AI用得誠實，也用得好

揭露是了解學生怎麼工作的一扇窗，而不是要他認錯的自白書。

學生勾到查證階梯的第3層、或寫得出自己否決了AI的哪些建議，都是判斷力的證據，值得肯定，而不是扣分的理由。

允許AI的層級越高，評分就越應該放在「學生自己做了什麼、怎麼判斷與查證」，而不是最終文字漂不漂亮。必要時用口頭確認、或看草稿的版本歷程，而不是去猜哪一句是AI寫的。

沒填揭露，可能只是輕度使用或不確定要不要寫。必要時問一句就好，不必預設對方有問題。

目前的AI偵測器不夠可靠、對非母語寫作者也不太公平：史丹佛團隊實測7款偵測器，非母語英文作文被誤判成AI的比率高達61.3%，本土學生作文卻幾乎零誤判（Liang et al. 2023）。而且研究顯示，學生「被偵測器抓到」比他主動揭露，更容易傷害師生之間的信任。

與其直接指控，不如請學生聊聊他的完成歷程。這樣既能了解實情，也保護了那些其實誠實、只是寫得不夠清楚的學生。問法不是考記憶，而是問選擇背後的想法，例如：「你原本以為什麼？後來哪個資料或例子讓你改觀？」「為什麼選這個案例、這個角度？」「這一段如果刪掉，你覺得會少了什麼？」寫作課還可以問：「為什麼這個人物在這裡沒有回答？」「這個比喻你想跟前面哪一幕呼應？」真正做過的人不一定答得漂亮，但通常說得出一個歷程。

AI很擅長把事情講得又完整又平衡，但也因此常常「什麼都講一點、卻沒有真正選擇」。相對地，人在認真想過之後，常會留下取捨的痕跡：說明自己「因此不採用哪個做法」、「本文只討論到哪裡、不處理什麼」、「這個例子看似支持我，其實只能說明到這個程度」。看學生作業時，可以留意有沒有這種「放棄了什麼、限制了什麼、不敢過度推論什麼」。完全沒有困惑、沒有例外、每個伏筆都漂亮回收，反而值得多聊兩句。這是參考訊號，不是判決。

除非你的層級規定裡明白寫了要計分，否則讓「有沒有誠實揭露」不直接影響成績，最能鼓勵學生說實話。

與其一開始就糾結「這門課該不該禁AI」，不如先想清楚學生該學會什麼、能做到什麼（也就是「逆向設計」），再回頭決定評量方式和AI規則。MIT也建議多用那些不容易被AI代勞、對學習又更有價值的評量，像是口試、學期作品集、課外作業搭配課堂討論，並且多一點實作、專題和課堂裡的互相學習。

報告不建議依賴AI偵測器。偵測器會變成「偵測」跟「規避」你追我跑的軍備競賽，也很容易把非母語、神經多樣學生的文字誤判成AI，反而傷了師生之間的信任；而且光靠偵測器的結果，並不足以當成學術不當的證據。鎖定型的考試瀏覽器則像在監控學生，現場監考通常還比較好。比較可靠的做法是看「過程」：讓學生在會保存修改紀錄的平台上作業，交作業時連版本歷程一起交。

每門課最好在課綱裡清楚寫明AI能不能用、為什麼，而且盡量用一致的格式，讓學生一看就懂。同樣地，老師如果在做投影片、評分或給回饋時用了AI，也應該讓學生知道。報告特別提到，學生其實很容易發現「只准老師用、不准自己用」這種雙重標準。

所有論文都應該附一段聲明，說清楚AI用在哪裡；AI不能列為共同作者；作者要為內容的正確性負責、一筆一筆查證；投稿前也先確認各個期刊和會議的規定。這幾點跟本工具「研究者」頁的做法一樣。

詩歌研討、數學證明、建築設計，跟AI的關係本來就不一樣；大一新生和熟悉領域的博士生也不同，本來就不該套同一套規則。報告的核心精神，是讓AI「增強」學習，而不是「取代」思考的辛苦；也要特別小心學生一遇到難題，就把整個思考丟給AI（報告叫它「認知投降」）。

AI變化太快，與其訂一堆很快過時的細則，不如給幾條原則，讓大家依情況自己判斷。報告也建議少用高壓、懲罰式的做法，畢竟沒有100%準確的偵測方式，重心應該放在對話上，而不是抓人。

