AI డిటెక్టర్‌లు నిజంగా ఎలా పని చేస్తాయి (మరియు అవి మిమ్మల్ని ఎందుకు ఫ్లాగ్ చేస్తాయి)

AI డిటెక్టర్ నిజంగా ఏమి కొలుస్తోంది

ఒక AI డిటెక్టర్ ఒక వాక్యాన్ని ఎవరు రాశారో తెలియదు. ఇది మీ డాక్యుమెంట్‌ను ముందు ఎప్పుడూ చూడలేదు, మరియు దానిని ChatGPT అవుట్‌పుట్‌ల దాచిన డేటాబేస్‌తో పోల్చలేదు. బదులుగా, పెద్ద భాషా మోడల్‌లు ఉత్పత్తి చేసే నమూనాలతో పోలిస్తే మీ టెక్స్ట్ ఎంత ఊహించదగినది అని స్కోర్ చేస్తుంది.

ఆధునిక డిటెక్టర్‌లు స్వయంగా లక్షలాది మానవ మరియు AI భాగాలపై శిక్షణ పొందిన మెషిన్-లెర్నింగ్ మోడల్‌లు. అవి రూపొందించడం వదిలిపెట్టే గణాంక వేలిముద్రల కోసం చూస్తాయి, ఆ తర్వాత ఒక సంభావ్యతను అవుట్‌పుట్ చేస్తాయి. ఆ పైప్‌లైన్‌లో ఏదీ రచయితత్వాన్ని ధృవీకరించదు. డిటెక్టర్ మీ బ్రౌజర్ చరిత్రను చూడలేదు లేదా మీరు టైప్ చేయడాన్ని చూడలేదు; అది శిక్షణ పొందిన యంత్ర రచనను మీ టెక్స్ట్ పోలుస్తుందా, లేదా పోలదా అని మాత్రమే చెప్పగలదు.

దీన్ని ఒక స్పామ్ ఫిల్టర్‌లా భావించండి. చెత్త మెయిల్ సాధారణంగా ఎలా ఉంటుందో అది నేర్చుకుంది, కాబట్టి ఆ లక్షణాలను పంచుకునే సందేశాలను ఫ్లాగ్ చేస్తుంది, కానీ ఏ ఒక్క ఇమెయిల్ గురించి కూడా అది ఎప్పుడూ ఖచ్చితంగా చెప్పలేదు. AI గుర్తింపు అదే విధంగా పని చేస్తుంది, అంటే ప్రతి స్కోర్ ఒక సంఖ్యగా అలంకరించబడిన ఊహ. అది మీరు ఫలితాన్ని ఎలా చదవాలో కూడా మారుస్తుంది: "85% AI" అంటే మీ టెక్స్ట్‌లో 85% యంత్రం-రాసినది అని కాదు. దాని అర్థం డిటెక్టర్ ఒక ఊహ గురించి బాగా నమ్మకంగా ఉంది.

పర్‌ప్లెక్సిటీ: మీ పదాలు ఎంత ఆశ్చర్యకరమైనవి

పర్‌ప్లెక్సిటీ అత్యంత ముఖ్యమైన ఒక్క సంకేతం. మీరు ఎంచుకున్న ప్రతి పదానికి ఒక భాషా మోడల్ ఎంత ఆశ్చర్యపోతుందో ఇది కొలుస్తుంది. ప్రతి తదుపరి పదం మోడల్ ఖచ్చితంగా అంచనా వేసినదే అయితే, పర్‌ప్లెక్సిటీ తక్కువగా ఉంటుంది, మరియు టెక్స్ట్ యంత్రం-రాసినట్లు కనిపిస్తుంది. మానవులు తక్కువ ఊహించదగినవారు: మేము ఒక విచిత్రమైన విశేషణం కోసం చేరుకుంటాము, ఒక నియమాన్ని ఉల్లంఘిస్తాము, లేదా దేనినైనా కొంచెం ఇబ్బందికరంగా పదబంధిస్తాము, మరియు ఆ ఎంపికలలో ప్రతి ఒక్కటి పర్‌ప్లెక్సిటీని పైకి నెడుతుంది.

