前阵子带家人去吃板面。面上桌，一条条整整齐齐，粗细一模一样。我随口问面店阿姨，现在都没有手掰的板面了咩？
妈妈在旁边替她答了。“怎么可能咯，人工这么贵，当然是机器绞的。”
我低头又看了那碗面一眼。老实说，好吃。
10篇里有8篇
最近我和一个博士生挑了个有点八卦的题目。在我们天体物理这一行，到底有多少论文是被AI改过的。
不查不知道。按我们的估算，2024年大约四分之一，2025年接近一半，到了今年，大概8成。而在同一批文章里，主动声明“本文用AI润色过”的，不到百分之一。
这不是我们这一行独有。今年8月的一份分析扫过一百多万篇生物医学论文，发现2024年约52％带有AI写作的痕迹，到2025年底已经升到89％。
换句话说，连一向自视甚高的学术界，嘴上不说，手上都在用。其他行业恐怕只高不低。
难怪我那个学生打趣说，他最近开始翻旧小说。因为一睁开眼，不管是论文还是LinkedIn上的贴文，满屏都是那股味，得找点东西洗眼睛。
那股“AI味”，到底是什么？
这就要说到我们是怎么算的。
前几期聊过，今天的AI模型本质上是一台“文字接龙机”，根据上文，按它从海量文章里学到的规律猜下一个词。规律是学来的，它自然有偏好，就像一个人长期只读同一类文章，笔下也会带上那类文章的腔调。
早期的ChatGPT，这股腔调浓到藏不住，动不动就underscore（凸显）、leverage（善用）、delve into（深入探讨）。2025年《科学进展》一份研究把1500万篇生物医学摘要的用词摊开来数，发现ChatGPT问世之后，delves这个词的出现频率暴涨到原来的28倍。
这套方法其实很土。它不去猜哪一篇是AI写的，只看整个族群的用词分布，什么时候突然歪掉。我们那份天文统计，用的也是同一个思路。
说起ChatGPT为什么偏偏染上这几个词，有个流传很广的说法。
训练语言模型有一道工序，需要真人替模型的答案打分排序。这活又累又不需要博士学位，于是大量外包到人工便宜、英文又好的地方，非洲是其中一处。2024年《卫报》一位记者提出一个推测。delve这类词在尼日利亚的正式英文里，本来就比英美常见得多，就像我们讲英文会顺口带出lah、loh、meh。打分的人偏好这种写法，模型就一路学了过去。
要说清楚，这只是个推测，从来没被证实过。倒是在它出来的前几天，网上已经先吵了一架。一位美国创投界的名人说，他收到一封陌生来信用了delve，一看就知道出自ChatGPT。尼日利亚人一片哗然。
有意思的是，他们并没有否认那个前提，反而讲得理直气壮，delve本来就是我们从小写到大的英文。他们不服的是下一步，凭什么这个词一出现，写的人就变成机器？
这句反问，比那个推测本身重要得多。
现在，越来越难抓了
以前大家都笑说，这些词就是马脚。稍微在意的人自然会闪，加上学术圈普遍鄙视AI文，绕开的法子很快就传开了。我们在研究里也看到，今天你只叫AI顺句子，那些扎眼的词基本不会冒出来。
但文风从来不只是一张生词表。字与字之间怎么搭、句子长短怎么交替，这些也是统计量，而统计正好是笔者的老本行。一个人讲话总有口气，机器也有，只是藏在小数点后面。
不过这里有个很关键的限制。这类方法算得准的是族群，不是个人。我们可以有把握地说“这一万篇里大概八成动过AI”，却没办法指着任何一篇说“就是你”。就像人口普查算得出一座城市的平均身高，却告诉不了你隔壁那位多高。
而一旦硬要拿它去指认个人，代价马上就来。2023年斯坦福一份研究测试了7款AI侦测器，拿非英语母语者写的托福作文去跑，超过一半被判成“AI生成”，同一批侦测器跑美国中学生的作文却几乎全部放行。原因不复杂，非母语者用词保守、句式规整，而这恰恰也是机器的特征。对我们这些英文是第二语言的人，这笔账特别难听。
