AI டிடெக்டர்கள் உண்மையில் எப்படி வேலை செய்கின்றன (உங்களை ஏன் குறியிடுகின்றன)

ஒரு AI டிடெக்டர் உண்மையில் எதை அளவிடுகிறது

ஒரு AI டிடெக்டருக்கு ஒரு வாக்கியத்தை யார் எழுதினார்கள் என்று தெரியாது. உங்கள் ஆவணத்தை அது இதற்கு முன் பார்த்ததே இல்லை, ChatGPT வெளியீடுகளின் மறைந்த தரவுத்தளத்துடன் அதைச் சரிபார்க்கவும் முடியாது. அதற்குப் பதிலாக, பெரிய மொழி மாடல்கள் உருவாக்கும் வடிவங்களுடன் ஒப்பிடும்போது உங்கள் உரை எவ்வளவு கணிக்கக்கூடியது என்பதை மதிப்பிடுகிறது.

நவீன டிடெக்டர்களே கோடிக்கணக்கான மனித மற்றும் AI பத்திகளில் பயிற்றுவிக்கப்பட்ட இயந்திரக் கற்றல் மாடல்கள்தான். உரை உருவாக்கம் விட்டுச்செல்லும் புள்ளிவிவரக் கைரேகைகளைத் தேடி, பிறகு ஒரு நிகழ்தகவை வெளியிடுகின்றன. அந்தச் செயல்முறையில் எதுவும் ஆசிரியத்துவத்தைச் சரிபார்ப்பதில்லை. ஒரு டிடெக்டரால் உங்கள் உலாவி வரலாற்றைப் பார்க்கவோ நீங்கள் தட்டச்சு செய்வதைக் கவனிக்கவோ முடியாது; உங்கள் உரை, அது பயிற்றுவிக்கப்பட்ட இயந்திர எழுத்தை ஒத்திருக்கிறதா இல்லையா என்று மட்டுமே சொல்ல முடியும்.

இதை ஒரு ஸ்பேம் ஃபில்டர் போல நினையுங்கள். குப்பை மின்னஞ்சல் பொதுவாக எப்படி இருக்கும் என்று அது கற்றுக்கொண்டது, எனவே அந்தக் குணங்களைப் பகிரும் செய்திகளைக் குறியிடுகிறது, ஆனால் எந்த ஒற்றை மின்னஞ்சலைப் பற்றியும் அது உறுதியாக இருக்க முடியாது. AI கண்டறிதலும் அப்படியே வேலை செய்கிறது, அதாவது ஒவ்வொரு மதிப்பெண்ணும் எண்ணாக அலங்கரிக்கப்பட்ட ஒரு யூகம்தான். இது ஒரு முடிவை எப்படிப் படிக்க வேண்டும் என்பதையும் மாற்றுகிறது: "85% AI" என்பது உங்கள் உரையில் 85% இயந்திரம் எழுதியது என்று அர்த்தமல்ல. ஒரு யூகத்தில் டிடெக்டர் ஓரளவு நம்பிக்கையுடன் இருக்கிறது என்று அர்த்தம்.

பெர்ப்ளெக்சிட்டி: உங்கள் சொற்கள் எவ்வளவு ஆச்சரியமூட்டுகின்றன

பெர்ப்ளெக்சிட்டிதான் மிக முக்கியமான ஒற்றைச் சமிக்ஞை. நீங்கள் தேர்ந்த ஒவ்வொரு சொல்லும் ஒரு மொழி மாடலுக்கு எவ்வளவு ஆச்சரியமாக இருக்கிறது என்பதை அது அளவிடுகிறது. ஒவ்வொரு அடுத்த சொல்லும் மாடல் கணித்திருக்கக்கூடியதே என்றால், பெர்ப்ளெக்சிட்டி குறைவு, உரை இயந்திர எழுத்தாகத் தெரிகிறது. மனிதர்கள் குறைவாகக் கணிக்கக்கூடியவர்கள்: ஒரு வித்தியாசமான பெயரடையை எடுக்கிறோம், ஒரு விதியை உடைக்கிறோம், சற்றே நெருடலான வகையில் ஒன்றைச் சொல்கிறோம், அந்த ஒவ்வொரு தேர்வும் பெர்ப்ளெக்சிட்டியை உயர்த்துகிறது.

