📝📝：為什麼非母語者總被誤判為 AI？用布迪厄《語言與象徵權力》拆解演算法的語言偏見
原刊載於《關鍵評論網》原標題為《布赫迪厄40年前就畫好的地圖：生成式AI沒有騙過任何人，它只是考了一百分》
2023 年，史丹佛大學的研究團隊測試七款主流 GPT 偵測器，發現非母語英語寫作者的 TOEFL 作文，平均有 61.3% 被誤判為 AI 生成，而美國本地八年級學生的作文幾乎全數過關。
這裡浮現的問題，已經不只是「偵測器對非母語者有偏見」這麼簡單。同一款偵測器，面對 TOEFL 作文、美國學生作文、ICLR 論文，交出的是三種完全不同的答案，判準本身在不同場合像就像被重新設定過一樣。
我要問的不是「偵測器準不準」，隨著近期 Anthropic 推出模型內嵌浮水印，有個更緊迫的問題將隨之而來：
GPT 偵測器為什麼始終無法測得一個穩定的結果？
GPT 偵測器經常失準
這個問題，恐怕不能用「模型還不夠成熟」「訓練資料還不夠多元」來回答。如果答案真是這樣，那只要繼續投入資源優化，穩定性遲早會出現。但我要論證的方向剛好相反：
這種不穩定，不是一個等待被工程解決的暫時缺陷，這項技術從一開始測量的東西，結構上就不可能穩定下來。
要說明這一點，得回到法國社會學家 Pierre Bourdieu（沒錯又是 Bourdieu！）一份 1991 年出版、談十九世紀法國語言統一過程的舊文本：
《語言與象徵權力》（Language and Symbolic Power）第一章的內容之一〈合法語言的生產與再生產〉（The Production & Reproduction of Ligitimate Language）
具體會用到四件工具：
「語言市場」的概念，說明複雜度從來不是語言的內在屬性，而是隨市場波動的相對價格；
Bourdieu 對「精緻語碼」的批判，說明任何試圖修正偏見的校準，都只是換一套同樣具有社會位置的標準；
Bourdieu 對「理想說話者」這個抽象預設的批判，說明偵測器內建的基準，現實中根本沒有對應的群體；
第四，也是全文的核心引擎，「區分性偏移」的動力學，說明偵測器想要固定下來的那條複雜度門檻，本質上是一個不斷被語言市場本身往前推移的靶。
結論先講在前面：
GPT 偵測器測不到穩定結果，是因為這套機制試圖用一把尺，去丈量一個本質上是關係性的、而且永遠在被重新協商的東西。
這場競逐沒有終點，所以這把尺，永遠也不會停在同一個刻度上。
語言市場與區分利潤
要回答「複雜度到底在測量什麼」，我們得先放棄一個直覺：
語言的價值，不是內建在語言本身裡的。
Bourdieu 在這一章開篇就指出，語法只能給出意義的一小部分，一句話真正完整的意涵，是「相對於一個市場」才會被決定的。同一句話，丟進不同的市場，會得到完全不同的定價。
而 Bourdieu 指出語言能力之所以能轉換成一種「資本」，關鍵在於稀缺性；某種說話方式之所以值錢，不是因為天生高級，而是在特定市場裡，擁有這種能力的人相對稀少，而這個市場剛好把稀少當成珍貴。Bourdieu 把這種因稀缺而產生的收益，稱為「區分利潤」（profit of distinction）。
GPT 偵測器的設計邏輯，把「文字複雜度」（text perplexity）當成一個可以脫離情境、獨立測量的客觀屬性。像一台體重計，不管拿去哪裡量，同一個人的體重應該都差不多。但複雜度根本不是體重，更像匯率；同一份「複雜」的語言表現，在不同市場裡，會被兌換成完全不同的價值。
這正是為什麼，同一款偵測器面對 TOEFL 作文、美國八年級學生作文、ICLR 論文，會交出三種不同的答案。這三種文本，分別坐落在三個不同的子市場裡：
語言能力測驗市場
國中基礎教育市場
頂尖學術發表市場
每個市場，對「什麼程度的複雜度算合法」，本來就有各自的一套定價機制，彼此並不互通。
偵測器的訓練資料，本質上是從某些特定市場裡採樣出來的一批「匯率快照」，設計的基底都是偏向英語母語者、且受過長期正式教育的書面語習慣。這份快照被抽離原本的市場脈絡之後，卻被當成一份放諸四海皆準的黃金儲備，拿去度量所有其他市場裡的語言表現。
