当我们说「AI-generated」，我们在说什么？

最近围绕一个数据可视化的讨论，让我一直在想：当我们说一件作品是「AI-generated」时，到底在描述什么，又在判断什么？

我想把几个容易混在一起的问题拆开，尤其是两条线：工作如何被理解（the perception of the work），以及工作究竟如何完成（how the work is done）。 下面是我目前感受到的一些含义和想法，也欢迎补充或纠正。

1. AI 标签里的几种含义

字面上，「AI-generated」是在描述制作方式，并不一定带有批评。但在具体交流中，我感觉它有时还承载着这些 connotations：

• 质量低。 内容空泛、重复、没有新信息，或者看起来完整，却解决不了实际问题。
• 不走心。 作者是不是没有认真参与，只是把生成结果直接交了出来？那些话是否真的表达了本人的想法？
• 没有事实依据（ungrounded）。 文字或图片看起来可信，但背后有没有研究、数据和验证？是在表达真实经历，还是编出一个像经历的故事？
• 语言或审美上的不适。 句子的节奏、用词和结构让人觉得熟悉得厌倦，或者陌生得不自然。
• 公平感与其他顾虑。 对工作被替代、技能被贬值的担心，或者觉得借助工具取得优势，改变了努力与回报之间的关系。这里也可能涉及训练素材、创作权益和社区规则等具体问题，不能全部归结为情绪。

这些是我猜想这个词可能承载的意思，并不代表我知道某个评论者的真实动机。

尤其是「不走心」和「没有依据」，需要分开。一个人可能认真做了研究，结论仍然出错；也可能用 AI 翻译一份已有充分依据的分析。作者投入了多少，与内容有多少证据，并不是同一个问题。

如果关心的是事实，就需要讨论事实。如果关心的是就业、公平或创作过程，也值得把那个问题直接说出来。一个笼统的 AI 标签，很难告诉对方应该回答哪一种疑问。

2. Perception：表达如何被理解

我能改进的一部分，是别人如何感知我的表达。重复的句式、空泛的铺垫和不自然的节奏，都可以通过更好的写作辅助、反馈和编辑去调整。让人读懂，是沟通中需要做的工作。随着工具和使用经验变化，人们对这些表达的熟悉程度和偏好也可能变化。

但我也想区分几个标准：

• 是否清楚。 读者能不能理解我在说什么，找到具体的事实和论点？
• 是否忠实。 翻译或润色有没有改变我的意思，把犹豫写成确信，或者替我加入没有说过的承诺？
• 是否只是符合某种偏好。 一段话的节奏不符合我的习惯，是否就足以判断它没有诚意，或者认定它来自机器？

作为一个用英语表达的非母语者，我希望找到的是一种我们都能理解的语言。如果 AI 帮我把中文里想清楚的东西表达出来，比较对象有时还包括：没有这层帮助，我可能只能说得更少、更含糊，甚至没有开始这场交流。

这里有实际的取舍。语言辅助可以降低交流门槛，也可能把个人声音磨平。如果陌生的节奏被怀疑是机器，借助工具变得流畅又被怀疑不真诚，非母语者就可能被夹在两种要求之间。

2023 年的一项研究发现，所测试的 GPT 检测器经常把一组非母语者写的英语作文误判为 AI 文本。它测试的是自动检测器，不能据此判断网友凭语感识别来源的准确率；但来源判断本身，也需要接受检验。¹

我愿意改进表达，也希望我们在要求清楚、具体的同时，给不同的语言背景留出空间。

3. How the work is done：工作如何完成

如果一份内容空泛、错误、无法指导行动，那么由人写出来，它仍然有这些问题。用了 AI，也不能替它免去检查。

但「使用了多少 AI」同样不足以判断质量。改写八成句子，与编造唯一支撑结论的数据，影响可能完全不同。需要看它参与了哪里，以及那部分承担了什么作用。亲历叙述或技能考核等场景，也会把来源和过程本身作为评价的一部分。

最初做文件分类的可视化时，我觉得技术实现并不复杂：调用一个 Python 包，很快就能画出原型，接下来主要是把它变得好看。AI 在这里是个很好的助手。它能帮我排错，处理那些不想反复查的颜色参数和绘图库语法，让熟悉的想法更快变成可以试用的东西。

这种帮助也不限于画图。让 AI 帮忙跑一个 XGBoost、比较几种模型，或者尝试不同的特征聚合方式，都可以让探索快很多。它能帮助查找资料、尝试方法，让我更快获得新的信息和实验结果。但这些结果具体怎么用，仍然需要花时间思考和验证。

我在文件分类上也试过训练模型、做聚类，效果却很一般。当时遇到的一个问题是分类结果会漂移，很难稳定地对应用户的使用场景。即使已经分出了几类，连我自己作为用户，也不能据此直接判断哪些文件该保留、哪些值得清理。这让我开始重新考虑：下一步是继续训练模型、增加特征，还是先弄清楚用户到底需要做什么决定？

