维基百科正在清理 AI 生成或辅助撰写、来源缺失且不符合项目规范的条目。关键不是机器能不能写,而是谁有权决定什么知识值得进入公共知识库。
IEEE Spectrum 的报道标题是“Wikipedia's Cleanup of AI-Generated Content”。报道登上 Hacker News 首页后,获得 118 points 和 56 条评论。
这场讨论很容易被简化成“维基百科反 AI”。真正的问题更麻烦:当文章语法通顺、格式完整,甚至列出了看似可信的来源时,谁有权认定它没有资格留在百科里?
118 个赞背后的治理争议
相关讨论在 Hacker News 页面。118 points 不代表共识,但 56 条评论说明,用户愿意讨论公共知识库的边界。
争议有三层。
第一层是内容质量。批量生成的条目可能存在事实错误、来源错配和措辞空泛,但这些并非 AI 内容独有。传统垃圾内容也可能写得很好,只是没有价值。
第二层是贡献过程。AI 辅助写作和 AI 批量生成不是同一件事。编辑用 LLM 整理资料、检查结构,和投稿人一次生成上百篇无人核验的文章,不能放在同一个筐里。
第三层是权力分配。维基百科长期依靠志愿者、编辑规则和版本历史运行。AI 降低了内容生产成本,却没有自动解决审核责任。生成一段文字不需要编辑资历;为一个断言承担几年维护责任,通常需要。
所以,核心问题不是“机器能不能写”,而是“机器生成的部分是否留下了可检查、可追责、可修正的编辑痕迹”。
清理项目到底清什么
IEEE Spectrum 介绍的 WikiProject AI Writing Cleanup,处理对象主要包括三类:
- 批量生成或批量发布的条目;
- 依靠 AI 辅助撰写、但不符合项目规范的内容;
- 缺少可靠来源、无法按维基百科规则核验的内容。
这里容易出现一种误读:项目不是在给所有用过 AI 的文章定罪。
维基百科关心的是条目是否达到收录标准。假设一篇文章由编辑使用 LLM 查资料、整理提纲,随后逐条核对引用,并按项目规范补充背景,那么工具只是编辑流程的一部分。反过来,即使文章没有一个字直接交给模型,如果来源不存在、段落没有意义,它仍是问题内容。
这也意味着,“AI 味重”“读起来很怪”“不像专家写的”,都不应成为清理依据。可执行的标准应当落在贡献记录、来源质量、原创研究、版权与利益冲突、条目历史等可核验事项上。
检测工具不是最终裁判
AI 文本检测器常被当作识别工具,但误报并不少见。
原因不复杂。检测器通常学习文本表面的统计特征。模型换一种写法,检测分数就可能变化。不同检测服务、不同语言和不同模型版本,结论也不稳定。正式一点的非母语写作者同样可能触发误报。
更麻烦的是,改写规避几乎不需要复杂技术。删几个固定词、调整句式、改变段落节奏,就可能让检测结果明显波动。把它当成证据,等于允许一个不透明的概率分数决定公共条目是否删除。
检测结果最多适合用作分流:提醒编辑进一步检查。它不能替代人工判断。
真正的核验路径更笨一些:
- 抽查关键断言是否有可靠来源;
- 检查引用是否真的支持对应陈述;
- 查看是否存在可识别的原创研究;
- 对照条目历史,判断批量创建模式;
- 让符合资历的编辑承担处理决定。
检测器解决“哪里可能需要看”。编辑制度解决“谁看过、依据什么处理”。两者不能倒过来。
维基百科的稀缺品是编辑时间
LLM 可以在几分钟内生成数千字,成本接近于零。维基百科真正稀缺的却是编辑时间。
一位编辑可能需要打开十几个来源,确认数字、日期、人物关系和引用语境。还要判断两篇来源是否冲突;必要时发起讨论,记录删除理由,观察后续版本,回应投诉和新证据。
AI 可以辅助整理这些工作,却不能代替责任主体。它可以建议“删除”,不能替志愿项目承担删除后的公共争议。它也可以生成来源链接,但链接存在,不等于来源可靠,更不等于来源支持原文。
这正是 WikiProject AI Writing Cleanup 背后的资源约束。平台若一边接受机器规模的内容供给,一边没有足够的编辑负责筛选,条目数量增长不会自动转化为知识质量。留下的可能是更多页面、更长文本,以及更难验证的引用网络。
过去平台常用“封禁来源”处理广告、垃圾内容和农场页面。现在的问题更隐蔽。
广告即使伪装成文章,也能通过商业链接、批量投放和历史模式识别。AI 生成内容可能没有恶意营销,语法也足够完整,来源栏甚至看起来很齐全。垃圾内容像一堆积在门口的商品;低成本生成内容更像一整批格式合规的档案。
后者会稀释人工贡献。编辑的时间没有变多,读者看到的表面质量却可能下降。
编辑思考
这次清理的重要性,不在于维基百科是否“反 AI”,而在于公共知识平台开始面对一种更难治理的生产方式:内容生成成本远低于核验成本。
我的判断是,最终形成的清理标准不会长期围绕“是否用了 AI”,而会转向两个问题:内容是否可验证,引入它是否真的改善了条目。尤其是“是否改善”。AI 用于资料整理、格式检查或语言修订,可能节省编辑时间;批量制造没有原创研究支撑的条目,则只是扩大维护债务。
它和过去封禁广告、垃圾内容也不同。垃圾内容的目标通常是导流,低质量是明显特征;AI 内容可能完全服务知识生产,却缺乏可追责的人。维基百科过去已经建立编辑资历、讨论机制和版本历史等制度。这次要补的,是这些制度如何覆盖一种近乎零成本、规模化的写作方式。
不确定的是,外部检测工具能提供多大帮助。如果误报和规避问题无法解决,检测很可能只适合内部提示,而不适合成为删除依据。最终需要多少编辑时间,现有项目也没有给出可靠答案。