看你长得像个活人
事件的起因其实我今早在微博说了一下。有一些人民群众写了篇（英文的）文章，扔到AI检测系统里面去，结果被判31分。人民群众就觉得这个分数有点高，于是就找了我这个英文怪水的人来改一下。
我捋了捋逻辑什么的，大概给改了十分钟吧。然后发回去。
人民群众：你干了什么？！ 现在67分了！
我：那我就是直接改的，下回我给你用修改好吧，这次我真的记不清了。
人民群众：没有下回了！
说实在话，这个问题现在挺普遍的。学校交个作业，杂志投个稿什么的，老师主编往往第一步就是把文章扔到AI检测系统里头去。所以也难怪同学们索性主动出击，自己先测一下。但是这个问题是这样的，从商业逻辑看，只要你敢扔，他就一定敢给你打高分。
为什么？分数低的话，怎么卖给你humanize服务啊。你看我早上连读带改，也就十分钟。我自己觉得大概也就捋了四五个地方，那在一篇1000 words的文章里是在是九牛一毛的一毛。但是一毛一变，系统立刻翻脸。你觉得我能touch 了文章多少啊？可见这个判断对与我给予的微小变化的权重及其敏感，或者对于修改本身及其敏感。我英语也就是个二五眼，我觉得我没那么精妙。
这件事情本身呢，在我看就是一件很搞笑的事情。
什么是‘像人写的’？了解LLM的同学们会非常轻易的看出来，这就是一个pattern recognition （模式识别）, 大部分人类的英语嘛，和LLM写的比起来看，可能没有那么圆滑流畅，用词可能也比较窄。 不会有很多破折号，什么什么的。这个大约就是判定的基础。人民群众觉得31分比较高，其实真的算不了什么。我给你们看看丘吉尔的一段话，那系统觉得就是个AI 写的。
所以这件事本身，在我看来就是个玄学。
为什么？大模型本身呢，有pre-train, 有 training, 有post-train, 基本上呢整个过程就是一个让概率模型‘吐字像人’的‘对齐’过程。尤其是RLHF的过程中，我们会让人类来给予模型的输出提出反馈，以进一步让模型和人类语言‘对齐’。你对来对去的，对的这么齐了，你猜猜对齐的是谁的英语水平？
以我今早的遭遇来看，假设人民群众选择使用‘humanize text'， 那这个东西是什么？不过是这个工具所使用的模型以某种‘不像AI’的方式来输出同一个意思的文字。那么问题来了，三个问题：
- 我们可以预见改完以后分数巨低，说不定是0. 但是这有什么意义吗？左手修改，右手裁判，听起来真带劲
- 所以你告诉我用LLM来生成‘更像人’的文字是可行的？那你用的哪家的模型啊？是不是可以说明，用他家的LLM来生成‘更像人’的文字本身是可行的？你绕一绕就能绕明白，要不就是测不出来，要不就是改不出来。矛和盾不可能都是最棒的。
- 万一写的不是特别对或者不是特别好，你改完了还能行吗？万一你忍不住改了10分钟，又67分了呢？这下出不来了。
所以要我说，这个游戏就是一个坑人的事情。作为人民群众，你们不应该陪玩。只要敢玩，就一定输。
我倒是想跟诸位老师教授们说一句：这个方式本身太粗暴了。作业就那么多，你们耐心一点看一看嘛。其实是不是人写的，在现阶段很好看。主意是人的就行了。