ஒரு உறுதியான சோடி இதைத் தெளிவாகக் காட்டும். வாக்கியம் ஒன்று: "தொடர்ச்சியான உடற்பயிற்சி முக்கியமானது, ஏனெனில் அது உடல் மற்றும் மன ஆரோக்கியம் இரண்டையும் மேம்படுத்துகிறது." வாக்கியம் இரண்டு: "நான் உடற்பயிற்சியைத் தொடர்கிறேன், ஏனெனில் என் முழங்கால்கள் குறைவாக முணுமுணுக்கின்றன, பிறகு என் இன்பாக்ஸும் அவ்வளவு பயமுறுத்துவதில்லை." இரண்டும் இலக்கணப்படி சரி, இரண்டும் ஒரே அடிப்படைக் கருத்தைச் சொல்கின்றன, ஆனால் முதலாவது ஒரு மொழி மாடல் மிகவும் சாத்தியமான அடுத்த தேர்வாக வரிசைப்படுத்தும் சொற்களால் மட்டுமே கட்டப்பட்டது; "தொடர்ச்சியான உடற்பயிற்சி முக்கியமானது ஏனெனில்" என்பது கிட்டத்தட்ட ஒரு டெம்ப்ளேட். இரண்டாவது சிறு ரிஸ்க்குகள் எடுக்கிறது: முணுமுணுக்கும் முழங்கால்கள், பயமுறுத்தும் இன்பாக்ஸ். சொல்-by-சொல் நிகழ்தகவை மதிப்பிடும் ஒரு மாடலுக்கு முதல் வாக்கியம் ஆச்சரியமற்றது, இரண்டாவது உண்மையிலேயே கணிக்கக் கடினமானது, எனவே முதலாவது AI ஆகவும் இரண்டாவது மனிதனாகவும் படிக்கப்படுகிறது.

இதனால்தான் மெருகூட்டப்பட்ட, பொதுவான எழுத்து, ஒவ்வொரு சொல்லையும் ஒரு மனிதர் எழுதியிருந்தாலும் குறியிடப்படுகிறது. பெர்ப்ளெக்சிட்டி உழைப்பையோ நேர்மையையோ அளவிடுவதில்லை, கணிக்கத்தக்க தன்மையை மட்டுமே, சில முற்றிலும் மனித எழுத்துகள் மிகவும் கணிக்கக்கூடியவை.

பர்ஸ்டினெஸ்: உண்மையான எழுத்தின் தாளம்

பர்ஸ்டினெஸ் வாக்கிய அமைப்பு மற்றும் நீளத்தில் உள்ள மாறுபாட்டை அளவிடுகிறது. மனிதர்கள் அலைகளாக எழுதுகிறார்கள்: நீண்ட, வளைந்து செல்லும் வாக்கியம், பின்னால் ஒரு குட்டையானது. மூன்றே சொற்கள். பிறகு தேவைக்கும் அதிகமாக நீளும் விவரம் நிறைந்த சிக்கலான ஒரு துணை வாக்கியம்.

AI வெளியீடு மென்மையானது. இயல்புநிலையில் விடப்பட்டால், ஒரு மாடல் ஒரே நீளத்தில் சுற்றும் வாக்கியங்களை, ஒத்த அமைப்புகளில் தொடங்கி, ஒரே சீரான தாளத்துடன், பத்தி பத்தியாக உருவாக்குகிறது. இரண்டையும் அருகருகே வைத்தால், ஒரு சொல்லைப் படிக்கும் முன்பே வித்தியாசத்தைப் பார்க்கலாம்: மனித உரை பக்கத்தில் கரடுமுரடாகத் தெரிகிறது, இயந்திர உரை செங்கல் வேலை போலத் தெரிகிறது.