要判斷某種AI幫忙可不可以，可以換個方式想：「如果是找『人』幫這個忙，可不可以？」同學互相問答、討論上課內容通常可以；請別校教授幫你寫報告大綱通常不行；花錢請人代解帶回家考試就完全不行。這樣類比，能把原本說不清的界線變得具體。

要學生用AI時，說明它怎麼幫助學習；限制學生用AI時，也說一下為什麼，學生懂了才更願意配合。如果課程會要求用AI，先在課綱寫清楚，讓完全不想用AI的學生可以提前選課。

不管有沒有用AI，交出來的成果都要反映「掛名的人自己的判斷」；AI可以給素材，但不能取代人的判斷。學生也可以照實說明自己何時、怎麼用了AI。評量重點也應該放在思考的「過程」，不只看最後的「成品」。

AI Assessment Scale的設計者建議學生「揭露（document）」怎麼用AI，而不是「引用（cite）」它，因為AI的輸出別人沒辦法像查參考文獻那樣查證（本工具的做法也一樣）。偵測器方面，布朗大學檢視的13所常春藤＋同儕學校裡，有7所反對或不背書AI偵測器；也不建議只憑偵測結果就認定學術不當。

美國著作權局自2023年起要求登記作品時揭露AI生成的部分、並說明人類創作的貢獻；純AI生成通常不受著作權保護：2023年的漫畫《Zarya of the Dawn》就是代表性案例，作者用Midjourney生成插圖，著作權局最後裁定她自己寫的文字、以及圖文的挑選與編排受保護，但Midjourney生成的個別插圖因為缺乏足夠的人類控制而不受保護（著作權局裁定書）。台灣智慧財產局的立場也類似：著作權保護的是自然人的創作，純粹下指令、沒有人類實際創意投入的AI產出，原則上不受著作權保護；有沒有著作權，要看創作過程中人類有沒有實際的創意投入（智財局函釋；個案仍須由法院依具體事實認定）。在這裡，揭露也是保護你自己的權利。

美國科幻奇幻作家協會（SFWA，星雲獎）規定用大型語言模型寫的作品，不論全部或部分，一律沒有參賽資格；美國羅曼史作家協會（RWA）也禁止未經實質人類創作、由AI生成的敘事文字。 SFWA官方 ↗

美國作家協會（Authors Guild）2025年1月會員測試、2026年3月公開上線「Human Authored」認證，作家可申請一個商標印記，聲明作品出自人腦、不是AI生成。方向和學術剛好相反：學術界要你聲明「用了AI」，這個標記則是聲明「沒用AI、出自人腦」。 Authors Guild ↗

Amazon KDP要作者向平台申報「AI生成」的文字、圖像、翻譯（就算事後有改也要），但「AI輔助」（給點子、改文法、列大綱）不用報；而且是報給平台、不是給讀者。

2024年1月，日本作家九段理江以《東京都同情塔》拿下芥川獎，自己說書中約5%的文字是ChatGPT逐字生成的。 報導 ↗

書籍版權頁或前言可放一句聲明：

投文學獎或雜誌：先看徵稿的AI條款。允許輔助時，在投稿信或表單註明「AI僅用於 [X]，創作內容為本人原創」；若規則禁止，就別投用了AI的作品（投了可能失格）。
Amazon KDP：上架時在「Content」頁回答AI問題。判準是「這段文字、圖或翻譯的第一版是誰做的」。AI做的選「AI-generated」（要申報），你寫的、AI只幫潤飾則是「AI-assisted」（不用報）。這個申報只給平台，讀者看不到。
想主張純人類創作：可申請Authors Guild的「Human Authored」印記。

