AI ডিটেক্টর যেভাবে কাজ করে এবং কেন শুধুমাত্র একটি স্কোর লেখকত্ব প্রমাণ করতে পারে না

একটি AI ডিটেক্টরে কোনো প্রবন্ধ, নিবন্ধ বা ইমেল পেস্ট করুন, এবং কয়েক সেকেন্ড পরে এটি “৮৫% AI” এর মতো ফলাফল ফিরিয়ে দিতে পারে।

সঠিক মনে হয়। কিন্তু এটি ভুল পড়া সহজ হতে পারে।

ডিটেক্টরটি পর্যবেক্ষণ করেনি কীভাবে নথিটি লেখা হয়েছিল। এটি AI-সৃষ্ট লেখার সাথে সম্পর্কিত প্যাটার্নগুলির জন্য সমাপ্ত পাঠ্যটি বিশ্লেষণ করেছে। টুলের উপর নির্ভর করে, ওই ৮৫% প্রতিনিধিত্ব করতে পারে যে AI নথিটি তৈরি করেছে তার আনুমানিক সম্ভাবনা বা ডিটেক্টর যে পাঠ্যটি চিহ্নিত করেছে তার অংশ।

এটি একটি AI ডিটেক্টরকে একটি সংকেত হিসেবে দরকারী করে তোলে, বিশেষ করে যখন কোনো কিছুর কাছাকাছি নজর দেওয়ার প্রয়োজন হয়। কিন্তু কে পাঠ্যটি লিখেছেন বা কীভাবে তারা এটি তৈরি করেছেন সে সম্পর্কে কেউ সিদ্ধান্তে পৌঁছানোর আগে স্কোরের এখনও প্রসঙ্গ এবং সমর্থনকারী প্রমাণের প্রয়োজন হয়। ডিটেক্টরগুলি কীভাবে তাদের স্কোর তৈরি করে তা বোঝা তাদের কী ধরতে পারে এবং কেন তারা কখনো কখনো ভুল করে উভয়ই ব্যাখ্যা করতে সাহায্য করে।

একটি AI ডিটেক্টর কী?

একটি AI লেখার ডিটেক্টর সমাপ্ত পাঠ্যের একটি অংশ দেখে এবং অনুমান করে যে এটি কোনো ভাষা মডেল দ্বারা উৎপাদিত লেখার সাথে সাদৃশ্যপূর্ণ কিনা। একজন ব্যবহারকারী সাধারণত পাঠ্যটি পেস্ট করেন বা একটি নথি আপলোড করেন। কয়েক সেকেন্ডের মধ্যে, টুলটি একটি লেবেল, শতাংশ, হাইলাইট করা অনুচ্ছেদ, বা তিনটিই ফিরিয়ে দিতে পারে।

• শিক্ষক এবং একাডেমিক প্রতিষ্ঠানগুলি শিক্ষার্থীর কাজ পর্যালোচনা করার সময় এগুলি ব্যবহার করে।
• প্রকাশক এবং কনটেন্ট টিমগুলি জমা দেওয়া বা কমিশন করা লেখা স্ক্রিন করতে এগুলি ব্যবহার করতে পারে, অন্যদিকে কিছু ডিটেক্টর কোম্পানি নিয়োগকারী দলগুলির আবেদন সামগ্রী পর্যালোচনার জন্য সংস্করণ বিপণন করে।
• লেখকরা শিক্ষক, সম্পাদক, ক্লায়েন্ট বা প্ল্যাটফর্ম কীভাবে এটিকে শ্রেণিবদ্ধ করতে পারে তা বোঝার জন্য কখনো কখনো নিজেদের কাজও চেক করেন।

দ্রষ্টব্য: প্লাগইরিজম চেকাররা একটি সম্পর্কিত কিন্তু পৃথক উদ্দেশ্য পরিবেশন করে। তারা মিলে যাওয়া ভাষা খুঁজতে প্রকাশিত উপাদান এবং অন্যান্য উৎসের সাথে একটি নথির তুলনা করে। AI ডিটেক্টর জমা দেওয়া লেখার প্যাটার্ন মূল্যায়ন করে। তাই একটি সম্পূর্ণ আসল অনুচ্ছেদ একটি AI ফ্ল্যাগ পেতে পারে, অথচ কপি করা মানুষের লেখায় AI তৈরির কোনো শক্তিশালী সংকেত নাও থাকতে পারে।

AI ডিটেক্টর যেভাবে পাঠ্য বিশ্লেষণ করে

অনেক AI ডিটেক্টর একটি ক্লাসিফায়ারের উপর নির্ভর করে, যা মানব এবং AI-সৃষ্ট লেখার উদাহরণের উপর প্রশিক্ষিত একটি মেশিন লার্নিং মডেল। এটি দুটির তুলনা করার সাথে সাথে, এটি শেখে কোন প্যাটার্নগুলি প্রতিটিতে উপস্থিত থাকে, যার মধ্যে শব্দ চয়ন এবং বাক্য গঠনের প্যাটার্ন রয়েছে। এটি তখন নতুন পাঠ্যে সেই প্যাটার্নগুলি খোজে এবং একটি পূর্বাভাস তৈরি করে।

