一位博主在个人博客上写了一篇态度鲜明的文章:他不会再读由LLM主笔的小说,哪怕整体架构是人类设计的。理由是统计画像——每个作家的用词选择都有独特的“指纹”,可以用来做文本溯源,而LLM本质上是从概率分布里采样,天然趋向写作的“统计均值”。他说,读别人的文字会让自己的文风也跟着变鲜活,但AI写作只会把这种鲜活拉平。
这个类比听起来干净利落,但拿到真实的读者实验里一测,立刻站不住脚。
盲测下,读者压根分不清
心理学界已经做过不止一次这类实验:让读者在不知道作者身份的情况下评判AI诗歌和人类诗歌。结果是大多数人分不清,判断更多来自“我以为这是谁写的”这个先验信念,而不是文本本身的质量。更让人意外的是,有研究发现,在盲测条件下,读者甚至更偏爱AI写的诗——直到主持人揭开答案,评价才应声下跌。
这组对照戳破了博主论证的关键前提:如果LLM写作真的“趋于均值”到肉眼可辨的程度,盲测就不该出现分不清、甚至更喜欢的结果。真正起作用的变量,更像是心理学里常说的“主体性偏好”——人们喜欢人类创作,是因为相信作品背后有意图和努力,而不是单纯比较文字排列的统计特征。
读者讨厌的常常不是AI文字,而是知道自己在读AI文字。
出版业的真实做法,比“拒读”复杂得多
如果统计画像的论证不够硬,现实中的行业规则又是怎么处理这道边界的?亚马逊的Kindle Direct Publishing已经要求出版方申报作品是否含“AI生成内容”,但对“AI辅助”通常不做同等要求——这意味着一部经人类大量编辑、AI只打草稿的小说,和一部完全由模型生成的文本,在披露义务上并不是一回事。平台在做区分,而博主的立场是一刀切。
这种区分不是空谈。作家Stephen Marche曾以笔名发表过公开承认使用多个AI系统、再由人类深度编辑的小说集;日本作家九段理江在获得芥川奖后也承认作品部分文字来自ChatGPT,当时引发的争论正是“透明使用”和“自主创作”之间那条模糊线该画在哪。科幻杂志Clarkesworld则从另一个方向撞上了同一个问题:2023年因收到大量疑似AI生成的投稿而被迫暂停征稿,暴露的是低成本生成内容对开放投稿系统的冲击,而不是某篇小说“文风是否够独特”。
真正的战场不在文风,在钱和署名
作家维权组织更在意的,从来不是LLM输出的统计分布长什么样,而是训练数据有没有拿到授权、稿酬会不会因为AI冲击而被压低、在世作家的风格会不会被未经许可地模仿。这些是版权和合同层面的争议,证据链清楚,诉讼和行业规则都能落地;“统计画像被拉向均值”则更像一种感受,缺乏实证支持,甚至被已有研究反证。
- 风险.如果“拒读AI小说”这种个人化的道德表态被当成行业共识,反而会掩盖披露标签缺失、稿酬压力、训练数据授权这些更紧迫、更具体的问题。
值得留意的是,这篇讨论文风统计学的博客文章本身,在网络检索里也没能被明确确认存在——它标注的发表日期停留在未来,能查到的同一博主的相邻文章,讨论的是LLM缺乏人类具身经验这类认知局限问题。这不代表观点一定错,但提醒读者:一篇情绪饱满的个人论证,和一套经过读者实验反复检验的结论,可信度并不在同一个量级上。
对普通读者来说,真正该盯的不是某本小说“读起来像不像AI”,而是买书时有没有清晰的披露标签、出版方是否区分了“AI生成”和“AI辅助”。对作家而言,比风格被拉向均值更实际的风险,是训练数据授权和稿酬谈判桌上的位置。