是作者從空白頁寫出段落，還是AI依提示產生段落、章節、甚至整本草稿？

角色、世界觀、敘事觀點、情節轉折、隱喻、語氣、結構、結局，主要是誰決定的？主要是作者，AI就是工具；主要是模型在提示下擴寫、又替你決定，AI的參與就已經很實質。

重點不是「用了幾次AI」，而是AI的輸出有沒有幾乎原封不動留在出版稿裡。只做小幅語序調整、仍保留下來的AI段落，通常應該算AI生成內容。

大綱、設定集、筆記、檢索紀錄、草稿、版本歷程、編輯往來、早期片段，這些比任何檢測器給的百分比都更有鑑別力。

「AI生成文字不得超過5%」看起來很客觀，套在文學創作上卻不一定公平：一句由AI寫的關鍵結尾，字數很少，卻可能承載整部作品最重要的審美與敘事價值；AI要是提供了完整的情節、角色關係和轉折架構，就算最後文字全由人另寫，仍可能影響原創競賽的公平；AI翻譯長篇時，原作者掌握的是故事內容，但目標語言的實際文字可能大幅由工具產生；對詩、極短篇、散文詩、童話、歌詞、微型小說來說，5%可能只是幾個字，卻足以讓規則失衡。連Authors Guild的契約也把門檻寫成「［de minimis／5%］」的括號，重點放在「掛作者名的文字是作者、不是AI寫的」，而不是卡死一個百分比。比較好的規範，是同時看幾件事：AI有沒有直接產生、又保留正文；AI有沒有產出核心的創意元素（情節、角色、結局、世界觀、關鍵意象）；作者有沒有實質的控制和實質的重寫；還有，這場競賽到底要評的是「純人類原創」、人機協作的能力，還是作品本身的品質。

Jamir Nazir 的短篇〈The Serpent in the Grove〉在 2026 年拿下 Commonwealth 短篇小說獎，作品公開後很快被質疑「很像 AI」，有人點出典型的 ChatGPT 句法，AI 偵測工具 Pangram 甚至判定它幾乎百分之百是 AI。但主辦的 Commonwealth 基金會後來正式調查：看作者的草稿、有時間戳記的檔案、筆記與大綱，並和評審詳談，最後認定得獎作品沒有使用 AI、維持原判。值得一提的是，即使查了這麼多，部分評論者到現在仍不完全信服。這個案子剛好說明：偵測器的分數和「讀起來像 AI」的直覺都不是證據，真正的調查靠的是過程留下的東西；而且就算查了，也未必能讓所有人服氣。 基金會聲明 ↗ · Guardian 報導 ↗

匹茲堡大學的 Porter 與 Machery（2024，刊於 Scientific Reports）讓一般讀者分辨 AI 生成的詩和知名詩人的作品，結果辨識準確率只有 46.6%，比亂猜還差；而且讀者更常把 AI 的詩當成人寫、把真正的人類詩當成 AI。原因是 AI 的詩主題明白、情緒好懂、節奏漂亮，反而讓人覺得「像人」；真正的好詩常常難懂、意象複雜，反而被當成 AI 的胡言亂語。所以「我覺得寫得好、讀得順，應該是人寫的」這個直覺，其實會把你帶錯方向。 Scientific Reports ↗

YouTube（2024年3月起要求標示）要求為「擬真的合成或改造內容」加標示，例如AI換臉、AI配音；TikTok也提供AIGC標示，並可依內容憑證自動加標；Meta的IG/FB也會自動標「AI Info」。重點是「會不會誤導」，純創意、明顯不是真的的內容通常不用標。 YouTube官方說明 ↗

Getty Images直接全面禁止 AI生成內容；Adobe Stock 要求標示；Shutterstock不接受投稿者以AI生成的內容。你的作品若走這些平台，帶AI標記可能被退件。 Getty禁令報導 ↗

這是新的技術標準，把「用什麼工具做的、什麼時候、改了什麼」簽進檔案裡。現在部分主流AI工具（Adobe Firefly、DALL·E / Sora、Google Imagen、Midjourney）已開始嵌入這種標記，連相機（Sony、Nikon、iPhone）也開始在拍照當下簽章。所以你用AI生的圖，常常自己就帶標記，不管你知不知道。你可以把圖拖進官方的Content Credentials Verify（在瀏覽器內執行、圖片不會上傳），看它帶了哪些來源與編修紀錄。 C2PA標準 ↗

歐盟《AI法案》第50條（2026年8月起）要求AI生成的影音內容要有機器可讀的標記，深偽要清楚標示；美國FTC依《聯邦貿易委員會法》將具誤導性的AI內容視為欺騙行為（尚無一般性AI揭露義務）。歐盟也提供一組可選用（非強制）的官方標示圖示與建議用語（如「AI生成」「部分經AI修改」）。 EU AI法案第50條 ↗ · EU官方圖示組 ↗