ఒక నిర్దిష్ట జత దీన్ని కనిపించేలా చేస్తుంది. వాక్యం ఒకటి: "క్రమమైన వ్యాయామం ముఖ్యం ఎందుకంటే ఇది శారీరక మరియు మానసిక ఆరోగ్యం రెండింటినీ మెరుగుపరుస్తుంది." వాక్యం రెండు: "నా మోకాళ్లు తక్కువ ఫిర్యాదు చేస్తాయి మరియు తర్వాత నా ఇన్‌బాక్స్ తక్కువ భయంకరంగా అనిపిస్తుంది కాబట్టి నేను వ్యాయామం చేస్తూనే ఉంటాను." రెండూ వ్యాకరణబద్ధమైనవి మరియు రెండూ అదే ప్రాథమిక అంశాన్ని చెబుతాయి, కానీ మొదటిది పూర్తిగా భాషా మోడల్ అత్యంత సంభావ్య తదుపరి ఎంపికగా ర్యాంక్ చేసే పదాల నుండి సమీకరించబడింది; "క్రమమైన వ్యాయామం ముఖ్యం ఎందుకంటే" ఆచరణాత్మకంగా ఒక టెంప్లేట్. రెండవది చిన్న ప్రమాదాలు తీసుకుంటుంది: ఫిర్యాదు చేసే మోకాళ్లు, భయపెట్టే ఇన్‌బాక్స్. పదం వారీగా సంభావ్యతను స్కోర్ చేసే మోడల్ మొదటి వాక్యాన్ని ఆశ్చర్యం లేనిదిగా మరియు రెండవదాన్ని అంచనా వేయడానికి నిజంగా కష్టంగా కనుగొంటుంది, కాబట్టి మొదటిది AI గా మరియు రెండవది మానవునిగా చదవబడుతుంది.

అందుకే మెరుగుపరచబడిన, సాధారణ రచనను ఒక వ్యక్తి ప్రతి పదాన్ని రాసినా ఫ్లాగ్ చేయబడుతుంది. పర్‌ప్లెక్సిటీ శ్రమను లేదా నిజాయితీని కొలవదు, కేవలం ఊహించదగినతనాన్ని మాత్రమే, మరియు కొంత సంపూర్ణ మానవ రచన చాలా ఊహించదగినది.

బర్‌స్టినెస్: నిజమైన రచన యొక్క లయ

బర్‌స్టినెస్ వాక్య నిర్మాణం మరియు పొడవులో వైవిధ్యాన్ని కొలుస్తుంది. ప్రజలు స్ఫోటనలలో రాస్తారు: ఒక పొడవైన, మెలికలు తిరిగే వాక్యం తర్వాత ఒక చిన్నది. మూడు పదాలు. ఆ తర్వాత బహుశా ఉండాల్సిన దానికంటే ఎక్కువ పొడవుగా సాగే వివరాలతో నిండిన ఒక సంక్లిష్ట వాక్యభాగం.

AI అవుట్‌పుట్ మృదువుగా ఉంటుంది. దాని డిఫాల్ట్‌లపై వదిలేస్తే, ఒక మోడల్ దాదాపు అదే పొడవు చుట్టూ ఉండే, సారూప్య నిర్మాణాలతో ప్రారంభమయ్యే, మరియు పేరా తర్వాత పేరా అదే ఏకరీతి లయతో ముగిసే వాక్యాలను ఉత్పత్తి చేస్తుంది. ఆ రెండింటినీ పక్కపక్కన ఉంచండి, ఒక పదం చదవడానికి ముందే మీరు తరచుగా తేడాను గుర్తించవచ్చు: మానవ టెక్స్ట్ పేజీపై గరుకుగా కనిపిస్తుంది, యంత్ర టెక్స్ట్ ఇటుక పనిలా కనిపిస్తుంది.

డిటెక్టర్‌లు ఆ గరుకుదనాన్ని పరిమాణాత్మకం చేస్తాయి. తక్కువ బర్‌స్టినెస్ పాటు తక్కువ పర్‌ప్లెక్సిటీ క్లాసిక్ AI సంతకం, మరియు రెండూ ఉన్నప్పుడు, అంశం మరియు వ్యాకరణం దోషరహితంగా ఉన్నా, టెక్స్ట్ రూపొందించబడిందని డిటెక్టర్ నమ్మకంగా అవుతుంది. అయితే ఏ ఒక్క సంకేతం మాత్రమే బలహీనం. ఒక కవి అడవి బర్‌స్టినెస్‌తో రాస్తాడు మరియు ఒక కాంట్రాక్ట్ లాయర్ దాదాపు లేకుండా, మరియు ఇద్దరూ మానవులే, అందుకే తీవ్రమైన టూల్స్ ఎల్లప్పుడూ రెండింటినీ కలుపుతాయి.