这也让我觉得，参与程度不能只按亲手写了多少代码来算。关键是流程里的这些选择有没有被想清楚、检验过：

• 数据：什么才算可接受的输入？ 比如分析访问数据，要不要排除 bot？去重是按请求、访问、设备，还是用户？时间范围和缺失数据怎么处理？代码成功跑完，不能替我决定统计口径。
• 分类：为什么这样分？ 回到文件问题，不同文件夹里的内容可能有不同用途和生成原因。我需要了解来源、依赖和特征，再决定哪些规则或模型适合这个任务。分出四类，不等于这四类有意义；还要检查重复运行是否稳定，标签含义有没有漂移。
• 展示与行动：用户看完能做什么？ 图形可以用不同工具画出来，但用户需要的可能是决定哪些可以清理、哪些应当保留，以及哪些需要自己选择。颜色和动画无法代替这些判断。
• 验收：怎样才算完成？ 每一步都应有与目标对应的标准，最后还要验证整条路径确实产生了用户需要的结果。

仅仅是“清理”这件事，也很难用一个 1 或 0 概括：

• 不可轻易恢复的内容，例如没有确认备份的日记和个人记录，不能只凭一个分类标签就当作垃圾。
• 可以重新下载或恢复的内容，仍然需要检查恢复来源是否可用、版本能否找回，以及恢复的代价。
• 可以重新生成的内容，也要确认删除会不会影响正在进行的工作，重建是否可行、成本是否可以接受。
• 需要用户判断的内容，可以把用途、占用空间和后果列清楚，让用户决定，而不是让“可删除”自动变成“应该删除”。

这些关于可逆性的选择，需要在设计和测试中逐步完善。AI 可以帮助整理特征、比较规则、实现方案；我仍然需要知道我们最终采用了什么依据。

表达与质量会相互影响：清楚的表达帮助别人检查工作，扎实的工作也能建立信任。但调整语言节奏，不能替代对数据和结果的核查。

4. Workflow：把回答接回事实

我越来越觉得，工作质量和整个流程有关。仅仅说「我要这个结果」，然后等它出现，中间会漏掉很多需要验证的环节。

假设 AI 告诉我：「把用户的订阅暂停，没有关系，下个月还会定时收费。」我不能因为它回答得快、解释得完整，就把这句话当成已经确认的规则。这一步得到的仍然只是一个待验证的说法。

这里至少需要几个检查点：

• 先把说法变成明确的问题。 暂停会改变哪些状态？何时恢复？下个账期到底应该发生什么？依据是什么？
• 在合适的测试环境复现。 用测试账户执行相同操作，观察真实保存的状态，而不是只看一个「操作成功」的提示。
• 检查后续行为。 暂停成功并不能证明下个账期会怎样；需要进一步检查周期变化、账单或事件记录。没有观察到的部分，仍然要标为未验证。
• 根据结果修正判断。 实际行为与预期不一致，就继续查原因、改实现、再验证。一个测试账户通过，也不能自动覆盖所有用户状态。

通过这些检查点，我才能把判断建立在可以观察、核对的事实之上。这是我说的 ground truth。「另一个 AI 也这样说」，或者同一个 AI 重复保证一次，都不能替代这些依据。我需要说清楚哪些验证过了，哪些还没有。

AI 可以帮忙设计这些检查、执行测试、解释结果。但测试本身也可能漏掉关键情况，所以「测试通过」仍然需要对应一个明确、合适的验收标准。

把工作拆成可以检查的步骤，为每一步设计验证，再用结果修正下一步，也是我建立对自己工作信任的方式。我需要知道某个判断为什么成立、在什么条件下成立，还有哪些地方没有把握。

5. 让 AI 加快研究与验证

我有时觉得，AI 像一个自助餐。许多原本要自己从头准备的东西，现在已经摆在面前。我可以每次只拿奶油甜点，也可以搭配一顿均衡的饭。选择变多、取得变快，并不保证最后吃到了自己需要的东西。怎么搭配，仍然值得认真考虑。

在工作里也是这样：更多模型、更多特征、更漂亮的图，都很容易成为下一步。AI 也能帮我比较这些选择，但我需要结合实际使用中的反馈，决定哪些值得继续做。

我也需要提防另一种情况：它给出的答案很完整，于是我误以为它已经覆盖了整个问题；我只在它列出的选项里比较，就误以为那些选项是全部可能。

所以我希望自己的工作方式包括：

• 用 AI 提出更多假设，帮助我看到原来没有想到的问题。
• 把这些假设带回数据、实际使用和测试环境中检查。
• 让检查结果改变下一步，而不是一直围绕最初那个看起来合理的答案打转。

在这样的流程里，我并不介意 AI 参与。它既能出点子，也能承担执行，让我有时间探索更多问题。工作值得被信任到什么程度，很大程度上取决于我们最终验证了什么，以及验证覆盖到哪里。

这也是我想邀请的讨论：

• 你说或听到「AI-generated」时，首先想到的是哪一种含义？这份清单还遗漏了什么？
• 在一个具体场景里，你更在意表达的感受、工作的质量，还是创作过程？为什么？
• 哪些证据或工作方式，会让你更愿意信任一份有 AI 参与的作品？

---

写作说明：本文根据我的口述和个人笔记整理，AI 参与了结构整理、论点推敲和中英文本起草。