2023年，藝術家Boris Eldagsen以一張AI生成的作品拿下索尼世界攝影獎，隨後公開拒領，說想藉此逼大家討論「AI影像算不算攝影」。這也讓許多攝影比賽開始明訂AI規則。 BBC報導 ↗

1. 別刪掉檔案的內容來源憑證（Content Credentials）。可用官方的Content Credentials Verify查一張圖帶了什麼標記。
2. 加可見的圖說或alt text，例如「AI生成圖像（工具：[X]）」。
3. 上平台開內建的AI標示：YouTube上傳時勾「改造或合成內容」、TikTok開AIGC標籤、IG/FB對擬真內容也要自己開。判準是「像不像真的、會不會誤導」。純創意、明顯不是真的的圖通常不用標。
4. 投攝影獎或圖庫前先查規定：Getty全面禁、Adobe Stock要標，多數攝影比賽要求純攝影或明確標示AI。

三層規範：深度合成規定（2023/1/10生效，要求植入技術標識、易混淆須顯著標示、不得移除標記）、《生成式AI服務管理暫行辦法》（2023/8/15），以及《AI生成合成內容標識辦法》＋強制國標GB 45438-2025（2025/9/1生效），要求顯性（可見）與隱性（metadata）雙重標識，平台須查核標識，並對未標識或疑似生成的內容加註風險提示。 辦法譯文 ↗

《AI基本法》2026/1/22生效（含至少一年寬限期）；第31條要求事前告知AI使用、為生成式AI產出加標示，深偽內容須清楚標明；MSIT指引要求可見／可聽標識（浮水印）或嵌入metadata。 MSIT公告 ↗

《IT規則》2026修正案2026/2/10公告、2/20生效：「合成生成資訊」須加顯著可見標示或語音前置揭露，並附帶含唯一識別碼的永久metadata；發布前平台須查證用戶的AI聲明；遭主管機關通知的違法合成內容（如非自願私密影像）須於3小時內下架。 MeitY FAQ ↗

《AI透明法》（SB 942 / AB 853）2026/8/2生效：月活逾百萬的生成式AI服務須提供潛在＋顯性揭露與免費公開偵測工具（含API），違者每日5,000美元；僅規範圖像／影片／音訊，不含文字。注意：加州另兩部選舉深偽法AB 2655、AB 2839遭聯邦地院以違反第一修正案（言論自由）為由判決禁止執行，目前上訴至第九巡迴法院、仍在審理中。 法律解析 ↗

《人工智慧基本法》2026年施行，作為框架法，明定政府推動AI時應對其產出做適當資訊揭露或標記等原則（具體規定授權各部會另訂子法）；教育部K-12「中小學生成式AI使用與學習指引」2026/6/5通過，要求揭露工具名稱、版本與使用方式。 數發部公告 ↗

AI可協助早期研究、摘要、轉錄、翻譯、下標建議、文法；但每則產出都要記者審閱編輯後才發。報導中若出現AI生成或改造的內容，要清楚標明並說明脈絡；生成式AI有「實質作用」時要揭露。 AP標準 ↗

BBC在BBC Sport試行「How we used AI」標籤（六角形圖示）放在內容最上方，強調須有人類監督與問責。它也公布研究，發現AI助手約45%會曲解新聞內容。 BBC/EBU研究與標籤 ↗

查你投稿或任職媒體的AI準則；AI有實質參與就揭露；AI產出一律人工查證，尤其事實與引用。

・反向圖片搜尋（Google Lens、TinEye）：查一張圖是不是舊圖被移花接木。
・看內容來源憑證（C2PA / Content Credentials）：檢查圖或影片是不是AI生成或改造過。
・橫向閱讀（SIFT）：先停一下 → 查來源是誰 → 找其他可信報導佐證 → 追回原始出處。
・把AI當助手、不當裁判：它能幫你快速比對、找反例，但它自己也會編造，所以每一條都要回原始出處查。深偽偵測工具可參考，但不可靠、會誤判，別當唯一依據。
警戒：AI生成的假訊息又快又像真的，別因為「看起來很專業、很流暢」就相信。