అంతర్గతంగా టోకెన్ సంభావ్యత

భాషా మోడల్‌లు ఒకేసారి ఒక టోకెన్ రాస్తాయి, మరియు ప్రతి టోకెన్ ఒక సంభావ్యత స్కోర్‌తో వస్తుంది. డిటెక్టర్‌లు ఈ సంభావ్యతలను ఉజ్జాయింపుగా లెక్కించి, మీ టెక్స్ట్ మోడల్ యొక్క సంభావ్య ఎంపికల "కంఫర్ట్ జోన్" లోపల ఉందో లేదో తనిఖీ చేస్తాయి. ఒక భాగం దాదాపు పూర్తిగా ఏకరీతి లయలో అమర్చబడిన అధిక-సంభావ్యత టోకెన్‌ల నుండి నిర్మించబడినప్పుడు, అది ChatGPT, Gemini మరియు Claude డిఫాల్ట్‌గా ఎలా రూపొందిస్తాయో సరిపోతుంది, మరియు డిటెక్టర్ ఆ నమూనాను మీరు చూసే శాతంగా మారుస్తుంది.

ఇది చిన్న భాగాలు పరీక్షించడానికి ఎందుకు నమ్మదగినవి కావో కూడా వివరిస్తుంది. కేవలం ఒకటి రెండు వాక్యాలతో, జాగ్రత్తగల మానవుని మోడల్ నుండి వేరు చేయడానికి తగినంత సంకేతం లేదు, కాబట్టి స్కోర్‌లు విపరీతంగా ఊగిసలాడతాయి. చాలా విక్రేతలు నిశ్శబ్దంగా అంగీకరిస్తారు: కొంతమంది కొన్ని వందల పదాల కంటే తక్కువ దేనినీ స్కోర్ చేయడానికి నిరాకరిస్తారు, ఎందుకంటే ఆ పొడవు కంటే తక్కువగా గణితం కొలత కంటే ఒక నాణెం విసరడానికి దగ్గరగా ఉంటుంది.

గణాంక డిటెక్టర్‌లు vs వర్గీకరణ-ఆధారిత డిటెక్టర్‌లు

గుర్తింపు టూల్స్ రెండు కుటుంబాలలోకి వస్తాయి, మరియు మీరు ఏదాన్ని ఎదుర్కొంటున్నారో తెలుసుకోవడం చాలా విచిత్రమైన ఫలితాలను వివరిస్తుంది. గణాంక డిటెక్టర్‌లు సంభావ్యతలను నేరుగా లెక్కించడానికి ఒక సూచన భాషా మోడల్‌ను ఉపయోగిస్తాయి: అవి మీ టెక్స్ట్‌ను మోడల్ ద్వారా నడుపుతాయి, పర్‌ప్లెక్సిటీ, బర్‌స్టినెస్ మరియు సంబంధిత పరిమాణాలను కొలుస్తాయి, ఆ తర్వాత ఒక పరిమితిని వర్తింపజేస్తాయి. GLTR మరియు DetectGPT వంటి పరిశోధన పద్ధతులు ఈ విధంగా పని చేస్తాయి, మరియు చాలా ఉచిత చెకర్‌ల వెనుక ఉన్న స్కోరింగ్ కూడా. వాటి బలం ఏమిటంటే వాటికి లేబుల్ చేసిన శిక్షణ డేటా అవసరం లేదు; వాటి బలహీనత ఏమిటంటే తీర్పు స్కోరింగ్ చేసే సూచన మోడల్‌పై ఎక్కువగా ఆధారపడుతుంది.

