因担忧准确性问题，欧美多所高校停用 AI 检测工具

误报率高达9%：AI检测工具如何让“人类原创”变“机器代笔”

当学生提交自己逐字逐句写出的论文，却被AI检测工具打上“超过一半内容系AI生成”的标签时，信任危机便爆发了。澳大利亚广播公司（ABC）报道了留学生李佳（Jia Li，音）的遭遇：她通过ZeroGPT检查自己的大学论文草稿，结果程序判定超半数为机器写作。李佳无奈表示：“这是我自己的作品，但程序说它是人工智能生成的。” 类似情况并非孤例，OpenAI在2023年7月停用自家AI文本分类器时，官方承认其准确率仅有26%，且会将9%的人类文本错误地归类为AI生成。如此高的误报率，意味着每十篇由学生亲手撰写的作业中，就可能有一篇面临“作弊”的冤假错案。

斯坦福研究揭示：AI检测器对非母语者格外“严苛”

更令人担忧的是，AI检测工具暴露出了明显的语言偏见。加州斯坦福大学的一项研究显示，这些工具对非英语母语作者存在系统性歧视。研究发现，61%的中国学生作文被AI检测器标记为由AI生成，而美国本土学生的作文则“接近完美”地通过检测。报告共同作者、斯坦福大学生物医学数据科学助理教授詹姆斯·邹（James Zou）指出，多数AI检测器过度依赖“困惑度”指标——即衡量文本中词汇的复杂程度。非母语人士因较少使用“花哨”词语，其写作往往被误判为AI生成的“低复杂度”文本。这一发现直接动摇了检测工具在多元文化校园中的公信力。

OpenAI自己都放弃了：从“AI分类器”到行业困境

在技术源头上，AI检测的准确性困境早已被行业巨头印证。2023年7月，OpenAI正式宣布停用其AI分类器，理由正是“准确率过低”。该工具在测试中仅能正确识别26%的AI生成文本，同时将9%的人类作品误判为AI。OpenAI在声明中承认：“我们需要收集反馈并探索更好的技术。” 这一“弃用”事件产生了连锁反应——许多学校管理人员得出结论：“如果OpenAI都做不到，那这事恐怕根本办不到。” 包括Turnitin在内的主流学术检测工具，尽管在后续版本中不断优化，但依然面临“假阳性”风险。Turnitin首席产品官安妮·切奇泰利（Annie Chechitelli）在2023年承认，当检测报告中标记为AI的内容占比低于20%时，假阳性概率会显著升高，为此他们不得不添加星号提示用户“谨慎解读”。

MIT、伯克利带头：多所高校明确“用脚投票”

面对不可靠的检测工具，教育界开始采取行动。麻省理工学院（MIT）明确表示，不支持教师使用AI检测工具，理由是该软件“远非万无一失，错误率高，可能导致教师错误指控学生”。范德比尔特大学和加州大学伯克利分校也加入这一行列，校方援引《AI生成文本检测工具的测试》等研究论文，强调检测工具表现不佳。在澳大利亚，悉尼新南威尔士大学（UNSW）虽然使用了Turnitin的文本匹配工具，但对其AI检测功能“持谨慎态度”，该校数字学习中心主任特里什·麦克卢斯基（Trish McCluskey）副教授直言，把学生当作“犯人”来筛查是不合理的。这些高校的决策传递出一个信号：比起捕风捉影的“AI作弊”，保护学生的学术诚信与公平权利更为重要。

技术突破还是新隐患？Pangram等工具试图挽回局面

尽管普遍唱衰，但AI检测技术仍在进化。2025年8月，芝加哥大学布斯商学院的研究显示，像Pangram这样的新模型实现了“接近零的误报率和漏报率”，且无需专门训练就能识别最新版GPT-5的文本。Pangram首席技术官解释，通过改进数据集和采用主动学习，他们能区分“困惑度”和“突发性”等细微特征。然而，学术界对此仍存分歧。长期持批评态度的人士（如《新闻公报》记者）提醒，此类工具“并非100%可靠”，误报风险依然存在。与此同时，学生群体中开始流行“反检测”工具，如Undetectable AI宣称能“人性化”改写文本，让检测器无法识别。这场猫鼠游戏似乎远未结束，而高校的最终选择，或许不是依赖任何检测工具，而是回归到对“原创性”本身的教育与评估。