ডিটেক্টর কী শেখে তা নির্ভর করে প্রশিক্ষণের সময় এটি কী দেখছে তার উপর। লেখার সীমিত পরিসরের উপর প্রশিক্ষিত একটি টুল নতুন বিষয়, অপরিচিত স্টাইল বা এর আগে সম্মুখীন হয়নি এমন কোনো AI মডেলের আউটপুটের সাথে সংগ্রাম করতে পারে। বিভিন্ন ধরনের পাঠ্য এবং AI মডেল জুড়ে গবেষণায় দেখা গেছে যে এই পরিস্থিতিতে সনাক্তকরণের কর্মক্ষমতা হ্রাস পেতে পারে।

কিছু পদ্ধতি একটি ভিন্ন পদ্ধতি গ্রহণ করে। একটি আলাদা ক্লাসিফায়ার প্রশিক্ষণের পরিবর্তে, তারা কোনো অনুচ্ছেদ তৈরি করার সম্ভাবনা কতখানি তা বিচার করতে একটি ভাষা মডেলের নিজস্ব সম্ভাব্যতা অনুমান ব্যবহার করে।

• উদাহরণস্বরূপ, DetectGPT আসল পাঠ্যটিকে কিছুটা পরিবর্তিত সংস্করণের সাথে তুলনা করে AI তৈরির সাথে সম্পর্কিত প্যাটার্নগুলি খোঁজে। এর গবেষণা এটিকে একটি “জিরো-শট” পদ্ধতি হিসেবে বর্ণনা করে কারণ এর জন্য আলাদাভাবে প্রশিক্ষিত ডিটেক্টরের প্রয়োজন হয় না। ফলাফলের মধ্যে একটি সামগ্রিক স্কোর, হাইলাইট করা বাক্য বা উভয়ই থাকতে পারে।
• GPTZero বলে যে এর হাইলাইটগুলি দেখায় কোন বাক্যগুলির এর সামগ্রিক পূর্বাভাসের উপর সর্বাধিক প্রভাব রয়েছে। যেহেতু এটি বৃহত্তর নথিটিও মূল্যায়ন করে, তাই নিজের মতো করে স্ক্যান করা একটি অনুচ্ছেদ দীর্ঘ লেখার অংশ হিসেবে প্রদর্শিত হলে একই ফলাফল নাও পেতে পারে।

প্রতিটি ফলাফল পাঠ্য এবং এটি মূল্যায়নকারী সিস্টেম উভয়কেই প্রতিফলিত করে, যে কারণে বিভিন্ন ডিটেক্টর একই অনুচ্ছেদ সম্পর্কে বিভিন্ন উপসংহারে পৌঁছাতে পারে।

বড় করুন

পারপ্লেক্সিটি এবং বার্স্টিনেস যা পরিমাপ করে

পারপ্লেক্সিটি এবং বার্স্টিনেস AI সনাক্তকরণের ব্যাখ্যায় প্রায়শই উঠে আসে। এগুলি লেখার একটি অংশে দরকারী প্যাটার্ন প্রকাশ করতে পারে, তবে কোনটিই একক, অনন্যভাবে AI লেখার উপায়ের দিকে নির্দেশ করে না।

একটি সম্ভাব্য বিভ্রান্তিকর বিবরণ: পারপ্লেক্সিটি এখানে দ্বিগুণ দায়িত্ব পালন করছে। ছোট হাতের অক্ষরে, এটি একটি পরিসংখ্যানগত পরিমাপ। একটি বড় হাতের P সহ, এটি আমরা।

পারপ্লেক্সিটি পরিমাপ করে পাঠ্যটি কতটা অনুমানযোগ্য

ভাষা মডেলগুলি সম্ভাব্য পরবর্তী টোকেনগুলিতে সম্ভাব্যতা নির্ধারণ করে পাঠ্য তৈরি করে, যা সম্পূর্ণ শব্দ বা শব্দের অংশ হতে পারে। পারপ্লেক্সিটি পরিমাপ করে একটি মডেল কতটা ভালোভাবে একটি অনুচ্ছেদে টোকেনগুলি অনুমান করতে পারে।

• নিম্ন পারপ্লেক্সিটি: পাঠ্যটি মডেলটির কাছে পরিচিত বলে মনে হওয়া প্যাটার্নগুলি অনুসরণ করে।
• উচ্চ পারপ্লেক্সিটি: শব্দচয়ন কম প্রত্যাশিত।

স্কোরটি মূল্যায়নকারী মডেল এবং পাঠ্যটি যেভাবে প্রক্রিয়া করা হয় তার জন্য নির্দিষ্ট, তাই একই অনুচ্ছেদ বিভিন্ন সেটআপের অধীনে ভিন্ন পারপ্লেক্সিটি স্কোর পেতে পারে।