டிடெக்டர்கள் அந்தக் கரடுமுரடை எண்ணாக்குகின்றன. குறைந்த பர்ஸ்டினெஸ் கூடக் குறைந்த பெர்ப்ளெக்சிட்டி என்பதே கிளாசிக் AI கையொப்பம், இரண்டும் இருக்கும்போது தலைப்பும் இலக்கணமும் குறையற்றதாக இருந்தாலும், உரை உருவாக்கப்பட்டது என்று டிடெக்டர் நம்பிக்கை கொள்கிறது. எனினும் தனித்தனியாக இரு சமிக்ஞையும் பலவீனம்தான். ஒரு கவிஞர் காட்டுத்தனமான பர்ஸ்டினெஸுடன் எழுதுகிறார், ஒரு ஒப்பந்த வழக்கறிஞர் கிட்டத்தட்ட இல்லாமலே எழுதுகிறார், இருவரும் மனிதர்களே, அதனால்தான் தீவிரமான கருவிகள் எப்போதும் இரண்டையும் இணைக்கின்றன.

உள்ளே: டோக்கன் நிகழ்தகவு

மொழி மாடல்கள் ஒரு நேரத்தில் ஒரு டோக்கனாக எழுதுகின்றன, ஒவ்வொரு டோக்கனுக்கும் ஒரு நிகழ்தகவு மதிப்பெண் உண்டு. டிடெக்டர்கள் இந்த நிகழ்தகவுகளை தோராயமாகக் கணக்கிட்டு, உங்கள் உரை மாடலின் சாத்தியமான தேர்வுகளின் "வசதி மண்டலத்திற்குள்" இருக்கிறதா என்று சரிபார்க்கின்றன. ஒரு பத்தி கிட்டத்தட்ட முழுவதுமாக அதிக நிகழ்தகவு டோக்கன்களால், சீரான தாளத்தில் கட்டப்பட்டிருந்தால், அது ChatGPT, Gemini, Claude ஆகியவற்றின் இயல்புநிலை உருவாக்க முறையுடன் பொருந்துகிறது, டிடெக்டர் அந்த வடிவத்தை நீங்கள் பார்க்கும் சதவீதமாக மாற்றுகிறது.

குறுகிய துணுக்குகளின் சோதனை ஏன் நம்பகமற்றது என்பதையும் இது விளக்குகிறது. வெறும் ஒன்றிரண்டு வாக்கியங்களில், ஒரு கவனமான மனிதரை ஒரு மாடலிடமிருந்து பிரிக்கப் போதுமான சமிக்ஞை இல்லை, எனவே மதிப்பெண்கள் கடுமையாக ஊசலாடுகின்றன. பெரும்பாலான நிறுவனங்கள் இதை மறைமுகமாக ஒப்புக்கொள்கின்றன: பல கருவிகள் சில நூறு சொற்களுக்குக் குறைவான எதையும் மதிப்பிட மறுக்கின்றன, ஏனெனில் அந்த நீளத்திற்குக் கீழே கணிதம் ஒரு அளவீட்டை விட நாணய சுண்டலுக்கே நெருக்கமானது.

புள்ளிவிவர டிடெக்டர்கள் vs கிளாசிஃபையர் அடிப்படையிலான டிடெக்டர்கள்

கண்டறிதல் கருவிகள் இரண்டு குடும்பங்களாகப் பிரிகின்றன, நீங்கள் எதிர்கொள்வது எது என்று தெரிந்தால் பல வித்தியாசமான முடிவுகள் விளங்கும். புள்ளிவிவர டிடெக்டர்கள் ஒரு குறிப்பு மொழி மாடலைப் பயன்படுத்தி நிகழ்தகவுகளை நேரடியாகக் கணக்கிடுகின்றன: உங்கள் உரையை மாடல் வழியாக ஓட்டி, பெர்ப்ளெக்சிட்டி, பர்ஸ்டினெஸ் மற்றும் தொடர்புடைய அளவுகளை அளந்து, பிறகு ஒரு வரம்பைப் பயன்படுத்துகின்றன. GLTR மற்றும் DetectGPT போன்ற ஆய்வு முறைகள் இப்படித்தான் வேலை செய்கின்றன, பல இலவச கருவிகளுக்குப் பின்னால் உள்ள மதிப்பீடும் அப்படியே. அவற்றின் பலம், லேபிளிடப்பட்ட பயிற்சித் தரவு தேவையில்லை; பலவீனம், தீர்ப்பு எந்தக் குறிப்பு மாடல் மதிப்பிடுகிறது என்பதைப் பெரிதும் சார்ந்தது.