Anthropic 從2026年8月起，讓Claude生成的文字帶上隱形浮水印（採用Google的SynthID-Text技術），圖片檔則附上C2PA來源標記，全球適用、沒有關閉選項。Google 的SynthID已預設用在Gemini、Imagen等產品，並整合進Chrome與搜尋。OpenAI 為圖片加上C2PA與SynthID、提供線上查核工具，但文字目前不加浮水印（改寫幾句就失效，也怕誤傷非母語寫作者）。音樂（Suno）開始加浮水印與指紋、發布平台（Substack）提供自願標示與AI掃描。 官方說明 ↗

C2PA 2.4（2026/4）新增 c2pa.ai-disclosure 標記，可嵌入HTML、Markdown、YAML與原始碼。Google 2026/5/19宣布SynthID已套用逾1,000億件內容，並開放企業AI內容偵測API；2026/8/14起Google允許使用者關閉「可見」浮水印，但隱形SynthID仍保留。OpenAI 2026/7/31為音訊加上SynthID並推出驗證API；Microsoft Azure OpenAI 自動為所有圖片簽入內容憑證。提醒：SynthID Detector仍為申請制、尚未全面公開。 Google說明 ↗ · OpenAI說明 ↗

歐盟AI法案第50條：2026年8月2日後推出的新模型要立即標記；更早的模型最晚2026年12月2日前補上。違反最高可罰全球營收3%。已有約190個組織簽署歐盟的「AI內容標示行為準則」。 第50條 ↗ · 行為準則 ↗

・介面殘留：全文搜尋「Regenerate response」「As an AI language model」這類貼上時一起帶進來的字（這個你自己就能做）。
・不存在的文獻或DOI：逐條回查參考文獻，可用Crossref、OpenAlex、PubMed。要注意反過來不成立：查不到不一定是假的（書、報告、非英文或非生醫文獻本來就未必被收錄），得再確認。也可到 Retraction Watch 查它有沒有被撤稿（這只涵蓋「已撤稿」的論文，沒撤稿不代表沒問題）。
・藏在文件裡的AI審稿指令：檢查PDF的文字層與白字（這個你自己也能做）。
這幾種只要找到，幾乎就能確定內容曾交給AI。

這一層多半是期刊、機構在用的工具，也都會誤判，不保證抓得到——當「初篩」用，別當結論。

・引用存在、但其實不支持主張：讀原文、做一張claim–citation對照表（這項最實在，你自己就能做）。
・同一篇裡樣本數或日期自相矛盾：做內部一致性核查。
・圖片重複、裁切或旋轉：Science系列、AACR、MDPI等期刊會用 Proofig、ImageTwin、FigCheck 這類工具比對。但它們主要抓「重複／拼接」，不太能抓AI生成的假圖，也會誤判（Proofig約5.8%），結果一定要人再看；而且多是付費或機構版，個人不一定用得到。
・tortured phrases（機器改寫留下的怪異用詞，如用fake neural organization代替artificial neural network）：Problematic Paper Screener 收錄「已被標記」的可疑論文，你可以查某篇在不在名單上；但那是「等人再判斷」的清單、不是判決，也可能誤標非母語寫作（另有 STM Integrity Hub、Papermill Alarm，多為出版社在用）。
・事後同儕檢視：上 PubPeer 查某篇有沒有被公開質疑（免費、可查）。
這些是很強的疑點，但通常要搭配其他證據。

・突然冒出「delve」這類詞：對單獨一篇幾乎沒有意義。
・商業AI detector給高分：誤判率高、對非母語寫作者也不公平（研究實測非母語作文誤判率達61.3%）。
・「讀起來太順、太像AI」的直覺：最不可靠，因為人也會這樣寫、AI也能被要求不要這樣寫。
這些可以當作「要不要再查」的提示，不該當成結論。

把 AI素養本身納入課程：如何批判性使用、如何查證、如何揭露；帶學生理解模型怎麼運作、在哪裡會錯，不是只教提示技巧。這些是AI時代比較不會被取代的能力。

評量重設計是最大的槓桿：與其偵測，不如把作業設計成「AI有沒有做」變得不重要。做法有歷程式評量（提案→標註書目→草稿加反思→定稿，逐段給分）、口試與互動口語、課堂內完成。也可讓AI當教學夥伴：出題庫、形成性回饋、差異化教材，把時間從批改移到設計與對話；或讓學生批判AI的輸出當作業。 雪梨大學怎麼做 ↗

