越认真的人，越像机器 ## ——AIGC 检测的病根是范畴错误，不是精度不够

摘要：王勃《滕王阁序》写于公元 675 年，在部分 AI 检测系统里的读数是 100%；同一篇《背影》，三个工具给出 18.21% 与不足 1%。本文要论证的是：这不是精度问题——那道门槛从立起来的那一刻起，位置就是错的。它查的是"人的特征"，而人之所以为人，不在特征，在投入。

---

一、先看那组读数

2025 年 5 月，有媒体拿经典文本实测了几款主流的论文 AI 检测系统：

• 王勃《滕王阁序》——写于公元 675 年，在部分系统的读数里是 100%；
• 朱自清《荷塘月色》——被判 AIGC 疑似度 62.88%；
• 同一篇《背影》——一个工具给出 18.21%，另两个工具给出的 AI 率不足 1%。

这些数字来自不同工具、不同版本，彼此并不构成可比数值。我要用的不是它们的高低，而是它们之间的离散度：同一篇文本，从不足 1% 到 100%。

一篇写于 675 年的骈文被判为 AI 生成，这件事不需要辩论。所以真正的问题不是"哪款工具准不准"：

当同一篇文章在不同工具里得到从不足 1% 到 100% 的读数，我们测量的到底是什么？

我的回答是：那道门槛从立起来的那一刻起，位置就是错的——它查的是人的特征，不是人的投入。

二、两个"注意力"，不是一回事

先说清两个词，因为它们同名而不同物。

注意力机制（attention mechanism）：工程侧的一个运算规则——决定模型在处理一段输入时，把多少权重放在哪里。它是 2017 年前后随那篇著名的论文才流行起来的叫法，论文题目就叫 Attention Is All You Need。

人类原生注意力（native attention）：心理学意义上的"注意"——有主体、有意识、有消耗；这个概念被当作术语使用已经一百多年。

命名上谁先谁后没什么可争：新东西借旧词是常事，命名从来各取所需。要指清的只有一件事——一个是借了名字的运算，一个是本来意义上的注意。 用"原生"只是想把这个借出去的名字放回原主身上。

	工程注意力机制	人类原生注意力
本体	加权分配的运算规则	主体的生命行为
主体	无独立主体，依附模型参数	依附于单一生物个体
时间性	无时间厚度的一次前向传播	物理时间的不可逆消耗
感受质	无	有主观体验与认知投入
品质约束	概念无意义	总量稀缺；广度、稳定、分配、转移受约束
痕迹	产出数据	产出注意力痕迹

两侧各有一句要紧的话。

机制那一侧：它可以在毫秒级生成带感叹号、带吐槽、长短句交错的文本。这是拟合，不是经历。 它能在文字上模仿"纠结"，但它没有纠结过。

人类那一侧：注意力是总量稀缺、会消耗、会衰减的生物资源。因为稀缺，投入才有成本；因为消耗不可逆，才存在"我在这上面花了多少时间"这件可计量、不可伪造的事。

（补一句术语：认知心理学另有"内源性／外源性注意"的对举，讲的是注意被什么牵引。本文要问的不是朝哪儿看，是费了多少，所以不借那组词。）

三、病根不是"混淆"，是范畴错误

行业内的通常说法是"混淆了两个概念"。这个诊断不够准。

混淆是同一范畴里用串了词；这里发生的是把两个不同范畴的对象放到同一把标尺上量——哲学上有个现成的名字，叫范畴错误。

这个区分直接决定整改方向：混淆只需澄清定义；范畴错误则标尺本身必须换掉。 你不是量错了，你是拿温度计量长度。

由此可以推出一句更狠的：

凡是基于文本表层特征构建的检测器，在选定标尺的那一刻就已经失败了。

准确率可以调，误报率可以降，跨模型泛化可以改进——这些都是真实的工程进步，但都不触及那个先天的错位。在错误的坐标轴上做优化，优化得再好也是徒劳。

它为什么能被轻易绕开？加几句口语、打乱几个长短句、插几个情绪词，读数就掉下去了。成本低到不像一场攻防。原因很简单：

对手从来没有在攻击这道防线，它只是在模仿这道防线所测量的东西。

真正的错位在这里：它要抓的是"人的特征"，而人之所以为人，不在特征，在投入。特征是可以用一次前向传播拟合出来的；投入是一段回不来的时间，拟合不出来。

四、还有一层没被说破：越认真的人，越像机器

那些被判为"像 AI"的文本，恰恰常常是人类把注意力用到极致的样子。

要把情绪表达抹平、把句式收齐、把术语统一、把推导一步一步卡住——这本身就是高度调控的产物：需要执行控制系统持续抑制无关输出，需要有意识注意在很长的时间里维持同一个目标。刻意删减抒情、构建统一的公理化体系，是原生注意力最吃力的用法之一。

