'如何辨別 AI 寫的假文章？最好的辦法還是用回 AI'

解鈴還須繫鈴人。

這句話的意思是誰引起了麻煩，那麼就由誰去解決。而如今，這句話用在麻省理工學院的 AI 查文工具 GLTR（巨型語言模擬器）上似乎也同樣合適。

GLTR 是一款由麻省理工學院和哈佛大學 IBM 沃森人工智能實驗室的人工智能文本識別工具。這款工具的工作原理，是通過檢測文本撰寫邏輯、文本用詞來對文章進行判斷，即通過文章語句的組成方式、對單詞運用的手法進行人工撰寫和 AI 撰寫的識別。

比如，當 AI 炮製出一篇新聞，那麼它只是會以複述的形式機械地向讀者陳述事件，並沒有主觀情緒和意識，也沒有寫作手法特點，那麼 GLTR 就會判斷出該文章為 AI 撰寫文本。

同理，當評論語句是由簡單的單詞組成，那麼 GLTR 也能識別出由 AI 灌水的評論。

GLTR 的「對手」，其實是近年由馬斯克倡導成立的 OpenAI，不過說來也是有趣，OpenAI 同時也充當著 GLTR「孵化器」的角色。

今年初，OpenAI 公佈了一款文本生成工具（GPT-2），這款工具能根據用戶給出的多個信息點去整理並生成出一篇假新聞。

儘管 OpenAI 在展出這款軟件後一再強調它的作用只是用於未來的 AI 語言建模，即通過 AI 對人類的使用習慣進行學習，繼而在未來以接近用戶的編寫方式去自動補充文本內容，演示的新聞編寫只是工具能力的展示方式。

但由於該工具已經具備基礎的內容編寫能力，所以也不排除這款工具在未來會參與到假新聞、假評論創作當中。因此，IBM 沃森人工智能實驗室以 OpenAI 的公開代碼為藍本，在編譯功能的基礎上加以改良，最後推出了這款具備逆向檢測功能的 GLTR。

正如大家經常開的一個玩笑：AI 當中出現了「叛徒」。

GLTR 的預測結果分為容易（綠）、較難（紅/黃）、很難（紫）幾種。其中「很難」為最接近人類用詞撰寫的詞語或句子；「容易」則最有可能是由 AI 編寫的語言，因為 AI 所獲得的信息量有限，而且句式搭配單一和機械，所以 AI 就能根據單詞和詞組對內容進行篩選，最後得出是否由 AI 撰寫內容的結果。

怎樣的句式才屬於人類創作？哪些措辭是 AI 常用的？

澎湃新聞的記者用工具對《哈姆雷特》的其中一小段進行檢測，最後發現單單一頁紙的內容，就已經能找到多達 20 個標紫的結果。

比如在文章中，莎士比亞就用了「暴虐」、「熾熱的光彩」來修飾命運和光彩，這些都是常人不常用的寫作手法，對於 AI 來說，這些可以說是從入門到精通的超能級別了。

▲ 圖片來自：澎湃新聞

相比於人類對 AI 內容的辨別，GLTR 在實驗中已頗顯成效。根據 GLTR 研究團隊的測試結果，在同一篇由 AI 杜撰的文章中，參與測試的哈佛學生辨別出了近 50% 的虛假文本，而在使用 GLTR 工具後，辨別能力提升到了 75%。

雖然在複雜的現實場景中，GLTR 尚未做到 100% 的準確率，也尚未能真正投入使用，但在測試中能為人類提升 25% 的效率，也已經是個相當喜人的表現了。

果然知己知彼非常重要。

有學者認為，隨著社交平臺、內容媒體在近年井噴發展，假新聞、假消息、假評論也隨之在網絡氾濫。而 GLTR 在未來有望能成為人類辨別 AI 假內容的輔助工具，它能幫助用戶及時避免假新聞、假評論所可能會帶來的損害。

實際上除了哈佛和麻省理工的 GLTR 以外，華盛頓大學和艾倫人工智能研究所也在早些時候推出了一個同樣是基於 OpenAI 代碼設計的文本檢測工具，名為 GROVER。

比 GLTR 更有意思的是，GROVER 除了具備文本預測能力外，還能對一些知名刊物的寫作風格進行模仿，包括《紐約時報》、《連線雜誌》等等。

比如我在 GROVER 的官網選擇《自閉症與疫苗的關係》這麼一個標題，系統就能模仿 CNN 的寫作風格幫我生成了一篇假新聞。而且我還能在編輯框中調整文章的撰寫日期、作者和標題，甚至還能對正文進行微調，以達到以假亂真，真上加真的目的。

通過 AI 生成一篇有理有據的評論文要多久？GROVER 的官網說要 30 秒，但實際上在網絡暢通的時候，只需 10 秒就能得到一篇由 AI 炮製的假新聞了。

而與 GLTR 一樣，GROVER 同樣也提供了文本預測功能，這讓我不禁想起《貓鼠遊戲》中的弗蘭克——他是一個造假支票的專家，同時也是驗假支票的專家。

隨著 AI 的算法不斷學習和升級，AI 撰文在今天可以說已經達到了能以假亂真的地步，這也間接催生出瞭如 GLTR、GROVER 這些識別軟件的問世。

當然，人類想要辨別出假文章也不一定全靠 AI 輔助，比如按照 GLTR 的邏輯，本文的第一句話就能證明這是一篇由人類撰寫的真文章，而且本文我總共花了 30 分鐘撰寫，比 AI 足足慢了 60 倍呢。