今天發現，就我的提示工程能力，我這輩子應該不用繼續手寫文章，因為市面上所有的AI偵測工具（在此不幫別的公司打廣告，但最困難的剛剛也通過0% AI生成的）。

基本上其實原理很簡單，很久以前世代的，會根據用詞的前後關係，因為LLM有一種獨特的推論模式，從前幾個字有很大機率或必定會推出下一個字是「，」之類。

這樣種特性在人身上很少見，除了寫作有一定風格且又有一定嚴謹程度的，而當時我手寫的小論文會被當成LLM產生的文章，當然是市售的一些模型，並不是真正OpenAI或者Google搜尋引擎認知的。

現在大語言模型出來很多的狀態下，這種舊有的模型只要幾秒鐘就可以通過，只要一篇大綱是GPT-4o產生，然後給Claude 3.5 Sonnet寫內文，交給Gemini重寫（完全不調整文章結構），提示都不用下很複雜就可以過。

現在的LLM生成文章偵測多半是有通過LLM的判斷甚至包含CoT（思考鏈）來做機率分析的，比如ChatGPT有一個AI Detection Bot就會做這類的分析，不一定是思考鏈，但有根據幾個面向分析：

第一個，人不太可能寫完美嚴謹的文章，透過精確的文筆，滿滿的知識內容與歷史事實，這時常會有例外，因此只是一個條件，因為，這點我自己手寫的小論文會過不了。

第二個，LLM產生的文筆多半缺少個性，文章的結構與形式相對僵硬。比如某一段就要有多少字，該起承轉合就是要起承轉合，太有個性的字不可以用，就像清朝要去科舉的文人，這些清朝文人都過不了。

第三個，LLM不可能邏輯混亂，也不可能思考跳躍，也就是整體的邏輯推論很嚴密，從第一條前提到最後一條，最後到結論，全部都有完美的支持且不會有謬誤，這些邏輯學家都過不了。

第四個，LLM知道的知識多過一般來說的人類，在聯想力也會超過人類很多，所以只要提示給的夠多，可以從寫日文的演變一路延伸到中國的三國時代。但這個如果有相對應知識領域的人也做得到。

但前面四個集合，交集的部分就會導致所有的AI偵測工具（新世代的），很明顯地說大概有85~95%是AI生成，當然很難排除有人就是可以寫這麼好。

那要怎樣通過AI偵測，透過完全不寫任何一個內文產生一篇部落格貼文呢？提示部分大家可以想想怎樣做，如果你有辦法做到可以應徵我公司。

以下是一篇幾乎所有非騙錢的LLM偵測（所謂新世代的）都會認為0%是AI生成但我一個字都沒改內文的。

—

那個傳奇的1956年研討會，我其實也不知道他們到底吃了什麼，但據說幾個科學家圍在桌邊，邊喝咖啡邊聊：「要不讓機器也能想東想西吧?」

然後就把「人工智慧」這個名詞給定了下來。

聽起來很隨性對吧？

可是誰會料到，經過幾十年後，AI居然成了科技圈的巨星。或許這就是命運，也或許只是因為那天的咖啡特別香。

現在大家說AI就是讓電腦「像人一樣思考」，有些人還狂研究神經元串來串去，彷彿要把人的大腦整個搬進電腦裡。

結果到頭來，那機器還是不會抱怨：「今天真的超累的，我需要牛肉麵加滷蛋。」

所以我們要看它是不是「像人」，往往就只盯著行為：比如閒聊時它會開玩笑嗎？它能發一堆梗圖嗎？有時候笑點還跟我們一樣low，你就會懷疑:「這AI是不是其實挺懂我的?」

另一批人可沒那麼浪漫，他們超在意什麼邏輯推理，一切照本宣科，彷彿做數學考卷。

可生活裡的劇情走向往往比八點檔還曲折，哪能用固定的邏輯公式塞下去？

說不定你正要帶著狗散步，狗卻突然拉肚子，這時候你的AI管家是不是得緊急切換模式，別傻傻在那邊計算「遛狗概率」呢？

當然也有AI專注在如何「選出最佳行動」，像自動駕駛就講求安全又有效率地開車——遇到突然衝出來的小黃鴨，也得在0.00001秒內判斷要不要閃避，不然就秒變交通新聞。

它可沒空想:「嗚嗚,我為什麼要開車」這些人生難題，只要把事做好就行了。更浪漫的問題，等你閒來無事再慢慢跟它討論也不遲。

總結起來，AI多少都有點「像人」又「不像人」，做得好像很炫，其實有時也只是演得厲害罷了。

它不會煩惱咖啡豆漲價，也不會因為被罵就撅嘴。但你要看它的新鮮程度，像人那麼八卦或饒舌，說不定哪天真能跟你聊爆各種八卦梗。

不管怎樣，我想至少知道AI是什麼東東，能讓我們別再怕它哪天突然打包行李去度假。雖然它要是真跑了，我也不知道是該鬆一口氣，還是該跟著去曬太陽了。