వర్గీకరణ-ఆధారిత డిటెక్టర్‌లు బదులుగా శిక్షణ పొందుతాయి. విక్రేత తెలిసిన మానవ మరియు తెలిసిన AI టెక్స్ట్ యొక్క పెద్ద సంకలనాలను సేకరిస్తాడు, ఆ తర్వాత రెండింటినీ వేరు చేయడానికి ఒక మోడల్‌ను, తరచుగా RoBERTa-శైలి ట్రాన్స్‌ఫార్మర్‌ను ఫైన్-ట్యూన్ చేస్తాడు. Turnitin, Originality.ai మరియు Copyleaks ఈ విధంగా నిర్మించబడ్డాయి. వర్గీకరణలు ముడి పర్‌ప్లెక్సిటీకి మించిన సూక్ష్మ సూచనలను గ్రహిస్తాయి, కాబట్టి అవి తమ శిక్షణ డేటాను పోలిన టెక్స్ట్‌పై మరింత ఖచ్చితంగా ఉంటాయి, కానీ కొత్త మోడల్‌లు, ఇతర భాషలు లేదా అవి ఎప్పుడూ చూడని డొమైన్‌ల నుండి వచ్చే రచనపై అవి క్షీణిస్తాయి, మరియు విక్రేత వెలుపల ఎవరూ అవి నిజంగా ఏమి నేర్చుకున్నాయో పరిశీలించలేరు.

చాలా వాణిజ్య ఉత్పత్తులు ఇప్పుడు రెండు విధానాల హైబ్రిడ్‌లు, ఇది వాటి స్కోర్‌లు అర్థం చేసుకోవడం కష్టం మరియు టూల్స్ మధ్య పోల్చడం మరింత కష్టం కావడానికి ఒక కారణం.

ChatGPT, Gemini మరియు Claude అవుట్‌పుట్ ఎందుకు ఫ్లాగ్ చేయబడుతుంది

అత్యాధునిక మోడల్‌లు స్పష్టంగా, సురక్షితంగా మరియు అనర్గళంగా ఉండటానికి శిక్షణ పొందుతాయి, మరియు ఆ శిక్షణ యొక్క చివరి రౌండ్ చాలా మంది సమీక్షకులు బాగా-రాసినట్లు రేట్ చేసే సమాధానాలకు బహుమతి ఇస్తుంది. అది అవుట్‌పుట్‌ను సమతుల్య వాక్యాలు, "అంతేకాకుండా" మరియు "ముగింపులో" వంటి చక్కని మార్పులు, మరియు గణాంక మధ్యలో ఉండే పదజాలం వైపు నెడుతుంది.

అవే లక్షణాలు ఖచ్చితంగా డిటెక్టర్‌లు వేటాడేవి. రచన ఎంత మెరుగుపరచబడి మరియు "సగటు"గా ఉంటే, దాని పర్‌ప్లెక్సిటీ మరియు బర్‌స్టినెస్ అంత తక్కువగా, మరియు AI స్కోర్ అంత ఎక్కువగా ఉంటుంది. వ్యంగ్యంగా, అక్షరదోషాలు మరియు వింతలతో నిండిన ముడి మానవ డ్రాఫ్ట్‌లు తరచుగా శుభ్రమైన AI మొదటి డ్రాఫ్ట్ కంటే సులభంగా ఉత్తీర్ణమవుతాయి, ఎందుకంటే ఆ లోపాలే మానవ సంకేతాన్ని మోసుకెళ్తాయి.

GPTZero, Turnitin, ZeroGPT మరియు ఇతరులు నిజంగా ఏమి తనిఖీ చేస్తారు

ప్రధాన టూల్స్ అదే ప్రధాన తర్కాన్ని పంచుకుంటాయి కానీ దాన్ని విభిన్నంగా ట్యూన్ చేస్తాయి. GPTZero పర్‌ప్లెక్సిటీ మరియు బర్‌స్టినెస్ స్కోరింగ్‌ను ప్రాచుర్యంలోకి తెచ్చింది మరియు రెండింటినీ వాక్య స్థాయిలో నివేదిస్తుంది. Turnitin AI పాఠశాలల కోసం గుర్తింపును తన దోపిడీ సూట్‌లో అనుసంధానిస్తుంది, డాక్యుమెంట్‌లను అతివ్యాప్తి భాగాలుగా విభజించి, తన వర్గీకరణ మోడల్-రాసినట్లు నమ్మే వాటిని ఫ్లాగ్ చేస్తుంది.