এই বাক্যটি বিবেচনা করুন, “আপনার কোনো প্রশ্ন থাকলে দمه করে আমাকে জানান।” একটি ভাষা মডেল সম্ভবত বহুবার অনুরূপ শব্দচয়নের মুখোমুখি হয়েছে, যার ফলে প্রতিটি শব্দ অনুমান করা তুলনামূলকভাবে সহজ হয়ে যায়। এটি আমাদের বাক্যটির পরিচিতি সম্পর্কে কিছু বলে। এটি কে এটি লিখেছে সে সম্পর্কে কোনো সিদ্ধান্তমূলক কিছু বলে না।

বার্স্টিনেস পরিমাপ করে সেই প্যাটার্নগুলি কতটা পরিবর্তিত হয়

AI সনাক্তকরণের আলোচনায় বার্স্টিনেস আরও শিথিলভাবে ব্যবহৃত হয়। এটি সাধারণত বর্ণনা করে যে একটি অনুচ্ছেদ জুড়ে লেখা কতটা পরিবর্তিত হয়। এর মধ্যে বাক্যরীতি এবং কাঠামোর পরিবর্তন, বা অত্যন্ত অনুমানযোগ্য এবং আরও আশ্চর্যজনক ভাষার মধ্যে পরিবর্তন অন্তর্ভুক্ত থাকতে পারে।

• নিম্ন বার্স্টিনেস: বাক্যগুলো আরও সামঞ্জস্যপূর্ণ দৈর্ঘ্য, কাঠামো বা ছন্দ অনুসরণ করে।
• উচ্চ বার্স্টিনেস: লেখাটি ছোট বিবৃতি, দীর্ঘ ব্যাখ্যা এবং কম প্রত্যাশিত শব্দচয়নের মধ্যে যাতায়াত করে।

কিছু AI-সৃষ্ট পাঠ্য সামঞ্জস্যপূর্ণ এবং অনুমানযোগ্য, যে কারণে বার্স্টিনেস সনাক্তকরণের সাথে যুক্ত হয়েছিল। মানুষের লেখার একই গুণ থাকতে পারে, বিশেষ করে ব্যবসা, একাডেমিক এবং কারিগরি প্রেক্ষাপটে। AI মডেলগুলিও প্রম্পট করা হলে বা করার জন্য সম্পাদিত হলে আরও বৈচিত্র্যময় ভাষা তৈরি করতে পারে।

GPTZero বলে যে পারপ্লেক্সিটি এবং বার্স্টিনেস ছিল এর ডিটেক্টরের পূর্ববর্তী সংস্করণ দ্বারা ব্যবহৃত বেশ কয়েকটি ফিচারের মধ্যে দুটি।

এই পরিমাপগুলি যা দেখায়: পারপ্লেক্সিটি এবং বার্স্টিনেস একটি অনুচ্ছেদের প্যাটার্ন বর্ণনা করে। সেই প্যাটার্নগুলি পাঠ্যটি কেন চিহ্নিত করা হয়েছিল তা ব্যাখ্যা করতে সাহায্য করতে পারে, তবে কে এটি লিখেছেন তা তারা প্রতিষ্ঠা করতে পারে না।

একটি AI ডিটেক্টরের স্কোরের অর্থ কী

“৮০% AI” ফলাফল দেখতে সহজ মনে হয়। এর অর্থ ডিটেক্টরের উপর নির্ভর করে।

GPTZero শতাংশটিকে এর মডেলের অনুমান করা সম্ভাব্যতা হিসেবে বর্ণনা করে যে AI বা কোনো মানুষ নথিটি লিখেছে। Turnitin শতাংশটি ব্যবহার করে দেখাতে যে এর মডেল যোগ্য গদ্যের কতখানি সম্ভাব্য AI-সৃষ্ট হিসেবে বা নির্দিষ্ট AI টুল দিয়ে পরিবর্তিত হিসেবে চিহ্নিত করে।

একই “৮০% AI” লেবেলের অর্থ তাই হতে পারে:

• ডিটেক্টরটি ৮০% সম্ভাবনা অনুমান করে যে AI নথিটি তৈরি করেছে।
• ডিটেক্টরটি মূল্যায়ন করা গদ্যের ৮০% চিহ্নিত করেছে।

এগুলি বিভিন্ন ফলাফল। একটি সমগ্র হিসেবে নথির বিষয়ে একটি পূর্বাভাস তৈরি করে। অন্যটি চিহ্নিত করে যে পাঠ্যের কতখানি ডিটেক্টরের মানদণ্ডের সাথে মিলেছে।

সম্ভাব্যতা স্কোরের আরেকটি চেকের প্রয়োজন: ক্যালিব্রেশন। কোনো ডিটেক্টর যদি ১০০টি নথির AI সম্ভাব্যতা ৮০% এর কাছাকাছি দেয়, তবে স্কোরটি সু-ক্যালিব্রেটেড হওয়ার জন্য এর মধ্যে প্রায় ৮০টি আসলে AI-সৃষ্ট হওয়া উচিত। পরিচিত উৎসের উদাহরণের বিরুদ্ধে মডেলটি পরীক্ষা করে দেখানো হয় যে এর সম্ভাব্যতা বাস্তব ফলাফলের সাথে কতটা মেলে।

