Substack 上线 AI 检测引争议：检测工具真的有用吗？

内容平台 Substack 宣布与第三方 AI 检测工具 Pangram 合作，在平台上为每篇帖子、评论和笔记提供一键 AI 检测能力。Pangram 宣称其检测准确率接近 100%，误报率约为万分之一。这一功能上线后迅速引发作者社区讨论，争议焦点并不在于技术能力本身，而在于「是否应该、是否值得做这件事」。

合作背景与产品形态

根据 Substack 的说明，Pangram 集成后，用户可在阅读前查看作者内容中 AI 参与的比例。平台给出的理由是：

• 「人们应该清楚自己正在阅读的内容来源。例如，你可以接受一篇重度使用 AI 辅助呈现观点的深度分析，但只想把时间花在人类手写的回复上。无论如何，读者应该有选择权。」

Pangram 本身的检测能力源自对大规模人类文本语料的训练，并以此为基准判断一段文本是否由 AI 生成。

检测工具的可靠性争议

围绕 AI 检测工具的争议并非新话题。文章作者援引了社区中常见的几条质疑：

• 误报率高：检测器在人类写作上频繁触发「AI 生成」标签。
• 容易被绕过：轻微改写、调整句式即可让 AI 内容「洗白」。
• 基准不稳：检测器以人类文本作为对照，却无法跟上人类写作风格本身也在被 AI 影响的现实。

此外，作者引用了 JA Westenberg 的观点：五年后不会再有人关心 AI 检测器。原因是大多数普通读者关注的核心问题是——内容是否传达了有用、可信、有价值的信息，是否带来愉悦感——而非它出自谁手。

「意图」比「来源」更值得讨论

文章最有意思的部分在于把焦点从「是否使用 AI」转向「如何使用 AI」：

• 轻度辅助可接受：用 AI 打磨标题、润色开头、删改冗余段落，仍属人类创作流程的一部分。
• 全自动生成应拒绝：直接输入「以我最爱的博主风格写一篇关于失去的随笔」并一键发布，本质上是把流水线产物伪装成个人表达。

作者认为，这两类行为都可以被读者识别，并不需要 AI 检测器。检测器能衡量「AI 是否参与」，却无法衡量「思考、时间、精力、构思、编辑是否参与」。

Substack 检测上线的隐忧

针对 Substack 与 Pangram 的合作，作者提出了几条社区层面的担忧：

• 公开「AI 占比」可能演变为新的猎巫工具：用户会翻查作者的每条历史发布、评论、笔记，寻找 AI 痕迹并公开声讨。
• 误判的代价不对称：一次「98% 人类写作」的结果足以让作者陷入舆论围攻，而检测器本身的准确性并没有被独立验证到能承担这种后果的程度。
• 工具放大了最易测量的指标，却忽略了真正重要的维度——创作意图与最终价值。

文章结尾写道：「我们执着于构建容易测量的指标，却忽略了更重要的那个。」在 AI 文本已占互联网内容多数的当下，如何处理人机协作的边界，仍然是平台、作者与读者共同面对的未解题。