AI डिटेक्टर कैसे काम करते हैं और अकेले स्कोर क्यों लेखकत्व साबित नहीं कर सकता

किसी निबंध, लेख या ईमेल को AI डिटेक्टर में पेस्ट करें, और कुछ सेकंड बाद यह “85% AI” जैसा परिणाम दे सकता है।

सटीक लगता है। लेकिन इसे गलत पढ़ना भी आसान हो सकता है।

डिटेक्टर ने यह नहीं देखा कि दस्तावेज़ कैसे लिखा गया था। इसने AI-जनरेटेड लेखन से जुड़े पैटर्न के लिए तैयार टेक्स्ट का विश्लेषण किया। टूल के आधार पर, वह 85% इस अनुमानित संभावना का प्रतिनिधित्व कर सकता है कि AI ने दस्तावेज़ तैयार किया है या टेक्स्ट के उस हिस्से का जिसे डिटेक्टर ने चिन्हित किया है।

यह एक सिग्नल के रूप में AI डिटेक्टर को उपयोगी बनाता है, खासकर जब किसी चीज़ को करीब से देखने की आवश्यकता होती है। लेकिन इस बात पर निष्कर्ष निकालने से पहले कि किसने टेक्स्ट लिखा या इसे कैसे बनाया गया, स्कोर को अभी भी संदर्भ और सहायक साक्ष्यों की आवश्यकता है। यह समझना कि डिटेक्टर अपने स्कोर कैसे बनाते हैं, यह समझाने में मदद करता है कि वे क्या पकड़ सकते हैं और क्यों वे कभी-कभी गलत हो जाते हैं।

AI डिटेक्टर क्या है?

एक AI लेखन डिटेक्टर तैयार पाठ के एक टुकड़े को देखता है और अनुमान लगाता है कि क्या यह भाषा मॉडल द्वारा उत्पादित लेखन से मिलता जुलता है। एक उपयोगकर्ता आमतौर पर टेक्स्ट को पेस्ट करता है या दस्तावेज़ अपलोड करता है। सेकंड के भीतर, टूल एक लेबल, प्रतिशत, हाइलाइट किए गए गद्य खंड या तीनों को वापस कर सकता है।

• शिक्षक और शैक्षणिक संस्थान छात्र के काम की समीक्षा करते समय इनका उपयोग करते हैं।
• प्रकाशक और कंटेंट टीमें सबमिट किए गए या कमीशन किए गए लेखन की जाँच करने के लिए इनका उपयोग कर सकती हैं, जबकि कुछ डिटेक्टर कंपनियाँ आवेदन सामग्री की समीक्षा करने वाली काम पर रखने वाली टीमों के लिए संस्करणों का विपणन करती हैं।
• लेखक भी कभी-कभी यह समझने के लिए अपने काम की जाँच करते हैं कि कोई शिक्षक, संपादक, ग्राहक या प्लेटफ़ॉर्म इसे कैसे वर्गीकृत कर सकता है।

नोट: साहित्यिक चोरी (प्लagiarism) जांचकर्ता एक संबंधित लेकिन अलग उद्देश्य पूरा करते हैं। वे मेल खाने वाली भाषा खोजने के लिए किसी दस्तावेज़ की तुलना प्रकाशित सामग्री और अन्य स्रोतों से करते हैं। AI डिटेक्टर सबमिट किए गए लेखन में पैटर्न का आकलन करते हैं। इसलिए पूरी तरह से मूल गद्य खंड को AI चिह्न मिल सकता है, जबकि कॉपी किए गए मानव लेखन में AI जनरेशन का कोई मजबूत संकेत नहीं हो सकता है।

AI डिटेक्टर टेक्स्ट का विश्लेषण कैसे करते हैं

कई AI डिटेक्टर एक क्लासिफायर पर भरोसा करते हैं, जो मानव और AI-जनरेटेड लेखन के उदाहरणों पर प्रशिक्षित एक मशीन लर्निंग मॉडल है। जैसे-जैसे यह दोनों की तुलना करता है, यह सीखता है कि प्रत्येक में कौन से पैटर्न दिखाई देते हैं, जिसमें शब्द चयन और वाक्य संरचना के पैटर्न शामिल हैं। फिर यह नए टेक्स्ट में उन पैटर्न की तलाश करता है और एक भविष्यवाणी तैयार करता है।

डिटेक्टर क्या सीखता है यह इस बात पर निर्भर करता है कि वह प्रशिक्षण के दौरान क्या देखता है। लेखन की सीमित श्रेणी पर प्रशिक्षित टूल किसी नए विषय, अपरिचित शैली या ऐसे AI मॉडल के आउटपुट के साथ संघर्ष कर सकता है जिसका उसने पहले सामना नहीं किया हो। विभिन्न प्रकार के टेक्स्ट और AI मॉडल पर किए गए शोध से पता चला है कि ऐसी परिस्थितियों में डिटेक्टर का प्रदर्शन गिर सकता है।