এর অর্থ বা নির্ভরযোগ্যতা স্পষ্ট হওয়ার আগে একটি শতাংশ সঠিক বলে মনে হতে পারে। লেবেল, স্কোরিং পদ্ধতি এবং ডিটেক্টরের কর্মক্ষমতা সবই নির্ধারণ করে যে সংখ্যাটি কী সমর্থন করতে পারে।

বড় করুন

কাটঅফ নির্ধারণ করে কী চিহ্নিত করা হবে

কোনো স্কোরে কাজ করার মতো যথেষ্ট উচ্চ কিনা তা এখনও একটি ডিটেক্টরকে সিদ্ধান্ত নিতে হয়। সেই বিভাজন রেখাকে কাটঅফ বা থ্রেশহোল্ড বলা হয়।

ধরে নেওয়া যাক একটি টুল ০ থেকে ১০০ পর্যন্ত পাঠ্য স্কোর করে এবং ৭০ এর উপরে যেকোনো কিছু চিহ্নিত করে। কাটঅফ ৬০-এ নামিয়ে আনা প্রতিটি স্কোর অপরিবর্তিত রাখবে এবং একই সাথে চিহ্নিত নথির সংখ্যা বৃদ্ধি করবে।

• একটি নিম্ন কাটঅফ সাধারণত আরও AI-সৃষ্ট লেখা সনাক্ত করে কিন্তু মানুষের লেখাকেও ভুলভাবে আরও বেশি চিহ্নিত করে।
• একটি উচ্চ কাটঅফ ভুল ফ্ল্যাগ কমায়, এবং একই সাথে আরও AI-সৃষ্ট লেখাকে সনাক্ত না করে চলে যেতে দেয়। এই ট্রেডঅফটি সাধারণভাবে শ্রেণীকরণ সিস্টেমগুলির ক্ষেত্রে প্রযোজ্য।

দুটি সম্ভাব্য ভুলের বিভিন্ন নাম রয়েছে।

• একটি ফলস পজিটিভ ঘটে যখন মানুষের লেখাকে AI-সৃষ্ট হিসেবে চিহ্নিত করা হয়।
• একটি ফলস নেগেটিভ ঘটে যখন AI-সৃষ্ট লেখা শনাক্ত করা যায় না।

একটি ডিটেক্টর কোথায় রেখা টানে তা প্রতিফলিত করে যে এটি কোন ত্রুটি এড়ানোর জন্য ডিজাইন করা হয়েছে। কোনো ফ্ল্যাগ যখন কোনো গ্রেড, চাকরি বা কারো বিশ্বাসযোগ্যতাকে প্রভাবিত করতে পারে তখন সেই পছন্দটি আরও ওজন বহন করে।

কীভাবে একটি ২% ত্রুটির হার প্রায় ৩০% ভুল ফ্ল্যাগ তৈরি করতে পারে

২% ফলস-পজিটিভ হারের প্রভাব নির্ভর করে ডিটেক্টর কতখানি মানুষের লেখা পর্যালোচনা করে তার উপর।

১,০০০টি নিবন্ধের একটি কাল্পনিক সেট বিবেচনা করুন:

• ৫০টি AI-সৃষ্ট।
• ৯৫০টি মানব-লিখিত।
• ডিটেক্টরটি AI-সৃষ্ট নিবন্ধগুলির ৯০% ধরে ফেলে।
• এটি মানব-লিখিত নিবন্ধগুলির ২% ভুলভাবে চিহ্নিত করে।

এখানে যা ঘটে তা হলো:

ডিটেক্টরটি মোট ৬৪টি নিবন্ধ চিহ্নিত করে। উনিশটি মানব-লিখিত, তাই এর চিহ্নিত করার প্রায় ৩০% ভুল।

২% এবং ৩০% পরিসংখ্যান বিভিন্ন বিষয় পরিমাপ করে। ডিটেক্টরটি সমস্ত মানব-লিখিত নিবন্ধের ২% ভুলভাবে চিহ্নিত করে। এরপর সেই ভুলগুলি এটি চিহ্নিত করা সমস্ত বিষয়ের প্রায় ৩০% গঠন করে।

সংখ্যাগুলি এইভাবে যোগ হয় কারণ ডিটেক্টরটি AI-সৃষ্ট নিবন্ধের তুলনায় অনেক বেশি মানব-লিখিত নিবন্ধ পর্যালোচনা করেছে। এমনকি একটি ছোট ত্রুটির হারও একটি অর্থপূর্ণ সংখ্যক ভুল ফ্ল্যাগ তৈরি করতে পারে যখন এটি অনেক বড় দলের ক্ষেত্রে প্রযোজ্য হয়।

বেস রেট শব্দটি বর্ণনা করে যে চেক করা উপাদানে AI-সৃষ্ট লেখা কতটা সাধারণ। সেই অংশটি পরিবর্তিত হওয়ার সাথে সাথে, একটি ইতিবাচক ফলাফলের অর্থও পরিবর্তিত হয়। ডিটেক্টরের ট্রু-পজিটিভ এবং ফলস-পজিটিভ হার যদি একই থাকে, তবে যখন সংগ্রহে AI-সৃষ্ট লেখা সাধারণ হয় তখন একটি ফ্ল্যাগ সাধারণত বেশি নির্ভরযোগ্য হয় এবং যখন এটি বিরল হয় তখন কম নির্ভরযোগ্য হয়।

