Hank Green 是一位以科学传播和可信度立身的知名 YouTuber。如今，他因为使用 AI 遭到激烈批评，并决定暂时从制作工作中退后一步。
Green 承认，自己的 AI 使用状态“不健康”。但他强调，大模型被用来寻找研究资料和线索，没有替他写脚本。
这个区别很重要，也正是争议最容易失焦的地方。依赖 AI 找资料，和让 AI 生成观点、措辞乃至整篇脚本，不该被判成同一种行为。
争议卡在“可信度”三个字上
这场风波并不复杂。
| 争议点 | Green 的公开说法 | 读者真正担心的事 |
|---|---|---|
| AI 做了什么 | 帮助寻找研究来源 | 是否暗中参与脚本写作 |
| 为什么被批评 | 使用频率被本人形容为“不健康” | 创作者是否还亲自完成研究和判断 |
| 风险在哪里 | 大模型可能提供资料线索 | 伪造来源、事实错误、引用链断裂 |
| 更深层矛盾 | 创作者需要提高资料处理效率 | AI 训练可能使用了未经补偿的他人作品 |
Green 的品牌建立在真实性和科学可信度上。观众接受他的内容，不只因为脚本说得顺，还因为相信背后的资料筛选、事实核查和个人判断确实由他负责。
大模型偏偏会模糊这条责任链。它能很快列出论文、概念和关键词，也可能一本正经地编出不存在的出处。读者看见的仍是熟悉的创作者，制作过程却多了一层无法直接检查的黑箱。
因此，受影响最直接的是两类人。
一类是靠知识、评论和专业判断吃饭的创作者。他们会越来越难用一句“AI 没有直接写稿”结束解释。观众接下来会追问：AI 找到的资料有没有逐条打开？引文是否回到原始出处？模型是否影响了选题和论证方向？
另一类是长期信任这些创作者的观众。他们未必要求内容全部手工完成，但会在意自己面对的是一个人的判断，还是模型整理之后、未经充分核验的概率答案。
“不健康”不等于一种AI依赖症
“不健康”是一句个人描述，不是临床诊断。现有信息无法证明 Green 出现了所谓“AI依赖症”，更不能把他的资料检索习惯和把聊天机器人当作情感伴侣混为一谈。
两者面对的风险并不相同。
资料工作中的依赖，常见后果是研究能力退化、来源核查变松，以及创作者逐渐把“模型说过”误当成“资料证明过”。情感依附涉及现实关系、孤独和心理危机场景，需要另一套证据与讨论框架。
把所有高频使用都装进“成瘾”这个词里，看似严厉，其实偷懒。它绕过了更具体的问题：用了什么功能，替代了哪一步，人是否还保留最终核验能力。
我不太赞成把这场风波处理成一次 AI 纯洁度审判。搜索引擎、Wikipedia 和自动翻译刚进入知识生产时，也都遭遇过类似质疑。历史并不完全一样：传统搜索通常把来源摆在台面上，大模型却会把多个来源压成一段流畅回答，甚至抹掉出处。
所谓“尽信书，则不如无书”。今天的“书”换成了模型，老问题仍在：人一旦把查证责任交出去，工具越流畅，错误越难被察觉。
创作者需要可检查的规则
“完全不用 AI”很难成为长期行业标准。资料量越来越大，创作者使用机器做检索、转录、翻译和整理，有现实效率，也未必损害作品的原创性。
但“只是辅助工具”同样不能成为万能挡箭牌。行业需要的不是一句自我声明，而是一套能被观众检查的责任边界：
- AI 提供的论文、数据和引文，必须回到原始来源核验。
- 关键事实应保留出处，不能只引用模型生成的摘要。
- AI 若参与选题、结构或成稿，应按影响程度说明。
- 发现虚假来源或事实错误后，要公开更正，而不是归咎于工具。
如果你是知识类创作者，最现实的变化不是立刻停用 AI，而是重新整理工作流：把模型限制在线索发现和机械整理环节，把阅读原文、判断证据和最终表述留给人。否则省下来的制作时间，迟早会变成信誉成本。
接下来最该观察的，也不是 Green 会不会彻底戒掉 AI。真正有用的信号，是他和其他创作者能否公开更清楚的使用边界，以及平台和观众是否接受“可核验的辅助”，而不是执着于无法证明的“全程纯手工”。
创作者经济卖的从来不只是内容。它还卖一种信任：这个人看过、想过，并愿意为说出口的话负责。AI 可以进入制作流程，但责任不能跟着自动化。