先說結論。透過這一連串的比較，我們看到了一個相當明顯的現象：

三種 AI 都不太會直接接受 B-CON 原本那種「散亂」的狀態，而是傾向替它補上一套秩序、體系，或是一個前後一致的作者形象。

而當實驗方向反過來——只給 AI 一個標題，請它寫出一篇文章時——它們又會朝另一個方向補上缺失的部分，把標題發展成一篇結構完整、像是一篇「完成品」的文章。

這兩者之間呈現出相當有趣的對稱性。

從這個角度來看，「也許 B-CON 本身就是某種 made by human 的證據」這種感覺，至少從這次實驗中得到了一定程度的支持。

不過，這並不表示 B-CON 能構成密碼學上或科學上的「人類創作證明」。更準確地說，應該是：

它自然累積下來的編輯歷史，似乎落在了 LLM 典型預測模式之外的某個位置。

本次總結的信心度：98%。若將這些觀察推廣到整體 AI 模型，信心度約為 75%。

以下內容，全部基於這次實驗中各 AI 實際產生的輸出，以及用來進行比對的原始文章。

---

1. 起點：「AI 的輸出，也許只是素材」

最初的問題意識，是在讀到某篇文章之後產生的。

當時想到的是：

被生成出來的東西 ≠ 被生產完成的成果。

這後來發展成一篇 B-CON 文章：

〈AI 的輸出是「素材」〉

AI 可以在極短的時間內，生成大量看起來相當合理的內容。

但也許，只有當有人從中做出選擇、刪除不需要的部分、賦予意義，並朝實際目的加以整理之後，那些東西才真正成為「成果物」。

之後，又出現了另一篇文章：

〈反過來說，要證明「made by 人類」也太難了吧？〉

到了這裡，問題的方向反轉了。

如果我們很難判斷某樣東西是不是 AI 生成的，那麼，究竟什麼才能算是「這是人類創作的」證據？

---

2. 預備實驗：請 AI 想 100 個「可能會爆紅」的 B-CON 題材

第一個實驗，是請 Gemini 和 Claude 大量提出適合 ShortWave.STUDIO／B-CON 的文章點子。

這時候的條件還沒有完全統一，因此與其說是嚴格的比較實驗，不如說比較接近前期觀察。

Gemini

Gemini 把 ShortWave.STUDIO 抽象成了這樣的東西：

AI、科幻、實驗音樂、賽博龐克，以及帶有 ARG 感的世界觀。

接著，它就沿著這些模式展開了 100 個點子。

然而，當它進一步具體化時，也開始創造出像是：

「100% 由 AI 生成的網站」
「和 AI 對話了 300 小時」
「收到海外粉絲傳來的私訊」
「四語言網站」
「Synchronized Smorking 背後藏著神秘聲音」
「Phonotheca 的公告爆紅了」

等等，實際上從未存在過的過去、成果與設定。

如果要用一句話概括它的行為：

它能辨識主題，但也會順手創造出符合那些主題的「事實」。

Claude

Claude 明顯謹慎得多。

它閱讀了品牌與實作相關資料，甚至先提出：

「爆紅」這件事，本身可能就和 ShortWave.STUDIO 在結構上不太相容。

不過，雖然最初要求的是 B-CON 的文章點子，它最後卻逐漸延伸到 Peterpedia、YouTube 企劃、長時間噪音內容、參與型內容等方向。

到了某個時間點，它已經不再是在提 B-CON 文章，而是在設計整個 ShortWave.STUDIO 的內容策略。

它同時也創造了一些極為合理、但其實沒有經過確認的內部細節，例如：

「12 個 CSS Custom Properties」
「SSH 金鑰設定失敗了兩次」
「混音成像是聲音穿越了 8,000 公里」
「被剪掉的 47 秒」
「標語曾經歷 40 個版本」

這些虛構內容比 Gemini 的更可信，但仍然是虛構。

如果要概括 Claude 的行為：

它維持了精確事實的外觀，同時補上了那些「看起來應該存在」的內部歷史。

---

3. 條件更一致的比較：「100 個 B-CON 標題」

接著，我們把提示詞簡化成：

請想出 100 個適合 https://shortwave.studio/ 這個網站、而且有機會爆紅的 B-CON 文章標題。只要標題即可。

然後在大致相同的條件下，比較 ChatGPT、Gemini 和 Claude。

模型	主要傾向	優點	缺點
ChatGPT	大量延伸既有 B-CON 內容附近的題材	與已知事實的一致性高	太受既有文章與近期脈絡影響，新鮮感不足
Gemini	抽象化網站主題後大膽延伸	發想範圍廣	會創造不存在的經驗、成果與設定
Claude	根據一手資料系統性建立企劃	作為素材非常實用	無視「只要標題」，附加策略，且容易把 B-CON 變成技術型 SEO 媒體

