AI 寫作的「機器味」從哪來？a16z：別再糾結是不是 AI 寫的，問題是文章好不好
生成式 AI 普及後，「這篇文章是不是 AI 寫的？」幾乎成為網路內容的新型態質疑。但矽谷創投 a16z 旗下 a16z crypto 認為，這可能從一開始就問錯問題。
(你讀的電子報都是 AI 寫的？Substack 推出 AI 偵測工具，對抗「Claudefishing」假人類創作)
a16z crypto 近日分享文章《The habits of AI writing, and what to do about them》，討論人們熟悉的「AI 味」究竟從何而來。
廣告 - 內文未完請往下捲動
許多被歸咎於 AI 的寫作問題，其實早在人類開始使用大型語言模型以前就存在，AI 只是把這些壞習慣大規模複製、放大。
因此，比起追問文章究竟有多少比例由 AI 生成，更值得問的是：文章有沒有把事情講清楚？資訊是否可信？有沒有真正替讀者提供價值？
所謂「AI 味」，其實很多都是人類原本的壞習慣
現在讀到一篇文章時，人們很容易從某些特徵判斷「這看起來像 ChatGPT 寫的」。
例如大量使用看似深刻、實際上沒有太多資訊的句子、充斥企業簡報式的套話、每件事情都被拆成工整的三點、文章有完整架構，卻找不到作者自己的聲音，或者反覆出現高度相似的標點與句型。
a16z crypto 將這些問題大致歸納為幾種類型，包括「偽深刻」（pseudo-profound）的表達、過度通用的語言、過度結構化、缺乏個人聲音，以及重複的標點與句型。
但問題在於，這些毛病並不是 AI 發明的。
企業公關稿、顧問報告、學術文章甚至新聞稿，早就充滿類似問題。大型語言模型只是從大量人類文字中學習，再把最常見、最安全、最容易預測的表達方式重新組合出來。
換句話說，很多人討厭的「AI 味」，某種程度上其實是人類平庸寫作的平均值。
與其抓 AI，不如把「AI 味」當成寫作錯誤清單
這也讓「AI Detection」出現另一個值得思考的角度。
與其把某些特徵當成判斷文章究竟是不是 AI 生成的證據，不如把它們視為一套「壞文章分類學」。
當文章出現大量模糊形容詞，就要求作者加入具體的人、數字、事件與例子。當段落看似完整卻沒有觀點，就追問作者真正想說什麼。
當每個段落都長得一模一樣，就重新調整節奏。當一句話換成任何產業都成立，那它很可能根本沒有提供多少資訊。
好文章的關鍵不是「沒有 AI」，而是足夠具體
a16z crypto 認為，真正重要的方向是維持寫作的 specificity（具體性）與 authenticity（真實性）。
這也意味著 AI 不一定應該被排除在寫作流程之外。
相反地，AI 可以用來檢查哪些段落太空泛、哪些句子可以刪掉、文章結構是否混亂，甚至協助作者找出自己反覆使用的套話。
真正不適合完全外包給 AI 的，是作者自己的判斷。例如「為什麼這件事值得寫」、「哪個細節最重要」、「我不同意市場的哪個觀點」，以及「哪些資訊值得讀者花時間看完」，這些才構成文章真正的差異。
如果作者連這些判斷都交給模型，那麼即使文章文法完全正確、架構非常漂亮，最後仍可能只得到一篇「沒有錯，但也沒有什麼值得記住」的內容。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