এই সংখ্যাগুলি কাল্পনিক এবং কোনো নির্দিষ্ট ডিটেক্টর বর্ণনা করে না। একটি বাস্তব পর্যালোচনায়, AI-সৃষ্ট লেখার অংশটি সাধারণত অজানা থাকে। সেই অনিশ্চয়তা একটি ফ্ল্যাগকে নথিটি কীভাবে লেখা হয়েছিল তার প্রমাণ না হয়ে বরং আরও ঘনিষ্ঠভাবে দেখার কারণ হিসেবে গণ্য করার আরেকটি কারণ।

নির্ভুলতা নির্ভর করে ডিটেক্টর কিসের উপর পরীক্ষিত হয়েছিল তার উপর

একটি নির্ভুলতা হার একটি নির্দিষ্ট শর্তের সেটের অধীনে কর্মক্ষমতা বর্ণনা করে। সেই হারটি অন্য কোনো লেখার ক্ষেত্রে প্রয়োগ করার আগে, চেক করুন:

• ডিটেক্টর সংস্করণ
• পাঠ্যের দৈর্ঘ্য, ভাষা, বিষয় এবং ফর্ম্যাট
• পরীক্ষামূলক উপাদান তৈরি করতে ব্যবহৃত AI মডেল এবং সেটিংস
• পাঠ্যটি সম্পাদিত বা ইচ্ছাকৃতভাবে পরিবর্তিত হয়েছিল কিনা
• মানব-লিখিত নমুনায় উপস্থাপিত লেখকরা

টুলের সমর্থিত ইনপুট দিয়ে শুরু করুন

উদাহরণস্বরূপ, Turnitin-এর কমপক্ষে ৩০০ শব্দের দীর্ঘ-ফর্ম গদ্যের প্রয়োজন হয়। এটি বলে যে এর মডেলটি নির্ভরযোগ্যভাবে AI-সৃষ্ট কবিতা, স্ক্রিপ্ট, কোড বা অন্যান্য অ-গদ্য ফরম্যাট সনাক্ত করে না। তাই প্রবন্ধগুলিতে শক্তিশালী কর্মক্ষমতা আমাদের খুব কমই বলে যে একই ডিটেক্টর কীভাবে একটি কবিতা বা একটি ছোট ইমেল পরিচালনা করবে।

পরীক্ষাটিকে বাস্তব বিশ্বের লেখার সাথে তুলনা করুন

২০২৪ সালে, গবেষকরা RAID ব্যবহার করে ১২টি ডিটেক্টর পরীক্ষা করেছেন, এটি এমন একটি বেঞ্চমার্ক যাতে ১১টি মডেল এবং আটটি বিষয় ক্ষেত্র জুড়ে ৬ মিলিয়নেরও বেশি AI-সৃষ্ট অনুচ্ছেদ রয়েছে। ডিটেক্টরগুলি যখন অপরিচিত মডেল, বিভিন্ন প্রজন্মের সেটিংস বা ইচ্ছাকৃতভাবে পরিবর্তিত পাঠ্যের মুখোমুখি হয়েছিল তখন কর্মক্ষমতা হ্রাস পেয়েছিল।

RAID ব্যবহার করে ২০২৫ সালের একটি চ্যালেঞ্জ আরও পরিচিত পরিস্থিতিতে শক্তিশালী ফলাফল তৈরি করেছে। বেশ কয়েকজন অংশগ্রহণকারী ৫% ফলস-পজিটিভ হার বজায় রেখে মেশিন-সৃষ্ট পাঠ্যের ৯৯% এরও বেশি সনাক্ত করেছেন। পরীক্ষায় ব্যবহৃত বিষয় ক্ষেত্র এবং AI মডেলগুলিও প্রশিক্ষণ ডেটায় অন্তর্ভুক্ত ছিল।

একসাথে, ফলাফলগুলি দেখায় যে ডিটেক্টরগুলি বিভিন্ন উপাদানের উপর ভাল পারফর্ম করতে পারে যা তাদের চেনার জন্য প্রশিক্ষণ দেওয়া হয়েছিল, অথচ অপরিচিত উপাদান মূল্যায়ন করা কঠিন থেকে যায়।

কাকে প্রতিনিধিত্ব করা হয়েছিল তা দেখুন

একটি ২০২৩ সালের গবেষণায়, সাতটি ডিটেক্টর অ-নেটিভ ইংরেজি ভাষাভাষীদের দ্বারা লিখিত ৯১টি TOEFL প্রবন্ধের গড় ৬১.৩% ভুলভাবে AI-সৃষ্ট হিসেবে শ্রেণীবদ্ধ করেছে। এই ফলাফল সেই সময়ে পরীক্ষিত টুল এবং নমুনার ক্ষেত্রে প্রযোজ্য। এটি আরও দেখায় কেন সামগ্রিক নির্ভুলতা হার প্রতিটি লেখক দলের জন্য সমানভাবে কর্মক্ষমতা বর্ণনা করতে নাও পারে।