ZeroGPT వేగవంతమైన, ఉచిత ప్రతి-వాక్య రీడౌట్‌ను అందిస్తుంది, అయితే Originality.ai కఠినమైన, నమ్మకం-ఆధారిత స్కోర్‌తో ప్రచురణకర్తలు మరియు SEO బృందాలను లక్ష్యంగా చేసుకుంటుంది. Copyleaks బహుళ-భాషా కవరేజ్ మరియు ఎంటర్‌ప్రైజ్ రిపోర్టింగ్‌ను నొక్కి చెబుతుంది. అవన్నీ సంభావ్యతా-ఆధారితమైనవి, అందుకే ఏదీ నిజాయితీగా పరిపూర్ణమని క్లెయిమ్ చేయలేదు, మరియు అందుకే ప్రతి విక్రేత యొక్క ఖచ్చితత్వ మార్కెటింగ్ నిశ్శబ్దంగా విక్రేత స్వయంగా రూపొందించిన పరీక్షలను వివరిస్తుంది.

డిటెక్టర్‌లు ఒకదానితో ఒకటి ఎందుకు విభేదిస్తాయి

అదే వ్యాసాన్ని మూడు డిటెక్టర్‌లలో పేస్ట్ చేయండి, మీరు ఒకదాని నుండి 2% AI, మరొకదాని నుండి 45%, మరియు మూడవదాని నుండి 88% పొందవచ్చు. ఆ వ్యాప్తి వాటిలో ఒకదానిలో బగ్ కాదు; అదే ఆధారం నుండి వేర్వేరు వ్యవస్థలు వేర్వేరు ఊహలు చేసినప్పుడు జరిగేది అదే.

ప్రతి టూల్ దాని స్వంత సంకలనంపై శిక్షణ పొందుతుంది, దాని స్వంత సూచన మోడల్‌తో స్కోర్ చేస్తుంది, టెక్స్ట్‌ను విభిన్నంగా విభజిస్తుంది (మొత్తం డాక్యుమెంట్ vs వాక్యం వారీగా), మరియు "AI అయ్యే అవకాశం"గా దేన్ని లెక్కించాలో దాని స్వంత పరిమితిని నిర్ణయిస్తుంది. తప్పుడు ఆరోపణలను నివారించడానికి క్రమాంకనం చేసిన టూల్ సంరక్షణాత్మకంగా నడుస్తుంది మరియు తక్కువ-ఫ్లాగ్ చేస్తుంది; మోసగాళ్లను పట్టుకోవడంపై అమ్మబడిన టూల్ దూకుడుగా నడుస్తుంది మరియు అదే టెక్స్ట్‌ను ఎక్కువ-ఫ్లాగ్ చేస్తుంది. అవి వేర్వేరు షెడ్యూళ్లపై కూడా అప్‌డేట్ అవుతాయి, కాబట్టి కొత్త మోడల్ ప్రారంభమయ్యే ముందు ట్యూన్ చేసిన డిటెక్టర్ ఆ మోడల్ శైలిని నెలల తరబడి తప్పుగా అంచనా వేస్తుంది.

ఆచరణాత్మక పాఠం ఏమిటంటే ఏ ఒక్క స్కోర్ కూడా నిర్ణాయకమైనది కాదు, మరియు టూల్స్ మధ్య విభేదం ఎంత ఊహాజనితం ఇందులో ఉందో దానికి ప్రత్యక్ష ఆధారం. మీ పాఠశాల Turnitin తో తనిఖీ చేస్తే, Turnitin తీర్పు మాత్రమే ముఖ్యం, మరియు మరెక్కడైనా శుభ్రమైన స్కోర్ దాన్ని అంచనా వేయదు లేదా దాని నుండి మిమ్మల్ని రక్షించదు.

