AI 检测是指通过算法或水印技术判断文本、图片、音频等内容是否由人工智能生成的技术手段，目前被广泛应用于学术诚信审查、平台内容管理和科研评审等场景。随着生成式 AI 内容大量涌现，AI 检测正同时经历工具升级与对抗博弈的双重演变。
AI 检测的近期进展
当前焦点与观察点
AI 检测面临的最大争议是检测与"去检测化"工具的军备竞赛。市面上已涌现数百款所谓"AI 文本人性化"（humanizer）工具，专门把 AI 文字改写得更像人写的。一项测试显示，Pangram 检测器漏检了 79.8% 经 Muse-Glimmer 改写的论文摘要，这一数字凸显了当前检测器在对抗性改写面前的脆弱性。Pangram CEO 则回应称，其检测思路是学习不同模型的"家族指纹"并针对性对抗 humanizer 工具（Pangram CEO 谈 AI 检测训练：模型家族指纹与对抗 humanizer、Pangram 漏检 79.8% 的 Muse-Glimmer 改写论文摘要）。
平台侧的另一条路径是标注而非检测。YouTube Music 开始为 AI 生成的歌曲添加标签，把识别结果直接展示给用户，这种"披露优先"的做法与水印溯源思路正在形成互补。整体来看，AI 检测的未来走向取决于三点：单一检测器能否抵御改写攻击、模型厂商水印能否成为行业标准，以及科研、教育等高 stakes 场景是否愿意把检测结论作为处罚依据——在误判率仍未清零的情况下，这一问题尚无定论。