蛇年春节的“顶流”是谁？DeepSeek当之无愧。

事实上，过去一年多，不仅仅DeepSeek，还有ChatGPT、文心一言、豆包、Kimi……各路网友脑洞大开，挖掘出 DeepSeek 千奇百怪的用法，搞翻译写总结，提供创业、理财、育儿、旅行等各种高能方案，甚至还得整点玄学……

只是，此时再刷手机，你还能分得清，哪段是DeepSeek写的，哪段是人写的吗？

比如下面这段话，是谁写的呢？在晨光的轻抚下，城市的轮廓逐渐清晰，街道上行人稀少，只有偶尔的晨跑者打破了这份宁静。空气中弥漫着新鲜面包的香气，从街角的面包店飘散开来，诱惑着过往的行人。公园里，老人们打着太极，动作缓慢而流畅，仿佛与这个世界和谐共鸣。孩子们的笑声从远处的游乐场传来，清脆悦耳，如同天籁之音。这座城市，就像一幅精致的画卷，每一笔每一划都透露着生活的韵味和时代的痕迹。在这里，每一个瞬间都值得被珍藏，每一段故事都值得被讲述。

“真假美猴王”

很难选很难评？

如果你在两种答案之间犹豫不决，不妨求助一下Fast-DetectGPT。

这是由西湖大学自然语言处理实验室研发的一款AI程序，一段文本到底是不是AI生成的，逃不过它的“眼睛”。

我们把这道选择题交给它试试。

  ?

首先，打开Fast-DetectGPT，主界面一目了然。

我们上面那段文字复制粘贴在左侧的对话框里，随着点击“summit”提交，右侧的判定结果很快就出来了——是AI(DeepSeek)写的！

它对这个判定有几成把握？

据右边蓝色的环形进度条提示，它认为AI生成的概率高达84%。

恭喜Fast-DetectGPT，回答正确！

不得不感叹，从生成到检测，AI自己就实现了“闭环”。人类，甚至是人类中的“专家”也完全比不过。

2023年12月，发表在Research Methods in Applied Linguistics上的一则研究，讨论了顶级期刊的语言学家/评论家能够在多大程度上区分AI写作和人工写作——72位语言学专家参与了这项调研，结果这些专家的正确率不足40%。

“真假美猴王”的经典桥段，正在人工智能领域上演。

“找不同”

尽管我们作为“人”，很难准确揪出AI生成的文字，但面对“不是人”写的文字时，总有一种说不上来的“别扭”。这种别扭，或许是来自潜意识里的直觉判断，但这种别扭说不清道不明。

事实上，机器生成的文本与人类生成的文本看起来很像，但在语义、语法、用词习惯等细节处理上存在许多“不同”。

Fast-DetectGPT这款AI工具，本质上就是“找不同”。

“人类的思考是‘因果性’的，而机器的思考则偏向‘统计性’。”什么意思？西湖大学自然语言处理实验室负责人张岳进一步解释，“以写文章为例，AI的写法是学习现有的数据，从中挑选最‘安全’的词，也就是按照概率高低来选词，这和人写作的创造性是有本质区别的。”

如果现在有一个数据库，里面装着人类历史上100位天才作家的文章。当AI用“统计性”去学习这个数据库，它学到的不是这些天才作家的“神来之笔”，而是他们之间共用的、出现频率更高的词。

这个词，叫“平庸”。

还是很难理解？

那我们来看一段“人”写的文字：

我翻开历史一查，这历史没有年代，歪歪斜斜的每页上都写着‘仁义道德’几个字。我横竖睡不着，仔细看了半夜，才从字缝里看出字来，满本都写着两个字是‘吃人’！

什么样的历史没有年代？字缝里怎么能看出“吃人”的字来？看似“毫无逻辑”的话语，实则写出了封建礼教的残酷本质。你应该也看出来了，这段出自鲁迅的《狂人日记》。

如今，AI或许可以模仿鲁迅的文风，但要原创出这种哪哪都是“危险”用词的文笔，对AI来说是绝无可能的。

为什么？因为AI缺少“泛化性”。

也就是模型在训练数据集中学到的能力，能不能通过背后的因果逻辑“举一反三”，把这种能力应用到全新的领域，获得“分布以外的泛化性”。

张岳深耕自然语言处理（NLP）领域多年。从清华的本科、牛津的博士、剑桥的博后，到新加坡科技与设计大学和西湖大学的独立科研，他始终将研究聚焦在AI的泛化性上，即如何让机器真正像人一样思考——

有直觉，也有理性；能凭空创造，也能逻辑推理。

“在大模型看来，每个人都是‘危险’的。”张岳说。

张岳

  ?