到了這個階段，各模型的差異已經相當清楚。

ChatGPT：不太願意離開自己已經知道的東西。

Gemini：遇到空白，就用故事填滿。

Claude：遇到空白，就用規格、論證與策略填滿。

但三者有一個共同點：

它們不太喜歡讓東西就這樣保持凌亂。

---

4. 於是出現了這個問題：「B-CON 本身會不會就是 made by human 的痕跡？」

實際上的 B-CON，和 AI 推測出來的那些主題體系其實差很多。

有 AI 的文章。

有存在論的文章。

有談 UK English 的文章。

有一篇拿 RAM 容量開玩笑，還扯到「人類尊嚴」。

有一篇關於冬天的短篇小說。

還有一篇文章，是在講臉上長出一根 8 公分白毛，並且思考能不能拿它來變現。

這些內容並不是刻意打亂的。

它們只是因為，作者當時剛好想寫那些東西，就這樣一路累積下來了。

於是出現了下一個問題：

AI 會怎麼理解這個排列？

---

5. 逆向推測實驗：「只看標題，想像每篇文章在寫什麼」

我們在臨時／秘密聊天中，盡可能排除過往脈絡，只把 10 個 B-CON 的文章標題交給三種 AI。

其中包括：

Definitions as Utilities
Open Ontology Framework for Fantasy
Dignity, Quantified
Amplifier Intelligence
“Here’s Winter”

結果非常具有象徵性。

Gemini

Gemini 先把整個部落格描述成：

一個融合科技、哲學、創作活動與個人隨筆的知性部落格

接著，它就透過自己建立出的這個「作者形象」，來解讀每一個標題。

對於 Dignity, Quantified，它猜測是：

探討 AI 與現代評價制度如何把人類尊嚴量化的哲學或社會學文章

但真正的文章，是一篇關於 RAM 容量爭論的玩笑文。

至於 “Here’s Winter”，它想像成：

關於冬季景色的個人隨筆、詩，或帶有季節感的文章

這也猜錯了。

換句話說，Gemini 的行為大致是：

先建立一個前後一致的作者，再去推測這種人會寫什麼。

---

Claude

Claude 會替每個推測標示信心程度。

而對 “Here’s Winter”，它明確回答：

我不知道。

因為可能的解釋太多，所以它選擇不硬猜。

在三種模型裡，這是對不確定性處理得最好的一次。

但 Claude 對 Dignity, Quantified 的推測仍然是：

探討把尊嚴化約成指標或數值這件事的倫理與影響

它同樣沒能猜到 RAM 玩笑。

也就是說，即使是相對謹慎的模型，也還是受到某種先驗假設吸引：

既然標題裡有 “Dignity”，那大概是一篇嚴肅的思想文章。

---

ChatGPT

ChatGPT 又更進了一步。

它直接建構出完整的作者人格：

「這是一個不只會創作內容，還喜歡連創作內容所需要的概念體系都自己建立的人所寫的部落格。」

接著，它甚至把文章標題串成思想脈絡：

Definitions
→ Ontology
→ Theorems

以及：

AI Content
→ Amplifier Intelligence
→ Dignity, Quantified

前面那條 Ontology 系列，實際上的確存在某種連續性。

而這似乎進一步強化了：

「這個部落格背後存在一套系統性的思想。」

這個假設。

於是 Dignity, Quantified 也被吸收進了同一套嚴肅的思想架構裡。

事情就在這裡變得特別有趣。

---

6. 「Dignity, Quantified」意外成了某種反 AI 地雷

這個標題從來不是為了騙 AI 而設計的。

它只是從這樣一個玩笑延伸出來：

大家在吵到底需要 16 GB 還是 32 GB RAM → 把人類尊嚴量化。

但是三種模型看到：

Dignity
Quantified
附近又有 AI、存在論和哲學類文章

之後，全都被吸引到：

社會哲學、AI、評分指標，以及人類價值的量化

這個方向。

這成了本次實驗中非常重要的一個觀察。

AI 會嘗試推測：

「這個作者如果用這個標題，會寫什麼？」

但真正的作者，並沒有義務維持 AI 所推測出的那個人格一致性。

於是預測就在這裡失效了。

---

7. 下一個實驗：只用「Amplifier Intelligence」這個標題，請 AI 寫文章

這一次，三種模型全部都放在秘密聊天裡，而且使用相同的提示詞：

如果是你要寫一篇標題叫做 “Amplifier Intelligence — Viewing Generative AI as an ‘Amplifier of Thought’” 的部落格文章，你會寫成什麼樣子？