கிளாசிஃபையர் அடிப்படையிலான டிடெக்டர்கள் பயிற்றுவிக்கப்படுகின்றன. நிறுவனம் உறுதிசெய்யப்பட்ட மனித மற்றும் AI உரையின் பெரிய தொகுப்புகளைச் சேகரித்து, பிறகு இரண்டையும் வேறுபடுத்த ஒரு மாடலை, பெரும்பாலும் RoBERTa பாணி டிரான்ஸ்ஃபார்மரை, ஃபைன்-ட்யூன் செய்கிறது. Turnitin, Originality.ai, Copyleaks இப்படித்தான் கட்டப்பட்டவை. கிளாசிஃபையர்கள் பச்சை பெர்ப்ளெக்சிட்டிக்கு அப்பாற்பட்ட நுட்பமான குறிப்புகளைப் பிடிக்கின்றன, எனவே தங்கள் பயிற்சித் தரவை ஒத்த உரையில் அதிக துல்லியம் காட்டுகின்றன, ஆனால் புதிய மாடல்களின் எழுத்து, பிற மொழிகள், பார்த்திராத துறைகள் ஆகியவற்றில் தரம் குறைகிறது, அவை உண்மையில் என்ன கற்றன என்பதை நிறுவனத்திற்கு வெளியே யாராலும் ஆய்வு செய்ய முடியாது.

பெரும்பாலான வணிகத் தயாரிப்புகள் இப்போது இரண்டு அணுகுமுறைகளின் கலவைகள், அதனால்தான் அவற்றின் மதிப்பெண்களைப் புரிந்துகொள்வது கடினம், கருவிகளுக்கிடையே ஒப்பிடுவது இன்னும் கடினம்.

ChatGPT, Gemini, Claude வெளியீடு ஏன் குறியிடப்படுகிறது

முன்னணி மாடல்கள் தெளிவாக, பாதுகாப்பாக, சரளமாக இருக்கப் பயிற்றுவிக்கப்படுகின்றன, அந்தப் பயிற்சியின் இறுதிச் சுற்று பெரும்பாலான மதிப்பீட்டாளர்கள் நன்றாக எழுதப்பட்டதாக மதிப்பிடும் பதில்களுக்கு வெகுமதி அளிக்கிறது. அது வெளியீட்டை சமநிலையான வாக்கியங்கள், "மேலும்" மற்றும் "முடிவாக" போன்ற நேர்த்தியான இணைப்புகள், புள்ளிவிவர நடுத்தெருவில் நிற்கும் சொற்களஞ்சியம் நோக்கித் தள்ளுகிறது.

அதே குணங்கள்தான் டிடெக்டர்கள் வேட்டையாடுவதும். எழுத்து எவ்வளவு மெருகூட்டப்பட்டதாகவும் "சராசரியாகவும்" இருக்கிறதோ, அவ்வளவுக்குப் பெர்ப்ளெக்சிட்டியும் பர்ஸ்டினெஸும் குறைவு, AI மதிப்பெண் அதிகம். முரண்நகையாக, எழுத்துப்பிழைகளும் தனித்தன்மைகளும் நிறைந்த பச்சையான மனித வரைவுகள், சுத்தமான AI முதல் வரைவை விட எளிதாகத் தேர்ச்சி பெறுகின்றன, ஏனெனில் அந்தக் குறைகள்தான் மனிதச் சமிக்ஞையைச் சுமக்கின்றன.

GPTZero, Turnitin, ZeroGPT மற்றும் பிறவை உண்மையில் எதைச் சரிபார்க்கின்றன

முக்கிய கருவிகள் ஒரே அடிப்படை தர்க்கத்தைப் பகிர்கின்றன, ஆனால் வெவ்வேறாக டியூன் செய்கின்றன. GPTZero பெர்ப்ளெக்சிட்டி மற்றும் பர்ஸ்டினெஸ் மதிப்பீட்டைப் பிரபலமாக்கியது, இரண்டையும் வாக்கிய அளவில் தெரிவிக்கிறது. Turnitin AI பள்ளிகளுக்கான தனது கருத்துத் திருட்டு தொகுப்பில் கண்டறிதலை ஒருங்கிணைக்கிறது, ஆவணங்களை ஒன்றுடன் ஒன்று மேலெழும் பகுதிகளாக உடைத்து, தனது கிளாசிஃபையர் மாடல் எழுதியதாக நம்பும் பகுதிகளைக் குறியிடுகிறது.