所以，刻意克制是高阶注意力调控的证据，不是注意力缺失的证据。

现行体系犯的错因此不只是"误判"，而是归因方向的颠倒：它把人类最高阶的那批注意力特征，读成了"非人特征"。这不是判错了一个样本，这是把标准读反了——

越认真的人，越像机器。

五、从"测不准"到"不予理睬"，只有一步

判别既然不可靠，又不能不用——稿件在涨，审读能力没涨——于是各关卡普遍采取了一种权宜处理：不去逐篇判断内容，而是先按来源标签划档；检测值超过某条预设线，就不再进入实质审读。

这个动作在程序上可以自洽，它确实省下了审读成本。但它同时把一件本该由内容决定的事，交给了出身。

这里必须说清一层：这样处理的，不只是哪一家刊物、哪几个平台，而是整个社会——并且包括期刊自己。 期刊不是普通的商业渠道，它是人类的公共频道：一个领域的成果要在公共视野里成立，至今仍主要经由它。正因为它是公共设施，它的权宜之计就不是它一家的私事；它省下的那部分审读成本，会作为误判，由整个社会分担。期刊自己也在分担——它同样拿不到它真正需要的那样东西。

六、四条限定

第一，不是"检测工具全无用处"。 说"标尺选错了"，不等于说它在任何场景下都无价值。在边界明确、后果可控的场景里，它可以是一个参考读数；本文反对的是把它用作"这是不是人写的"这个判定的依据。

第二，"不可通约"是概念论证，不是实验结论。 它说的是二者不属于同一范畴，因而不能互相测量；这不排除将来有人造出真正指向"投入"的指标——那将是另一套标尺，不是这一套的升级版。

第三，本文只做拆除，不做替代。 正面回答（问投入、三个环节、痕迹位次）自成一篇，见文末延伸阅读；那是另一条论证线，不是本篇的结论。

第四，不针对任何具体产品。 文中所指是"基于表层特征的检测路线"这一类做法，不对应任何具体厂商；引用读数只为说明离散度，不为评价工具优劣。

七、小结

现行 AIGC 判定的病根，不是参数没调好，是范畴搞错了：拿机器那一侧可观测的表层特征，去测人类这一侧不可观测的认知投入。 换参数解决不了，只能换标尺。

而它造成的方向性错误，比"不准"麻烦得多：它把人类最认真、最克制的那一批写作，读成了最像机器的证据。

---

附：出处与口径。 检测读数出自扬子晚报／紫牛新闻记者实测（2025-05-10），光明网等转载（05-11）：《荷塘月色》62.88%；《背影》18.21%，另两家网站均小于 1%；《滕王阁序》部分系统显示 100%。这些数值来自不同工具、不同版本、不同批次，彼此不构成可比数值——引用它们不是为了比高低，而是用同一篇文本从不足 1% 到 100% 的离散度，说明该读数不能充当判定依据。同批报道中从业者表述：AI 检测本质上是分类模型的概率预测，误判率可降低但不可消除，不宜作为唯一评判标准。学理锚点：Vaswani A, et al.（2017）Attention Is All You Need；Simon H.（1971）注意力匮乏；Kahneman D.（1973）Attention and Effort；Corbetta & Shulman（2002）；Itti & Koch（2001）。

延伸阅读（可选）：《换一把尺子：不问"像不像人写的"，问"有没有人花过回不来的时间"》【链接】

独立研究者个人观点，不追求期刊发表，只求概念边界清晰、架构自洽、可被结构性检验与反驳。凡结论强度超出证据上限之处，欢迎直接指出。

*标签：人工智能 / AIGC治理 / 认知科学 / 注意力机制 / 学术评价