模型是同一个模型，模型都会带水印
既然事后猜不准，就有人想到在生成的当下动手脚。
模型每吐一个字，手上其实都有好几个同样说得通的候选词。水印的做法，是用一把只有生成方握着的密钥去决定这些无关痛痒的选择。读起来毫无异样，但整篇文章的选词分布里，压进了一段暗纹。就像钞票里那条防伪线，对着灯一照才现形，只不过这次灯在别人手上。
这不是纸上谈兵。谷歌DeepMind的SynthID-Text在2024年登上《自然》，已经跑在Gemini上。今年8月，Anthropic也宣布往后的Claude模型都会带水印，用的正是同一套方法，还会开放一个“验钞机”般的接口。
推手是欧盟。今年8月生效的《人工智能法案》要求，AI生成的内容必须带上机器可读的标记。这条规矩管的是欧洲，但模型是同一个模型，等于全世界一起收。
抓得住，然后呢？
鹰派拍案叫好，说早该如此，就是要把你们这些用AI的揪出来，让手掰的板面重见天日。
但这道防线比想像中薄。早在水印上线之前，怎么把它洗掉的论文就已经一篇篇发出来了。换句话说、翻译一遍、换几个同义词，暗纹就淡了，更狠的还能反推出密钥。而且它只对愿意加水印的公司有效，网上免费下载、自己就能跑的开源模型，根本不在这个体系里。
更要命的一点，Anthropic自己在公告里就承认了。水印只能说明Claude在某个环节插过手，却分不出“整篇是它写的”和“它大改过一遍”。反过来，你要是只让它顺顺句子，字大多还是你的，水印几乎无从附着。它验得出机器碰过没有，验不出碰了多少。
再退一步，还有一个更难的问题。如果那股所谓的AI文风，是从千万篇文献、外加一批廉价人力的语感里堆出来的，那谁有资格说这个文风是他的？回到delve那件事，被判定成“AI味”的那些词，本来是活生生的人在用的。抓不抓得住是一回事，抓住了怎么算账，是另一回事，而这笔账目前没人算得清。
最先磨掉的是自己的学术品味
我自己一直不排斥用AI改文章。
各位读者看到的这些字，初稿都是我一句句写的，但我还是会让AI过一遍。就像出门前总要照照镜子，看看头发有没有翘、领子有没有折。照镜子不是为了变成另一个人，是对等下要见的人的一点尊重。
我更排斥的，是那种“手掰的才叫面”的洁癖。手掰的面确实不一样，厚薄不匀，咬起来更有劲，这点我不否认。但一家店要是把功夫全押在掰面上，汤底、江鱼仔、辣椒板酱都随便来，那碗面还是不行。
这也是我现在做研究的方式。我对自己的东西挑剔得要命，但很清楚有些环节不值得花时间，省下来的力气该拿去啃真正难的那一段。
但这不等于怎么用都行。前几期聊过，学生太早太重地依赖AI，最先磨掉的是自己的学术品味，久了连好坏都分不出来。而AI能无限量地生产“挑不出大毛病”的文章，塞满你的屏幕，抢走你读点好东西的时间。
结语
在AI时代，与其花力气分辨一段文字是不是机器写的，不如练另一件更难也更管用的本事，分辨它有没有东西。
前一件事，机器很快就会让你验不出来。后一件事，机器永远替你做不了。
那碗板面我最后吃完了，连汤都喝光。面是机器绞的，汤底是阿姨凌晨起来熬的。
面可以将就，汤底不能。
作者简介： 吉隆坡中华独中毕业生，2017年美国哈佛大学天体物理博士毕业，随后获得美国NASA哈勃奖学金，于美国普林斯顿高级研究院（IAS）研究天体物理，曾任澳洲国立大学天文与电脑科学双系教授，现任美国俄亥俄州立大学天文系教授，专注于利用AI技术加速天文与基础科学的发现。目前在马来西亚学术休假，作为一个旁观者观察本地市场，欢迎各界读者来信交流。