podcast

i 啾的為什麼 | 為什麼 AI 寫的文章，跟人寫的那麼像？

2026/11/2

AI 寫的文章為什麼跟人寫的那麼像？這集從圖靈的「模仿遊戲」講起，再看 2026 年一篇研究：一般人猜不出短篇小說是人還是 AI 寫的，而且其實比較喜歡 AI 寫的那篇，只是一聽到「AI 寫的」就會扣一點分。最後聊聊網路上的 AI 文章為什麼又常常一眼就認得出來，以及 Anthropic 的文字浮水印。

本集文稿

📝 本文是錄音用的腳本，不是正式文章，實際錄音內容可能略有不同。口語的地方請多包涵，腳本不會像文章那麼嚴謹，因為用聽的需要一再重複重點。

哈囉大家好，歡迎收聽《許i啾不認真》，我是i啾。今天是「i啾的為什麼」，第一個為什麼：為什麼 AI 寫的文章，跟人寫的那麼像？

明明這一陣子生成式AI才推出，現在已經覺得AI好像離不開我們的生活了。AI除了能幫我們解答所有的疑問，連寫文章、安排行事曆，它也都能幫我們完成。

AI到底進展到了什麼樣的程度了呢？

我還記得當時在台大語言所讀博班時，上了謝舒凱老師的一堂課；那時候ChatGPT都還沒有發表出來，但當時記憶非常深刻，因為當場老師放了兩首詩，請我們猜哪一首詩是AI 寫的。我們當下都覺得超級明顯的啊，壓倒性地認為第一首就是AI 寫的；結果揭曉時，沒想到老師露出了尷尬又可愛的微笑說，第一首其實是我寫的，沒想到我寫的詩大家都以為是AI 寫的，看來AI 比我有文采。那大概是距離今天快十年前的事情，而在這幾年生成式ＡＩ的進展，像是ChatGPT、Claude等，讓人類與AI 的界線似乎越來越模糊了。

今天這集，我們就要來回答這個為什麼：為什麼 AI 寫的文章，跟人寫的那麼像？

不過在進入這篇研究之前，我們先往回看一下：人類其實很早就在想，機器能把人模仿到什麼程度？像到我們分不出來嗎？

最有名的，就是「圖靈測試」（Turing test）。英國數學家圖靈在 1950 年提出一個想法：如果你在跟對方聊天，卻分不出對面是人還是機器，那這台機器就算通過了圖靈測試。

圖靈把它叫作「模仿遊戲」。對，就是班奈狄克・康柏拜區演的那部電影的片名，不過電影演的主要是他破解德軍密碼的故事。玩法是這樣的：有一個提問的人，坐在另一個房間，看不到對方，只能打字聊天。他同時跟兩個對象聊，一個是人、一個是機器，聊完要猜：哪一個是機器？圖靈當時預測：大概五十年後，一般人跟機器聊五分鐘，猜對對方到底是人還是機器的機會不會超過七成。

那機器什麼時候開始騙過人的呢？ 2025年？2020年？實際上，比我們想像地早很多。

1972 年，美國史丹佛大學的精神科醫師 Kenneth Colby 寫了一個叫 PARRY 的程式，模仿一位有被害妄想的思覺失調症病人說話，另外，他們也拿了真的病人的對話紀錄，請精神科醫師們看挑出哪一份是電腦產生的。評審的正確率是──百分之四十八。對，五十年前，猜對的機率就已經跟丟銅板差不多了。

後來 AI 越來越厲害，不過一開始的 AI 大多是在下棋：1997 年，IBM 的電腦「深藍」打敗了西洋棋世界冠軍；2016 年，AlphaGo 打敗了圍棋高手李世乭。不過那時候的 AI，大多只會做一件特定的事。直到 2022 年底 ChatGPT 推出，所謂的生成式 AI（generative AI）讓生成圖片、文字內容越來越厲害。現在你滑一下常看的IG、Facebook或Threads，很多文章都已經是用AI生成的了。

甚至 2024 年有一個研究，把莎士比亞等詩人的詩，跟 ChatGPT 模仿他們風格寫的詩放在一起，結果大家不但猜不出來，還比較喜歡 AI 寫的那首。所以我可以安慰舒凱老師，他的文學造詣和莎士比亞差不多吧哈哈