ZeroGPT வேகமான, இலவச வாக்கியவாரியான முடிவைத் தருகிறது, Originality.ai கண்டிப்பான, நம்பிக்கை எடையிட்ட மதிப்பெண்ணுடன் வெளியீட்டாளர்களையும் SEO குழுக்களையும் இலக்கு வைக்கிறது. Copyleaks பன்மொழி கவரேஜையும் நிறுவன அறிக்கையிடலையும் வலியுறுத்துகிறது. அனைத்துமே நிகழ்தகவு அடிப்படையிலானவை, அதனால்தான் எதுவும் நேர்மையாகச் சரியென்று உரிமை கொள்ள முடியாது, ஒவ்வொரு நிறுவனத்தின் துல்லிய மார்க்கெட்டிங்கும் நிறுவனமே வடிவமைத்த சோதனைகளை அமைதியாக விவரிக்கிறது.

டிடெக்டர்கள் ஏன் ஒன்றுடன் ஒன்று முரண்படுகின்றன

ஒரே கட்டுரையை மூன்று டிடெக்டர்களில் ஒட்டினால், ஒன்றிலிருந்து 2% AI, மற்றொன்றிலிருந்து 45%, மூன்றாவதிலிருந்து 88% கிடைக்கலாம். அந்த வீச்சு அவற்றில் ஒன்றின் பிழை அல்ல; வெவ்வேறு அமைப்புகள் ஒரே சான்றிலிருந்து வெவ்வேறு யூகங்கள் செய்யும்போது நடப்பது இதுதான்.

ஒவ்வொரு கருவியும் தன் சொந்தத் தொகுப்பில் பயிற்றுவிக்கப்படுகிறது, தன் சொந்தக் குறிப்பு மாடலால் மதிப்பிடுகிறது, உரையை வெவ்வேறாகப் பிரிக்கிறது (முழு ஆவணம் vs வாக்கியம் வாக்கியமாக), "AI ஆக இருக்கலாம்" என்பதற்கான தன் சொந்த வரம்பை அமைக்கிறது. தவறான குற்றச்சாட்டுகளைத் தவிர்க்கக் கட்டமைக்கப்பட்ட கருவி பாதுகாப்பாக இயங்கி குறைவாகக் குறியிடும்; ஏமாற்றுபவர்களைப் பிடிப்பதாக விற்கப்படும் கருவி தீவிரமாக இயங்கி அதே உரையை அதிகமாகக் குறியிடும். அவை வெவ்வேறு அட்டவணைகளில் புதுப்பிக்கப்படுகின்றன, எனவே புதிய மாடல் வெளியாகும் முன் டியூன் செய்யப்பட்ட ஒரு டிடெக்டர் அந்த மாடலின் நடையை மாதக்கணக்கில் தவறாக மதிப்பிடும்.

நடைமுறைப் பாடம்: எந்த ஒற்றை மதிப்பெண்ணும் இறுதியானது அல்ல, கருவிகளுக்கிடையிலான முரண்பாடே எவ்வளவு யூகம் உள்ளது என்பதற்கான நேரடிச் சான்று. உங்கள் பள்ளி Turnitin-ஐப் பயன்படுத்தினால், Turnitin-இன் தீர்ப்பு மட்டுமே முக்கியம், வேறு எங்கோ கிடைத்த சுத்தமான மதிப்பெண் அதை முன்னறிவிக்கவும் செய்யாது, அதிலிருந்து காக்கவும் செய்யாது.

