AI越來越像人，于是人類開始被迫證明自己不是AI。

僅僅在本月，文學圈就發生了兩件事。

一件，是英聯邦短篇小說獎的一篇獲獎作品，被第三方AI檢測工具判定為“100%AI生成”。主辦方用Claude復核，卻沒有得到相似的結果。

另一件，是諾貝爾文學獎得主的新小說還沒發布，就被質疑是用AI寫的。

AI越來越強，文本、圖像和視頻都越來越難靠肉眼分辨。但與此同時，人類手里的判斷工具卻并沒有同樣可靠。

于是，一種新的秩序出現了。

文學獎獲獎者要解釋自己的作品，諾獎作家要解釋自己的創作方式，畫師要錄屏、開直播、展示圖層，普通博主也可能被評論區質疑“AI味太重”。

過去是機器努力通過圖靈測試，證明自己像人。

現在，越來越多人開始參加一場反向圖靈測試：證明自己不是機器。

01

諾貝爾文學獎得主都逃不過“鑒AI”

今年5月，英聯邦短篇小說獎的一篇獲獎作品，引發了一場大型“鑒AI”爭議。

引發爭議的是特立尼達和多巴哥作家賈米爾·納齊爾（Jamir Nazir）的短篇小說。

這篇作品獲得了2026年英聯邦短篇小說獎加勒比地區獎，并發表在文學雜志Granta上。很快，有讀者和業內人士開始質疑，這篇小說的語言里有明顯的AI痕跡：比喻混雜、句式整齊、修辭像是被批量生成出來的。

隨后，AI檢測工具Pangram給出了一個看起來非常確定的判斷：100%AI生成。

100%這個數字看上去像鐵證，可它并沒有立刻變成裁決。

英聯邦基金會表示，所有入圍作者都確認沒有使用AI輔助；Granta也沒有辦法僅憑一個檢測結果，就認定作者違規。

于是，事情進入了一個極其荒誕的環節。Granta雜志嘗試用Claude復核這篇小說，想讓另一個AI來判斷它是不是AI寫的。

結果，Claude沒有給出能夠一錘定音的答案，也就是說，Pangram言之鑿鑿判成“100%AI生成”的作品，Claude卻表示確定不了。

諾貝爾文學獎得主奧爾加·托卡爾丘克（Olga Tokarczuk）最近也遭遇了爭議。

事件的起因，是她在采訪中談到，自己會使用AI輔助構思、資料整理、初步研究和事實核查。

這個說法很快引發外界討論。要命的是托卡爾丘克馬上要發新書，于是大家都在熱議她的新小說是不是AI寫的。

隨后，托卡爾丘克不得不公開澄清，自己將于2026年秋季出版的波蘭語新書，并不是由AI或其他人代寫。她強調，幾十年來，她一直獨自寫作。

說到底，現在AI確實越來越強了，鑒AI正在變得越來越困難。

去年底，《紐約客》刊發了一篇實驗性文章。研究者用多位作家的作品微調模型，讓AI學習并模仿他們的個人風格。

實驗中，創意寫作專業的學生在不知情的情況下閱讀人類文本和AI文本，并判斷自己更喜歡哪一段。結果，在接近三分之二的案例里，他們更偏好AI生成版本。

這比“AI能寫小說”更麻煩。

《紐約客》作者Vauhini Vara在文章中還寫道，朋友和專業讀者會把AI生成的句子認成她自己的寫法，也會把她真正寫下的原文批評成“像AI”。

02

全程錄像“自證清白”的畫師欲哭無淚

“恐怖谷效應”絕不僅限于一個長得和人類似像非像的實體，在AI輸出的文本和圖像、視頻越來越逼近人類，甚至連最有人味的“風格”都攻克的時候，人類不可避免地被激起存在主義危機。

