一句話總結
Substack 推出全新 AI 內容偵測工具，讀者可以一鍵掃描任何文章是否由 AI 撰寫。 但這項「透明化」措施，卻意外引爆了創作者對「AI 獵巫」的擔憂。
新功能來了：一鍵掃描，無所遁形？
2026 年 7 月 21 日，電子報平台 Substack 宣布與知名 AI 偵測技術公司 Pangram 合作，在網頁端與 iOS 應用程式中導入全新的 AI 內容偵測工具（Android 版本將隨後推出）。
如何使用？
操作非常簡單：讀者在閱讀 Substack 文章、Notes（社群貼文）或下方的 Comments（留言）時，點擊右上角的 「…」選單，選擇 「Scan for AI text」，系統就會顯示該段文本由 AI 生成、AI 輔助或人類撰寫的預估百分比。
但有以下限制：
- 字數限制：文本長度必須超過 100 個單詞
- 時間限制：僅支援 2026 年 7 月 21 日之後發表的內容
- 格式限制：不支援語音、影片貼文，也不適用於自訂網域網站
技術原理：這不是普通的 AI 偵測器
Pangram 的技術與市面上常見的 AI 偵測工具有本質上的不同。
分類器神經網路模型
Pangram 的技術核心並非生成式 AI，而是採用傳統的分類器神經網路模型。這意味著它不是在「猜」文本是不是 AI 寫的，而是在做統計分類。
訓練數據防污染
為了防止 AI 生成的文本混入訓練集，Pangram 用於對照的「人類撰寫數據集」完全取自 2021 年之前（即生成式 AI 爆發前）發表於網路上的學術期刊、新聞報導等資料。這是一個非常聰明的設計——確保訓練數據沒有被 AI 汙染。
合成鏡像技術
該模型的核心運作原理是分析「人類撰寫樣本」與「AI 模型特徵」的差異。它會對文本提出一個核心問題：「這段文本對 AI 預測模型來說有多令人困惑？」
舉例來說：
- 輸入「小男孩喝了一碗湯」→ 預測模型不會感到困惑 → 可能是人類寫的
- 輸入「小男孩吃了一碗蜘蛛」→ 立刻觸發警報 → 可能是 AI 寫的
準確度宣稱
Pangram 執行長 Max Spero 表示，該技術的錯誤判定率（將人類寫作誤判為 AI）為萬分之一（99.999% 準確），漏判率（將 AI 文本誤判為人類）為百分之一（99% 準確）。該技術已獲得芝加哥大學和馬里蘭大學的學術驗證。
| 指標 | 數值 | 意義 |
|---|---|---|
| 誤判率（False Positive） | 0.01%（萬分之一） | 每 10,000 篇人類文章只有 1 篇被誤判為 AI |
| 漏判率（False Negative） | 1%（百分之一） | 每 100 篇 AI 文章約有 1 篇無法被偵測 |
| 時間限制 | 2026/7/21 後內容 | 舊文章不會被掃描 |
| 字數下限 | 100 個單詞 | 太短的文本無法判斷 |
什麼是「Claudefishing」？執行長為何力推此功能？
Substack 執行長 Chris Best 在一篇名為《Against Claudefishing》的文章中，提出了這個有趣的概念。
「Claudefishing」 是由 Claude（Anthropic 的 AI 模型）與 catfishing（在網路上偽裝身分）組合而成的新詞，意指：創作者使用 AI 協助撰寫內容，卻不告知讀者，彷彿在「釣魚」一樣誤導受眾。
Best 認為，Substack 的核心價值是讀者與寫作者之間的真實信任關係。如果一個創作者大量使用 AI 產出內容卻不揭露，這種「冒充人類」的行為最終會侵蝕平台的信任基礎。
他的立場很明確：不是反對使用 AI，而是反對不透明的使用 AI。
社群反應：兩極化的激烈辯論
這項功能在創作者社群引發了強烈的兩極反應。
支持方認為：
- 讀者有權知道：就像食品需要標示成分一樣，讀者有權知道他們閱讀的內容是否由 AI 生成
- 保護原創寫作者：當 AI 可以大量產出「看起來像人寫的」內容時，真正用心寫作的創作者需要被保護
- 平台透明化：這是所有社交平台都該做的事
反對方擔憂：
- 「AI 獵巫」風險：即使只有萬分之一的誤判率，在 Substack 數百萬篇文章的基數下，也代表數百篇人類文章可能被錯誤標記
- 隱私問題：誰有權掃描誰的內容？會不會被用來惡意攻擊競爭對手？
- 創作過程的複雜性：許多創作者使用 AI 做研究、修改文法，然後再以自己的風格重寫——這種「AI 輔助」該如何界定？
- 語言的偏見：非母語寫作者使用 AI 輔助修正文法的比例較高，是否會被不公平地標記？
Reddit 上就有創作者直言：「這工具會被濫用。討厭某個寫作者的人會一直掃描他的文章，找到任何可疑片段就拿去公審。」
對寫作者生態的影響
無論爭議如何，這項工具的上線已經開始改變 Substack 平台的生態：
- AI 透明標籤可能成為新常態：類似有機食品的認證標籤，未來「人類原創」可能成為一種 premium 標籤
- 「AI 輔助」vs「AI 生成」的界線需要釐清：這不僅是技術問題，更是倫理與法律問題
- 創作者可能會調整寫作習慣：過度依賴 AI 的創作者可能需要回歸更多的手工寫作
- 平台間的監管壓力：如果 Substack 能做到，Twitter/X、Medium 等平台是否也該跟進？
小結
Substack 的 AI 偵測工具就像一把雙面刃。一方面，它回應了讀者對「到底誰在真正寫作」的資訊需求；另一方面，它也開啟了平台監控與「AI 獵巫」的潘朵拉盒子。
Chris Best 說得很好：「科技的本質不是決定什麼是好的寫作，而是確保讀者與寫作者之間的信任不會被矇蔽。」但問題是——當我們開始用演算法來判斷人類性時，我們是否也在無意間侵蝕了另一種信任？
這可能是未來幾年所有內容平台都必須面對的核心難題。
🔗 原始來源：TechCrunch - Substack’s new tool tells you who’s been writing their newsletters with AI