YouTube AI 標籤捉到假畫面，捉唔到知識影片交咗幾多判斷畀 AI

今次可以證實到咩

爭議由 Hank Green 一段訪談片段開始，有人懷疑佢照讀咗 AI 留低嘅編輯提示。不過單靠嗰段片，未足以證明成份稿由 AI 寫；放返入完整對話，嗰句亦可以係佢回應嘉賓意見。比較實在嘅證據係 Green 之後自己公開承認，佢過度依賴 AI 做研究輔助，已經影響作品質素同工作方式。 呢個分別好重要，唔可以由一次爭議倒推其他影片都係 AI 作品。

Green 話，LLM 幫佢好快搵到大量論文同資料，但亦令佢少咗自己摸索題目嘅過程。佢形容不斷同 LLM 互動、愈做愈多內容帶來嘅刺激唔健康，之後打算減少甚至暫停 hankschannel、SMUSH 同 4x3 嘅更新。呢件事牽涉一位創作者點管理工作量同工具依賴，冇證據支持將問題擴大到佢參與嘅所有頻道或團隊作品。

圖片：YouTube

YouTube 套標籤其實管緊咩

YouTube 官方規則集中處理逼真而可能令人誤會嘅合成內容，例如令真人講出從未講過嘅說話、改動真實事件片段，或者生成一個從未發生過嘅逼真場面。創作者上載時可以申報，平台亦由 2026 年 5 月起加入內部偵測訊號，配合 YouTube 自家 AI 工具同 C2PA metadata 自動加標籤。健康、金融、選舉同災難等敏感題材，標籤仲可能放到播放器入面較當眼嘅位置。

但官方同時列明，生成式 AI 用嚟構思題目、製作或改善大綱、稿件、縮圖、標題同資料圖，都屬於毋須披露嘅「製作輔助」。創作者複製自己把聲配音亦毋須申報。換句話講，一條片可以由真人出鏡、真人講解、完全冇合成畫面，但資料篩選、論證次序同初稿都大量交畀 LLM，照樣可以冇 AI 標籤。

圖片：YouTube

冇標籤，唔代表研究過程可靠

YouTube 呢套設計有現實考慮：平台可以檢查像素、聲音、metadata 同自家生成工具留下嘅訊號，但就好難知道創作者寫稿前問過幾多次 chatbot、有冇讀過原始論文，或者最後由邊個核對。問題係播放器旁邊得一款「AI」標籤，觀眾好容易將冇標籤理解成全人手製作，甚至順手當成內容可信；現行規則其實冇作出呢種保證。

知識型影片受影響特別大。AI 研究筆記即使冇明顯錯字，都可能漏咗反例、混淆研究限制，或者將仍有爭議嘅講法寫成定論。科技規格尚且可以返官方文件核對，健康建議、科學解說同投資內容一旦省略證據脈絡，後果可以嚴重好多。畫面有冇合成，只係可信度入面好細一部分。

睇知識影片，可以點判斷

先睇創作者有冇列出具體來源，連結指向原始研究、官方文件或完整訪問，抑或只寫一句「研究顯示」。跟住留意片中有冇交代數據限制、相反證據同更正紀錄；健康、金融等高風險內容就再搵專業機構或另一個獨立來源核對。冇 AI 標籤只代表條片未踩中 YouTube 嘅強制披露門檻，對研究同寫稿方法幾乎冇提供資料。

至於創作者，籠統寫「有用 AI」幫助有限，較清楚嘅做法係分項交代 AI 有冇參與搵資料、整理筆記、起稿同最後核對，再列出由人手查證嘅來源。YouTube 下一步想補返呢個缺口，可以畀創作者分項申報呢幾類工序，再喺影片資料旁邊顯示；單靠加強合成畫面偵測，仍然處理唔到知識內容點樣建立可信度。

參考來源

• Ars Technica — Hank Green found the AI problem that YouTube labels can’t catch — original report
• YouTube Help：Disclosing use of GenAI content — 核對現行強制披露範圍、製作輔助豁免、標籤位置同處分安排
• YouTube Blog：Improving AI labels for viewers and creators — 核對 2026 年標籤位置更新、內部偵測訊號同 C2PA 安排
• Hank Green 公開回應備份 — 收錄 Green 對 AI 研究依賴、工作方式同暫停頻道安排嘅完整公開回應
• AP：Hank and John Green's studio becomes a nonprofit — 補充 Green 參與知識型影片製作同 Complexly 可信內容定位嘅背景

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。