這是現在流行“空口鑒AI”的一個核心動因。

換句話說，大家“鑒AI”是可以理解的，背后其實是某種恐懼——這是人嗎？這是AI嗎？我又是誰？我們是誰？

但是可以理解不代表偉光正，“鑒AI”正在給各種領域的創作者帶來麻煩，讓后者在創作之余還要平添“自證清白”的成本。

論AI帶來的沖擊，繪畫圈是不陌生的。我們早在幾年前就討論過AI對繪畫圈的沖擊，以及很多畫師對AI的抵制。

然而在當下，畫師們面對的麻煩已經不僅僅是需要放著AI煉化自己的成果，而是自己手搓的作品被“鑒AI”。

在社交平臺搜索“畫畫UP自證”，會看到很多案例。

有的畫師被“鑒AI”之后，錄屏展示所有的圖層，以證明作品是出自自己之手。

但很多時候，這并不足夠。

一位插畫師朋友告訴我們，現在很多插畫師會在繪畫的時候全程錄屏，防止被“鑒AI”的時候難以自證，這也是目前最穩妥的做法。

如果沒有錄屏，或者是有錄屏“證據”但是仍然被懷疑是“印著描摹的”，那么還有下一步——對賭。

是的，繪畫界因為AI已經發展出了“鑒AI”方和“被鑒AI”方的對賭。在我們看到的一個案例當中，發帖人擺出若干理由如“頭發斷聯”“肩頸結構有問題”等，鑒別某畫師的作品疑似是將AI圖墊在下方描圖或者照著AI圖臨摹。

雙方以2000元對賭，最終畫師“自證成功”，發帖人給AI畫師支付2000元。

一般來說，“對賭”當中的“自證”環節，是雙方約定時間進行一場繪畫直播。而且直播需要多機位，比如一個機位展示屏幕作圖過程，另一個機位錄制畫師畫畫的樣子，以免有人“代筆”。

從很多畫師的“自證帖”當中不難看出無奈的情緒，他們往往會感慨“終究輪到我了”，并發誓“這是第一次也是最后一次自證”。

就這樣，一邊痛恨“空口鑒AI”，另一邊真的輪到自己了卻不得不“自稱清白”，實在難受。

有“鑒AI”但是畫師“自證”失敗的案例嗎？有。但是這依舊不能讓“鑒AI”的行為變得理直氣壯一些。畢竟“鑒AI”的成本，幾乎沒有。

而“鑒AI”的手段，更是粗糙——靠人眼。

這里就不得不提到最近的一個笑料，一個X用戶發了一張圖，說是自己用AI生成的“莫奈風格圖”，還讓大家“盡可能詳細地說明它為什么不如真正的莫奈”。

帖子后來700萬瀏覽量，評論區不少人開始認真“鑒AI”，說它缺少深度、顏色不統一、沒有人味、構圖不如真跡，甚至有人從筆觸和空間感上分析得頭頭是道。

結果反轉是：那張圖本來就是莫奈真跡。

03

“鑒AI”到底誰說了算？

所以這其實是對AI越來越像人的恐懼，與沒有完美“鑒AI”手段之間的矛盾。

“鑒AI”手段的粗糙，是讓創作者集體陷入“自證清白”的另一個重要因素。

除了“人眼鑒別”的方式之外，正如前文提到的文學比賽冠軍得主的作品，“鑒AI”的另一個主要方式是第三方檢測工具Pangram。

AI檢測工具在文本領域常用，容易制造一種錯覺：它會給出一個百分比，比如“80%AI生成”“100%AI生成”。這個數字看上去很像結論，甚至像某種技術鑒定。

但文本檢測和DNA鑒定不是一回事。它判斷的其實是“這段文字在統計特征上更像什么”。

AI檢測工具，也是在看“看起來像不像AI寫的”。

Pangram在官網上解釋，自己的AI檢測器會用自然語言處理技術和大量人類寫作、AI寫作數據，分析AI文本中的結構、風格和語義模式。Pangram的技術報告也稱，它的核心是一個基于Transformer的神經網絡分類器，訓練目標就是區分大型語言模型寫出的文本和人類寫出的文本。

也就是說，這類工具不是拿著一篇文章去查“AI文本數據庫”，看它有沒有命中某個已知樣本。

它更像是在做模式識別。這篇文字的詞匯選擇、句子節奏、結構安排、語義連接方式，更接近它見過的人類文本，還是更接近它見過的AI文本。

更麻煩的是，這其中有太多特殊情況。如果一篇文章是人類寫初稿，再用AI潤色幾句話，怎么算？如果是AI生成提綱，人類重新寫成全文，怎么算？如果一段英文資料被AI翻譯成中文，作者再人工修改，檢測工具還能不能判斷？如果一個學生本來就是非英語母語寫作者，句子更規整、更模板化，會不會更容易被誤傷？

在繪畫領域也一樣。有的畫師就哀嚎——確實結構畫得有問題，那是因為我技藝還需要修煉，不是因為這是AI畫的呀！

2023年，斯坦福大學研究者測試了7個AI文本檢測器。

他們選取了91篇非英語母語學生寫的托福作文——這些作文來自托福官方考試語料，本身就是學生在真實考試環境下手寫完成的，因此可以確認并不是AI生成。

結果其中89篇至少被一個檢測器標記為AI生成；平均誤報率達到61.22%；還有18篇被7個檢測器一致判定為AI生成。也就是說，這些學生明明是在寫一門外語，卻因為表達更規整、更接近模板，被工具當成了機器。