తప్పుడు పాజిటివ్‌లు: ప్రచురించిన సంఖ్యలు

డిటెక్టర్‌లు ఊహించదగినతనాన్ని అంచనా వేస్తాయి కాబట్టి, అవి క్రమం తప్పకుండా తప్పుగా పేలుతాయి, మరియు తప్పులు ఊహాజనితం కాదు. జనవరి 2023లో ప్రారంభమైన OpenAI యొక్క స్వంత వర్గీకరణ కేవలం 26% AI-రాసిన టెక్స్ట్‌ను గుర్తించింది, అదే సమయంలో 9% మానవ టెక్స్ట్‌ను AI గా తప్పుగా లేబుల్ చేసింది, మరియు కంపెనీ దాన్ని తక్కువ ఖచ్చితత్వం కారణంగా ఆరు నెలల్లో ఉపసంహరించుకుంది. Turnitin డాక్యుమెంట్-స్థాయి తప్పుడు పాజిటివ్ రేటు 1% కంటే తక్కువ అని క్లెయిమ్ చేస్తుంది, కానీ వ్యక్తిగత ఫ్లాగ్ చేసిన వాక్యాలు చాలా తక్కువ నమ్మదగినవని అంగీకరించింది, అందుకే అనుమానిత AI టెక్స్ట్ తక్కువ మొత్తంలో మాత్రమే ఉన్న డాక్యుమెంట్‌లపై స్కోర్‌లను నిలిపివేస్తుంది.

అత్యంత కలవరపెట్టే పరిశోధన స్థానికేతర ఇంగ్లీష్ మాట్లాడేవారిని కలిగి ఉంటుంది. Stanford పరిశోధకులు TOEFL పరీక్ష కోసం నిజమైన విద్యార్థులు రాసిన వ్యాసాలపై ఏడు ప్రసిద్ధ డిటెక్టర్‌లను పరీక్షించారు మరియు సగటున, ఈ మానవ-రాసిన వ్యాసాలలో 61% AI-రూపొందించినట్లు ఫ్లాగ్ చేయబడ్డాయని, మరియు దాదాపు అన్నీ కనీసం ఒక డిటెక్టర్ ద్వారా ఫ్లాగ్ చేయబడ్డాయని కనుగొన్నారు. స్థానిక-భాషా US విద్యార్థుల వ్యాసాలు అదే టూల్స్ ద్వారా దాదాపు తాకకుండా సాఫీగా వెళ్లాయి.

యంత్రాంగం ఖచ్చితంగా ఈ వ్యాసం వివరించేదే: రెండవ భాషలో పని చేసే రచయితలు సురక్షితమైన పదజాలం మరియు మరింత క్రమమైన వాక్య నిర్మాణాలను ఉపయోగించే ధోరణి కలిగి ఉంటారు, ఇది పర్‌ప్లెక్సిటీని తగ్గిస్తుంది, ఇది యంత్ర టెక్స్ట్‌గా చదవబడుతుంది. పక్షపాతం పద్ధతిలోనే కాల్చి ఉంది. అందుకే బాధ్యతాయుత పాఠశాలలు డిటెక్టర్ స్కోర్‌ను రుజువుగా కాకుండా సంభాషణ ప్రారంభంగా పరిగణిస్తాయి. ఒక సంఖ్య ఆధారం కాదు.

వాటర్‌మార్కింగ్: రవాణా కాని పరిష్కారం

నిజమైన పరిష్కారం వాటర్‌మార్కింగ్ అని పరిశోధకులు చాలా కాలంగా వాదిస్తున్నారు: AI మోడల్ స్వయంగా రూపొందించే సమయంలో ఒక అదృశ్య గణాంక సంతకాన్ని పొందుపరచడం. బాగా తెలిసిన పథకంలో, రాసేటప్పుడు మోడల్ రహస్యంగా టోకెన్‌ల ఒక తిరిగే "ఆకుపచ్చ జాబితా"కు అనుకూలత చూపుతుంది. ఒక పాఠకుడు నమూనాను గమనించలేడు, కానీ కీ కలిగి ఉన్న డిటెక్టర్ దాన్ని పర్‌ప్లెక్సిటీ ఊహించడం కంటే చాలా మెరుగైన ఖచ్చితత్వంతో పరీక్షించగలదు.

