doi/full/10.1073/pnas.1912343117)。而 AI 写句子的原理，正是每一步都挑「统计上最可能的字」。平均脸跟平均句，背后是同一个机制：挑最典型的。好看、好读，都是「太典型」的副产品。可是典型的尽头，就是谁都不像自己。 ## AI 学得走你的风格，学不走你的精髓 这里要分清楚两件事。 你的写作里，有一部分可以被归纳：你爱用的词、惯用的句法、固定的节奏。这部分 AI 学得走。它模仿一个人的「风格」，抓的就是这一层，喂够了你的文章，它能写得有几分像你。 但还有一部分归纳不出来：为什么这里要停一下、为什么挑这个比喻、为什么这句话宁可不工整。这些选择背后是你的判断、你的经历、你当下的分寸。那是你的精髓，AI 学不走。 所以一句话：AI 学得走你的风格，学不走你的精髓。[第一篇](/zh-cn/articles/quitting-ai-flavor/)那句「最难戒的 AI 味，是最像我的地方」，讲的就是风格这层跟平均撞上了；真正不会撞的，是精髓那层。 ## 去味工具越普及，文章越撞脸 于是只把 [AI 味](/zh-cn/topics/ai/)去干净，不够。 当大家都用同一批去味工具、背后又是同一个模型，去出来的「干净」也会是同一种干净。这是它的反讽：去 AI 味的工具越普及，文章反而越像。就像整形，照同一套黄金比例修，修出一整排撞脸的美。 干净只是基本盘。干净之后还认不认得出是你，靠的是你自己补回去的那一块，不是工具。工具负责拿掉不属于你的那些；属于你的那部分，得你自己长出来。 ## 检测器冤枉的，常常是最认真的人 这也解释了为什么 AI 检测器靠不住。 它抓的是模式层的特征：用字太可预测、句长太平均。问题是，写得最用心、改得最仔细的人类文章，刚好也干净、也工整、也可预测。所以检测器最容易冤枉的，往往是那些最认真的人，不是 AI。 [斯坦福 2023 年一份研究](https://arxiv.org/abs/2304.02819)把几个主流检测器拿来测：母语者的英文文章几乎全判对，但非母语者的 TOEFL 作文，有六成被误判成 AI。原因正是非母语写作用字较保守、结构较简单，刚好落进「太可预测」的特征里。更讽刺的是，把那些作文改得更花哨、更像 AI 爱用的词，误判率反而大幅下降。检测器惩罚的，其实是还没被磨平的真实声音。 也不是只有非母语者中招。[另一份研究](https://pmc.ncbi.nlm.nih.gov/articles/PMC11179998/)让 22 位评审盲读一篇 AI 稿和一篇人稿，结果只有 12 个人认出 AI，还有 4 个把人稿错当成 AI。连专业评审都未必分得出来。 检测器给的是一个概率分数，不是证据。把判断外包给一个会冤枉认真人的工具，等于用它的盲点换掉自己的眼睛。 ## 那你自己呢？ 讲到这里你可能想问：那你不也是重度用 AI 写作？ 没错。但我把该自己做的留住了。AI 帮我去味、帮我扩想法、帮我跑初稿；可是哪个观点重要、结构怎么搭、哪里该放一段亲身经历，这些判断我没交出去。写作这门手艺，练的就是这些。 网站上这些文章，就是这样写出来的：AI 可以先出草稿，但我来回改了十几轮，每一个选择都自己下。 一篇文章最有力的人味证据，不是它看起来像人写，而是它经不经得起追问：改了几版，为什么这样改，哪一句留下、哪一句删掉，作者能不能说出理由。 ## 能被学走的，就不是精髓 最后一个问题：AI 以后要是学会了你说的「判断」「润饰」，怎么办？ 确实有研究朝这个方向走。有人发现，AI 那种「趋向平均」的毛病，可以靠[特定的提示策略部分解掉](https://arxiv.org/abs/2510.01171)，让它输出更多样。模式层的同质化，技术上有救。 但我的答案还是：能被学走的那部分，本来就不是精髓。 精髓永远是「还没被归纳出来的那一块」。一旦某种手法被归纳成方法、被 AI 学会，它就变成新的平均；于是又有新的、还没被归纳的东西，重新成为人味。技术可以一直逼近模式层的边界，但抓不住的那一块永远跑在前面。这条线不会停，因为人一直在往前走。 ## 在 AI 时代，为什么还要自己写？ 最后，讲一个比「文章像不像你」更大的问题。 很多人怕 AI 取代写作。但这种焦虑，其实高估了我们的脑。人脑不太擅长深度思考，它真正擅长的是看、是动作、是直觉反应。深度思考很费力，多数时候我们宁可绕过去。 问题是，AI 普及之后，有人很乐意替你省下这个力气。平台的算法会摸清你的认知程度，喂给你真假参半、又刚好撩动情绪的内容。过程很顺、很舒服，你不太会察觉，判断就一点一点被收割掉。 在这种环境里，写作的价值变了。它不再只是为了产出一篇作品，而是为了训练你的认知肌肉。 自己把一件事想清楚、再写下来，是维持认知复杂度最便宜的方法。它让你不至于在算法的喂养里，慢慢交出自己的判断。 所以在 AI 时代，写作不再是为了发表，是为了保持清醒。