问题在于，使AI对话听起来像人类的许多特征，恰恰是书面文本中所不包含的。哈达克以“时序”为例说，人类在对话中以极其精准的时间尺度运作，一个微小的停顿都可能富有深意，一个较长的停顿可能让人感觉尴尬、回避、敌对或令人不安。语言重叠可以传递热情和支持，也可以听起来像是打断和主导。哈达克指出，“这种复杂性层级并未被明确编码到构建AI模型所依赖的大多数转录文本和数据中。”

　　基于这些研究发现，兰卡斯特大学研究团队发起了一个名为HackaCon的项目。它是一个面向公众的挑战赛，旨在探索AI能否在两个特定说话者之间创造出令人信服的自然、听起来像人类的对话。

　　HackaCon的挑战要求参与者在其所提供的情景中，利用AI创造出一段从未发生过的对话“录音”。哈达克说，“录音”这个环节至关重要，因为它将告诉我们，距离那些像人声一样说话，并且以像人的方式进行互动的系统到底有多近。

　　哈达克指出，在对话中，“对AI来说最难的事，很可能是人类很早就学会并且做起来快到几乎注意不到的事：时序、回应性、对齐、自我纠正、情绪转变、管理关系等等。”

　　文学中的辨真困境

　　与此同时，检测工具的局限性又反向折射出人类对真实性的焦虑。

　　随着大语言模型的普及，从海外的社交平台Reddit、X，到国内的小红书和知乎，识别和“抓捕”由AI生成的文本，已经从一种单纯的技术检测，演变成了网友们自发参与的数字侦探游戏。