上一讲我们说，鉴定器不读内容，只数特征。那它数的第一个特征是什么？
答案是两个听起来很唬人、其实很朴素的指标：困惑度和突发性。几乎所有 AI 文本检测工具，不管包装成什么样，底下都站着这两个数。
一、困惑度：下一个字有多好猜
先玩个游戏。我给你一句话的前半段，你猜下一个字：
今天天气很____
大部分人会猜"好"或者"热"。这种"很好猜"的状态，就是低困惑度——模型看到前面几个字，对下一个字非常有把握。
再看这个：
他把那盆养了七年的仙人掌，连同窗台上那道晒褪色的胶带印一起，____
这下难猜了。可能是"搬走了"，可能是"扔了"，也可能是"留给了房东"。可选项太多，模型"困惑"了——这就是高困惑度。
困惑度 = 模型看到上文后的"意外程度"。越意外，分数越高；越像套话，分数越低。
二、为什么 AI 的困惑度普遍偏低
大模型的本质，就是一个"预测下一个字"的机器。训练目标是：在海量人类文本上，把"下一个字是什么"猜得越准越好。
这个目标有个副作用：它天然偏爱概率最高的那条路。你让它写"今天天气很"，它心里的候选表里"好"排第一，它就很大概率选"好"。人类作者不一样，人偶尔会故意绕开第一反应，去选那个更怪但更有味道的词。
于是 AI 写出来的句子，在另一个模型眼里"太好猜了"——每个字都落在预测区间里，几乎没有意外。这就像听一个人讲话，他每句话都在你预料之中，你会觉得"这人说话怎么这么没惊喜"。
"困惑度低 = AI 写的"并不成立。教材、新闻通稿、产品说明书的困惑度也很低，因为它们的写作目标本来就是"清楚、不出错"。所以困惑度只能做线索，不能做证据。
三、突发性：节奏的起伏程度
光看困惑度还不够。人会写出这样的段落：
他推开门。屋子里空了。三年攒下的东西，一件都没带走，连那只总掉毛的猫也没留下。
短句、短句，然后一个长句。这种忽长忽短、忽快忽慢的节奏，就是突发性高。
AI 写同样的场景，更可能变成：
他推开门后发现屋子里已经空了，三年来积攒的所有物品都没有被带走，甚至连那只经常掉毛的猫也不见了踪影。
信息一模一样，但节奏被抹平了：三个句子长度接近，语气均匀，没有一个"停一下"的地方。AI 倾向于保持稳定的句式和句长——因为稳定在训练中往往意味着"更安全"。人写作时那种情绪驱动的忽快忽慢，它模仿得还不够自然。
突发性怎么算
思路很直观：把每个句子的长度（或者困惑度）记下来，算这一串数字的波动程度。波动大 → 突发性高 → 更像人；波动小 → 突发性低 → 更像机器。统计上常用方差或变异系数来衡量。
你甚至可以自己感受：随便打开一篇公众号爆文，句子长度是跳的；再打开一份 AI 生成的总结，句子长度是齐的。
四、两个指标怎么一起用
单独用都会误判，合起来才有点意思：
- 低困惑度 + 低突发性：又顺又平。典型的 AI 生成文本，也是最常见的组合。
- 高困惑度 + 高突发性：又难猜又跳。典型的人类写作，尤其是个人化的、带情绪的表达。
- 低困惑度 + 高突发性：用词常见但节奏很跳。可能是口语化的真人写作，也可能是模仿得很像的 AI。
- 高困惑度 + 低突发性：用词生僻但节奏死板。翻译腔、学术八股文经常长这样——这也是误判的高发区。
看到没，真正干净利落的只有前两种情况，后两种都含糊。这就是为什么鉴定器必须再叠加第一讲里说的那些"语言习惯"特征，光靠这两个数不够。
五、这套方法正在失效吗
说实话，是的，在慢慢失效。原因有三：
- 模型越来越会"演"。新模型会在训练中专门学人类的节奏，甚至刻意制造"不完美"。
- 采样参数一调就变。所谓"温度"（temperature）调高，模型就更敢选低概率的词，困惑度立刻上去了。下一讲专门讲这个开关。
- 改写工具遍地都是。把 AI 稿丢进"降 AI 味"工具跑一遍，困惑度和突发性会被重新搅乱，这套指标就很难抓了。
不要指望任何工具给出"确定是 AI"的结论。合理的用法是：把结果当成一个需要进一步追问的信号——分数高，就去问问作者写作过程、看看有没有草稿和版本记录，而不是直接定性。
小结
- 困惑度：下一个字好不好猜。AI 偏低，但公文、说明书也偏低。
- 突发性：节奏起伏大不大。AI 偏低，人偏高。
- 两个一起看才有效，而且它们正在被新模型逐渐"骗过去"。
那 AI 为什么非得这么"平"？是它写不好吗？不是——是它身上有个叫"温度"的旋钮在控制这件事。下一讲揭开它。