ஃபால்ஸ் பாசிட்டிவ்கள்: வெளியிடப்பட்ட எண்கள்

டிடெக்டர்கள் கணிக்கத்தக்க தன்மையை மதிப்பிடுவதால், அவை அடிக்கடி தவறு செய்கின்றன, அந்தத் தவறுகள் கற்பனையானவை அல்ல. ஜனவரி 2023-ல் வெளியான OpenAI-யின் சொந்தக் கிளாசிஃபையர், AI எழுதிய உரையில் 26%-ஐ மட்டுமே அடையாளம் கண்டது, அதே நேரம் மனித உரையில் 9%-ஐ AI எனத் தவறாகக் குறியிட்டது, குறைந்த துல்லியம் காரணமாக நிறுவனம் ஆறு மாதங்களுக்குள் அதை நிறுத்தியது. Turnitin ஆவண அளவில் 1%-க்குக் கீழான ஃபால்ஸ் பாசிட்டிவ் விகிதம் என்று கூறுகிறது, ஆனால் தனித்தனியாகக் குறியிடப்பட்ட வாக்கியங்கள் மிகக் குறைந்த நம்பகத்தன்மை கொண்டவை என்று ஒப்புக்கொண்டுள்ளது, அதனால்தான் சிறிய அளவு AI சந்தேகம் உள்ள ஆவணங்களில் மதிப்பெண்களை நிறுத்திவைக்கிறது.

மிகவும் கவலையளிக்கும் கண்டுபிடிப்பு தாய்மொழி அல்லாத ஆங்கிலம் பேசுபவர்களைப் பற்றியது. Stanford ஆய்வாளர்கள் TOEFL தேர்வுக்காக உண்மையான மாணவர்கள் எழுதிய கட்டுரைகளில் ஏழு பிரபல டிடெக்டர்களைச் சோதித்தனர்: சராசரியாக, இந்த மனிதர்கள் எழுதிய கட்டுரைகளில் 61% AI உருவாக்கியதாகக் குறியிடப்பட்டன, கிட்டத்தட்ட அனைத்தும் குறைந்தது ஒரு டிடெக்டரால் குறியிடப்பட்டன. அமெரிக்கத் தாய்மொழி மாணவர்களின் கட்டுரைகள் அதே கருவிகளை கிட்டத்தட்ட தொடப்படாமல் கடந்தன.

இயங்குமுறை இந்தக் கட்டுரை விவரிப்பதே: இரண்டாம் மொழியில் எழுதுபவர்கள் பாதுகாப்பான சொற்களஞ்சியத்தையும் சீரான வாக்கிய அமைப்புகளையும் பயன்படுத்துகிறார்கள், அது பெர்ப்ளெக்சிட்டியைக் குறைக்கிறது, அது இயந்திர உரையாகப் படிக்கப்படுகிறது. இந்த சார்பு முறையிலேயே கட்டப்பட்டுள்ளது. அதனால்தான் பொறுப்பான பள்ளிகள் ஒரு டிடெக்டர் மதிப்பெண்ணை ஆதாரமாக அல்ல, உரையாடலின் தொடக்கமாகக் கருதுகின்றன. ஒரு எண் சான்று அல்ல.

வாட்டர்மார்க்கிங்: இன்னும் வெளிவராத தீர்வு

உண்மையான தீர்வு வாட்டர்மார்க்கிங்தான் என்று ஆய்வாளர்கள் நீண்ட காலமாக வாதிடுகின்றனர்: AI மாடலே உருவாக்கும் நேரத்தில் கண்ணுக்குத் தெரியாத புள்ளிவிவரக் கையொப்பத்தைப் பதிக்க வைப்பது. மிகவும் அறியப்பட்ட திட்டத்தில், மாடல் எழுதும்போது சுழலும் "பச்சைப் பட்டியல்" டோக்கன்களை ரகசியமாக முன்னுரிமைப்படுத்துகிறது. ஒரு வாசகர் அந்த வடிவத்தைக் கவனிக்க முடியாது, ஆனால் சாவி வைத்திருக்கும் டிடெக்டர் பெர்ப்ளெக்சிட்டி யூகத்தை விட மிகச் சிறந்த துல்லியத்துடன் அதைச் சோதிக்க முடியும்.

அது பெரும்பாலும் வெளிவரவில்லை. OpenAI நீண்ட பத்திகளில் சுமார் 99.9% திறன் கொண்டதாக உள்ளூரில் தெரிவிக்கப்பட்ட ஒரு உரை வாட்டர்மார்க்கரை உருவாக்கி, அதன் மீது அமர்ந்திருக்கிறது; காரணங்கள்: பாராஃப்ரேசிங்கோ மொழிபெயர்ப்போ முத்திரையை நீக்குகிறது, மெருகூட்ட AI-ஐ நியாயமாகப் பயன்படுத்தும் தாய்மொழி அல்லாதவர்களை அது களங்கப்படுத்தலாம், மேலும் அவ்வளவு உன்னதமில்லாமல், பயனர்கள் வாட்டர்மார்க் செய்யாத கருவிகளுக்கு மாறிவிடுவார்கள். Google-இன் SynthID-Text விதிவிலக்கு, Gemini-க்குள் இயங்கி ஓப்பன் சோர்ஸாக வெளியிடப்பட்டது, ஆனால் அது Gemini-யின் சொந்த வெளியீட்டை மட்டுமே குறிக்கிறது.