但是！奇怪的事情來了。心理學家發現，人類現在明明已經越來越分不出來作品是AI還是人類寫的，卻還是普遍覺得機器做的東西比較差。這個現象有一個名字，叫作「演算法厭惡」（algorithm aversion）。而且這種偏見很頑固。今年有一篇研究，做了 16 個實驗、找了兩萬七千多個人：同一篇作品，只要標上「AI 寫的」，就會被扣分。研究者試了好幾種方法想把分數拉回來，比如先跟大家說 AI 有多厲害，結果都沒用。或許某種程度上，我們還是相信人類潛在的能力吧？

聊完了人類與 AI 在歷史上的恩怨情仇，我們再回到一開始的問題──「為什麼 AI 寫的文章，跟人寫的那麼像？」最直覺的答案是：生成式 AI 本來就是讀大量人類的文字學出來的，它學的就是人怎麼寫。但到底像到什麼程度？像到我們分不出來嗎？如果分不出來，那我們比較喜歡哪一篇？還有，光是「以為」作者是 AI，會不會就扣分？這三個問題，就是今天這篇研究要回答的。

這篇研究是美國維拉諾瓦大學的兩位心理學家做的。論文今年發表在一本研究判斷與決策的期刊上。

研究者先準備了三篇真人寫的短篇小說，都是正式出版過的作品。然後請 ChatGPT 照著每一篇的主題、視角和風格，各寫一篇對應的版本。比如有一篇真人小說，是一個成年的孩子看著生病的母親，用錦鯉來象徵生死；研究者就叫 ChatGPT 也寫一篇「用錦鯉當象徵、從母親的成年孩子的角度、寫世代生死」的故事。每篇大概一千個英文字，五分鐘就讀得完。

研究者一共做了三個實驗。我們先來看最直接的問題：到底猜不猜得出來？

其中一個實驗找了四百多個人，每人讀一組故事，一篇真人、一篇 AI，還明明白白跟他們說「這兩篇裡面，有一篇是 AI 寫的」。這已經是很簡單的模式了吧？你們猜猜看，猜對的人有多少？

好，公布答案。猜對的只有大約百分之三十九，比丟銅板的百分之五十還要低。

為了更準確地測量大家有多會用 AI，幾個月後研究者改用一份驗證過的「AI 素養量表」，請大家自評像是「我能熟練地用 AI 工具幫忙處理日常工作」「用一陣子之後，我能判斷一個 AI 工具能做什麼、不能做什麼」這類句子，又找了四百八十多個人再做一次。這次，猜對的是大約百分之五十二，跟丟銅板的機率相近。

一次猜對比率 39%，一次52%。在這兩次實驗裡，大家都沒有猜得比銅板準。

那有沒有人比較會猜？你可能會以為是很愛看小說的人，或是讀文學的人。結果不是。自己說很常讀小說、甚至工作要分析小說的人，並沒有比較準。比較準的，是比較常用 AI、比較懂 AI 的人。這很合理嘛，你跟 AI 相處久了，就比較知道它的「口氣」。

既然猜不出來，研究者還想知道另一件事：大家到底比較喜歡哪一篇？而且，「以為」作者是誰，會不會影響評分？

另一個實驗找了一千六百多個美國人，每個人只讀一篇，讀哪一篇是隨機抽的：可能抽到真人寫的，也可能抽到 AI 寫的。然後研究者設了一個小騙局：在受試者讀之前，隨機跟一半的人說「這是一位當代作家寫的」，再跟另一半的人說「這是 ChatGPT 寫的」。讀完之後，大家要幫故事打分數：好不好看、有多投入。所以有一半的人聽到的是實話；另一半被騙了，明明讀的是真人小說，卻以為是 ChatGPT 寫的，或是反過來。這樣研究者就能把「真正是誰寫的」和「以為是誰寫的」分開來看。

你們猜猜看，AI 寫的故事，分數會比真人寫的高，還是低呢？而作者會不會影響我們對於作品的感受？

好，結果揭曉。

第一題的答案：AI 寫的故事，分數比較高。這裡說的是「真的」由 AI 寫的故事，跟被貼上什麼標籤無關。不管是好不好看，還是有多投入，ChatGPT 寫的都贏過正式出版的真人小說，這跟很多人的直覺相反呢。