以子之矛，攻子之盾

回到Fast-DetectGPT，我们已经知道AI生成内容和人类生成内容的本质不同，如何利用这种不同开发工具呢？

目前已知主要有三类技术来识别AI生成的内容：监督分类器法、零样本分类器法、文本水印法，用起来各有利弊。

监督分类器法比较实在，它需要收集大量的已知数据去做分类学习，就像学生上课，碰到没有“见过”“学过”的数据，就会找不着北，导致准确率下降。

零样本分类器法，顾名思义无需收集数据，它主要是学习AI写的文本有什么特征，以此来做区分判断。但是，AI写文章到底有什么“特征”呢？如果AI写得越来越像人，“特征”越来越不明显怎么办？这些都是难点。

文本水印法，与前两种主动区分AI和人类的方法不同，它是在AI生成的文本上打上“水印”，准确率比前两种都要高，但可能存在水印被人为弱化甚至移除的风险。

鲍光胜选择了零样本分类器法来完成这项实验。他是Fast-DetectGPT的主要研发者，也是西湖大学2022级博士研究生，考进来的时候43岁，是校内年龄最长的学生。在选择读博之前，他分别在微软和阿里巴巴工作多年，在自然语言处理上积累了充足的产业界实践经验。

他提出一种假设——在给定上下文的情况下，人类和AI在选择词汇时会存在明显的差异，但是不同AI模型之间的差异并不明显。利用这种差异，研究团队利用一种自动化的指标去区分。

我们可以把它理解成，面对一篇文章，Fast-DetectGPT作为AI先想想如果是自己写会怎么写呢？然后根据这个自问自答的参考答案，去比对原文看看重合度有多高——以子之矛，攻子之盾。

鲍光胜进一步解释，当程序接收到一个文本片段，首先会在不改变原意的情况下进行改写，把局部的同义词替换掉，再将这份替换后的文本与原始文本进行对比，如果是AI写的，两者之间的相似性会比较明显。

简单点说， AI对AI写的内容更“熟悉”，可以“认出”同类的作品。

效果怎么样？

目前，Fast-DetectGPT及其私有模型扩展Glimpse能够支持26种语言。2024年4月上线至今，已经有5万多人次用它做过“是AI还是人”的检测。与上一代DetectGPT相比，Fast-DetectGPT在速度上提升了340倍，在检测准确率上相对提升约75%。在ChatGPT生成的文本上，Fast-DetectGPT 检测正确率为96%；在GPT-4生成的文本上，Fast-DetectGPT检测的正确率达到了90%；针对DeepSeek-v3生成文本的检测，正确率则达89%。而其扩展Glimpse进一步将多语言场景下的检测错误率降低50%以上。

新奇与热闹过后，随着AI写得越来越像人，安全、公平、知识产权等问题随之而来。

面对AI快速生成的大量文本、图片、音频、视频，如何第一时间辨别真伪？

当AI生成和人类生成的内容同台竞争，还有没有公平可言？

利用AI创作的内容，版权又该如何界定？

AI 生成内容也让我们不得不思考，人类独特的价值究竟是什么？

这些问题，我们无法很快给出答案，但不论从任何一个问号出发，张岳认为：“检测出哪些是AI生成的内容，是人类维护内容安全的第一步。”

但，人工智能势不可当。

我们必将拥抱AI。内容安全之上，我们也必须相信“人”的价值。

AI科学家张岳说，创造力、批判性思维、社交能力以及领导力等等，都是AI难以复制的“人类特质”。

作家麦家说，未来的眼泪在哪里？机器不知道，伟大的作家是知道的。最好的那1%的作品，依然需要人去创造。

也许现在我们都应思考，如何去发展那1%的珍贵。