AI 偵測器到底怎麼運作（以及它們為何標記你）

AI 偵測器真正在測量什麼

AI 偵測器並不知道一句話是誰寫的。它從沒看過你的文件，也無法拿它去比對某個隱藏的 ChatGPT 輸出資料庫。它做的是為你文字的可預測性評分，看它和大型語言模型常見的輸出模式有多接近。

現代的偵測器本身就是機器學習模型，用數百萬篇真人與 AI 寫的文章訓練而成。它們尋找生成過程留下的統計指紋，然後輸出一個機率。整條流程中沒有任何環節能驗證作者身分。偵測器看不到你的瀏覽器紀錄，也看不到你打字的過程；它只能說，你的文字和它訓練時見過的機器寫作相似，或不相似。

把它想成垃圾郵件過濾器。它學會了垃圾郵件通常長什麼樣，所以會標記帶有那些特徵的郵件，但它永遠無法對任何一封信百分之百確定。AI 偵測的原理相同，這代表每個分數都是一個披著數字外衣的猜測。這也改變了你解讀結果的方式：「85% AI」不是說你 85% 的文字是機器寫的，而是說偵測器對一個猜測相當有把握。

困惑度：你的用字有多出人意料

困惑度（perplexity）是最重要的單一訊號。它測量語言模型對你選的每個字有多「驚訝」。如果每個下一字都正好是模型會預測的那個，困惑度就低，文字看起來就像機器寫的。真人比較難預測：我們會挑一個古怪的形容詞、打破一條規則，或用略嫌笨拙的方式表達，而每一個這樣的選擇都會推高困惑度。

舉一對具體的句子就一目了然。第一句：「規律運動很重要，因為它能改善身心健康。」第二句：「我持續運動，是因為膝蓋抱怨少了，運動完連收件匣看起來都沒那麼可怕。」兩句都通順，講的也是同一件事，但第一句完全由語言模型會排為最可能的下一個字組裝而成，「規律運動很重要，因為」根本就是模板。第二句冒了點小險：會抱怨的膝蓋、令人畏懼的收件匣。逐字計算機率的模型會覺得第一句毫無意外、第二句真的難以預測，於是第一句讀起來像 AI，第二句讀起來像真人。

這也解釋了為什麼精緻、通用的文字就算每個字都是人寫的，也會被標記。困惑度不衡量努力或誠實，只衡量可預測性，而有些完全出自真人的寫作恰恰非常可預測。

突發度：真實寫作的節奏

突發度（burstiness）測量的是句子結構和長度的變化幅度。人是一陣一陣地寫的：一個綿長曲折的句子後面接一個短句。三個字。然後是一個塞滿細節、拖得比它該有的長度還長的複雜子句。

AI 的輸出平滑得多。在預設狀態下，模型產出的句子長度都在同一個區間徘徊，開頭用類似的結構，收尾帶著同樣均勻的節拍，一段接著一段。把兩者並排放在一起，你往往一個字都不用讀就能看出差別：真人的文字在頁面上參差錯落，機器的文字像砌好的磚牆。

偵測器把這種參差量化了。低突發度加低困惑度是經典的 AI 特徵，兩者同時出現時，偵測器就會相當確信文字是生成的，哪怕主題和文法無可挑剔。不過任何一個訊號單獨來看都很弱。詩人的突發度狂放不羈，契約律師的幾乎是零，但兩者都是人，這也是認真的工具總是把兩個訊號合併使用的原因。

底層機制：token 機率

語言模型一次寫一個 token，每個 token 都帶著一個機率分數。偵測器會近似計算這些機率，檢查你的文字是否落在模型「舒適圈」裡的高機率選擇。當一段文字幾乎完全由高機率 token 以均勻的節奏組成，它就吻合 ChatGPT、Gemini 和 Claude 的預設生成方式，偵測器再把這種吻合換算成你看到的百分比。

這也解釋了為什麼短片段的測試不可靠。只有一兩句話時，訊號不足以把一個用字謹慎的真人和一個模型區分開來，分數會劇烈搖擺。多數廠商其實心照不宣：好幾家拒絕為幾百字以下的文字評分，因為在那個長度以下，這套數學比較接近擲硬幣，而不是測量。

