维基百科启动AI内容清理行动，志愿者用结构特征与行为模式识别机器生成文本

2023年12月，维基百科的资深编辑Ellia Lebleu与其他几位志愿者在Discord频道中注意到一批异常条目：它们反复使用‘stands as a testament’‘rich cultural heritage’等短语，部分还设有‘Why is this important?’这样的结论性小节——这些正是早期ChatGPT输出的典型痕迹。彼时，这类AI生成内容尚显粗糙，易于识别；但到2025年，问题已悄然升级：机器写作开始模仿人类的修辞习惯，如偏爱‘三段式结构’（rule of three）、负向平行句（negative parallelisms）等更隐蔽的语言模式。

为应对这一趋势，Lebleu联合多位编辑于2023年正式创建WikiProject AI Cleanup，一个由全球志愿者组成的非官方专项小组，目标是系统性筛查并移除违反维基百科‘原创研究禁令’与‘中立观点原则’的AI生成内容。该计划并非简单封禁AI工具，而是聚焦于内容合规性审查——维基百科允许作者使用AI辅助研究或润色，但禁止直接粘贴未经验证的生成文本作为事实陈述。

当前，编辑识别AI内容的方法已从表层语言特征转向多维度交叉验证。一方面，语言学层面持续追踪结构性信号：例如，AI倾向于将信息组织为三个并列要点，或在论证中频繁使用‘not only… but also…’‘despite X, Y remains’等固定框架；另一方面，行为数据成为关键线索——若某用户在5分钟内提交5篇数千字新条目，即便文字通顺，也会触发人工复核。Lebleu指出：“我们不再只看‘写了什么’，更要看‘怎么写的’和‘谁写的’。”

更棘手的问题出现在参考文献环节。早期AI幻觉常表现为凭空捏造期刊名与页码，如今虽有所收敛，但‘半真实引用’（partially hallucinated citations）愈发普遍：模型可能基于真实论文标题生成近似但错误的DOI编号，或虚构会议名称却保留真实作者与年份。这类引用难以通过常规查重工具发现，需依赖领域专家逐条核验。一位参与清理工作的历史类编辑曾发现，某人物词条引用的‘2003年《东欧档案》第47卷’实为不存在的期刊，而该卷号恰好对应真实出版物的另一期——这种“差之毫厘”的伪造极具迷惑性。

值得注意的是，维基百科的AI治理路径与主流平台截然不同。它并未部署商业化的AI检测器（如Turnitin或GPTZero），原因有二：一是开源协作环境要求所有工具本身可被审查与修改；二是现有检测模型误判率高，易将非母语作者的规范表达误标为AI生成。因此，WikiProject AI Cleanup坚持“人机协同”策略：开发轻量级辅助脚本标记可疑段落（如高频出现‘it is worth noting that…’），再交由人工判断。部分脚本已集成至维基编辑界面，当用户输入特定模板化短语时自动弹出提示框。

这一行动背后，折射出开放知识生产体系在AI时代的深层张力。维基百科的核心价值在于其“可追溯的共识构建”机制——每一次编辑都留有历史版本与讨论页，读者能回溯观点如何演变。而AI生成内容往往切断这一链条：若整段文字由模型一次性产出，既无修订过程，也无编辑动机说明，便违背了维基的‘透明性’原则。约翰霍普金斯大学研究者Alexander Martin与Benjamin Van Durme近期提出的“知识拉取请求”（Knowledge Pull Request, KPR）框架，正试图弥合此鸿沟。KPR将文档更新拆分为两部分：一是‘主张提案’（Claim Proposal），明确列出新增事实及其来源与位置；二是‘文档差异’（Document Diff），展示文字改动结果。该设计借鉴软件工程中的Pull Request机制，旨在使知识更新像代码提交一样可审查、可辩论、可回滚。

尽管KPR尚未落地维基百科，但其理念已影响内部讨论。2025年维基媒体基金会技术会议中，有编辑提议在新建条目时强制填写“内容来源声明”，区分‘本人撰写’‘AI辅助润色’‘全文由模型生成（待审核）’三类标签。反对者则担忧标签滥用可能导致‘AI污名化’——非英语母语者为提升表达流畅度使用Grammarly等工具，是否也应标注？目前共识是：重点不在工具使用与否，而在最终呈现的内容是否经人工核实、符合中立性与可验证性要求。

从更广视角看，维基百科的清理行动是数字公共领域对自动化内容泛滥的一次主动防御。不同于社交媒体平台被动应对虚假信息，维基选择以社区自治方式守护知识生产的严谨性。这并非拒绝技术，而是重新定义人机分工边界：AI可承担资料整合与初稿草拟，但事实核查、立场平衡与历史语境嵌入，仍需人类编辑的判断力与责任感。

截至2025年中，WikiProject AI Cleanup已处理超1.2万条疑似AI条目17%，其中约35%被确认为机器生成并重写；其余因证据不足或内容无害而保留。该项目未设截止日期——正如Lebleu所言：“只要AI还在进化，我们的审查方法就必须同步迭代。这不是一次运动，而是一种持续的日常实践。”