कुछ तरीके अलग दृष्टिकोण अपनाते हैं। एक अलग क्लासिफायर को प्रशिक्षित करने के बजाय, वे यह न्याय करने के लिए कि यह किसी गद्य खंड को तैयार करने की कितनी संभावना रखता है, भाषा मॉडल के अपने संभावना अनुमानों का उपयोग करते हैं।

• उदाहरण के लिए, DetectGPT, AI जनरेशन से जुड़े पैटर्न की तलाश के लिए मूल टेक्स्ट की तुलना थोड़े बदले हुए संस्करणों से करता है। इसके शोध में इसे “ज़ीरो-शॉट” (zero-shot) विधि के रूप में वर्णित किया गया है क्योंकि इसके लिए अलग से प्रशिक्षित डिटेक्टर की आवश्यकता नहीं होती है। परिणाम में कुल स्कोर, हाइलाइट किए गए वाक्य या दोनों शामिल हो सकते हैं।
• GPTZero का कहना है कि इसके हाइलाइट्स दिखाते हैं कि किन वाक्यों का इसकी समग्र भविष्यवाणी पर सबसे अधिक प्रभाव पड़ता है। चूँकि यह व्यापक दस्तावेज़ का भी मूल्यांकन करता है, इसलिए अपने आप में स्कैन किया गया कोई गद्य खंड लंबे लेख के हिस्से के रूप में दिखाई देने पर समान परिणाम प्राप्त नहीं कर सकता है।

प्रत्येक परिणाम टेक्स्ट और इसका मूल्यांकन करने वाले सिस्टम दोनों को दर्शाता है, यही कारण है कि अलग-अलग डिटेक्टर समान गद्य खंड के बारे में अलग-अलग निष्कर्ष पर पहुँच सकते हैं।

बड़ा करें

परप्लेक्सिटी और बर्स्टिग्नेस क्या मापते हैं

AI डिटेक्शन की व्याख्याओं में परप्लेक्सिटी और बर्स्टिग्नेस अक्सर सामने आते हैं। वे लेखन के एक टुकड़े में उपयोगी पैटर्न का खुलासा कर सकते हैं, लेकिन न तो यह लेखन के किसी एकल, अद्वितीय AI तरीके की ओर इशारा करता है।

एक संभावित भ्रामक विवरण: परप्लेक्सिटी यहाँ दोहरा काम कर रही है। छोटे अक्षरों में, यह एक सांख्यिकीय माप है। बड़े P के साथ, यह हम हैं।

परप्लेक्सिटी मापती है कि टेक्स्ट कितना अनुमान लगाने योग्य है

भाषा मॉडल संभावित अगले टोकन को संभावनाएँ निर्दिष्ट करके टेक्स्ट जनरेट करते हैं, जो पूरे शब्द या शब्दों के भाग हो सकते हैं। परप्लेक्सिटी मापती है कि कोई मॉडल किसी गद्य खंड में टोकन की कितनी अच्छी तरह भविष्यवाणी कर सकता है।

• निम्न परप्लेक्सिटी: टेक्स्ट उन पैटर्न का पालन करता है जिन्हें मॉडल परिचित पाता है।
• उच्च परप्लेक्सिटी: शब्दावली कम अपेक्षित होती है।

स्कोर मूल्यांकन करने वाले मॉडल और जिस तरह से टेक्स्ट को संसाधित किया जाता है, उसके लिए विशिष्ट होता है, इसलिए समान गद्य खंड को अलग-अलग सेटअप के तहत अलग-अलग परप्लेक्सिटी स्कोर मिल सकते हैं।

इस वाक्य को लें, “कृपया मुझे बताएं कि क्या आपके कोई प्रश्न हैं।” एक भाषा मॉडल ने संभवतः कई बार ऐसी शब्दावली का सामना किया है, जिससे प्रत्येक शब्द का अनुमान लगाना अपेक्षाकृत आसान हो जाता है। यह हमें वाक्य की परिचितता के बारे में कुछ बताता है। यह इस बारे में कोई निर्णायक बात नहीं कहता कि इसे किसने लिखा था।

बर्स्टिग्नेस मापता है कि वे पैटर्न कितने भिन्न हैं

AI डिटेक्शन की चर्चाओं में 'बर्स्टिग्नेस' (burstiness) शब्द का उपयोग अधिक ढीले ढंग से किया जाता है। यह आम तौर पर वर्णन करता है कि एक गद्य खंड में लिखावट कितनी बदलती है। इसमें वाक्य की लंबाई और संरचना में भिन्नता, या अत्यधिक अनुमान लगाने योग्य और अधिक आश्चर्यजनक भाषा के बीच बदलाव शामिल हो सकते हैं।

