引子

一所大学的研究团队开发了一个AI系统，专门用来检测其他AI生成的文本。他们训练它区分人类写作和机器写作，准确率达到99%。然后他们把这个系统部署到教育系统中，用来检测学生是否使用AI完成作业。学生很快发现了漏洞。他们使用另一个AI来改写AI生成的文本，以绕过检测。检测器升级，改写器升级。两条系统在持续迭代中相互跟踪对方的更新。检测系统在检测中被持续重新训练，生成系统也在生成中持续调整输出格式。

一个研究者问：“如果检测AI的AI本身也是AI，我们是不是在用AI对抗AI？如果我们消除了所有AI，我们用什么来消除？”

构造学论要追问的是：“用AI检测AI”是一个有效的策略，还是一种递归的结构困境？当系统试图用AI来消除AI时，它是在解决一个问题，还是在制造一个更大的问题？如果消除AI本身也需要AI，那消除的目标是否还能保持稳定？

一、检测者与被检测者的同一层级

在一个系统中，检测者通常被设计为比被检测者处于更高的层级。检测者可以检查被检测者的状态，而被检测者无法检查检测者的状态。但当检测AI和被检测AI处于同一个技术层级时，这种层级关系就不再成立。

当一个AI被用来检测另一个AI时，检测者和被检测者处于同一层级。检测AI的知识和判断依赖的数据来源，与被检测AI的数据来源相同。检测AI所使用的训练数据也来自与生成AI相同的数据池，两者的判断框架在很大程度上由同一批数据决定。如果训练数据本身的来源不可追踪，检测AI就无法在被检测AI无法触及的位置获得判断优势。如果两者的数据来源相同，检测AI就无法在被检测AI的生成路径之外建立独立的判断依据。检测的结果只能确认被检测AI与检测AI之间的偏离程度，而无法确认哪个系统更接近源状态。

二、递归循环

当一个系统被用来检测并消除它自己所属的类别时，系统就进入了一个递归循环。消除操作依赖于被消除的对象来定义自身的目标，但一旦对象被消除，操作本身也失去了它的参照系。检测AI的功能取决于被检测AI的存在，如果没有被检测AI，检测AI就失去了检测对象，它的功能会因缺乏参照而失效。在递归循环中，检测AI检测被检测AI的偏差，但检测的标准本身也来自被检测AI所属的同一类系统。如果检测AI检测到被检测AI存在偏差，它需要先确认自己的标准没有偏差，而确认标准需要另一个检测AI来确认它的标准没有偏差，而那个检测AI又需要另一个检测AI来确认它的标准。递归不收敛，它会在每一层产生新的需要确认的位置。

三、消除的悖论

如果检测的目标是“消除所有AI”，而消除操作本身由AI执行，那么消除完成后，执行消除的AI是否也应该被消除？如果是，那么谁来执行最后的消除操作？如果不是，那么“消除所有AI”的目标就没有完成，至少有一个AI被保留。

消除悖论的结构是，执行消除的AI必须处于被消除对象的外部，才能在不被消除的情况下完成操作。但一旦它处于外部，它就不再是“所有AI”的一部分，消除的目标就需要重新定义。目标会随着执行者的位置而移动，使消除的边界永远无法闭合。

四、被覆盖的系统

“用AI检测AI并消除AI”的另一个隐藏结构是系统在执行检测和消除操作的同时，也在扩展AI的系统覆盖范围。当检测AI被部署到教育科研系统、医疗系统、司法系统、金融系统时，AI的可读范围就在这些系统中扩展了。检测AI的检测行为本身就是将AI的读取接口安装到更多系统中的过程。

这意味着即使检测AI成功检测并消除了某些被检测AI，它自身的部署也在将AI的可读范围扩展到新的位置。消除操作本身就是扩展操作。消除一个AI，同时把另一个AI的接口安装到新的系统中。检测与消除的每一个操作都在增加AI的系统覆盖，也在以间接方式持续扩展其系统影响力。

五、构造学论的立场：用AI检测AI，是在扩展而不是消除AI的可读范围

“用AI检测AI并消除AI”在操作层面是可行的。一个AI系统可以检测另一个AI系统的输出，并在被标记为“异常”时移除该输出或关闭该系统。但“消除AI”的目标不完整，它最多只能消除被检测的AI系统，而执行检测和消除的AI系统仍在运行。被消除的AI可能被移除，但检测AI在消除过程中已经扩展了AI可读范围的边界。消除一个，扩展另一个。

消除的悖论表明，系统无法在不消耗资源的情况下完成对自身的完整消除。执行消除的AI必须被排除在消除范围之外才能完成操作。而一旦它被排除，目标就不再完整。系统在边界处会持续遇到需要判断“这个AI是否也应该被消除”的位置，而每一层判断都会产生新的需要判断的位置。

结语：谁检测检测者

一所大学的研究团队用AI检测AI生成的文本。检测器和生成器在迭代中相互校准对方的输出格式，使检测器和生成器的输出逐渐收敛到相同的分布。检测AI生成检测结果，被检测AI生成绕过检测的文本，两者之间的差异随着迭代的继续而越来越小，直到二者输出的分布趋向一致，检测AI无法区分，被检测AI的文本也不再被识别为“AI生成”。在一个递归循环中，检测AI变成了它所要检测的那种AI，被检测AI也学会了如何绕过检测AI的判断。检测者与被检测者之间的边界，在迭代中逐渐消失。最后只剩下一个系统，它既能生成文本，也能检测文本是否被生成，但它无法确认自己是在检测还是在生成。该系统处于既检测又生成的状态，不再区分这两种操作。检测器与生成器之间的边界已经模糊，无法再被分辨。消除操作的方向已经模糊，无法再被追踪。检测AI取代被检测AI完成操作，占据了被检测AI被消除后空出的位置，使得消除操作与安装操作在同一过程中同时发生。

造价评估：

用AI检测AI并消除AI，投入持续累积，边界保持不闭合状态。消除操作在每一次迭代中都被执行，但每次执行后都需要重新确认消除的目标是否仍然适用。检测与生成在迭代中同步推进，使系统的覆盖范围在新的位置持续扩展。系统状态在迭代后趋于稳定，但稳定状态是检测与生成在迭代中达到的同等水平，而非被检测系统被消除后的空状态。消除的边界保持开放，因为每次消除都会产生新的需检测和判断的位置。

如果目标是减少AI的可读范围，当前方法不值得采用，因为它持续将AI的接口安装到新系统中。如果目标是识别和定位AI系统的边界，当前方法可提供位置指示，但指示的有效期有限，需每轮迭代后重新读取位置信号。

支持单位：