একটি নির্ভুলতার দাবি কীভাবে পড়বেন: জমা দেওয়া পাঠ্যটি পরীক্ষার জন্য ব্যবহৃত উপাদানের যত কাছাকাছি হবে, রিপোর্ট করা ফলাফলটি তত বেশি প্রাসঙ্গিক হয়ে উঠবে।

চূড়ান্ত নথিটি এটি কীভাবে লেখা হয়েছিল তার মাত্র একটি অংশ দেখায়

লেখার প্রক্রিয়ায় AI অনেক ভূমিকা পালন করতে পারে। কেউ হয়তো কোনো বিষয় নিয়ে গবেষণা করতে, নোট গুছিয়ে রাখতে, কোনো অনুচ্ছেদ অনুবাদ করতে, কোনো বাক্য পরিমার্জন করতে বা প্রথম ড্রাফট তৈরি করতে এটি ব্যবহার করতে পারেন।

এই ওয়ার্কফ্লোগুলি অত্যন্ত ভিন্ন নথির দিকে পরিচালিত করতে পারে। একজন লেখক গবেষণার জন্য AI ব্যবহার করতে পারেন এবং প্রতিটি বাক্য স্বাধীনভাবে রচনা করতে পারেন। অন্য কেউ AI-সৃষ্ট ড্রাফট যথেষ্ট পরিমাণে পুনর্লিখন করতে পারেন। তৃতীয় কেউ অন্যথায় মানব-লিখিত নিবন্ধে একটি সৃষ্ট অনুচ্ছেদ যোগ করতে পারেন।

একটি পাঠ্য ডিটেক্টর যে শব্দগুলি জমা দেওয়া হয়েছিল তা দেখে। এর আগের প্রম্পট, এডিট বা সিদ্ধান্তের কোনো অ্যাক্সেস এর নেই। এর স্কোর সম্পূর্ণ লেখার প্রক্রিয়া পুনর্নির্মাণ করতে পারে না বা লেখক কোনো নির্দিষ্ট নীতি অনুসরণ করেছেন কিনা তা নির্ধারণ করতে পারে না। উদাহরণস্বরূপ,

• একটি স্কুল শিক্ষার্থীদের নিজেরা অ্যাসাইনমেন্ট লেখার প্রয়োজন করার সময় ব্রেইনস্টর্মিংয়ের অনুমতি দিতে পারে।
• প্রকাশক AI-সহায়তাপ্রাপ্ত সম্পাদনার অনুমতি দিতে পারেন যখন এটি প্রকাশ করা হয়।
• একটি কর্মক্ষেত্র AI শব্দচ্যানে অবদান রেখেছে কিনা তার চেয়ে বিষয়গত নির্ভুলতা, গোপনীয়তা বা উৎস অ্যাট্রিবিউশনের প্রতি বেশি যত্নশীল হতে পারে।

এই নিয়মগুলি প্রয়োগ করার জন্য সমাপ্ত পাঠ্যের পাশাপাশি প্রক্রিয়া সম্পর্কে প্রমাণের প্রয়োজন হয়। ড্রাফটের ইতিহাস, গবেষণার নোট এবং একজন লেখকের ব্যাখ্যা এমন প্রসঙ্গ প্রদান করতে পারে যা কোনো ডিটেক্টর পারে না। Turnitin স্পষ্টভাবে শিক্ষাবিদদের কোনো শিক্ষার্থীর বিরুদ্ধে নেতিবাচক পদক্ষেপের একমাত্র ভিত্তি হিসেবে এর AI-লেখার স্কোর ব্যবহার না করার পরামর্শ দেয়।

একটি ডিটেক্টর এমন ভাষা সনাক্ত করতে পারে যা AI-এর সাথে যুক্ত প্যাটার্নগুলির সাথে সাদৃশ্যপূর্ণ। কী ঘটেছে এবং এটি অনুমোদিত ছিল কিনা তা সিদ্ধান্ত নেওয়ার জন্য একটি বৃহত্তর পর্যালোচনার প্রয়োজন হয়।

ওয়াটারমার্ক বিভিন্ন ধরনের সংকেত যোগ করে

কিছু AI সিস্টেম পাঠ্য তৈরি করার সাথে সাথে একটি সনাক্তযোগ্য প্যাটার্ন যোগ করতে পারে। এই প্রক্রিয়াটিকে ওয়াটারমার্কিং বলা হয়।

একটি পাঠ্য ওয়াটারমার্ক যেভাবে কাজ করে

Google DeepMind-এর SynthID একটি উদাহরণ প্রদান করে:

1. সিস্টেম টোকেন সম্ভাব্যতা সামঞ্জস্য করে। এটি কিছুটা পরিবর্তন করে যে মডেলটি নির্দিষ্ট শব্দ বা শব্দের অংশগুলি নির্বাচন করার সম্ভাবনা কতটা।
2. সেই পছন্দগুলি একটি প্যাটার্ন তৈরি করে। ওয়াটারমার্কটি পাঠকের কাছে অদৃশ্য থাকার জন্য ডিজাইন করা হয়েছে।
3. একটি সামঞ্জস্যপূর্ণ ডিটেক্টর এর জন্য চেক করে। ডিটেক্টরটি প্রত্যাশিত পরিসংখ্যানগত সংকেতের জন্য পাঠ্যটি বিশ্লেষণ করে।

