生成式 AI 普及后，「这篇文章是不是 AI 写的？」几乎成了网络内容里常见的新质疑。a16z 旗下 a16z crypto 认为，这个问题一开始可能就问偏了。
在近日分享的文章《The habits of AI writing, and what to do about them》中，a16z crypto 讨论了人们熟悉的“AI 味”究竟从哪里来。其观点是，许多如今被归咎于 AI 的写作问题，在大型语言模型出现之前就已经存在，AI 只是把这些坏习惯大规模复制并放大。
“AI 味”不一定是 AI 发明的
a16z crypto 提到，人们在阅读一篇文章时，往往会凭一些特征判断“这看起来像 ChatGPT 写的”。这类特征包括：使用大量看似深刻、实际信息有限的句子，充斥企业简报式套话，把每件事都拆成工整的三点，文章结构完整却缺少作者自己的声音，或者反复出现高度相似的标点和句型。
文章将这些问题大致归纳为几类，包括“伪深刻”（pseudo-profound）的表达、过度通用的语言、过度结构化、缺乏个人声音，以及重复的标点与句型。
不过，a16z crypto 认为，这些毛病并不是 AI 发明的。企业公关稿、顾问报告、学术文章，甚至新闻稿，早就存在类似问题。大型语言模型只是从大量人类文字中学习，再把最常见、最安全、最容易预测的表达方式重新组合出来。
按文章的说法，很多人不喜欢的“AI 味”，某种程度上其实就是人类平庸写作的平均值。
与其检测 AI，不如把它当成坏文章清单
基于这一点，a16z crypto 也提出了对“AI Detection”的另一种看法。与其把某些特征当作判断文章是否由 AI 生成的证据，不如把它们视为一套“坏文章分类学”。
例如，当文章出现大量模糊形容词，就要求作者补入具体的人、数字、事件和例子；当段落看起来完整却没有观点，就继续追问作者真正想表达什么；当每个段落都长得差不多，就重新调整节奏；当一句话放到任何行业都成立时，这句话很可能没有提供多少信息。
a16z crypto 认为，比起追问文章有多少比例由 AI 生成，更值得问的是：文章有没有把事情讲清楚，信息是否可信，有没有真正替读者提供价值。
关键不在“没有 AI”，而在是否具体
在这篇文章里，a16z crypto 将更重要的方向总结为维持写作的 specificity（具体性）与 authenticity（真实性）。这也意味着，AI 不一定要被排除在写作流程之外。
相反，AI 可以用于检查哪些段落太空泛、哪些句子可以删除、文章结构是否混乱，甚至帮助作者找出自己反复使用的套话。
但文章也指出，真正不适合完全外包给 AI 的，是作者自己的判断。比如“为什么这件事值得写”“哪个细节最重要”“我不同意市场的哪个观点”，以及“哪些信息值得读者花时间看完”，这些才构成一篇文章真正的差异。
如果连这些判断都交给模型，那么即便文章语法正确、结构整齐，最后也可能只剩下一篇“没有错，但也没有什么值得记住”的内容。