అది ఎక్కువగా రవాణా కాలేదు. OpenAI ఒక టెక్స్ట్ వాటర్‌మార్కర్‌ను నిర్మించింది, ఇది పొడవైన భాగాలపై సుమారు 99.9% ప్రభావవంతమైనదని అంతర్గతంగా నివేదించబడింది, మరియు దానిపై కూర్చుంది, పారాఫ్రేజింగ్ లేదా అనువాదం గుర్తును తొలగిస్తుందని, పాలిష్ కోసం చట్టబద్ధంగా AI ను ఉపయోగించే స్థానికేతర మాట్లాడేవారిని అది కళంకపరుస్తుందని, మరియు తక్కువ గౌరవప్రదంగా, వినియోగదారులు కేవలం వాటర్‌మార్క్ చేయని టూల్స్‌కు మారతారని ఆందోళనలను ఉదహరిస్తూ. Google యొక్క SynthID-Text మినహాయింపు, Gemini లోపల నడుస్తూ మరియు ఓపెన్ సోర్స్‌గా విడుదల చేయబడింది, కానీ అది Gemini యొక్క స్వంత అవుట్‌పుట్‌ను మాత్రమే గుర్తు పెడుతుంది.

అదే ప్రధాన సమస్య: ఒక వాటర్‌మార్క్ దాని తయారీదారులు సహకరించే మోడల్‌లను మాత్రమే కవర్ చేస్తుంది, మరియు ఎవరైనా స్థానికంగా నడపగల ఓపెన్-వెయిట్ మోడల్‌లు దాన్ని ఎప్పటికీ మోయవు. కాబట్టి మీ పాఠశాల లేదా యజమాని ఈరోజు ఉపయోగించే డిటెక్టర్ ఇంకా గణాంకాలు చేస్తోంది, వాటర్‌మార్క్‌లను చదవడం లేదు, అది సూచించే అనిశ్చితి మొత్తంతో.

డిటెక్టర్‌లు మిశ్రమ మానవ మరియు AI టెక్స్ట్‌ను ఎలా నిర్వహిస్తాయి

నిజమైన డాక్యుమెంట్‌లు అరుదుగా అన్నీ ఒకే వస్తువు. ఒక విద్యార్థి చేతితో ఒక పరిచయాన్ని రూపొందిస్తాడు, రెండు శరీర పేరాలను విస్తరించమని ChatGPT ను అడుగుతాడు, ఆ తర్వాత మొత్తాన్ని సవరిస్తాడు. డిటెక్టర్‌లు డాక్యుమెంట్ అంతటా ఒక కిటికీని జారుస్తూ, ప్రతి వాక్యం లేదా భాగాన్ని విడిగా స్కోర్ చేస్తూ, మరియు రూపొందించినట్లు కనిపించే భాగాలను హైలైట్ చేస్తూ దీన్ని నిర్వహిస్తాయి.

మిక్సింగ్ ప్రతి సంకేతాన్ని బలహీనం చేస్తుంది. AI పేరా లోపల మానవ సవరణలు దాని పర్‌ప్లెక్సిటీని పెంచుతాయి; మానవ విభాగం లోపల AI వాక్యాలు దాని లయను ఏకరీతి వైపు లాగుతాయి. ఫలితం "సగం AI" లేదా "అంతా మానవుడు, విచిత్రంగా రాసినది" అని అర్థం కావచ్చే మధ్య-శ్రేణి స్కోర్, మరియు ప్రతి-వాక్య హైలైట్‌లు మొత్తం సంఖ్య కంటే గమనించదగినంతగా తక్కువ నమ్మదగినవి. Turnitin, ఉదాహరణకు, తన వాక్య-స్థాయి ఫ్లాగ్‌లు తన డాక్యుమెంట్ స్కోర్ కంటే ఎక్కువ లోపం రేటును కలిగి ఉంటాయని చెప్పింది, మరియు కొంత కాలం పాటు అవి చాలా అస్థిరంగా ఉన్నందున తక్కువ శాతాలను ప్రదర్శించడానికి నిరాకరించింది.

సంక్షిప్తంగా: డాక్యుమెంట్ ఎంత మిశ్రితమైతే, తీర్పు అంత మసకగా ఉంటుంది, మరియు రిపోర్ట్‌లో హైలైట్ చేసిన వాక్యాలు హెడ్‌లైన్ శాతం కంటే మరింత సందేహానికి అర్హమైనవి.

