AI 廢文不是機器寫的，是沒人敢認的

我先招認一件會被檢舉的事：這篇文章的初稿，是我用 AI 打的，再自己逐句改。照 LinkedIn 七月底上線、整個八月持續擴大的那顆新按鈕——「Seems like AI slop」（這看起來像 AI 垃圾）——的邏輯，只要有讀者覺得它「太像 AI」，三個點一按，就能把它私下標記、餵進平台的偵測模型，順帶讓這篇的觸及被砍一刀。動手之前，我想替所有可能被那顆按鈕誤傷的人，先講幾句公道話。

先替那顆按鈕會誤傷的人說話

LinkedIn 的出發點沒有錯。平台被自動生成的罐頭貼文淹沒，產品長 Hari Srinivasan 說「人們來這裡，是為了真實的連結」，這是真話。問題是，那顆按鈕檢舉的不是「罐頭」，是「像 AI」——這兩件事差得很遠。一個把自我介紹寫得四平八穩的求職者、一個母語不是英文、靠 AI 潤稿才敢按下發布的工程師、一個本來就寫得工整條理的人，他們全都「看起來像 AI」。Inc. 雜誌講得直白：這顆按鈕依賴的是人的主觀直覺，而人分辨 AI 的準確率，其實跟丟銅板差不了多少。於是你以為自己在懲罰機器，實際上懲罰的，是「寫得太乾淨」這件事——而寫得乾淨，過去我們叫它專業。

slop 令人反感的，從來不是機器味

再往下想一層。slop 這個字，原意是餵豬的餿水——沒人要吃、隨手倒掉的東西。它讓人反感的地方，從來不是「成分是機器合成的」，而是「沒有人為這盤東西負責」。一篇 AI 全自動生成、作者連讀都沒讀就排程送出的貼文，確實是 slop；但它之所以是 slop，不是因為 AI 碰過，而是因為中間沒有一個人停下來說「這句我認、這個判斷是我的」。反過來，一篇人類逐字手打、卻空洞到只為刷存在感的勵志雞湯，一樣是 slop——只是它剛好騙過了「像不像 AI」這個測不準的偵測器。我們把靶心設在「生產方式」，結果射中一堆無辜的乾淨文字，同時放走了真正的餿水。

該檢舉的分界，是有主還是無主

所以真正該被篩掉的分界，不在「這是不是 AI 寫的」，而在「這後面有沒有一個具名、願意扛的人」。slop 不是機器的產物，是無主的產物。一段文字值不值得讀，取決於有沒有人把自己的判斷、聲譽、甚至被公開打臉的風險，一起壓在上面。AI 真正改變的，是讓「無主內容」的生產成本掉到趨近於零，餿水的絕對數量因此暴增，平台才不得不動手。但它抄了一條最省事、也最容易錯的捷徑：用「像不像機器」代替「有沒有人認領」。這條捷徑的代價，是逼所有認真的人開始把文字「弄髒」一點——加兩個錯字、留幾句廢話、把邏輯拆得不那麼齊整——好證明自己是人。當防偽的手段是鼓勵你降低品質，這個偵測器本身，就成了新的 slop。

與其猜偵測器，不如讓你的文字有主

如果你靠內容吃飯，與其去猜平台的偵測器今天心情如何，不如把力氣花在讓你的東西「有主」。每一篇貼文，留一句只有你寫得出來的話：一個你親身經歷的數字、一個你敢下的判斷、一個你願意被反駁的立場——那是任何模型都仿不出來的認領印記。發布前，只問自己一句：「這裡面，哪一句我敢署名扛？」答不出來，就別發，那才是真正該被你自己先檢舉掉的 slop。至於 AI 到底用了沒、用了多少，反而是這整件事裡最不重要的問題。

寫到這裡，我得誠實承認一件不太舒服的事：這篇能不能通過那顆按鈕，我其實沒有把握。但我很清楚哪幾句是我認的——包括這一句。與其被問「這像不像 AI」，我更希望被問的是「這後面，到底有沒有一個人」。當一個平台開始用機器味來替內容分級，它真正想外包出去的，是一個更難的問題：誰願意站出來，為自己說的每一句話具名。這個問題，按鈕答不了，模型也答不了——只剩下寫的人和讀的人，誰都躲不掉。