學會判斷、查證、與AI協作的後設能力，也就是懂得何時信任、何時存疑、怎麼為成果負責。這些比任何單一工具都耐久。

把AI當對話式導師、而不是答案機：請它出問題、挑戰你的理解、解釋你錯在哪。用它做鷹架：先自己想，再用AI檢查、找反例、換角度，始終保留自己的思路。刻意練習對AI輸出存疑：查證、比對來源，把批判當習慣。

開啟以前做不到的研究型態：假設生成 × 自主實驗 × 大規模分析。AI agent團隊已設計出新的奈米抗體並登上《Nature》，自主系統產出的論文也被同儕審查的workshop接受。但要誠實配上但書：novelty要查（已有抄襲案例）、結果要能複製、你仍為一切負責。

找更多洞見：人與AI各自獨立編碼、再做「不一致分析」，能浮現人類單獨找不到的洞見；把AI當對抗性的第二讀者。維護可複製性：報告模型版本+日期+參數+執行軌跡、優先開放權重、以人工驗證。加速流程：文獻整理、資料清理、程式輔助，但每一步都要查證。 綜述：Agentic Science ↗

最容易出事的，就是用AI趕出來、貼上去不看。這樣常常抄到假的東西、被系統誤判，而且自己其實什麼都沒學到。

比較穩的做法：讓AI幫你想架構、給方向、幫你檢查，但自己讀過、自己改，留下你自己的草稿。真的來不及，先跟老師講一聲。老實說做不完，通常比硬交一份有問題的還好。

AI很適合當備課的幫手：出練習題、給範例、列大綱、做不同程度的教材，把省下來的時間拿去跟學生互動。

壓力大的時候要小心一件事：別急著用偵測器去抓學生。偵測器不準、會冤枉人，尤其是非母語和有身心狀況的學生。與其花力氣抓，不如把作業設計成不怕AI。

趕稿、或是被審查意見弄煩的時候，最容易把AI的東西直接用掉、沒仔細看。就是這種時候要多留意。

趕稿：再急也逐字讀過、每條引用都查。有人把ChatGPT的字樣留在正文裡而被撤稿，就是貼上去沒看。 案例 ↗

回應審查：讓AI幫你理解意思、整理語氣可以，但論點和引用要自己來、自己查。AI會引到假的或已撤稿的文獻。

你當審查者：多數期刊不准把稿件上傳AI（要保密）；更不要在自己稿子裡藏指令去操縱AI審查，那算學術不當行為。 案例 ↗

你最信任AI的時候，常常正好是你最沒把握判斷它對不對的時候。在你不熟的領域，AI錯了、或編了個來源，你也看不出來。有研究發現，法學院學生用聊天機器人反而更容易犯關鍵錯誤。
做法：不熟就先查點基本資料，找一個你查得動的點去測AI準不準，別整段照收。 實證 ↗

話講得順、又有自信，就讓人不想再查。但流暢不等於正確，AI會很篤定地講錯、還會捏造引用。研究也發現，人對AI越有信心，就越省力氣去檢查。
做法：越是講得漂亮，越要抽查關鍵的事實和每一條引用。

AI對很多次以後，你會慢慢不再檢查，這叫自動化偏誤。更麻煩的是技能會退化：有研究發現，一家會計事務所太依賴自動化，系統一拿掉，員工連基本工作都做不來。
做法：固定留一個查證步驟，不要因為上次對就跳過；偶爾自己不靠AI做一次，把手感留著。 實證 ↗

累的時候判斷力會下降，更容易直接接受AI給的東西。
做法：重要的東西別留到最累的時候用AI做；真的累了，先擱著，隔天再看。

AI自己跑很多步驟、你只看最後結果，中間出的錯你不會發現。更常見的是，它讓你去做你其實不懂的事（例如沒有工程背景卻靠AI做技術決定），你連對不對都判斷不了。
做法：重要環節自己看過、留下可檢查的中間產物；不懂的領域，找懂的人幫你把關。

沒有同學、同事或老師幫你看一眼，AI就成了你唯一的參照，容易越走越偏。
做法：重要判斷找個人看一下，或至少隔一天自己再讀一次。別讓AI變成你唯一的第二意見。