統計式偵測器與分類器式偵測器

偵測工具分成兩大流派，弄清楚你面對的是哪一派，很多奇怪的結果就說得通了。統計式偵測器用一個參考語言模型直接計算機率：把你的文字丟進模型，測量困惑度、突發度和相關數值，再套一個門檻。GLTR 和 DetectGPT 這類研究方法是這樣運作的，許多免費檢測器背後的評分也是。它們的優點是不需要標註過的訓練資料；缺點是判決嚴重取決於由哪個參考模型來評分。

分類器式偵測器則是訓練出來的。廠商蒐集大量已知的真人文字和已知的 AI 文字，然後微調一個模型（通常是 RoBERTa 風格的 transformer）來分辨兩者。Turnitin、Originality.ai 和 Copyleaks 都是這樣打造的。分類器能捕捉原始困惑度之外的細微線索，所以在與其訓練資料相似的文字上通常更準，但面對更新的模型、其他語言或它們沒見過的領域時表現會退化，而且廠商以外沒有人能檢視它們究竟學到了什麼。

如今大多數商業產品都是兩種方法的混合體，這也是它們的分數難以解讀、更難以跨工具比較的原因之一。

ChatGPT、Gemini、Claude 的輸出為何被標記

最前緣的模型被訓練得清晰、安全、流暢，而訓練的最後一關獎勵的是多數評審認為寫得好的答案。這把輸出推向了四平八穩的句子、「moreover」和「in conclusion」式的整潔轉折，以及始終停留在統計中庸地帶的詞彙。

而這些特質恰恰是偵測器獵捕的目標。文字越精緻、越「平均」，它的困惑度和突發度就越低，AI 分數就越高。諷刺的是，滿是錯字和怪癖的真人初稿，往往比乾淨的 AI 一稿更容易過關，因為那些瑕疵才是承載人類訊號的東西。

GPTZero、Turnitin、ZeroGPT 等工具實際檢查什麼

主流工具共用同一套核心邏輯，只是調校不同。GPTZero 讓困惑度和突發度評分廣為人知，並在句子層級同時回報兩者。Turnitin AI 把偵測整合進面向學校的抄襲比對套件，把文件切成重疊片段，標記出其分類器認為由模型撰寫的部分。

ZeroGPT 提供快速、免費的逐句判讀，Originality.ai 鎖定出版方和 SEO 團隊，給出嚴格、按信心加權的分數。Copyleaks 強調多語言涵蓋和企業級報告。它們全都是機率性的，所以沒有一家能誠實地宣稱完美，而每家廠商的準確率行銷，悄悄描述的都是廠商自己設計的測試。

為什麼偵測器之間互相矛盾

把同一篇文章貼進三個偵測工具，你可能拿到一個 2% AI、一個 45%、一個 88%。這種落差不是其中哪個工具壞了，而是不同系統根據同樣的證據做出不同猜測的必然結果。

每個工具都用自己的語料訓練、用自己的參考模型評分、切分文字的方式不同（整份文件對上逐句），並各自設定「疑似 AI」的門檻。一款為了避免冤枉人而校準的工具會偏保守、少標記；一款靠抓作弊做生意的工具會偏激進、對同一段文字多標記。它們更新的節奏也不一樣，所以一個在新模型推出前調校的偵測器，會在之後好幾個月誤判那個模型的文風。

實際的教訓是：沒有任何單一分數是定論，而工具之間的分歧，本身就是猜測成分有多重的直接證據。如果你的學校用 Turnitin 檢查，那就只有 Turnitin 的判定有意義，其他地方的乾淨分數既無法預測它，也保護不了你。

誤判：公開發表的數字

因為偵測器評判的是可預測性，它們經常失手，而這些失誤並非假設。OpenAI 自家的分類器在 2023 年 1 月推出，只辨識出 26% 的 AI 文字，卻把 9% 的真人文字誤標為 AI，公司在六個月內就因準確率太低將它下架。Turnitin 聲稱文件層級的誤判率低於 1%，但也承認個別被標記句子的可靠度差得多，這正是它對疑似 AI 文字很少的文件不顯示分數的原因。

最令人不安的發現與非英語母語者有關。史丹佛的研究人員用七款流行偵測工具測試真實學生為 TOEFL 考試寫的作文，發現這些真人作文平均有 61% 被標成 AI 生成，而且幾乎每一篇都至少被一款偵測工具標記過。美國母語學生的作文卻幾乎毫髮無傷地通過了同樣的工具。