• निम्न बर्स्टिग्नेस: वाक्य अधिक सुसंगत लंबाई, संरचना या लय का पालन करते हैं।
• उच्च बर्स्टिग्नेस: लेखन छोटे बयानों, लंबी व्याख्याओं और कम अपेक्षित शब्दावली के बीच आगे-पीछे होता है।

कुछ AI-जनरेटेड टेक्स्ट सुसंगत और अनुमान लगाने योग्य होता है, यही कारण है कि बर्स्टिग्नेस डिटेक्शन से जुड़ गया। मानव लेखन में समान गुण हो सकते हैं, विशेष रूप से व्यावसायिक, शैक्षणिक और तकनीकी संदर्भों में। जब संकेत दिया जाता है या ऐसा करने के लिए संपादित किया जाता है तो AI मॉडल अधिक विविध भाषा भी तैयार कर सकते हैं।

GPTZero का कहना है कि परप्लेक्सिटी और बर्स्टिग्नेस इसके डिटेक्टर के एक पुराने संस्करण द्वारा उपयोग की जाने वाली कई विशेषताओं में से दो थीं।

ये उपाय क्या दर्शाते हैं: परप्लेक्सिटी और बर्स्टिग्नेस एक गद्य खंड में पैटर्न का वर्णन करते हैं। वे पैटर्न यह समझाने में मदद कर सकते हैं कि टेक्स्ट को क्यों चिन्हित किया गया था, लेकिन वे यह स्थापित नहीं कर सकते कि इसे किसने लिखा था।

AI डिटेक्टर के स्कोर का क्या अर्थ है

“80% AI” परिणाम सीधा-साधा लगता है। इसका अर्थ डिटेक्टर पर निर्भर करता है।

GPTZero प्रतिशत को अपने मॉडल की अनुमानित संभावना के रूप में वर्णित करता है कि AI या किसी इंसान ने दस्तावेज़ लिखा है। Turnitin यह दिखाने के लिए प्रतिशत का उपयोग करता है कि इसके मॉडल का कितना योग्य गद्य संभावित रूप से AI-जनरेटेड के रूप में चिन्हित किया गया है या कुछ AI टूल के साथ संशोधित किया गया है।

इसलिए समान “80% AI” लेबल का अर्थ यह हो सकता है:

• डिटेक्टर इस बात की 80% संभावना का अनुमान लगाता है कि AI ने दस्तावेज़ जनरेट किया है।
• डिटेक्टर ने इसके द्वारा मूल्यांकन की गई गद्य सामग्री (prose) के 80% हिस्से को चिन्हित किया है।

वे अलग-अलग निष्कर्ष हैं। एक पूरे रूप में दस्तावेज़ के बारे में भविष्यवाणी करता है। दूसरा यह पहचानता है कि टेक्स्ट का कितना हिस्सा डिटेक्टर के मानदंडों से मेल खाता है।

संभावना स्कोर को एक अन्य जाँच की आवश्यकता होती है: कैलिब्रेशन। यदि कोई डिटेक्टर 100 दस्तावेजों को लगभग 80% की AI संभावना देता है, तो स्कोर के अच्छी तरह से कैलिब्रेट होने के लिए उनमें से लगभग 80 वास्तव में AI-जनरेटेड होने चाहिए। ज्ञात मूल वाले उदाहरणों के विरुद्ध मॉडल का परीक्षण करना यह दर्शाता है कि इसकी संभावनाएँ वास्तविक परिणामों से कितनी करीब से मेल खाती हैं।

इसका अर्थ या विश्वसनीयता स्पष्ट होने से पहले प्रतिशत सटीक लग सकता है। लेबल, स्कोरिंग विधि और डिटेक्टर का प्रदर्शन सभी यह निर्धारित करते हैं कि संख्या किस बात का समर्थन कर सकती है।

बड़ा करें

कटऑफ़ निर्धारित करता है कि क्या चिन्हित किया जाता है

एक डिटेक्टर को अभी भी यह तय करना है कि कार्रवाई करने के लिए स्कोर कब पर्याप्त रूप से उच्च है। उस विभाजक रेखा को कटऑफ़ या थ्रेशोल्ड कहा जाता है।

मान लीजिए कि कोई टूल 0 से 100 तक टेक्स्ट को स्कोर करता है और 70 से ऊपर की किसी भी चीज़ को चिन्हित करता है। कटऑफ़ को 60 पर ले जाने से चिन्हित किए जाने वाले दस्तावेजों की संख्या बढ़ने के साथ-साथ प्रत्येक स्कोर अपरिवर्तित रहेगा।