用一個匯率快照去衡量所有市場的購買力，得到的結果當然會不斷浮動。這問題也不是出在滙率本身不穩，是因為從一開始就用錯了測量邏輯，把一個相對價格，誤認成一個絕對數值。
雙重謬誤
如果複雜度只是一份特定市場的匯率快照，那麼開發者理應可以做一件很直覺的事：
既然偵測器對非母語寫作者有偏見，重新校準，把非母語者的語言特徵也一併納入基準，問題不就解決了嗎？
Bourdieu 在這一章裡，特別點名批評了英國社會語言學家 Basil Bernstein 的「精緻語碼」（elaborated code）理論，而這段批評，剛好可以說明「重新校準」這條路為什麼走不通。
Bourdieu 的批評不是說 Bernstein 描述錯了精緻語碼的特徵，實際上 Bernstein 完全沒有去問，「精緻語碼為什麼會被認為有價值」這件事，背後的社會條件是什麼。結果，精緻語碼被不假思索地供奉成一切語言實踐的絕對規範，任何偏離這個規範的說話方式，就只能被理解成一種「匱乏」。
這正是 GPT 偵測器最初犯下的錯誤。把某個特定市場（通常是英語母語者的正式書面語）的複雜度標準，當成普世的人類語言基準。
但 Bourdieu 緊接著指出另一種方向相反、卻同樣錯誤的姿態。他舉了美國語言學家 William Labov 的例子。Labov 為了替被污名化的通俗語言平反，反過來把中產階級青少年的說話方式貶為冗長做作，把貧民區小孩的說話方式捧為簡潔精確的典範。
Bourdieu 說，這同樣是一種謬誤，只是這次神聖化的對象換成了通俗語言，一樣忽略了語言的合法性，從來不是某個學者、或某個開發團隊，單方面認定就能翻案的。合法語言是整個語言市場、包括所有使用者自身，共同承認出來的社會事實。
這個「雙重謬誤」的結構，正好點出「重新校準」這條路的死穴。
偵測器開發者為了修正對非母語者的偏見，重新調整複雜度的計算基準，把非母語寫作者常見的語言特徵也一併納入「正常」範圍；然而，這個新基準，依然是從某一群具體的、有社會位置的使用者身上萃取出來的樣本，只是換了一批被抽樣的對象。
這批新樣本一樣不可能代表所有語言使用者，一樣會在下一次遇到另一群語言特徵不同的使用者時，重新製造出一批新的誤判。
校正不是在趨近一個中立的、放諸四海皆準的基準線，這需要在兩種（或更多種）同樣具有社會位置的標準之間來回切換。每一次「修正偏見」的動作，實質上都是換一批人來壟斷「什麼算合法語言」的定義權，不是真正消除了壟斷本身。
這也是為什麼，偵測器廠商即使不斷發布新版本、宣稱修正了上一版的已知偏見，新版本依然會在其他情境下，產生新的、事先沒被注意到的誤判模式。校正的盡頭，從來不是穩定，而是下一輪需要被校正的偏差。
偵測器要的標準並不存在
Bourdieu 在這一章開篇，也順手拆解了語言學界共享的一個抽象預設。一個活在完全同質語言社群裡、完美掌握語言、不受記憶或注意力限制的「理想說話者 — 聽話者」（homo linguisticus）。Bourdieu 指出，這種抽象化的舉動，本身就悄悄抹除了語言能力習得過程中真實存在的社會條件差異：
不同的人，因為家庭背景與教育資源的不同，獲得語言能力的方式與程度從來就不均等，而把這些差異全部抽掉、假設一個統一的理想主體，不過是語言學界能夠宣稱自己「中立」、「科學」的代價。
GPT 偵測器的複雜度指標，本質上也預設了這樣一個不存在的「理想人類寫作者」。一個詞彙無限豐富、句法無限多變的抽象基準。
問題是，這個基準在真實世界裡，沒有任何一個具體群體可以對應上。理想人類寫作者不是英語母語者的平均值，不是受過高等教育者的平均值；甚至，也不是任何一份具體語料庫的忠實反映，這是統計模型在訓練過程中，自行收斂出來的一個虛構中心點。
用一個不存在的統計虛構去校準「什麼是正常人類語言」，注定是量不準的。人類的語言打從一開始就沒有一個可以被穩定校準的參照物。校準需要一個穩定的靶，而這裡連靶都不存在。
