「AI 写的」已不够用：我们需要描述贡献的新语言

本文讨论了在生成式 AI 时代，我们应当如何描述人类对作品的「贡献」。作者指出，「AI 生成」这一笼统标签无法区分从直接粘贴到深度协作的多种使用方式，并呼吁建立更精细的贡献描述语法，强调判断力才是这一时代的稀缺资源。

「AI 生成」是一个糟糕的标签

「这是 AI 写的吗？」这个问题看似在追问作者身份，实际指向的是更细致的差异：你原创了内容、引导了过程、修改了输出、验证了结果，还是仅仅发布了结果？这五种回答完全不同，但当前非此即彼的二元选择无法承载这种区分。

「AI 生成」目前同时覆盖以下情况：

• 输入「给我写一篇 2000 字关于供应链韧性的文章」然后原样发布的人；
• 详细描述架构、用模型起草代码、逐函数审查、修正竞态条件、改写错误处理逻辑的人；
• 与模型对话三小时、反复争论和推敲、最终文本与初稿毫无重合的作者；
• 生成 50 张图、挑选一张并与照片合成的艺术家。

这些过程的投入、审慎程度、所有权归属乃至「被部署的能动性」都截然不同。当这个标签还附带道德指控时，使用者要么隐藏过程，要么过度坦白，两种反应都无法提供关于作品的有用信息。

学界把这种现象称为「透明度悖论」。只用模型润色几句的作者与整段生成内容的作者承受相同的披露污名，导致前者回避有用的工具或保持沉默。现有证据显示，非披露大多源于不确定性而非欺骗。

把「逐字生产」当作贡献的代理从来就不成立

过去我们默认逐字敲出文本的人就是真正的作者。但这一标准在 AI 出现之前就已经不连贯：编辑可以彻底重塑稿件却只署原作者的名；旧时画家会让学徒填补细节；没人期待政客真的自己写回忆录。

贡献从来就有多种形态：提出想法、指导执行、在选项中筛选、润色、验证、拍板。过去没必要用日常语言去区分它们，因为每种形态都涉及努力，而「努力」可以代替一切。生成摆脱了努力之后，剩下的就是「能动性」——不是谁的手指打出了句子，而是谁决定了句子应该是什么。

稀缺的是判断力

AI 图像中出现的六指手之所以尴尬，不是因为机器画了它，而是因为没人去检查。失败的不是生成环节，而是本应由人提供的判断和品味。

当机器能够按需产出流畅文本、合理代码和精致图像时，流畅、合理、精致就不再是人类努力的证据。「这是 ChatGPT 写的吗？」这个问题真正想摸到的是：这里面体现了你多少判断、专业能力和品味？这是你真正想表达的吗？

批准 AI 起草代码的开发者（理想情况下）是在做出一个声明：我读过、理解、会在凌晨三点它崩溃时为此负责。正因如此，「AI 写的」与「AI 写的，我验证过」绝不该是同一句话——后者包含了整个稀缺资源。

工作可能就藏在迭代里

针对 AI 辅助写作者，存在一种常见反驳——以 Clayton Ramsey 的「我宁愿读提示词」为典型代表——认为当提示词与最终成品高度相似时，不如直接读提示词。原文在此处被截断，但作者的倾向是：作品的形态本身可能就存在于人与模型的反复迭代之中，而非仅仅存在于某个静态的提示词或终稿里。