AI 撰寫的文章，能透過『結構』而非『詞彙』識別出來嗎？

AI Summary

研究結果顯示，即使替換了詞彙，AI 特有的寫作「結構」也難以隱藏。近期研發的「SlopShape」技術，僅憑資訊的排列與邏輯展開方式，就能以 98% 的準確率識別出 AI 內容。

想像一下。你有幾個每天早上必讀的新聞信或部落格。如果讀著讀著，發現其中超過一半的內容其實不是人寫的，而是由 AI 完成的，你會是什麼感覺？

迄今為止，我們為了找出 AI 寫的文章，主要集中在「詞彙」上。然而，隨著開發 AI 的工程師越來越聰明，一旦對 AI 下達「像人類一樣寫作」的指令，或是稍微扭曲一下用詞，既有的偵測技術往往立刻變得毫無用處。現在，我們進入了一個不再看文章外表，而是能看見其內部「骨架」的新時代。

這為什麼很重要？

網際網路是資訊的汪洋。然而，隨著生成式 AI 近期大量湧入內容，要區分什麼是真正融入人類思考的文字，什麼是 AI 生成的機械式產出，已經變得非常困難。出處：負責任的偵測與緩解框架

既有的偵測方式就像是「只能釣到特定詞彙的釣竿」。只要 AI 使用的詞彙模式稍微改變，偵測器就會展現出「脆弱性(brittleness)」，導致無法運作。出處：SlopShape 研究論文但若引入分析文章「結構」的方式，情況將截然不同。這是一個重要的轉折點，可能會改變我們在線上消費資訊時，判斷內容真實性的信任基準。

簡單理解：從「詞彙」包裝紙，轉向「結構」本質

區分 AI 與人類文章的祕訣，用這個比喻很容易理解。

簡單來說，想像一下「樂高(LEGO)」。雖然人類搭的樂高城堡與機器自動組裝的樂高城堡，外觀看起來可能很像，但堆疊樂高積木的順序或固定的方式可能會有所不同。我們過去使用的詞彙偵測器是在確認「用了什麼形狀的積木」，而現在則是確認「堆疊城牆與塔樓的整體工藝順序（結構）」。

若比喻成照片濾鏡，詞彙層面的偵測器是試圖偵測修正照片色調的濾鏡，而結構性偵測器則是掌握照片中被攝主體的位置、光線角度、相機構圖等照片「本質上的構圖」。

近期研發的「SlopShape」技術，分析的正是這種本質上的「文章骨架」。出處：SlopShape 研究論文它學習的是資訊以何種順序呈現、經歷哪些邏輯步驟到達結論、如何配置依據等。

現況：看見「結構」的偵測器登場

實際上，根據 2026 年發表的研究所述，這種結構分析方式展現了非常強大的性能。

敘事分析的轉變：在「故事範圍(StoryScope)」研究(Russell et al., 2026)中，完全不看詞彙，僅憑文章內容就成功區分了 AI 與人類撰寫的故事。出處：YCombinator 討論
高準確率：在「SlopShape」研究中，以商業部落格文章為對象進行測試，僅憑結構特徵，就以 98.0% 的驚人準確率找出了 AI 內容。出處：SlopShape 研究論文特別是該模型在學習過程中未曾見過的全新企業數據中，也展現了一致的性能。

這顯示出技術上，無論 AI 選擇多麼流暢的詞彙來修飾句子，都很難完全摒棄模型自身學習到的「寫作慣例」或「資訊傳達的邏輯結構」。出處：SlopShape 研究論文