阅读（Reading）对我而言非常重要。虽然我并非速读者，阅读量也称不上庞杂，但我发现长文阅读在我的人生中产生了深远影响。正因如此，写作对我同样重要，写作不仅能传递思想，其过程本身更会迫使我们检验并提炼观点，让想法更严谨，同时也成为分享的载体。但此刻提笔，是因为作为一名读者，我们已深感恼火：太多我们原本欣赏和尊重的人，正在撰写或署名发表那些明显由LLM（大语言模型）生成的文章。
正文
阅读对我很重要。虽然我读得不快，也称不上博览群书，但长文阅读对我的人生产生了深远的影响。
正因为阅读重要，写作也同样重要：写作不仅能让我们传达想法，这个过程本身还会迫使我们去检验和提炼这些想法——既让观点更严谨，也提供了分享的途径。
但我现在动笔，是因为作为读者，我们真的很恼火：有太多人——包括那些我们本来喜欢且尊敬的人——正写出（或挂名）一些明显由大语言模型代笔的文章。我们读者想向这些推广AI代笔文章的人提出尖锐的问题：你们是觉得读者看不出来？还是觉得读者根本不在乎？
对于前一个问题，读者绝对看得出来。对于广泛阅读的人来说，AI的痕迹太明显了，就像作者的“智力拉链没拉”一样一目了然。这种痕迹甚至让人感到刺眼，以至于我不得不认为，那些用AI写作的人要么是读得太少，看不出AI明显的结构特征，要么就是连他们自己写的内容都没读过。（坦白说，遇到特别恶劣的文章，我甚至幻想过判作者当众朗读自己的作品，因为他们自己肯定也受不了强加给读者的那些垃圾。）
至于后一个问题，读者确实非常在乎。AI写作的特征实在太磨人了（比如动不动就冒出“下面说说为什么这个框架很重要！”），以至于我们的大脑会触发“紧急弹射手柄”，为了自我保护，在读到一半时就直接放弃。这里用“我们”是有意为之的：正如Cynthia Dunlop所写，在她调查的668名开发者中，78%的人一旦察觉是AI写的就会“立刻停止阅读”。而且后果不仅限于这篇文章：Cynthia的调查中还有71%的受访者会“在未来刻意避开这位作者”（！！）。耐人寻味的是，受访者追求的并非语言上的完美，而是真实性：98%的人表示宁愿读作者亲自写的（哪怕有瑕疵的）文章，也不要AI润色过的版本。最后，别以为Cynthia的受访者只是个自我筛选的小群体：社交媒体上的活跃读者恰恰是最有可能转发或推广好文章的群体——他们是在线写作的早期采用者和品味引领者。
为什么人们会有这种反应？除了要忍受恼人的文体怪癖，当读到一篇由AI深度参与的文章时，我们读者无从分辨哪些是真实内容，哪些是虚构的。正如我在RFD 576中所写，用AI代笔等同于违背了作者与读者之间的社会契约：如果作者自己都不曾费力创作，读者也不该被迫去费力理解那些句子。
读者的反抗重要吗？如果需要说明的话，当你用AI来创作公开文章时，你不再是为自己写作或检验自己的想法——唯一的目的就是服务读者。如果读者选择无视你（或许是永远），你就是在自毁长城：你不仅没能吸引读者，反而在主动驱逐他们。因此，抛开其他关于AI使用的评判，用AI代笔将变得越来越……无效。
说到这里，我想起垃圾邮件的演变历程。早在2000年代初，人们曾（合理地！）担心垃圾邮件的爆发会毁掉电子邮件。那时社交网络尚未兴起，电子邮件是互联网的标志性应用；我们眼睁睁看着电子邮件被垃圾邮件淹没，感到非常沮丧。但在2000年代后期，形势发生了转折：垃圾邮件过滤技术大幅改进，破坏了垃圾邮件的经济模型。此外，随着垃圾邮件得到有效遏制，被标记为垃圾邮件的后果也变得极其严重。如今，正规企业在使用批量邮件时都非常谨慎；一旦被标记为垃圾邮件，几乎意味着域名报废、品牌蒙羞。
反垃圾邮件的战争在能够大规模识别垃圾邮件时开始扭转；难道类似的剧情不会发生在AI代笔的文章上吗？就像垃圾邮件一样，人类读者很容易识别出AI的影响；这肯定是一个可以解决的问题。
直到不久前，这方面的成果还喜忧参半。我曾尝试用AI来识别AI文本，但发现其漏报率太高了：它们经常把那些我断定是AI写的文章误判为通过。其他服务似乎只寻找一些基础的AI特征，但作为一个（毫不掩饰的！）破折号爱好者，这些肤浅的技术让我坐立难安（而且我发现它们普遍不可靠，根本不值得常用）。
去年年底，Pangram Labs发布了他们的Pangram 3模型。我发现它比其他检测器强了一大截，于是成了忠实用户。重要的是，经过几个月的使用（尤其是在那些我已知出处的样本上），我发现它的误报率非常低：当Pangram判定某文本主要由AI创作时，我有把握确认AI深度参与了。（它的漏报率比我期望的要高，但考虑到低误报率，这点代价可以接受。）
