當我們談論「AI味」，我們在談論什麼？

11 Apr, 2026

前幾天，我在維基百科寫的文字，被某編者質疑是用「AI輔助」完成的。雖然這位「AI偵探」聲稱我用了NotebookLM來分析YouTube影片、然後將Gemini的分析結論複製貼上，他自己卻拿不出相應的理據。甚至，他自己也承認，他自己測試了當下的NotebookLM，還沒有那麼「智能」，未能直接讀取YouTube影片。不過，他仍然不打算back down，言之鑿鑿地說我寫的文字「少了一些細膩」……我想，確實，我並非文組，亦無多少文字功底，寫出來的文字讀起來不順、甚至「有股味」，難道還不是我的問題嗎？實在慚愧！

我必須反思檢討，最近讀的書太少，甚至手機刷的中文帖子也少，已經對中文文法不那麼敏感了，竟也愈發沉湎於歐化中文的範式。曝露出的問題，值得檢討。

……不過，說到底，當我們談論「AI味」，我們在談論什麼？

有的人會拿出「AI檢測工具」，比如GPTZero，提供的「AI率」metric。當然，批改學生作業的教授或許會覺得很實用；但網路上又往往能看到許多false positive的例子。有人拿著《獨立宣言》檢出99%「AI率」，也有教授拿著自己十年前的論文，發現有50%或70%為AI創作。凡此種種，質疑聲不絕於耳，教授們也只好作罷。後來，據說不少大學的寫作課開始讓學生用Google Docs一類協作工具來寫作，這樣能看到文檔從頭構建的編輯歷史，溯源起來一目瞭然。這大抵有助於讓學生自證清白，但是，這能防住心思縝密、對著AI稿逐字抄襲的學生嗎？……無論如何，至少寫作課的教授們是和AI對決上了。道高一尺，魔高一丈，這樣的貓鼠遊戲不會完結。

寫到這裡，我們還沒有提到房間裡的大象⸺既然存在「AI味」這個詞，AI生成內容與「人類」的寫作肯定有什麼不同。

自2022年ChatGPT橫空出世，大語言模型層出不窮，而其中大部分的模型的訓練資料又是由其他模型蒸餾而來（即，使用其他模型的生成結果訓練新模型）；AI的語言不斷在這樣的訓練過程中被固化、凝結，成為了一套自成體系的說話方式。

這就是「AI味」的由來。

這樣的說話方式、寫作範式，網路上已有很多總結。其中最著名、在AI圈影響最大的總結文，來自維基百科的〈Signs of AI writing〉（AI生成文的特徵）。這篇文章不但被許多媒體、帖文轉載，也成為了Claude等AI agent學習的對象（多麼諷刺！）。

為了講明白「AI味」，讀者不妨跟著我的個人導讀，看看AI寫作範式究竟有哪些值得留意的位面⸺既有助於識別身邊的AI生成帖文，也有助於減少自己文字中的「AI特徵」，以免未來被他人質疑「少了一些細膩」。（笑）

「AI味」的第一大位面，也是網路上「降AI率」工具最無濟於事的位面，是思維方式。

大語言模型（LLM）的本質上仍然是統計學模型；即使湧現出了不亞於人類的智能，它仍然遵循統計學的規律⸺宏大的詞語在語料庫中的詞頻高，而用於記錄瑣碎細節的詞彙在語料庫中的詞頻低。這就導致AI說話的方式也如習主席、川普總統一般，高屋建瓴、宏大敘事而語焉不詳、細節寥寥。在〈AI生成文的特徵〉中，列出了相當多的英文特徵詞彙，包括：形容詞「vital、significant、crucial、pivotal、key」，名詞「role、moment、testament、reminder、insight」，動詞「highlight、underscore、emphasize、ensure、reflect、symbolize、contribute、mark、shape、represent、encompass、resonate」等等。對於中文來說，大抵也無出其外。

如果換個思考方式，這樣的寫作範式其實反而資訊量寥寥⸺所謂「廢話文學」。思考要深入，寫作亦當如是；AI雖然聰明，但也會在思考和寫作上偷懶。如果想要減少「AI味」，還是偷懶不得的。

同樣，由於LLM訓練時所吸收的資訊總歸有個截止日期，許多AI模型都養成了主動查資料的好習慣，尤其對於那些關乎時效性的話題；但反過來，養成了credibility素養的AI模型，開始把知名度、媒體報導掛在嘴邊，以為只要主動強調知名度就能提高寫作的可信度。這便是「AI味」的第二個位面。

「某某人/某某觀點獲得了A、B、C媒體的報導/支持。」以前，我們說這樣寫作的人犯了「訴諸權威」的錯誤；現在，則是「AI味」。或許這樣的寫作方式並非什麼意外⸺許多人寫作都會「訴諸權威」，又怎麼能說這就是「AI味」呢？但是，你我畢竟並非營銷文小編；邏輯謬誤，還是少用為宜。

說到營銷文，網路上媒體的營銷文鋪天蓋地，這也深刻影響了AI的思考和寫作；再加上OpenAI等公司按捺不住在生成結果上加廣告的衝動，AI生成文難免愈發與營銷文相向而行。不過這點也跟提示詞有關；加入了良好的提示詞後，大多數較新的模型都能按照指定的文風寫作，因此此點只對小模型/舊模型適用。

不過，即使是相當高級的solution，也難以完全掌握學術寫作⸺相比於LLM龐大的訓練資料集，學術文章佔比實在過於渺小；當然，也沒有哪個模型有性質把論文寫作當作主動訓練的對象⸺畢竟這就相當於「主動支援學術不端」，不是嗎？因此，對於學術寫作，以及長期效仿學術標準的維基百科的寫作，LLM寫出來的東西仍然大抵是難以成立的。至於什麼時候AI可以獨立做出真正符合學術標準的科研成果，依個人之見，或許不在LLM的未來；至少，應是一個專為邏輯推理而設計的新模型。

說到底，當下的LLM還未能走出「AI泔水」的囹圄，因此，所謂的「AI生成文」仍然無法達到直接發表的標準。即使在「AI網劇」氾濫的當下，這些網劇無論劇情還是選角，仍然沒有脫離人類的控制，AI劇情仍然有「大綱」，AI演員仍然存在「中之人」。⸺這不就是「AI味」的內涵？沒有人類參與、審校，任憑似有還無的邏輯驅使，放飛天馬行空的幻想，這些「AI泔水」，換個角度來看，正是獨屬於AI的浪漫。