AI时代人类自证清白指南：验证方法排行榜

这段时间，一个现象越来越明显了：AI越来越像人，于是人类开始被迫证明自己不是AI。

就这个月，文学圈接连出了两件事。一件是英联邦短篇小说奖的获奖作品，被某AI检测工具判定为“100%AI生成”。主办方自己去用Claude复核，结果Claude并没有给出同样的结论。另一件，是诺贝尔文学奖得主的新小说还没正式发布，就已经有人开始质疑它是不是AI写的。

这事儿细想很有意思。AI生成的文本、图像、视频，肉眼越来越难分辨。但与此同时，我们手里的判断工具，并没有跟着变得同样可靠。

于是，一种新的秩序出现了：文学奖得主要解释自己的作品，诺奖作家要澄清创作方式，画师需要录屏、开直播、展示图层，连普通博主都可能在评论区被质疑“AI味太重”。过去是机器努力通过图灵测试，证明自己像人。现在，越来越多的人开始参加一场反向图灵测试——证明自己不是机器。

01

诺贝尔文学奖得主都逃不过“鉴AI”

今年5月，英联邦短篇小说奖的一篇获奖作品，引发了大型“鉴AI”争议。争议中心是特立尼达和多巴哥作家贾米尔·纳齐尔（Jamir Nazir）的短篇小说。它获得了2026年英联邦短篇小说奖加勒比地区奖，并发表在文学杂志Granta上。很快，有读者和业内人士指出，这篇小说的语言带有明显的AI痕迹：比喻混杂、句式整齐、修辞像是被批量生成出来的。

随后，AI检测工具Pangram给出了一个看起来非常确定的结论：100%AI生成。

100%这个数字看上去像是铁证，但它并没有立刻变成裁决。英联邦基金会表示，所有入围作者都确认没有使用AI辅助；Granta也不能仅凭一个检测结果，就认定作者违规。

事情接下来进入了一个极其荒诞的环节。Granta杂志尝试用Claude复核这篇小说，想让另一个AI来判断它是不是AI写的。结果，Claude并没有给出能够一锤定音的答案。Pangram言之凿凿判成“100%AI生成”的作品，Claude却表示确定不了。

诺贝尔文学奖得主奥尔加·托卡尔丘克（Olga Tokarczuk）最近也遇到了类似的争议。起因是她在采访中谈到，自己会使用AI辅助构思、资料整理、初步研究和事实核查。

这个说法很快引发外界讨论。更要命的是，托卡尔丘克马上要发新书，于是大家都在热议她的新小说是不是AI写的。随后，托卡尔丘克不得不公开澄清，自己将于2026年秋季出版的波兰语新书，并不是由AI或其他人代写。她强调，几十年来，她一直独自写作。

说到底，现在AI确实越来越强了，鉴AI也正在变得越来越困难。去年底，《纽约客》刊发了一篇实验性文章。研究者用多位作家的作品微调模型，让AI学习并模仿他们的个人风格。实验中，创意写作专业的学生在不知情的情况下阅读人类文本和AI文本，并判断自己更喜欢哪一段。结果，在接近三分之二的案例里，他们更偏好AI生成的版本。

这比“AI能写小说”更麻烦。《纽约客》作者Vauhini Vara在文章中还提到，朋友和专业读者会把AI生成的句子认成她自己的写法，也会把她真正写下的原文批评成“像AI”。

02

全程录像“自证清白”的画师欲哭无泪

“恐怖谷效应”绝不仅限于一个长得似人非人的实体。当AI输出的文本、图像、视频越来越逼近人类，甚至连最有人味的“风格”都能攻克时，人类不可避免地被激起了存在主义危机。这是当下流行“空口鉴AI”的一个核心动因。换句话说，大家“鉴AI”的心情是可以理解的——背后是某种恐惧：这是人吗？这是AI吗？我又是谁？

但是，可以理解，并不代表它正确。“鉴AI”正在给各种领域的创作者带来实质性的麻烦，让他们在创作之余还要平添“自证清白”的成本。

论AI带来的冲击，绘画圈是最早受到波及的。早在几年前，我们就讨论过AI对绘画圈的冲击，以及画师们对AI的抵制。然而在当下，画师们面对的麻烦已经不仅仅是需要提防AI训练自己的作品，而是自己手绘的作品被“鉴AI”。

