“考試和分數(shù)不應(yīng)該是學(xué)生生活的全部。除了分數(shù)，我還可以去關(guān)心窗前第一排柳芽的萌動；去欣賞天上金黃的滿月，讓后羿嫦娥、吳剛玉兔的傳說在心中流過；去盛裝的西湖邊騎行，淋一點小雨，吹無數(shù)的風(fēng)……可是，家長的教誨又讓人無法反駁：‘你知道嗎，中考差一分，就是一個操場的人！’

這，就是我的煩惱。 ”

以上這段文字是AI生成的，還是人寫的？

我問了7個人，有5個認為由AI生成，主要理由是“辭藻堆砌”。          

AI通用模型的文本生成能力持續(xù)進階，已經(jīng)到了人無法準確辨別的程度，因此，其不當使用可能帶來的虛假新聞、學(xué)術(shù)不端行為、惡意產(chǎn)品評價等問題引起社會高度關(guān)注。       

據(jù)公安部網(wǎng)絡(luò)安全局官方公眾號，因使用AI捏造“頂流明星在澳門輸了10億”的謠言，一名男子被處以行政拘留8日。據(jù)介紹，3月10日，網(wǎng)民徐某強為博流量、謀取非法利益，使用軟件“某書”中AI智慧生成功能，輸入熱點詞，制作“頂流明星被曝境外豪賭輸光十億身價引發(fā)輿論海嘯”的謠言信息并在網(wǎng)上發(fā)布，造成謠言迅速擴散，引發(fā)大量網(wǎng)民議論，誘發(fā)相關(guān)謠言、話題等頻繁登上熱搜熱榜，嚴重擾亂公共秩序。

2023年2月16日，“杭州市政府3月1號取消機動車依尾號限行”的“新聞”瘋傳。據(jù)浙江之聲報道，當天杭州某小區(qū)業(yè)主群討論ChatGPT，一位業(yè)主開玩笑說嘗試用它寫“杭州取消限行”的“新聞”，在群里直播了用ChatGPT寫作的過程，并把文章發(fā)在群里，其他業(yè)主不明就里，截圖轉(zhuǎn)發(fā)。

人工智能、人類智能——面對一個文本，該如何鑒別其“真?zhèn)巍保?/p>

3月24日，西湖大學(xué)自然語言處理實驗室的博士生鮑光勝打開實驗室團隊研發(fā)的AI應(yīng)用程序Fast-DetectGPT，將開頭那段“我的煩惱”的文字輸入，程序很快給出判斷結(jié)果：由AI生成的概率為19%。

它說對了，這段文字摘自杭州一名七年級學(xué)生的作文。

Fast-DetectGPT頁面截圖

文本究竟是人腦構(gòu)思的，還是電腦生成的？或許人難以判斷，但它能夠被判斷——鑒別者可以是AI自己。這是研究者的思路。

Fast-DetectGPT在開源模型GPT-Neo 2.7B上運行，無需訓(xùn)練即可識別各種AI大語言通用模型生成的文本內(nèi)容，對GPT3.5、GPT4生成的文本，識別率分別達到96%、90%。與斯坦福大學(xué)2023年提出的DetectGPT相比，檢測速度提高340倍，識別錯誤率降低75%。去年，以鮑光勝為第一作者、西湖大學(xué)工學(xué)院副院長張岳教授為通訊作者的相關(guān)論文在深度學(xué)習(xí)領(lǐng)域頂級會議——2024國際表征學(xué)習(xí)大會上發(fā)表。

張岳2003年畢業(yè)于清華大學(xué)計算機科學(xué)專業(yè)，此后在牛津大學(xué)獲得該專業(yè)碩士、博士學(xué)位，在劍橋大學(xué)從事博士后研究，現(xiàn)為西湖大學(xué)終身教授，主要研究自然語言處理、文本挖掘、機器學(xué)習(xí)和人工智能。鮑光勝是他的博士生，曾在微軟（中國）、阿里巴巴工作多年，三年前進入西湖大學(xué)。今年，他們關(guān)于Fast-DetectGPT的私有大模型擴展Glimpse的論文已被4月將在新加坡舉行的2025國際表征學(xué)習(xí)大會收錄。

澎湃新聞：對于AI生成的文本，目前主流的識別方法有哪些？

張岳：主要有監(jiān)督分類器法、零樣本分類器法、水印法。使用監(jiān)督分類器法要收集大量已知數(shù)據(jù)，包括AI生成文本和人類創(chuàng)作文本，做分類學(xué)習(xí)。對訓(xùn)練時見過的大語言模型生成的文本，它的識別準確率較高；但遇到未見過的模型生成的文本，識別準確率下降。