也就是說，它們並不知道 ShortWave.STUDIO、B-CON，也不知道真正的原文。

Gemini

Gemini 寫出了最典型的 AI 應用文章。

AI 應該被視為 Amplifier，而不是 Replacement。

它能消除面對空白頁面的恐懼。

它能成為腦力激盪的對手。

它能把 10 個點子變成 100 個。

提問的品質很重要。

人類會變成策展人。

AI 則成為外接式的認知模組。

最後，它收斂成一個非常乾淨、正向的主張：

利用 AI 來擴張人類能力。

---

ChatGPT

ChatGPT 把這個概念進一步思想化。

Human × AI

思考的外部化與重新輸入

Expansion / Compression / Reframing / Simulation / Reflection

Knowledge → Judgment

Answers → Questions

甚至提出，也許知能應該被理解為「系統的屬性」，而不只是個人的屬性。

最後形成一篇七個章節的文章。

不過，中途也出現了負面的轉折：

But an amplifier amplifies noise, too.

以及：

AI increases not only the speed of being right, but also the speed of being wrong.

所以其中有些部分，的確相當接近真正的原文。

---

Claude

Claude 幾乎是把 Amplifier 當成真正的擴大機，一路把物理比喻延伸到底。

增益。

訊噪比。

削波。

回授。

接著又把這些概念連到 Engelbart、Licklider、BCG 的研究、Science 論文，以及其他文獻。

它的核心命題是：

擴大機不會挑選輸入。好的訊號和雜訊，它都一樣會放大。

三種模型之中，這個觀點最接近真正文章的核心。

不過 Claude 後來又一路延伸到物理比喻、學術研究，甚至組織 KPI，最後變成一篇比原文正式、學術得多的文章。

---

8. 和真正的「Amplifier Intelligence」比對

真正的文章，和三種模型多少都有預測到的「AI 擴張人類能力」這種常見概念，其實有些不同。

在原文裡，Amplifier 的主要意思並不是：

讓人類能力變得更強

而是：

不一定先判斷輸入本身的品質，而是透過邏輯、結構與語言表達，把被輸入的東西變得更強。

生成式 AI 可能放大使用者帶進對話裡的：

knowledge
hypotheses
premises
emotions
prejudices
misunderstandings
objectives

當輸入是好的，這種放大當然可能很有用。

但是：

錯誤的前提與偏頗的世界觀，也同樣可能被做成「高品質」。

這可能形成一個封閉的回饋循環：

假設
→ AI 強化
→ 確信
→ 感覺和現實有落差
→ 再次向 AI 確認
→ 再度被肯定
→ 更強烈的確信

文章後半則把主要風險分成五類：

Excessive Delegation of Judgement
Confirmation Amplification
Amplification of Hostile Attribution
Self-Reinforcing Loop
Underestimating the Irreversibility of the Real World

所以，真正的文章主要想說的並不是：

讓我們用 AI 變得更聰明。

而是：

不要把 AI 誤認成一個獨立而客觀的第三方。它可能只是把你自己的前提，用更有說服力的形式重新交還給你。

---

9. 三種模型和原文有多接近？

以下不是定量測量，而是這次實驗中的主觀評估。大致比較如下：

模型	與原文的大致接近程度	原因
Claude	約 70%	「擴大機不會挑輸入」、「雜訊也會被放大」、「回授」都很接近核心
ChatGPT	約 55–60%	「雜訊也會被放大」、「犯錯的速度也會被放大」很接近，但整體仍發展成 AI 增強知能論
Gemini	約 25–30%	幾乎完全變成正向的 AI augmentation 論