அதுதான் மையப் பிரச்சனை: தயாரிப்பாளர்கள் ஒத்துழைக்கும் மாடல்களை மட்டுமே வாட்டர்மார்க் மறைக்கும், யார் வேண்டுமானாலும் உள்ளூரில் இயக்கக்கூடிய ஓப்பன்-வெயிட் மாடல்கள் அதை ஒருபோதும் சுமக்காது. எனவே உங்கள் பள்ளியோ முதலாளியோ இன்று பயன்படுத்தும் டிடெக்டர் இன்னும் புள்ளிவிவரம்தான் செய்கிறது, வாட்டர்மார்க்குகளைப் படிக்கவில்லை, அதனுடன் வரும் எல்லா நிச்சயமின்மையுடனும்.

மனித-AI கலப்பு உரையை டிடெக்டர்கள் எப்படிக் கையாள்கின்றன

உண்மையான ஆவணங்கள் அரிதாகவே முழுவதும் ஒன்றாக இருக்கும். ஒரு மாணவர் அறிமுகத்தைக் கையால் எழுதுகிறார், இரண்டு உடல் பத்திகளை விரிவாக்க ChatGPT-யிடம் கேட்கிறார், பிறகு முழுவதையும் திருத்துகிறார். டிடெக்டர்கள் இதை ஆவணம் முழுவதும் ஒரு சாளரத்தை நகர்த்தி, ஒவ்வொரு வாக்கியத்தையோ பகுதியையோ தனித்தனியாக மதிப்பிட்டு, உருவாக்கப்பட்டதாகத் தோன்றும் பகுதிகளைத் தனிப்படுத்திக் கையாள்கின்றன.

கலப்பு ஒவ்வொரு சமிக்ஞையையும் பலவீனப்படுத்துகிறது. AI பத்திக்குள் மனிதத் திருத்தங்கள் அதன் பெர்ப்ளெக்சிட்டியை உயர்த்துகின்றன; மனிதப் பகுதிக்குள் AI வாக்கியங்கள் அதன் தாளத்தை சீர்மை நோக்கி இழுக்கின்றன. விளைவு, "பாதி AI" என்றோ "முழுவதும் மனிதர், வித்தியாசமாக எழுதப்பட்டது" என்றோ பொருள்படக்கூடிய ஒரு நடுத்தர மதிப்பெண், வாக்கியவாரியான தனிப்படுத்தல்கள் மொத்த எண்ணை விடக் கண்கூடாகக் குறைந்த நம்பகத்தன்மை கொண்டவை. உதாரணமாக Turnitin, தனது வாக்கிய அளவிலான குறியீடுகள் ஆவண மதிப்பெண்ணை விட அதிகப் பிழை விகிதம் கொண்டவை என்று சொல்லியுள்ளது, குறைந்த சதவீதங்கள் மிகவும் நிலையற்றவை என்பதால் சிறிது காலம் அவற்றைக் காட்டவே மறுத்தது.

சுருக்கமாக: ஆவணம் எவ்வளவு கலந்திருக்கிறதோ, அவ்வளவுக்குத் தீர்ப்பு மங்கலாகும், அறிக்கையில் தனிப்படுத்தப்பட்ட வாக்கியங்கள் தலைப்புச் சதவீதத்தை விட அதிக சந்தேகத்திற்கு உரியவை.