যেহেতু প্রজন্মের সময় প্যাটার্নটি যোগ করা হয়, এটি যে সিস্টেমটি পাঠ্য তৈরি করেছে তার সাথে আবদ্ধ তথ্য সরবরাহ করতে পারে।

ওয়াটারমার্ক সনাক্তকরণের যা সীমাবদ্ধতা

• জেনারেটরকে অবশ্যই এটি যোগ করতে হবে। AI সিস্টেমটিকে ওয়াটারমার্ক সমর্থন এবং প্রয়োগ করতে হবে। একটি অনুপস্থিত ওয়াটারমার্ক এটি প্রমাণ করে না যে কোনো ব্যক্তি পাঠ্যটি লিখেছেন।
• প্যাটার্নের যথেষ্ট অংশ অবশ্যই থাকতে হবে। Google রিপোর্ট করে যে SynthID কিছু ক্রপিং, শব্দ পরিবর্তন এবং মৃদু প্যারাম্রেজিং সহ্য করতে পারে। ব্যাপক পুনর্লিখন বা অনুবাদ এর আত্মবিশ্বাস কমাতে পারে।

যখন কোনো সামঞ্জস্যপূর্ণ সিস্টেম পাঠ্য তৈরি করে এবং সংকেতের পর্যাপ্ত অংশ অবশিষ্ট থাকে তখন ওয়াটারমার্ক প্রমাণ শক্তিশালী করতে পারে। তারা প্রতিটি AI-সৃষ্ট লেখার অংশ সনাক্ত করতে পারে না।

অন্যান্য রেকর্ড চিত্রের আরও বিশদ প্রকাশ করতে পারে

• ড্রাফটের ইতিহাস দেখায় কীভাবে সময়ের সাথে সাথে একটি নথি পরিবর্তিত হয়েছে।
• গবেষণার নোট এর দাবিগুলোকে সূত্রের সাথে সংযুক্ত করে।
• প্রকাশিত AI মিথস্ক্রিয়াগুলি দেখায় কোথায় একটি টুল অবদান রেখেছে।

এই রেকর্ডগুলি একা একটি প্যাটার্ন-ভিত্তিক স্কোরের চেয়ে লেখার প্রক্রিয়া সম্পর্কে আরও সরাসরি প্রসঙ্গ প্রদান করে।

একটি ফ্ল্যাগকে পর্যালোচনার সূচনা হিসেবে গণ্য করুন

একটি ডিটেক্টরের ফলাফল যখন একটি নির্দিষ্ট ভূমিকা থাকে তখন এটি আরও দরকারী হয়ে ওঠে। কোনো ফ্ল্যাগে কাজ করার আগে, পর্যালোচকদের বোঝা উচিত টুলটি কী পরিমাপ করেছে, নিশ্চিত করা উচিত যে পাঠ্যটি এর সীমার মধ্যে পড়ে, এবং উপলব্ধ অন্যান্য প্রমাণ পরীক্ষা করা উচিত।

পাঁচটি চেক সাহায্য করতে পারে:

1. স্কোরের সংজ্ঞা পড়ুন। শতাংশটি নথি-স্তরের সম্ভাব্যতা নাকি চিহ্নিত পাঠ্যের অংশ তা নির্ধারণ করুন।
2. টুলের পরিধি চেক করুন। নিশ্চিত করুন যে নথির ভাষা, দৈর্ঘ্য এবং ফর্ম্যাট ডিটেক্টর যা সমর্থন করে তার সাথে মেলে।
3. প্রমাণ পর্যালোচনা করুন। ড্রাফট, উৎসের নোট এবং লেখকের ব্যাখ্যার পাশাপাশি হাইলাইট করা অনুচ্ছেদগুলি পরীক্ষা করুন।
4. প্রাসঙ্গিক নীতি প্রয়োগ করুন। AI-এর কোন ব্যবহারগুলি অনুমোদিত এবং কী ধরনের প্রমাণ লঙ্ঘন প্রদর্শন করবে তা চিহ্নিত করুন।
5. কাজটি নিজে মূল্যায়ন করুন। বিষয়গত নির্ভুলতা, উৎস অ্যাট্রিবিউশন, মৌলিকত্ব এবং গুণমানকে তাদের নিজস্ব শর্তে পর্যালোচনা করুন।

ঝুঁকিগুলো পর্যালোচনার গভীরতা নির্ধারণ করা উচিত। কোনো সম্পাদক হয়তো কোনো নিবন্ধটি পুনরায় দেখা প্রয়োজন কিনা তা সিদ্ধান্ত নিতে একটি ফ্ল্যাগ ব্যবহার করতে পারেন। কোনো গ্রেড, চাকরি বা প্রকাশনা চুক্তিকে প্রভাবিত করে এমন সিদ্ধান্তের জন্য শক্তিশালী প্রমাণ এবং লেখকের তাদের প্রক্রিয়া ব্যাখ্যা করার সুযোগের প্রয়োজন হয়।