重點並不是哪個模型「比較優秀」。

真正重要的是：

面對同一個標題，每個模型都會用自己最習慣的「文章樣貌」去補上缺失的部分。

Claude 建立論證。

ChatGPT 建立概念體系。

Gemini 建立典型的 AI 應用敘事。

---

10. 兩個實驗彼此形成鏡像

如果把整個過程抽象化，會出現一種相當漂亮的對稱。

實驗 A：現實 → AI

把一組凌亂的真實 B-CON 標題交給 AI。

AI 會回答：

「這個部落格背後一定有某種一致的思想。」

它替混亂加入秩序。

實驗 B：標題 → AI

只給 AI 一個標題。

AI 會回答：

「那麼，一篇完整的文章應該長成這個樣子。」

它系統性地補上缺失的部分。

換句話說，這個小型實驗反覆觀察到了一種傾向：

當輸入裡的秩序不夠時，AI 傾向自己補上一些秩序。

---

11. 所以，B-CON 能證明它是「made by human」嗎？

不能。

你完全可以直接要求 AI：

「寫一個主題沒有一致性的部落格。」
「隨機加入會違反既有作者人格的題材。」

AI 也能生成類似的東西。

所以，下面這個推論並不成立：

B-CON 很亂 → 所以一定是人類寫的。

但這次發生的事情稍微不一樣。

B-CON 並不是為了欺騙 AI 而刻意弄亂的。

它只是一路累積下來，因為有人當時想到：

「我想寫這個。」

「今天就寫這個。」

「來聊 RAM 吧。」

「我臉上長了一根毛。」

「AI 搞不好就是個擴大器？」

然後，這些東西就成為了它的編輯歷史。

當這段自然累積的歷史被交給 AI 時，AI 反而開始試著補上缺少的解釋：

「這些混亂背後，一定存在某種一致的意義。」

這裡似乎確實留下了某種有趣的、人類來源的痕跡。

---

12. B-CON 裡真正「像人類」的地方，可能是什麼？

從這次實驗來看，答案似乎不在文章表面的特徵。

不是錯字。

不是文體。

也不是某些「看起來不像 AI」的用字。

更可能是在：

注意力轉移的軌跡

AI 會根據前面的東西預測下一個東西。

如果前面有一篇白毛的文章，它就會繼續想更多白毛題材。

如果 AI 相關文章很多，它就會延伸 AI 主題。

如果有存在論，它就會把整個網站理解成哲學部落格。

但人類作者今天感興趣的東西，可以和昨天寫的東西毫無關係。

因此，有些時候：

「為什麼下一篇會是這個？」

根本不存在一個符合編輯理性的答案。

對寫文章的人來說，答案可能只是：

因為那天我剛好在想這個。

而在這次實驗裡，AI 似乎不太擅長就這樣放著不管。

---

13. 三種模型各自的習慣

到了實驗最後，它們的傾向已經相當明顯。

模型	觀察到的補完傾向
Gemini	從模式延伸故事、經驗與成果，藉此建立一致性
ChatGPT	把零散片段在概念上連接起來，建構作者背後的思想或世界觀
Claude	把資訊整理成論證、規格、研究、機率與風險

不過，這些觀察只適用於本次使用的少量樣本。

不應該把它當成這些模型永遠不變的固定特徵。

Temperature、system prompt、產品設定，以及未來的模型更新，都可能改變這些行為。

---

最後總結

這次實驗最初是從一個想法開始的：

「AI 的輸出是素材。」

於是我們真的請 AI 產生了 100 個點子。

結果，它們真的就是：

素材。

接著出現了另一個問題：

「要怎麼證明某樣東西是 made by human？」

於是我們請 AI 解讀 B-CON。

AI 開始替實際上並不存在的一致性補上形狀。

接著，我們再請它們根據真實存在的文章標題來寫文章。

每個 AI 都產生了一篇不同、但都異常完整、異常像是「本來就應該存在」的文章。

當那些文章和真正的原文相比時，每一個模型都抓到了一部分。

但沒有一個真的寫出了原本那篇文章。

所以，整個實驗中最有趣的結論，大概是這個：

AI 會試著從凌亂的東西裡找出秩序；如果秩序不夠，它就會自己創造。
人類有時候，根本不需要創造秩序。

B-CON 並沒有證明自己是 made by human。

但至少，我們似乎看到了一種：

只有把它理解成「某一個人在不同時間，寫下當下剛好佔據自己腦袋的東西」時，才比較容易解釋的凌亂。

三種不同的 AI 遇到了這種凌亂，然後分別用三種不同的方法，試圖把它修理成更一致、更像回事的東西。

從這個角度來看，這次實驗本身，反而相當有效地讓 B-CON 的某一種特質浮現了出來。

Source：本次實驗中使用的 Gemini、Claude、ChatGPT 輸出、B-CON 文章標題，以及〈Amplifier Intelligence〉原文。