一个多月前，他们推出了Pangram 4，我发现它比已经很出色的Pangram 3又有了质的飞跃：根据我的经验，它的误报率和漏报率都低得惊人（也就是说：准确率非常高！）。它如此有效，加上使用AI写作导致的信任崩塌如此剧烈，以至于我最近更新了RFD 576，明确规定了公开写作的标准，明确要求Oxide的公开文章经Pangram检测必须显示为“人类创作”。正如我在RFD中所解释的，我们公开写作的标准不仅仅是“不使用AI写作”，而是要让读者确信它并非AI代笔——而如今这就意味着要通过Pangram的“清洗”。对于那些珍视机构声音真实性的组织，我建议对其旗下作者的写作采取类似政策。（说的就是你，Rust基金会！）
事实上，Pangram对我们许多人来说已经变得如此重要，以至于当Pangram Labs的联合创始人兼CEOMax Spero最近做客《Oxide与朋友》时，我欣喜若狂。我推荐那次讨论，不仅因为它涉及Pangram的技术细节，还因为Adam提到了一个恰到好处（当时却未被充分欣赏的）《辛普森一家》梗：当我把AI代笔比作把外卖当自己做的菜端上桌时，Adam调侃道这种做法就像“清蒸汉堡”，指的是Skinner校长试图把Krusty汉堡说成是家传秘方。除了这个贴切的梗，听到Max分享Pangram 4为何特别有效的见解也很有趣——以及为什么它的有效性似乎引来了一些可疑的抗议哀嚎。
所以，作者们请注意：读者正在反抗。你应该完全预料到自己的文章会被拿去跑一遍Pangram。如果你们认为我们应该接受由AI根据你的提示词生成文章，那就省省大家的时间，直接把提示词给我们好了。或者，更好的做法是，学学前辈作家们的做法，把提示词当作大纲骨架，自己动手去写！这并不意味着不能让AI帮忙，当然——AI是超级棒的文本编辑！——只是说，如果你真指望我们其他人去读你的文章，恐怕就不该让AI替你执笔。
评论
这组讨论的气氛带着疲惫和嘲讽：多数人已经厌倦被迫阅读由 AI 拼凑、没有修改痕迹的文本，认为这是对读者时间的不尊重；少数人提醒，AI 文本是否真的“一眼可知”值得怀疑，企业渠道里的商业垃圾和公关互推本来就存在，问题未必是新工具带来的。分歧主轴在于，作者与读者之间的写作契约是被 AI 破坏的，还是早已被商业互推与廉价内容生产的惯性架空了。
作者不花力气写，就不该指望读者花力气读
- 多个评论者认为，用 AI 直接生成的文档缺少人的“思考弧线”；一眼看出来是机器拼的后，说服力立即归零。也有人不反对把 AI 用于辅助研究，但不能接受整份文档只是敷衍出来的成品。 > 如果一份内容不值得你花时间写，那它也不值得我花时间读（@cagenut） （认可度：较多人）
AI 垃圾是“可以放心停止阅读”的可靠信号
- 有评论反向解读：这种文字对读者反而是一种帮助，它用接近百分之百的准确率告诉你，后面的内容不值得消费。 > 他们其实在帮我们：很少能遇到这么可靠的信号，提示我可以安全地停下来不读了（@overgard） （认可度：少数人）
AI 文本是否可识别，本身是个统计陷阱
- 有评论指出，所谓“一眼识别 AI”存在认知偏差：没有察觉那是 AI 的人，根本不会知道自己没察觉；未被发现的 AI 内容不会进入讨论样本。同时，人类作者被误判为 AI 的例子也已不少，因此“ AI 内容遍地且很容易识破”的结论很难严谨成立。 > 如果一个人读了 AI 文本却没注意到，那他就不会知道自己错过了什么，所以不能用个例推断整体状态。（@Lerc） （认可度：少数人）
企业早就在制造垃圾，廉价 AI 只是降低了扩产成本
- 有评论拆穿文章的前提：所谓“合法企业很谨慎地使用群发邮件”并不符合现实；用户刚下一单就会被订阅邮件、评论请求和弃单提醒包围。至于教程和公关内容，本质也是广告，AI 让制作变得更便宜，资本自然没有理由拒绝。 > 那些教程不是为了帮你，而是在向你打广告；既然 AI 能廉价地干这活，他们当然不会心疼。（@throwaway219450） （认可度：少数人）
批评 AI 写作的文章，可能也只是另一场交叉推广
- 有评论对文章动机表示玩味：一边批评 AI 辅助写作，一边在自己节目里请 Pangram Labs 的负责人来谈产品，读起来更像一次 PR 互换。若真是如此，文章对 AI 写作的道德批评就显得有些别扭。 > 显而易见的 AI 辅助写作，和显而易见的公关利益交换，到底哪一个更糟？（@CharlesW） （认可度：少数人）
有价值的补充
- 一条评论把写作分成两种：作为“发现想法的方式”时，文章是思考留下的面包屑；作为“留下印记的方式”时，文章是被反复打磨的表面。AI 介入后，连“是否真的发生过修改”都成了问题，等于抽掉了文字背后那条探索的路径感。（@turtleyacht）
- 有人调侃，希望出现一个浏览器扩展，给 Hacker News 热帖都标上 Pangram 检测分，免得浪费时间读垃圾。这未必是可行的方案，却准确反映了社区已经被机器文本占满阅读列表的烦躁。（@duhhhhh1212）
- 真实世界已经有加拿大立法者在议会发言中朗读明显由 AI 生成的应答材料。可见“让作者自己大声读一遍就会受不了”的想象或许过于乐观，因为有人真的能面无愧色地读出来。（@MarkusQ）