在社交平台搜索“画画UP自证”，会看到很多活生生的案例。有的画师被“鉴AI”之后，录屏展示所有的图层，以证明作品是出自自己之手。

但很多时候，这并不足够。一位插画师朋友告诉我们，现在很多插画师会在绘画的时候全程录屏，防止被“鉴AI”的时候难以自证，这也是目前最稳妥的做法。如果没有录屏，或者有录屏但依然被怀疑是“印着描摹的”，那么还有下一步——对赌。是的，绘画界因为AI已经发展出了“鉴AI”方和“被鉴AI”方的对赌。在我们看到的案例中，发帖人摆出若干理由——如“头发断联”“肩颈结构有问题”等——鉴别某画师的作品疑似是将AI图垫在下方描图或照着AI图临摹。双方以2000元对赌，最终画师“自证成功”，发帖人支付2000元。

一般来说，“对赌”中的“自证”环节，是双方约定时间进行一场绘画直播。而且直播需要多机位，一个机位展示屏幕作图过程，另一个机位录制画师画画的样子，以免有人“代笔”。

从很多画师的“自证帖”中不难看出无奈的情绪。他们往往会感慨“终究轮到我了”，并立誓“这是第一次，也是最后一次自证”。一边痛恨“空口鉴AI”，另一边真轮到自己了，却不得不“自证清白”，实在难受。

有“鉴AI”但画师“自证”失败的案例吗？有。但这依旧不能让“鉴AI”的行为变得理直气壮。毕竟，“鉴AI”的成本，几乎没有。而“鉴AI”的手段，更是粗糙——靠人眼。

这里就不得不提最近的一个笑话。一个X用户发了一张图，说是自己用AI生成的“莫奈风格图”，还让大家“尽可能详细地说明它为什么不如真正的莫奈”。帖子后来有了700万浏览量，评论区不少人开始认真“鉴AI”，说它缺少深度、颜色不统一、没有人味、构图不如真迹，甚至有人从笔触和空间感上分析得头头是道。

结果反转了：那张图本来就是莫奈真迹。

03

“鉴AI”到底谁说了算？

所以，这本质上是“AI越来越像人”的恐惧，与“没有完美鉴AI手段”之间的矛盾。“鉴AI”手段的粗糙，是让创作者集体陷入“自证清白”的另一个重要因素。

除了“人眼鉴别”之外，正如前文提到的文学比赛获奖作品事件，“鉴AI”的另一个主要方式是第三方检测工具Pangram。AI检测工具在文本领域很常用，它容易制造一种错觉：会给出一个百分比，比如“80%AI生成”“100%AI生成”。这个数字看上去很像结论，甚至像某种技术鉴定。

但文本检测和DNA鉴定不是一回事。它判断的其实是“这段文字在统计特征上更像什么”。说白了吧，AI检测工具的本质，也是在判断“这段文字看起来像不像AI写的”。

Pangram在官网上解释过，自己的AI检测器会用自然语言处理技术和大量人类写作、AI写作数据，分析AI文本中的结构、风格和语义模式。Pangram的技术报告也提到，它的核心是一个基于Transformer的神经网络分类器，训练目标就是区分大型语言模型写出的文本和人类写出的文本。

也就是说，这类工具并不是拿着一篇文章去查“AI文本数据库”，看它有没有命中某个已知样本。它更像是在做模式识别：这篇文字的词汇选择、句子节奏、结构安排、语义连接方式，更接近它见过的人类文本，还是更接近它见过的AI文本。

更麻烦的是，这里面有太多特殊情况了。如果一篇文章是人类写初稿，再用AI润色几句话，怎么算？如果是AI生成提纲，人类重新写成全文，怎么算？如果一段英文资料被AI翻译成中文，作者再人工修改，检测工具还能不能判断？如果一个学生本身就是非英语母语写作者，句子更规整、更模板化，是不是更可能被误伤？

在绘画领域也是一样。有的画师哀嚎：“我确实结构画得有问题，那是因为我技艺还需要修炼，不是因为这是AI画的呀！”

2023年，斯坦福大学的研究者测试了7个AI文本检测器。他们选取了91篇非英语母语学生写的托福作文——这些作文来自托福官方考试语料，是学生在真实考试环境下手写完成的，可以确认不是AI生成。结果，其中89篇至少被一个检测器标记为AI生成；平均误报率达到61.22%；还有18篇被7个检测器一致判定为AI生成。也就是说，这些学生明明是在写一门外语，却因为表达更规整、更接近模板，被工具当成了机器。