機制正是本文所描述的：用第二語言寫作的人傾向使用較安全的詞彙和較規整的句式，這會壓低困惑度，而低困惑度讀起來就像機器文字。這種偏誤是刻在方法本身裡的。這就是為什麼負責任的學校把偵測分數當成對話的起點，而不是證據。一個數字不是證據。

浮水印：遲遲沒有上路的解方

研究者長期主張，真正的解方是浮水印：讓 AI 模型在生成時自己嵌入一個看不見的統計簽章。在最知名的方案中，模型寫作時會偷偷偏好一份輪替的 token「綠名單」。讀者察覺不到這個模式，但持有金鑰的偵測器可以檢驗它，準確率遠勝靠困惑度猜測。

但它大致上沒有上路。OpenAI 打造了一個內部評估對長文約 99.9% 有效的文字浮水印工具，卻一直壓著不放，理由是改寫或翻譯會抹掉浮水印、它可能讓正當用 AI 潤稿的非母語者蒙受汙名，還有一個不那麼高尚的原因：使用者會乾脆改用不加浮水印的工具。Google 的 SynthID-Text 是例外，它在 Gemini 內部運作並已開源，但它只標記 Gemini 自己的輸出。

這就是核心難題：浮水印只涵蓋製造商願意配合的模型，而任何人都能在本機執行的開放權重模型永遠不會帶浮水印。所以你的學校或雇主今天用的偵測器，依然在做統計，而不是讀浮水印，其中的不確定性也原封不動。

偵測器如何處理人機混寫的文字

真實的文件很少是純粹的。學生親手起草前言，請 ChatGPT 擴寫兩個本文段落，再從頭到尾編輯一遍。偵測器的因應方式是在文件上滑動一個視窗，逐句或逐段分開評分，並把看起來像生成的段落標示出來。

混寫會削弱所有訊號。AI 段落裡的人工修改會拉高它的困惑度；真人段落裡的 AI 句子會把節奏拖向均勻。結果是一個中間地帶的分數，它既可能代表「一半是 AI」，也可能代表「全是人寫的，只是寫法奇怪」，而逐句標示的可靠度明顯低於整體數字。例如 Turnitin 就說過，它的句子層級標記錯誤率高於文件分數，還一度乾脆拒絕顯示低百分比，因為它們實在太不穩。

簡而言之：文件混得越兇，判定就越模糊，報告裡被標示的句子，比頭條的百分比更值得懷疑。

人性化如何降低分數

既然偵測器獎勵高困惑度和高突發度，解法就是寫得更像人：變化句子長度、使用比較難預測的用字、加入自然的轉折、打破均勻的節奏。在整份文件上手工做這些很慢，這正是 AI 人性化工具存在的意義：自動改寫文字，還原那種屬於人的變化。

像 Humanize AI 這樣的工具會改寫模型輸出，讓它重新獲得自然的突發度和較難預測的措辭，幫助它繞過 AI 偵測，同時保住你的原意。關鍵在於，它會顯示來自真實偵測引擎的前後分數，讓你是在測量變化，而不是在祈禱。目標不是欺騙，而是讓文字終於聽起來像你。

這對你的實際意義

從這項技術的運作方式，可以直接推出幾個習慣。繳交前先測試，因為檢查是免費的，瞎猜分數毫無意義；你可以把草稿丟進免費 AI 人性化工具，搶在任何人之前看到偵測數字。永遠不要相信對短文的判定，把句子層級的標示至多當成薄弱的證據。

如果你寫作誠實，請留好憑據：草稿版本、筆記和編輯紀錄，遠比任何反向分數更能證明作者身分，尤其當你是用偵測器不信任的正式語體寫作的非母語者。如果你面對的是某個特定的檢測工具，就去了解它的具體行為；Turnitin 尤其有些值得認識的怪癖，這也是我們寫了 Turnitin 指南作為本文姊妹篇的原因。

最重要的是，記住偵測器是什麼。它是一個為可預測性評分的模式比對器，由某家廠商打造、照某個門檻調校，並在兩個方向上都以可測量的比率出錯。有用，有時候。證據，永遠不是。

常見問題