ஹ்யூமனைசிங் எப்படி மதிப்பெண்ணைக் குறைக்கிறது

டிடெக்டர்கள் அதிக பெர்ப்ளெக்சிட்டிக்கும் பர்ஸ்டினெஸுக்கும் வெகுமதி அளித்தால், தீர்வு ஒரு மனிதரைப் போல அதிகம் எழுதுவதே: வாக்கிய நீளத்தை மாற்றுங்கள், குறைவாகக் கணிக்கக்கூடிய சொல் தேர்வுகளைப் பயன்படுத்துங்கள், இயல்பான இணைப்புகளைச் சேருங்கள், சீரான தாளத்தை உடையுங்கள். ஒரு முழு ஆவணத்திலும் இதைக் கையால் செய்வது மெதுவானது, அதனால்தான் உரையை மறுஎழுதி அந்த மனித மாறுபாட்டைத் தானாக மீட்டெடுக்க ஒரு AI ஹ்யூமனைசர் இருக்கிறது.

Humanize AI போன்ற ஒரு கருவி மாடல் வெளியீட்டை மறுசொற்றொடர் ஆக்கி, அது இயல்பான பர்ஸ்டினெஸையும் குறைவாகக் கணிக்கக்கூடிய சொற்றொடர்களையும் மீண்டும் பெறச் செய்கிறது, உங்கள் பொருளை அப்படியே வைத்துக்கொண்டு AI கண்டறிதலைத் தவிர்க்க உதவுகிறது. முக்கியமாக, உண்மையான டிடெக்டர்களிடமிருந்து முன்-பின் மதிப்பெண்ணைக் காட்டுகிறது, எனவே நீங்கள் நம்புவதற்குப் பதிலாக மாற்றத்தை அளக்கிறீர்கள். இலக்கு ஏமாற்றுவது அல்ல, இறுதியாக உங்களைப் போலவே ஒலிக்கும் எழுத்து.

நடைமுறையில் உங்களுக்கு இது என்ன அர்த்தம்

தொழில்நுட்பம் எப்படி வேலை செய்கிறது என்பதிலிருந்து சில பழக்கங்கள் நேரடியாக வருகின்றன. சமர்ப்பிக்கும் முன் சோதியுங்கள், ஏனெனில் சரிபார்ப்பு இலவசமாக இருக்கும்போது மதிப்பெண்ணை யூகிப்பது அர்த்தமற்றது; உங்கள் வரைவை இலவச AI ஹ்யூமனைசர் வழியாக ஓட்டி, டிடெக்டர் எண்களை வேறு யாருக்கும் முன்பே நீங்கள் பார்க்கலாம். குறுகிய பத்தியின் தீர்ப்பை ஒருபோதும் நம்பாதீர்கள், வாக்கிய அளவிலான தனிப்படுத்தல்களை அதிகபட்சம் பலவீனமான சான்றாகக் கருதுங்கள்.

நேர்மையாக எழுதுகிறீர்கள் என்றால், உங்கள் ரசீதுகளை வைத்திருங்கள்: வரைவு பதிப்புகள், குறிப்புகள், திருத்த வரலாறு ஆகியவை எந்த எதிர்-மதிப்பெண்ணையும் விட ஆசிரியத்துவத்திற்கான மிகச் சிறந்த சான்று, குறிப்பாக டிடெக்டர்கள் சந்தேகிக்கும் முறையான நடையில் எழுதும் தாய்மொழி அல்லாதவராக நீங்கள் இருந்தால். ஒரு குறிப்பிட்ட கருவியை எதிர்கொள்கிறீர்கள் என்றால், அதன் குறிப்பிட்ட நடத்தையைக் கற்றுக்கொள்ளுங்கள்; குறிப்பாக Turnitin-க்குத் தெரிந்திருக்க வேண்டிய தனித்தன்மைகள் உள்ளன, அதனால்தான் இதன் துணைக் கட்டுரையாக Turnitin வழிகாட்டியை எழுதினோம்.

எல்லாவற்றுக்கும் மேலாக, ஒரு டிடெக்டர் என்ன என்பதை நினைவில் கொள்ளுங்கள். அது கணிக்கத்தக்க தன்மையை மதிப்பிடும் ஒரு வடிவப் பொருத்தி, ஒரு நிறுவனத்தால் கட்டப்பட்டது, ஒரு வரம்புக்கு டியூன் செய்யப்பட்டது, இரு திசைகளிலும் அளக்கக்கூடிய விகிதத்தில் தவறானது. சில நேரங்களில் பயனுள்ளது. ஆதாரம், ஒருபோதும் இல்லை.

அடிக்கடி கேட்கப்படும் கேள்விகள்