當然，2023年、2024年的檢測工具不能簡單等同于今天的檢測工具。過去幾年里，商業檢測器確實在迭代，一些新工具在特定測試里的表現已經明顯提升。

但問題并沒有得到解決。

“誤判”沒有被完全消除，就會給矛盾留下縫隙。

畢竟，工具給出的本來是概率，但落到人身上，就變成了指控。

04

說好的“水印”呢？

更大的問題在于，AI公司是不是應該做“來源標記”？

給所有AI內容打上原生“水印”、去不掉的那種，不就可以解決鑒別問題？

很多人一聽到“水印”，想到的還是圖片角落里的logo、視頻畫面上的平臺標識，或者“AI生成”幾個大字。

但今天的AI水印早就不只是這種肉眼可見的記號。

行業里大致有兩類做法：一類是元數據，比如C2PA和Content Credentials，相當于給數字內容附上一張“身份說明”，記錄它由什么工具生成、什么時候生成、經歷過哪些編輯；

另一類是隱形水印，把人眼難以察覺、但機器可以識別的信號嵌進圖像、音頻、視頻甚至文本里。

在圖像和視頻領域，這些方案已經開始落地。

谷歌DeepMind的SynthID可以給Imagen、Veo、Lyria、Gemini等工具生成的內容嵌入隱形水印。

Meta表示，Meta AI生成或編輯的圖像會加入可見水印、不可見水印和元數據；OpenAI也為DALL·E 3和ChatGPT生成圖片加入C2PA內容憑證，并在后來引入SynthID隱形水印。Adobe、微軟、谷歌、Meta、OpenAI等公司也都參與了C2PA和內容憑證生態。

這說明，AI公司也清楚只靠肉眼判斷“像不像AI”是不夠的。它們已經在嘗試用元數據、內容憑證、隱形水印和平臺標簽，為AI生成內容留下機器可讀的來源信號。

但這些方案并不完美。元數據可以在截圖、壓縮、轉發、重新上傳時丟失；可見水印可以被裁掉或遮住；隱形水印更耐用，但也可能被后期處理、擾動或再生成削弱。

更關鍵的是，這些方案通常只能識別接入了對應系統，并且保留了對應標記的內容。也就是說，谷歌的SynthID主要識別帶有SynthID的內容，OpenAI的內容憑證主要說明內容來自OpenAI系統。只要內容來自沒有接入標記的模型，或者經過多次搬運，來源鏈就可能斷掉。

到了文本，問題更復雜。

文本當然也可以做水印。它的原理是在模型生成文字時，悄悄改變某些詞的選擇概率，讓最終文本呈現出一種人眼讀不出來、但檢測器可以識別的統計模式。簡單說，就是讓AI留下自己的“用詞指紋”。

谷歌已經公開了SynthID-Text，稱它可以給Gemini生成的文本嵌入水印。OpenAI也很早就被期待解決這個問題。2023年7月，OpenAI、谷歌、Meta、亞馬遜、Anthropic、微軟等公司達成自愿承諾，表示將研發機制，幫助用戶識別AI生成內容，包括水印和內容來源標記。

但幾年過去，圖像、音頻、視頻的標記方案不斷推進，文本卻仍然沒有一個清晰、默認啟用、公眾可用的通用答案。

OpenAI曾在2023年推出過AI Text Classifier，用來判斷一段文字是否由AI生成，但上線時就提醒用戶不要把它作為決策的唯一依據。

半年后，OpenAI因為準確率太低將其下線。

2024年，《華爾街日報》又報道稱，OpenAI內部其實已經開發出一種文本水印工具，在足夠長的ChatGPT生成文本上，有效率可以達到99.9%。但OpenAI最終沒有公開發布它。

原因也不完全是技術問題。報道提到，OpenAI擔心文本水印引發用戶反彈、影響產品使用，也擔心非英語用戶承受額外污名化。

還有調查顯示，接近30%的ChatGPT用戶表示，如果啟用文本水印，他們可能會減少使用。

到最后，回到“鑒AI”與“自證清白”的兩方拉扯上，以上提到的所有水印方案，還不能做到萬無一失。

人類有一句話是“道高一尺魔高一丈”，還有一句話是“上有政策下有對策”，只要人類還相信這兩句話，“鑒AI”就不會停止。

也許有一天，“AI參與”成為默認狀態，“人類原創”變得異常稀有，這場大規模的“鑒AI”與“自證清白”的拉扯才會失去意義。