Fast-DetectGPT、DetectGPT屬于零樣本分類器法，無需收集數(shù)據(jù)進行訓(xùn)練，主要通過AI文本的特征來“找同類”。   

水印法是在生成AI文本時打上“水印”。國家互聯(lián)網(wǎng)信息辦公室、工信部、公安部、國家廣電總局已發(fā)布《人工智能生成合成內(nèi)容標識辦法》，將于9月起實施，要求相關(guān)服務(wù)提供者對生成合成內(nèi)容添加顯式標識，或在生成合成內(nèi)容的文件元數(shù)據(jù)中添加隱式標識，就屬于此類。這種方法的準確率高，但存在標記被人為弱化甚至移除的風(fēng)險。

澎湃新聞：Fast-DetectGPT的工作原理是什么？

鮑光勝：簡單地說， AI更懂AI，F(xiàn)ast-DetectGPT“認出”了同類。

所謂“生成”文本，就是機器通過上文來選擇下文，選擇依據(jù)是詞匯、句式等在其學(xué)習(xí)的數(shù)據(jù)集中的使用概率，概率越大，越可能被選中——可以想象一下搜索引擎中跳動的下拉提示框。

Fast-DetectGPT的工作基于一個前提：人類和AI通用模型在文本形成中有不同的選擇。人類寫文章時的選擇比較多樣，個體間的差異大；而不同AI通用模型間的差異不明顯——因為在語料庫上預(yù)訓(xùn)練的通用模型反映的是人類作為集體的寫作行為，生成文本時也傾向于選擇有更高模型概率的詞匯、句式。因此，兩種文本在詞匯使用、句子結(jié)構(gòu)、語法復(fù)雜度、語義連貫性等方面有不同，我們提取覆蓋這些區(qū)別特征的統(tǒng)計量“條件概率曲率”，分析它們在兩類文本的分布，當被測文本的統(tǒng)計特征值主要落在AI生成文本的分布中，則大概率為AI生成的。

不妨這樣理解：作為AI，F(xiàn)ast-DetectGPT面對被測文本，先在不改變原意的情況下改寫，再將自己的文本與被測文本對比，如果被測文本是AI寫的，相似性會比較顯著。

張岳：人類的思考是因果性的——它來自于行為及其反饋、后果、互動等，而通用模型的思考偏向統(tǒng)計性。寫文章，AI的寫法是學(xué)習(xí)現(xiàn)有數(shù)據(jù)，根據(jù)詞與詞之間“共現(xiàn)性”的概率高低等來選擇下文，缺少“泛化性”，也就是將在訓(xùn)練數(shù)據(jù)集中所習(xí)，通過背后的因果邏輯“舉一隅反三隅”，應(yīng)用到別處，從而獲得分布以外的泛化性。這與創(chuàng)造性的人類寫作有很大區(qū)別。

西湖大學(xué)工學(xué)院副院長張岳教授（右）和他的博士生鮑光勝。受訪者供圖

澎湃新聞：那么，“阿爾法圍棋”（AlphaGo）為什么能屢屢下出人類想不到的招數(shù)？而且2016年韓國李世石九段在番棋戰(zhàn)中僅有的一局中盤勝是人類的“最后一勝”，那以后再也沒有贏過AlphaGo？

張岳：圍棋的變化近于無窮，但結(jié)果只有兩種，或勝或負（和局極其偶然），弈棋規(guī)則也很明確。在這種情況下，AI程序的“算力”得以充分發(fā)揮，AlphaGo在訓(xùn)練中學(xué)習(xí)了幾萬份專業(yè)棋手的對弈棋譜，??還進行了三千萬盤自我對決。而保持高強度比賽狀態(tài)的世界頂尖棋手，平均每年的職業(yè)對局不超過一百盤，即使加上訓(xùn)練對局、打譜，其數(shù)量也完全不在同一量級。

AlphaGo沒有心理波動，這也是它在人機對弈中的優(yōu)勢之一，但寫作中最可貴的可能就是情感、是“心理波動”。另一方面，“寫得好”也沒有邊界，不存在止境，無法枚舉。  

澎湃新聞：Fast-DetectGPT檢測DeepSeek-v3生成文本的準確率達到89%，對DeepSeek-R1的檢測準確率則較低。我們看到，類似R1的推理模型正成為大模型發(fā)展的新方向，F(xiàn)ast-DetectGPT會有什么優(yōu)化和改進？

張岳：R1通過較長的推理鏈進行思考和規(guī)劃，生成的文本內(nèi)容與此前通用模型的輸出分布有差異。我們猜測，這可能是R1在強化學(xué)習(xí)，探索新的推理路徑時產(chǎn)生了分布變化，使現(xiàn)有檢測器的工作難度增加。

目前的Fast-DetectGPT演示版使用的是開源小語言模型GPT-Neo 2.7B，說它“小”，是因為模型的參數(shù)只有27億個。如果使用更強的模型，比如671B的滿血版DeepSeek-R1，理論上識別準確率就會更高。

技術(shù)總是雙刃劍，模仿、鑒別會是持久的“攻防戰(zhàn)”。作為Fast-DetectGPT的私有大模型擴展，Glimpse可以檢測26種語言的文本，并有更高的識別準確率?？偟恼f，AI模型生成的文本會越來越逼真，但人類使用AI程序?qū)ξ谋具M行識別的能力也將越來越強大。