当一个技术文档中出现「continvoucly morged」这样的文字，而不是正确的「continuously merged」，你会怎么想？这并非打字错误，而是人工智能生成内容的典型失误。这个看似荒谬的词汇，正成为技术社区讨论 AI 生成内容问题的标志性符号。

一张图表的 15 年旅程

2010 年，一位开发者设计了一张 Git 分支模型示意图，用于解释 Git 工作流程。这张图在 Apple Keynote 中精心制作，颜色、曲线和布局都经过反复调整，确保能清晰展示分支随时间的变化关系。原文中提到：「我设计了这张图，还发布了源文件，让其他人可以在此基础上改进。」这张图迅速传播开来，被广泛用于书籍、博客、教学视频和团队维基中，成为 Git 社区的标准参考。

15 年后，微软官方学习平台发布了一个 AI 生成的版本。这个版本不仅没有标注来源，还出现了多个明显错误：箭头方向错误、时间轴写成「tirm」、关键文字「continuously merged」被错误地显示为「continvoucly morged」。更令人惊讶的是，这个错误版本曾被发布在微软官方文档中，且持续存在数月之久。

「Morged」的意外走红

这个错误迅速在技术社区引起热议。Hacker News 上，「morged」一词意外走红，成为描述 AI 生成拙劣抄袭的新网络热词。网友甚至提议将其作为「morgery」（名词）来描述这种现象。一位用户建议采用「morge」作为动词，意指「使用大语言模型生成明显抄袭已知/著名作品的内容」。相关讨论中，有人计划印制 T 恤纪念这个新词，还有人调侃：「Morge it! Morge it and let them flee like the dogs they are!」

微软的一位高管在 Bluesky 上回应称：「看起来是供应商的问题，我们已成立团队进行事后分析，试图弄清原因。」但社区对此并不买账。一位评论者指出：「在一家拥有 30 万人的公司，要让错误内容到达公众面前，必须有多人失误，或者至少应该如此。如果一个错误能单人发布，这就是系统性失败。」

AI 生成内容的深层问题

这个案例揭示了 AI 生成内容的深层问题：当 AI 系统将人类创作的内容进行「洗版权」处理，表面看似原创，实则质量严重下降。正如原作者所言：「真正令人沮丧的是缺乏流程和关怀——取走精心设计的作品，用机器洗掉指纹，当作自己的发布。这不是受启发而改进，而是把好的东西变得更糟。」

从技术角度看，AI 生成内容的问题在于其「记忆」机制。大型语言模型在训练时会「记住」大量数据，但生成时可能只是对训练数据的低质量复现，而非真正理解。对于图像生成，AI 更容易出现这种「记忆」错误，因为图像生成模型往往直接从训练数据中复制特征，再进行不恰当的修改。一位开发者指出：「这不仅仅是复制，而是『版权洗白』——通过 AI 处理，试图掩盖原始来源。」

类似问题的广泛存在

类似问题也出现在其他平台。LinkedIn 上充斥着 AI 生成的错误技术图表和文本；YouTube 上出现 AI 生成的虚假历史视频和错误技术教程。一位用户分享了在 YouTube 看到的「费曼解释为什么不能往返火星」视频，但费曼已于 1988 年去世，远早于火星探测器计划。另一位用户发现 YouTube 上有「二战机械师用一根电线修复整个盟军飞机机队」的虚假故事。

LinkedIn 上，有人将 ChatGPT 生成的错误技术内容发布为自己的专业见解。一位评论者写道：「LinkedIn 是一个化装舞会，装扮成商业论坛。没有人展示真实的自我，每个人都在用 LLM BFF（大语言模型最佳朋友）打磨他们的独角兽潜力，或者发布 100% 真实的生活改变故事，最终却变成销售话术。」

技术社区的担忧

当 AI 生成内容泛滥，真实的人类创作可能变得稀缺。一位评论者指出：「人类的集体文化，到 2021 年为止，被捕捉在一个有限但庞大的比特流中。现在，我们正以越来越快的速度稀释这些比特。当生成内容超过手工创作内容的那一刻，真实的东西将变得稀有。」

这种担忧并非空穴来风。一些 AI 生成的内容已经进入训练数据，形成恶性循环。一位开发者警告：「如果 AI 生成的内容被用于训练新的 AI 模型，那么未来所有内容都可能变成『AI slop』的变体。」

为何如此难以解决？

微软的案例暴露了技术文档生成流程的严重缺陷。一位评论者指出：「在微软，一个供应商就能发布错误内容到官方平台，而没有多层审核。」更令人担忧的是，微软官方明确表示：「我们正在努力向 Microsoft Learn 添加 AI 生成内容的文章。随着时间推移，更多文章将包含 AI 生成的文本和代码示例。」

这引发了一个根本问题：当 AI 生成内容泛滥，如何保证技术文档的准确性和可靠性？一位开发者建议：「要解决这个问题，需要更严格的审核流程和更透明的 AI 生成内容标注。对于开发者来说，重要的是保持警惕，不要轻易接受 AI 生成的内容作为权威参考。」

未来何去何从？

技术社区正在寻找解决方案。一些开发者尝试用 Mermaid 等文本生成图表工具，而非依赖图像生成 AI。一位用户分享：「使用 LLM 驱动 Mermaid 生成图表，比在光栅空间操作的 AI 更准确。」但这也只是权宜之计。

更大的挑战在于文化层面。当 AI 生成内容变得无处不在，人类如何区分真实与虚假？一位评论者写道：「当 AI 能生成『直升机腿』的 QWOP 游戏（本应是人腿），这种意外的创造性令人惊喜；但当 AI 生成错误的技术文档，这种『创造性』就变成了危险。」

在 AI 时代，技术文档的可靠性不再是默认属性，而是需要主动维护的品质。正如一位开发者所言：「AI 不会取代人类，但用 AI 的人会取代不用 AI 的人。关键在于如何用好这个工具，而不是被工具所用。」