a16z：所谓AI味，不过是人类平庸写作的平均值

生成式 AI 普及后，「这篇文章是不是 AI 写的？」几乎成为网络内容的新式质疑。但 a16z crypto 认为，这个问题可能从一开始就问错了。

a16z crypto 近日发表文章《The habits of AI writing, and what to do about them》，讨论人们熟悉的「AI 味」到底从何而来。许多被归咎于 AI 的写作问题，其实在人类大规模使用大语言模型之前就已存在，AI 只是将这些坏习惯批量复制并放大。

因此，比起追问一篇文章有多少比例由 AI 生成，更值得问的是：文章有没有把事情讲清楚？信息是否可信？有没有真正为读者创造价值？

如今看到一篇文章，人们很容易从某些特征判断「这看起来像 ChatGPT 写的」：大量看似深刻却没承载多少信息的句子、企业简报式的套话、每件事都被拆成工整的三点、结构完整但找不到作者自己的声音，或反复出现高度相似的标点与句型。

a16z crypto 将这些特征归纳为几类：「伪深刻」表达、过度通用的语言、过度结构化、缺乏个人声音，以及重复的标点与句型。

事实上，企业公关稿、咨询报告、学术文章甚至新闻稿，早就充满类似问题。大语言模型只是从海量人类文字中学习，再把最常用、最安全、最容易被预测的表达方式重新组合出来。换句话说，很多人讨厌的「AI 味」，某种程度上其实是人类平庸写作的平均值。

与其把这些特征当作判断文章是否由 AI 生成的证据，不如将它们视为一套「坏文章分类学」。当文章出现大量模糊形容词，就要求作者补充具体的人、数字、事件与例子；当段落看似完整却没有观点，就追问作者真正想说什么；当每段结构都一模一样，就重新调整节奏；当一句话放到任何行业都成立，那它很可能没有提供多少有效信息。

a16z crypto 认为，真正重要的方向是维持写作的「具体性」与「真实性」。反过来，AI 可以用来检查哪些段落太空泛、哪些句子可以删掉、文章结构是否混乱，甚至帮作者找出自己反复使用的套话。

但真正不适合完全外包给 AI 的，是作者自己的判断：这件事为什么值得写？哪个细节最重要？我不同意市场上的哪个观点？哪些信息值得读者花时间读完？这些才构成文章的真正差异。如果连这些判断都交给模型，那么即便文章语法完全正确、结构漂亮，最终仍可能只是「没有错，但也没有任何值得记住」的内容。