错误百出的 AI 粉丝维基正在搅浑游戏文化的水域

在线信息的 AI 退化感知

• 许多人认为 AI 生成的“垃圾内容”正在加速网络质量的既有下滑：讨论、文档和参考资料都被提及。
• 有人担心，一旦 AI 以 AI 输出为训练数据，信息生态系统就会经历“比特腐烂”，质量会递归式退化。
• 也有人认为，开放网络最终会走上充斥垃圾邮件的电子邮件/Usenet 的老路，变成低价值自动化内容泛滥的地方。

游戏维基与粉丝社区

• AI“维基”被描述为内容薄弱、措辞看似合理但充满错误的网站，会误导玩家并污染搜索结果。
• 传统商业维基平台也被批评本就质量不高，因此 AI 垃圾内容被视为是在既有问题上继续雪上加霜。
• 有人认为这会伤害围绕细致人工整理而形成的粉丝文化和社区；也有人调侃说，玩家现在也许真的得“亲自去玩游戏”了。

代码与技术内容的质量

• 一方声称 LLM 会提高平均代码质量，并避免整类 bug。
• 另一些人则表示曾在 AI 建议的代码里抓到明显的安全漏洞，并担心代码/注释/文档中究竟哪些是人写的、哪些是 AI 写的已无法辨认。
• 这种模糊性让维护更困难，因为你不再知道怪异的决定究竟反映真实意图，还是流利但毫无意义的胡话。

搜索引擎与“垃圾内容”网站

• 多个轶事描述称，很难再找到可靠的网页指导信息（例如建筑施工）；充满 AI 内容的“博客”如今主导了结果。
• DuckDuckGo 被点名为污染尤其严重；Google 被认为也在下滑，但仍略好一些。
• 有人呼吁出现一个能过滤 AI 垃圾内容、也许还会过滤付费墙的搜索引擎；也有人说自己转而去 YouTube、书籍或旧论坛帖子里找答案。

拟议的应对方式及其局限

• 想法包括：仅限人工或高门槛投稿的网站；严格审核并禁止使用 LLM（Wikipedia 被正面提及）；仅限受邀社区；让使用 AI 的成本更高。
• 怀疑者认为，只要不是逐行检查的可扩展系统，就都能被 AI 轻易钻空子，而激励机制会不断腐蚀任何“新互联网”。
• 有人预见会出现一个面向严肃用户的小型、精心策划的“懂的人自然懂”的网络，而大众网络则被 AI 输出主导。

身份、信任与信任网络思路

• 一派主张强身份认证（可能包括生物识别），以证明“人类性”并对抗机器人洪泛，即便代价是匿名性。
• 另一些人强烈反对，称这属于“监控资本主义”，认为我们应保留化名性，并接受我们有时会和机器人对话。
• 也有人提出密码学签名和信任网络：如果你信任签名者，或通过社交链条间接信任他，你就信任内容。
• 反驳意见指出，人类也可以签署 AI 写的文本，密钥可能被盗或被胁迫，声誉系统也可能被滥用。

LLM 作为强大的分析工具

• 一些评论者指出，前沿 LLM 在游戏逆向方面非常出色：可以反汇编二进制、读取游戏文件，并提取维基和论坛常常写错的精确机制或掉落公式。
• 他们认为高端模型对原始数据进行深度分析是好的，而廉价模型只是根据现有网页内容生成表面化文字，这才是问题所在。

回到离线 / AI 之前的来源

• 一些用户在归档 AI 之前版本的 Wikipedia/OSM，并把它们类比为供未来参考的“低背景钢”。
• 另一些人建议更多依赖图书馆、纸质书和离线专业知识，尤其是在 DIY 这类稳定领域中，这会变得越来越重要。