第二題：作者確實會影響我們對作品的感受。不管真正的作者是誰，只要大家以為作品是人寫的，分數就比較高。

所以研究者下了一個很妙的結論：大家其實比較喜歡 AI 寫的故事，但同時又相信 AI 寫的比較差。

不過我要老實說，這個「標籤加分」的效果不大。評分是從負三到正三，七個等級，「人寫的」標籤大概只多加了零點二、零點三分。所以大家對 AI 確實有一點偏見，但沒有到超討厭的程度。

好，把這幾個實驗放在一起看，就會發現一件很妙的事。蛤，為什麼會猜不出來哪篇文章是AI 寫的呢？研究者發現了：在猜謎的實驗裡，如果受試者說，他是靠文字好不好讀、順不順來判斷的人，反而比較容易猜錯。

為什麼？研究者的推測是：AI 寫的東西通常比較流暢、比較好讀。而人本來就比較喜歡好讀的東西，心理學叫作「處理流暢性」（processing fluency）。所以大家的推理是：「這篇讀起來好舒服，一定是人寫的。」偏偏，讀起來很舒服的那篇，常常才是 AI 寫的。這剛好接上剛剛的結果：大家比較喜歡 AI 寫的，又以為自己喜歡的那篇是人寫的，所以就猜錯了。

研究者還用了一個很有畫面的比喻來解釋 AI 寫的故事為什麼討喜：平均臉。心理學家發現，把很多張真人的臉合成平均起來，合成出來的那張臉，通常會被評得比較好看。AI 寫作也有點像這樣：它把大量人類文字的習慣平均起來，把每個人寫作時的稜角都磨平了，所以讀起來很順、很舒服。

也因為這樣，AI 最會寫的，就是平均值，這也是為什麼大家分不出來，甚至比較喜歡。

但這就代表AI現在寫作已經比人類強了嗎？我自己覺得，AI 強於平均，但若要超出平均，就會很難；尤其當文字內容一長，就很難跳出那個套路。作者在論文裡也提到另一篇研究：AI 的創意作品彼此很像；單看一個人的作品也許沒那麼有創意，但所有人加起來，變化比 AI 大。平均值是 AI 的強項；那些不平均、有稜角、只有你寫得出來的地方，才是人的價值。

所以我的小結論是：我們猜不出來，不是因為我們笨，而是我們拿來猜的那個線索，「好不好讀」，剛好是錯的那一個。

講到這裡，我們來看看這篇研究有哪些優點和限制。

先說優點：三個實驗加起來兩千五百多人，資料全部公開，而且「大家猜不出來」這件事，做了兩次都成立。

但有幾件事要先講清楚。第一，研究只用了三組故事，每篇五分鐘就讀完，而且都是寫實小說；換成一整本長篇小說，AI 能不能撐住角色和劇情，還不知道。第二，用的是 ChatGPT 4.0，在 AI 的世界裡已經算是舊模型了，換成現在的模型，結果可能又不一樣。第三，受試者都是美國人，讀的也是英文小說，換成其他語言和文化，結果會不會一樣，也還不知道。另外，研究測的是小說，不是作業或工作報告。這些文體大家分不分得出來，作者說還需要再研究。

可是講到這裡，你可能會想：不對啊，網路上明明很多文章，一看就知道是 AI 寫的。那為什麼這個研究裡，大家就是看不出來？我覺得至少有三個原因。

第一，題目不一樣。這個研究裡的 AI 故事，不是隨便叫它「寫一篇小說」。研究者給的指令非常仔細，要它照著一篇已經出版的小說，寫同樣的主題、同樣的視角，還要寫成「適合刊在文學雜誌上」或「可以收進短篇小說集」的風格。而且這是小說，不是說明文。我們在網路上一眼認出來的，常常是那種條列式的懶人包，或是用預設口氣直接生成的文章，那才是 AI 口頭禪最明顯的地方。（這是我的觀察，不是這篇研究測的）至於 AI 到底有哪些口頭禪，還有我們會不會被它傳染，之後會有一集專門來講。

第二，猜的人不一樣。研究找的是一般的美國人，剛剛也說了，越常用 AI 的人猜得越準。如果你每天都在用 AI，你本來就是比較會猜的那一群。舉例來說，如果你常用 AI 的話，你會發現它很愛用破折號，或是「不是…而是」的句型。像我剛剛那句「我們猜不出來，不是因為我們笨，而是……」，嗯……。如果你平常很少用 AI，一開始可能不太容易發現。