హ్యూమనైజింగ్ స్కోర్‌ను ఎలా తగ్గిస్తుంది

డిటెక్టర్‌లు అధిక పర్‌ప్లెక్సిటీ మరియు బర్‌స్టినెస్‌కు బహుమతి ఇస్తే, పరిష్కారం ఒక వ్యక్తిలా ఎక్కువగా రాయడం: వాక్య పొడవును మార్చడం, తక్కువ ఊహించదగిన పద ఎంపికలను ఉపయోగించడం, సహజమైన మార్పులను జోడించడం, మరియు ఏకరీతి లయను విచ్ఛిన్నం చేయడం. పూర్తి డాక్యుమెంట్ అంతటా చేతితో ఇది చేయడం నెమ్మది, అందుకే ఒక AI హ్యూమనైజర్ టెక్స్ట్‌ను రీరైట్ చేసి ఆ మానవ వైవిధ్యాన్ని స్వయంచాలకంగా పునరుద్ధరించడానికి ఉంది.

Humanize AI వంటి టూల్ మోడల్ అవుట్‌పుట్‌ను తిరిగి పదబంధిస్తుంది, తద్వారా అది సహజమైన బర్‌స్టినెస్ మరియు తక్కువ ఊహించదగిన పదబంధీకరణను తిరిగి పొందుతుంది, మీ అర్థాన్ని చెక్కుచెదరకుండా ఉంచుతూ AI గుర్తింపును తప్పించడానికి సహాయపడుతుంది. అత్యంత ముఖ్యంగా, ఇది నిజమైన డిటెక్టర్‌ల నుండి ముందు-మరియు-తర్వాత స్కోర్‌ను చూపిస్తుంది, కాబట్టి మీరు ఆశించడం కాకుండా మార్పును కొలుస్తున్నారు. లక్ష్యం మోసం కాదు, చివరకు మీలా అనిపించే రచన.

ఆచరణలో ఇది మీకు ఏమి అర్థం

సాంకేతికత ఎలా పని చేస్తుందో దాని నుండి కొన్ని అలవాట్లు నేరుగా అనుసరిస్తాయి. మీరు సమర్పించే ముందు పరీక్షించండి, ఎందుకంటే తనిఖీ చేయడం ఉచితంగా ఉన్నప్పుడు స్కోర్‌ను ఊహించడం అర్థరహితం; మీరు మీ డ్రాఫ్ట్‌ను ఉచిత AI హ్యూమనైజర్ ద్వారా నడిపి మరెవరూ చూడకముందే డిటెక్టర్ సంఖ్యలను చూడవచ్చు. చిన్న భాగంపై తీర్పును ఎప్పుడూ నమ్మవద్దు, మరియు వాక్య-స్థాయి హైలైట్‌లను ఉత్తమంగా బలహీన ఆధారంగా పరిగణించండి.

మీరు నిజాయితీగా రాస్తే, మీ రసీదులను ఉంచుకోండి: డ్రాఫ్ట్ వెర్షన్‌లు, గమనికలు మరియు ఎడిటింగ్ చరిత్ర ఏ కౌంటర్-స్కోర్ కంటే రచయితత్వానికి చాలా మెరుగైన ఆధారం, ముఖ్యంగా మీరు డిటెక్టర్‌లు అపనమ్మకం చేసే అధికారిక స్వరంలో రాసే స్థానికేతర మాట్లాడేవారు అయితే. మరియు మీరు ఒక నిర్దిష్ట చెకర్‌ను ఎదుర్కొంటుంటే, దాని నిర్దిష్ట ప్రవర్తనను నేర్చుకోండి; ముఖ్యంగా Turnitin కి తెలుసుకోవడానికి విలువైన విచిత్రాలు ఉన్నాయి, అందుకే మేము దీనికి సహచరుడిగా Turnitin గైడ్ రాశాము.

అన్నిటికంటే మించి, డిటెక్టర్ అంటే ఏమిటో గుర్తుంచుకోండి. అది ఒక విక్రేత నిర్మించిన, ఒక పరిమితికి ట్యూన్ చేసిన, రెండు దిశలలో కొలవదగిన రేటుతో తప్పుగా ఉండే, ఊహించదగినతనాన్ని స్కోర్ చేసే నమూనా-సరిపోలిక. ఉపయోగకరం, కొన్నిసార్లు. రుజువు, ఎప్పటికీ కాదు.

తరచుగా అడిగే ప్రశ్నలు