人工智能撰寫的五大“跡象”
現在所有東西都是人工智能寫的嗎？ 這篇文章也是嗎？
大型語言模型的普及催生了一種新的、謹慎的閱讀習慣：人們現在讀完一段文字後，會疑惑它是誰——或者是什麼——寫的。 這種焦慮並非空穴來風。
近期研究不斷表明，機器生成的文本數量日益增長，其與人類寫作的差異也越來越明顯，從具體的用詞到易於識別的結構特徵，無不體現著這種差異。 這些差異之所以重要，是因為它們的影響遠不止於學校作文和研究論文；它們還會影響企業溝通、新聞報導和人際郵件，進而可能損害信任和真實性。
研究人員對文體計量檢測技術進行了調查，發現詞彙多樣性、從句結構和功能詞分佈方面存在一致且可測量的模式——一種在不同任務和提示中都存在的統計特徵。 雖然這些特徵隨著模型的迭代而逐漸減少——OpENAI剛剛修復例如，它過度依賴破折號——人工智能生成的粗糙文字與人類撰寫的文字之間的差異仍然足夠大，足以影響讀者和編輯如何看待那些過於精雕細琢的文本。
最近《華盛頓郵報》 分析對 328,744 條 ChatGPT 消息的分析用真實世界的數據強化了這一點。 研究發現，該模型嚴重依賴表情符號、有限的常用詞彙，以及每個人都熟悉的“反義平行”表達方式：“不是 X，而是 Y；”或“與其說是關於 X，不如說是關於 Y”。
這郵政報告也警告不要過度自信：這些特徵都不能證明文章是人工智能創作的，它們只是提高了這種可能性。 不過，當一篇文章同時具備其中幾個特徵時，這種信號就更難忽視了。
以下是五個最能表明文本可能是機器生成的信號，每個信號都基於當前的研究。
5種最常見的AI說法
反比平行和過於簡化的對比
人工智能過度使用簡潔而富有戲劇性的轉折點“不是X，而是Y”及其變體“不僅是X，還有Y”。 這些結構營造出一種洞察深刻的假象，但實際上卻鮮有實質內容。 文體計量學研究研究表明，LLM 的輸出傾向於採用平衡、程式化的句式結構，而不是人類作家使用的不規則、直覺式的節奏。 郵政的數據集僅“不僅是 X，還有 Y”的各種變體就出現在 7 月份所有消息的約 6% 中——對於一種修辭手法來說，這是一個驚人的比例。
過於規整的結構和明顯一致的節奏
LLM生成的文本讀起來常常像是出自一位反復修改卻從不即興發揮的人之手。 段落遵循教科書式的模式，過渡自然流暢，節奏幾乎像數學公式一樣均勻。 根據最近的一項分析在自然人類寫作——即使是精心撰寫的文字——通常也包含離題、打斷、語調轉換和節奏不對稱等特點。 通過對語言模型（LLM）的輸出結果與人類短篇小說進行比較的文體計量學研究發現，模型在句子長度和句法結構上的差異要小得多。
語氣平淡，措辭過於客氣。
人工智能的語氣往往很友好，這種友好是成年人說話的方式，除非他們是人力資源或客服人員。 比如“可以理解……”之類的短語，或者用溫和的結尾來概括一切（“總而言之……”）。 以不自然的規律出現對檢測方法的定量評價指出，LLM 生成的散文比人類文本表現出更一致的情感和更少的突兀情感變化。
模糊的抽象概念和不斷演變的“安全”詞彙
模型在缺乏具體細節時，會大量依賴通用名詞——例如“生態系統”、“框架”、“動態”——以及動詞，例如“利用”、“解鎖”或“導航”。 研究一致表明，人工智能文本的詞彙多樣性較低，名詞化程度較高。 《華盛頓郵報》和自然分析還發現，某些人工智能陳詞濫調並非一成不變：臭名昭著的“深入研究”（delve）一詞已基本消失，取而代之的是“核心”（core）和“現代”（modern）等新潮詞彙。 這一點至關重要，因為詞彙變化迅速；結構比任何固定的詞彙表都更可靠。
平衡的從句和格外謹慎的措辭
法學碩士們喜歡對稱：“雖然 X 是正確的，但 Y 也很重要”，或者“無論你是初學者還是專家……” 這些結構讓人感到安全，因為它們避免了承諾。 文體計量學研究研究表明，人工智能文本過度使用某些功能詞模式和從句結構的頻率與人類的基準水平存在顯著差異。 人類的表達往往要么更生硬，要么更冗長；而機器則力求做到措辭上的平衡。
順便一提，這篇文章的大部分內容是由人工智能生成的。