第三，我們只記得自己抓到的那幾篇。你看得出來的，都是那些很明顯的 AI 文章；那些你沒看出來的，你根本不會知道它是 AI 寫的。反過來也一樣，研究發現，大家把真人寫的誤認成 AI，跟把 AI 寫的誤認成真人，錯的次數差不多。所以「我一看就知道」，很可能有一部分是看錯的。

既然人用眼睛猜不太出來，那科技公司打算怎麼辦？最近有一個新聞：2026 年 8 月，做 AI 的公司 Anthropic 宣布，要在自家 AI，也就是 Claude 寫出來的文字裡，加上看不見的浮水印。主要原因是歐盟的《人工智慧法》，要求 AI 產生的文字要有標記。

這個浮水印很妙，它不是在文字裡偷藏什麼符號。它是在 AI 挑字的時候動手腳：當有好幾個字都差不多適合，AI 就用一把只有公司知道的「鑰匙」來決定要選哪一個。所以文章讀起來完全正常，你我都看不出來，但是拿著鑰匙的人，就能檢查這些字的排列有沒有符合那個規律。

聽起來好像問題解決了？也還沒有。Anthropic 自己也說，偵測出浮水印，只代表「很可能」有 AI 參與過，不是證明；文章太短不準，整篇改寫過一遍，浮水印就會不見；而且它只認得自家 AI 寫的字，別家的 AI 它認不出來。偵測工具一開始也只開放給研究者、媒體、查核單位這些機構。所以就算有了浮水印，「這是不是 AI 寫的」，還是沒辦法一眼看穿。

看來，文章到底是人類還是AI寫的，要判斷可能越來越難了呢。

那就來為今天做個小小的總結吧。

1972 年就有程式騙過精神科醫師，這篇研究再次發現，一般人猜不出短篇小說是不是 AI 寫的，而且大家其實比較喜歡 AI 寫的，只是一聽到「AI 寫的」就扣一點分。至於 AI 的故事為什麼比較受歡迎，「比較好讀」和「平均臉」都還只是推測；長篇小說、其他語言、更新的 AI 會不會一樣，也還沒有答案。

所以下次你想說「這一看就是 AI 寫的」之前，先問問自己：我是靠什麼判斷的？如果只是因為「它太順了」，那你可能要再想一下。

最後，如果你有什麼「為什麼」想要問我，歡迎隨時來我臉書或 IG 投稿哦！

那我們今天的「i啾的為什麼」就到這裡囉，謝謝各位收聽《許i啾不認真》，我們下一個為什麼見，byebye！

本集出處

主要研究

Sears, S., & Weisberg, D. S. (2026). Bot or not: Can people tell the difference between stories written by a human or by an AI system? Judgment and Decision Making, 21, e21. https://doi.org/10.1017/jdm.2026.10042 （開放取用，CC BY-NC 4.0，限非商業使用）

節目中提到的其他資料

Turing, A. M. (1950). Computing Machinery and Intelligence. Mind. https://courses.cs.umbc.edu/471/papers/turing.pdf
Colby 等 (1972) 的 PARRY 程式：轉引自 Sears & Weisberg (2026)；背景資料見 https://en.wikipedia.org/wiki/PARRY
Porter, B., & Machery, E. (2024). AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports, 14, 26133. https://doi.org/10.1038/s41598-024-76900-1
Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: People erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114–126. https://doi.org/10.1037/xge0000033
Raj, M., Berg, J. M., & Seamans, R. (2026). The artificial intelligence disclosure penalty: Humans persistently devalue AI-generated creative writing. Journal of Experimental Psychology: General, 155(4), 896–915. https://doi.org/10.1037/xge0001889
Reber, R., Schwarz, N., & Winkielman, P. (2004). Processing fluency and aesthetic pleasure. Personality and Social Psychology Review, 8(4), 364–382. https://doi.org/10.1207/s15327957pspr0804_3
Langlois, J. H., & Roggman, L. A. (1990). Attractive faces are only average. Psychological Science, 1(2), 115–121. https://doi.org/10.1111/j.1467-9280.1990.tb00079.x
Wenger, E., & Kenett, Y. N. (2026). Large language models are homogeneously creative. PNAS Nexus, 5(3). https://doi.org/10.1093/pnasnexus/pgag042
Anthropic 文字浮水印：https://www.anthropic.com/news/claude-text-watermark ；TechCrunch 報導（2026-08-11）：https://techcrunch.com/2026/08/11/anthropic-says-it-will-watermark-text-generated-by-its-ai-models/