একটি AI ডিটেক্টর একটি জটিল রায়কে একটি স্কোরে সংকুচিত করে। সেই স্কোর ব্যাখ্যা করার জন্য এমন তথ্যের প্রয়োজন হয় যা সংখ্যাটিতে থাকে না: টুলটি কী পরিমাপ করেছে, এটি কোন থ্রেশহোল্ড ব্যবহার করেছে, তুলনামূলক লেখার ক্ষেত্রে এটি কেমন পারফর্ম করেছে এবং পর্যালোচনামূলক উপাদানে AI-সৃষ্ট পাঠ্য কতখানি সাধারণ। স্কোরটি মনোযোগ নির্দেশ করতে পারে। একটি ডিটেক্টরের স্কোর সেই পর্যালোচনায় অবদান রাখতে পারে, কিন্তু লেখকের অধিকার সম্পর্কে যেকোনো উপসংহারে লেখার প্রক্রিয়া সম্পর্কে প্রমাণেরও প্রয়োজন হয়।

সচরাচর জিজ্ঞাস্য প্রশ্নাবলী

AI ডিটেক্টর কি ভুল হতে পারে?

হ্যাঁ। একটি ফলস পজিটিভ ঘটে যখন কোনো ডিটেক্টর মানুষের লেখাকে AI-সৃষ্ট হিসেবে চিহ্নিত করে। একটি ফলস নেগেটিভ ঘটে যখন AI-সৃষ্ট লেখা শনাক্ত করা যায় না। প্রতিটি ত্রুটির ফ্রিকোয়েন্সি ডিটেক্টর, এর থ্রেশহোল্ড এবং জমা দেওয়া পাঠ্যটি পরীক্ষার জন্য ব্যবহৃত উপাদানের সাথে কতটা মিল রয়েছে তার উপর নির্ভর করে।

AI ডিটেক্টর কতখানি নির্ভুল?

AI ডিটেক্টরের জন্য কোনো একক নির্ভুলতা হার নেই। ভাষা, দৈর্ঘ্য, বিষয়, লেখার স্টাইল, তৈরির মডেল এবং সম্পাদনার পরিমাণের সাথে কর্মক্ষমতা পরিবর্তিত হতে পারে। একটি নির্ভুলতার দাবি তখনই সবচেয়ে বেশি দরকারী হয় যখন পরীক্ষার শর্তগুলি পর্যালোচনারাধীন লেখার সাথে মিলে যায় এবং ফলাফল সফল সনাক্তকরণের পাশাপাশি ফলস পজিটিভগুলিও রিপোর্ট করে।

একটি AI-সনাক্তকরণ শতাংশের অর্থ কী?

সংজ্ঞাটি টুলের উপর নির্ভর করে। এটি কোনো নথি AI-সৃষ্ট হওয়ার অনুমান করা সম্ভাব্যতা, চিহ্নিত যোগ্য পাঠ্যের শতাংশ, বা ফলাফলের প্রতি এক ধরণের আত্মবিশ্বাস উপস্থাপন করতে পারে। ডিটেক্টরের ডকুমেন্টেশন অনুযায়ী ব্যাখ্যা করা উচিত এটি কোন পরিমাপ রিপোর্ট করে।

একটি AI ডিটেক্টর কি প্রমাণ করতে পারে যে কেউ AI ব্যবহার করেছে?

একটি ডিটেক্টরের স্কোর একা প্রমাণ করতে পারে না যে কীভাবে একটি নথি তৈরি করা হয়েছিল। এটি এর পেছনের প্রম্পট, ড্রাফট, এডিট বা গবেষণা না দেখেই জমা দেওয়া পাঠ্যটি বিশ্লেষণ করে। একটি নির্ভরযোগ্য পর্যালোচনায় স্কোরটিকে প্রক্রিয়াগত প্রমাণ এবং গ্রহণযোগ্য AI ব্যবহার নিয়ন্ত্রণকারী নীতির পাশাপাশি বিবেচনা করা হয়।

মানুষের লেখা কখনো কখনো AI হিসেবে কেন চিহ্নিত হয়?

মানুষ এবং AI-সৃষ্ট লেখা একই পরিসংখ্যানগত প্যাটার্ন শেয়ার করতে পারে। ফর্মুলাভিত্তিক ভাষা, অনুমানযোগ্য শব্দচয়ন, সীমিত শব্দভান্ডার, বা ডিটেক্টরের প্রশিক্ষণ ডেটা থেকে আলাদা কোনো স্টাইল ফলস পজিটিভে অবদান রাখতে পারে। গবেষণায় আরও দেখা গেছে যে ২০২৩ সালে পরীক্ষিত কিছু ডিটেক্টর অ-নেটিভ ইংরেজি ভাষাভাষীদের দ্বারা লিখিত প্রবন্ধগুলিকে অনুপাতে বেশি চিহ্নিত করেছে।