当然，2023年的检测工具不能简单等同于今天的工具。过去几年里，商业检测器确实在迭代，一些新工具在特定测试中的表现已经明显提升。但问题并没有得到解决。“误判”没有被完全消除，就会给矛盾留下缝隙。毕竟，工具给出的本来是概率，但落到人身上，就变成了指控。

04

说好的“水印”呢？

更大的问题在于，AI公司是不是应该做“来源标记”？给所有AI内容打上原生“水印”，去不掉的那种，不就能解决鉴别问题吗？很多人一听到“水印”，想到的还是图片角落里的logo、视频画面上的平台标识，或者“AI生成”几个大字。但今天的AI水印，早就不只是这种肉眼可见的记号了。

行业里大致有两类做法。一类是元数据，比如C2PA和Content Credentials，相当于给数字内容附上一张“身份说明”，记录它由什么工具生成、什么时候生成、经历过哪些编辑。

另一类是隐形水印，把人眼难以察觉但机器可以识别的信号嵌进图像、音频、视频甚至文本里。

在图像和视频领域，这些方案已经开始落地。谷歌DeepMind的SynthID可以给Imagen、Veo、Lyria、Gemini等工具生成的内容嵌入隐形水印。Meta表示，Meta AI生成或编辑的图像会加入可见水印、不可见水印和元数据。OpenAI也为DALL·E 3和ChatGPT生成的图片加入了C2PA内容凭证，并在后来引入了SynthID隐形水印。Adobe、微软、谷歌、Meta、OpenAI等公司也都参与了C2PA和内容凭证生态。

这说明，AI公司也清楚，只靠肉眼判断“像不像AI”是不够的。它们已经在尝试用元数据、内容凭证、隐形水印和平台标签，为AI生成内容留下机器可读的来源信号。但这些方案并不完美。元数据可以在截图、压缩、转发、重新上传时丢失；可见水印可以被裁掉或遮住；隐形水印更耐用，但也可能被后期处理、扰动或再生成削弱。

更关键的是，这些方案通常只能识别接入了对应系统、并且保留了对应标记的内容。也就是说，谷歌的SynthID主要识别带有SynthID的内容，OpenAI的内容凭证主要说明内容来自OpenAI系统。只要内容来自没有接入标记的模型，或者经过多次搬运，来源链就可能断掉。

到了文本领域，问题更复杂。文本当然也可以做水印。它的原理是，在模型生成文字时，悄悄改变某些词的选择概率，让最终文本呈现出一种人眼读不出来、但检测器可以识别的统计模式。简单说，就是让AI留下自己的“用词指纹”。谷歌已经公开了SynthID-Text，称它可以给Gemini生成的文本嵌入水印。OpenAI也很早就被期待解决这个问题。2023年7月，OpenAI、谷歌、Meta、亚马逊、Anthropic、微软等公司达成了自愿承诺，表示将研发机制，帮助用户识别AI生成内容，包括水印和内容来源标记。

但几年过去，图像、音频、视频的标记方案不断推进，文本却仍然没有一个清晰、默认启用、公众可用的通用答案。OpenAI曾在2023年推出过AI Text Classifier，用来判断一段文字是否由AI生成，但上线时就提醒用户不要把它作为决策的唯一依据。半年后，因为准确率太低，OpenAI把它下线了。

2024年，《华尔街日报》报道称，OpenAI内部其实已经开发出一款文本水印工具，在足够长的ChatGPT生成文本上，有效率可以达到99.9%。但OpenAI最终没有公开发布它。原因也不完全是技术问题。报道提到，OpenAI担心文本水印引发用户反弹、影响产品使用，也担心非英语用户承受额外的污名化。还有调查显示，接近30%的ChatGPT用户表示，如果启用文本水印，他们可能会减少使用。

到最后，回到“鉴AI”与“自证清白”的两方拉扯上，以上提到的所有水印方案，都还不能做到万无一失。人类有句话叫“道高一尺，魔高一丈”，还有一句叫“上有政策，下有对策”。只要人类还相信这两句话，“鉴AI”就不会停止。也许有一天，“AI参与”成为默认状态，“人类原创”变得异常稀有，这场大规模的“鉴AI”与“自证清白”的拉扯，才会真正失去意义。