维基百科对抗AI生成内容：真实与可信的较量

在数字时代，网络上的文字愈发显得千篇一律，带有明显的「AI痕迹」。信息如风景般光鲜亮丽，事件总是关键所在，语言被雕琢成无懈可击的模板。在此背景下，Wikipedia凭借其敏锐的洞察力，率先发起了清除行动。

如今，互联网上的句子似乎都出自同一人之手。不论是描述风景的词汇，还是形容建筑的词汇，亦或是描述事件的词汇，都如出一辙。

用词如“breathtaking”（令人惊叹的）和“modern”（现代的）频繁出现，事件则“标志着一个关键时刻”。这些词句看似完美，却如同空有其表，让人读来有种虚无缥缈的感觉。

Wikipedia的编辑们对这种「广告腔」早已忍无可忍，遂发起了一场清理行动。在检查大量新增内容后，他们惊讶地发现，这些空洞的言辞背后，竟隐藏着AI的身影。

于是，一本旨在识别AI文风的手册应运而生，在无数次的删改中逐渐完善。

统一模板下的互联网

互联网的语言愈发趋同，Wikipedia是最先嗅到「异样」的。每天有成千上万的新内容被添加到条目中，编辑们在巡查中逐渐发现：许多新增段落虽然流畅，但读来却像是陈词滥调。

编辑们越看越觉得不对劲。当他们把这些可疑段落汇集在一起时，真相大白：

来源模糊、论据空洞、表达惊人地一致。这一切似乎都在指向一个事实——越来越多的内容是由AI生成的。

为了避免百科被这些空洞的句子侵蚀，一群志愿者在2023年发起了WikiProject AI Cleanup。

传送门

他们系统记录这些异常写法，试图找出AI到底在哪里露出马脚，哪些句子看似正常却经不起查证。

维基编辑的敏锐洞察

清理行动初期，编辑们就发现检测器并不靠谱。

真正有用的，是他们在多年巡查中练就的「语感」。

AI生成的段落表面看似正常，但仔细审视，会发现三种明显的痕迹。

首先，它们反复强调「重要性」，却不给出现实中的例子。

例如，“a pivotal moment”和“a broader movement”等表达在AI生成的段落中屡见不鲜，但缺乏具体的年份、来源和可查证的材料。

其次，句尾挂着体面的现在分词。

如“emphasizing… reflecting… highlighting…”这样的尾句是AI文章的明显标志。

TechCrunch的作者也指出：

这类present participle是区分AI文风的关键线索之一。

第三，频繁使用互联网式的「营销形容词」。如“breathtaking”、“modern”、“renowned”、“scenic”等词在广告中常见，但在百科中却显得格格不入。

链接

这些规律后来被整理进了《Signs of AI writing》。比起技术指南，它更像一本经验手册，记录了编辑们遇到的坑和怪句式，方便更多人一起清理。

AI为何总写出这样的句子？答案在语料里

当编辑们把可疑句式整理出来后，一个问题变得清晰：AI之所以这样写，根本原因在于人类语料。

也就是说，它从哪里学到的语言，就会用什么样的语言。

因为大型模型训练时吃的是整个互联网的语料。新闻稿、SEO软文、宣传册、社交平台的内容都会混在一起。

而这些地方最常见的表达就是宏大但空泛、形容词夸张但没事实、评价多于证据的写法。

Wikipedia将这种现象称为“Vague praise”和“Marketing language”。

换句话说，AI不是故意用「公关腔」，而是这类语料最容易在互联网上抓取。

这也解释了为什么“重要性夸大”、“-ing 尾巴”、“广告式形容词”会频繁出现——这些是模型在大语料里看到得最多、最容易复制、也最缺乏上下文约束的句式。

真实的句子有骨头，AI的句子一戳就空

维基编辑在清理中发现，最能看出「AI味」的地方是句子是否有「事实」。

AI喜欢用形容词和评价支撑文章结构，而百科写作靠的是年份、数量、地点、报道来源这种能查到的事实。

来源

来源