量測的目標本身在跑
前面三段工具，回答的都是「複雜度為什麼從一開始就測不準」。就算某個時間點，真的抓到了一個相對合理的複雜度基準，那為什麼過一段時間又會失準？
Bourdieu 給的答案，相當反直覺。他指出，推動語言持續變化的動力，是說話者之間永無止盡的「區分性偏移」（distinctive deviations）。
每個人都在透過語言策略，跟社會空間裡走在自己前面與後面的人保持距離。一旦某種說話方式因為普及而喪失了稀缺性，原本靠這種方式維持區隔的人，就會不自覺地往更少人使用、更難被模仿的方向靠攏，重新拉開距離。Bourdieu 說：
這場競逐沒有一個固定的起點或中心，是整個語言場域裡所有行動者彼此競爭關係的總和。
表面上，語言的具體樣貌（用詞、句法、修辭）不斷在變；實質上，這整套「稀缺 — 追逐 — 貶值 — 再稀缺」的結構，卻恆常不變。
這句話直接命中了 GPT 偵測器不穩定的根源。
偵測器想要固定下來的那個「複雜度門檻」，本質上就是這場永恆競逐裡，某一個瞬間被凍結下來的快照；這個快照，從被凍結的那一刻起，就已經開始過期。
今天被判定為「足夠複雜、像人類寫的」語言表現，一旦這種寫法因為被廣泛模仿（包括被大型語言模型學會並大量產出）而普及，稀缺性就會下降，原本仰賴這種複雜度維持區隔的使用者，會不自覺地往更難被預測、更少人使用的方向遷移，重新拉開跟「容易被模仿」的距離。
這代表，偵測器錨定的那條門檻，不是一個可以被一次性校準準確、然後長期沿用的固定值；所謂的合法語言，是一個隨著整個語言場域的競逐關係持續位移的動態座標。
偵測器的技術追不上語言演變的速度，這場位移根本沒有一個可以被「追上」的終點。如果目標是一個會停下來的點，再快的技術遲早追得上；但如果目標的存在方式，就是靠著不斷位移才能維持自身。
一旦所有人都追上了、複雜度普及了，這個標記本身就失去了區分的功能，必須立刻讓位給下一個更稀缺的標記。那麼，任何試圖用「訓練更多資料、優化演算法」來追上的努力，注定只是在追永遠會往前一步的影子。
換句話說，GPT 偵測器想測定的，是一個只有在持續運動中才能維持自身存在的東西。任何測量工具，只要試圖把這個東西「定」下來，那一刻量到的，就已經不是現在的市場，只是市場已經拋在身後的昨天。
不穩定就是答案
回到文章開頭的提問：
GPT 偵測器為什麼始終無法測得一個穩定的結果？
答案現在可以完整地講了。GPT 偵測器的不穩定，不是等待被下一次模型迭代就能解決的技術債，這本身受到 GPT 偵測器測量對象的本質所決定。
語言/文字複雜度從來不是一個可以脫離情境獨立存在的屬性，這是一份隨市場波動的匯率；而任何試圖修正這份匯率偏誤的校準動作，換來的都只是另一套同樣具有社會位置的標準，不是真正中立的基準。
況且，偵測器內建的那個「理想人類寫作者」，現實中從來不存在，校準這件事，一開始就沒有一個穩定的靶可以瞄準；而就算某個瞬間，勉強抓到一個相對合理的門檻，Bourdieu 講的「區分性偏移」也保證了，這個門檻會在語言市場永不停止的競逐裡，持續被往前推移。
四件工具疊在一起，指向同一個結論：
這不是一場可以被贏下來的技術追逐賽，也不存在一個固定的目標，整個語言場域自身運動的方式就是不斷演變。
只要人類還在用語言彼此區分位置，這件事，大概會持續到語言本身消失為止；而任何試圖用一條固定門檻，去判定「這像不像人類」的技術，都會一次又一次地，被自己想要凍結的那個東西反過來甩開。
Bourdieu 四十年前寫下這一章時，面對的是 19 世紀法國方言與巴黎官話之間的角力，他完全沒有機會想像，有天會出現一種像是 LLM 可以即時生成文字的技術。
但 Bourdieu 當年真正關心的，從來不是某一種具體的語言技術，而是語言價值被生產出來的那套結構性邏輯。一套永遠在運動、永遠拒絕停下來讓人一次校準到位的邏輯。
GPT 偵測器的每一次「不穩定」，與其說是技術的失敗，不如說是這套邏輯，又一次準確地證明了自己的存在。