• एक निचला कटऑफ़ आम तौर पर अधिक AI-जनरेटेड लेखन का पता लगाता है लेकिन मानव लेखन को भी अधिक गलत तरीके से चिन्हित करता है।
• एक उच्च कटऑफ़ गलत चिह्नों को कम करता है, जबकि अधिक AI-जनरेटेड लेखन को बिना पता चले जाने की अनुमति देता है। यह ट्रेडऑफ़ व्यापक रूप से वर्गीकरण प्रणालियों पर लागू होता है।

दो संभावित गलतियों के अलग-अलग नाम हैं।

• एक फ़ॉल्स पॉज़िटिव तब होता है जब मानव लेखन को AI-जनरेटेड के रूप में चिन्हित किया जाता है।
• एक फ़ॉल्स नेगेटिव तब होता है जब AI-जनरेटेड लेखन का पता नहीं चल पाता है।

डिटेक्टर जहाँ रेखा खींचता है वह इस बात को दर्शाता है कि यह किस त्रुटि से बचने के लिए डिज़ाइन किया गया है। जब किसी चिह्न से किसी ग्रेड, नौकरी या किसी की विश्वसनीयता पर असर पड़ सकता है, तो उस विकल्प का अधिक वजन होता है।

2% त्रुटि दर लगभग 30% गलत चिह्न कैसे उत्पन्न कर सकती है

2% फ़ॉल्स-पॉज़िटिव दर का प्रभाव इस बात पर निर्भर करता है कि डिटेक्टर कितने मानव-लिखित लेखन की समीक्षा करता है।

1,000 लेखों के एक काल्पनिक सेट पर विचार करें:

• 50 AI-जनरेटेड हैं।
• 950 मानव-लिखित हैं।
• डिटेक्टर AI-जनरेटेड लेखों में से 90% को पकड़ लेता है।
• यह मानव-लिखित लेखों में से 2% को गलत तरीके से चिन्हित करता है।

यहाँ बताया गया है कि क्या होता है:

डिटेक्टर कुल 64 लेखों को चिन्हित करता है। उनमें से उन्नीस इंसानों द्वारा लिखे गए हैं, इसलिए इसके चिन्हित किए गए लेखों में से लगभग 30% गलत हैं।

2% और 30% के आंकड़े अलग-अलग चीजों को मापते हैं। डिटेक्टर सभी इंसानों द्वारा लिखे गए लेखों में से 2% को गलत तरीके से चिन्हित करता है। इसके बाद वे गलतियाँ इसके द्वारा चिन्हित किए गए सभी लेखों का लगभग 30% हिस्सा बनाती हैं।

संख्याएँ इस तरह से जुड़ती हैं क्योंकि डिटेक्टर ने AI-जनरेटेड लेखों की तुलना में कहीं अधिक मानव-लिखित लेखों की समीक्षा की। जब यह बहुत बड़े समूह पर लागू होता है तो एक छोटी त्रुटि दर भी गलत चिह्नों की एक सार्थक संख्या उत्पन्न कर सकती है।

शब्द बेस रेट वर्णन करता है कि जाँच की जा रही सामग्री में AI-जनरेटेड लेखन कितना आम है। जैसे-जैसे वह हिस्सा बदलता है, सकारात्मक परिणाम का अर्थ भी बदल जाता है। यदि डिटेक्टर की सही-सकारात्मक और गलत-सकारात्मक दरें समान रहती हैं, तो एक चिह्न आम तौर पर तब अधिक विश्वसनीय होगा जब संग्रह में AI-जनरेटेड लेखन आम हो और जब यह दुर्लभ हो तो कम विश्वसनीय होगा।

ये संख्याएँ काल्पनिक हैं और किसी विशेष डिटेक्टर का वर्णन नहीं करती हैं। वास्तविक समीक्षा में, AI-जनरेटेड लेखन का हिस्सा आमतौर पर अज्ञात होता है। वह अनिश्चितता किसी चिह्न को इस बात के प्रमाण के रूप में मानने के बजाय करीब से देखने का कारण मानने का एक और कारण है कि कोई दस्तावेज़ कैसे लिखा गया था।

सटीकता इस बात पर निर्भर करती है कि किस पर डिटेक्टर का परीक्षण किया गया था

सटीकता दर विशेष परिस्थितियों के एक सेट के तहत प्रदर्शन का वर्णन करती है। उस दर को लेखन के किसी अन्य टुकड़े पर लागू करने से पहले, जाँच करें:

• डिटेक्टर संस्करण
• टेक्स्ट की लंबाई, भाषा, विषय और प्रारूप
• परीक्षण सामग्री उत्पन्न करने के लिए उपयोग किया जाने वाला AI मॉडल और सेटिंग्स
• क्या टेक्स्ट को संपादित किया गया था या जानबूझकर संशोधित किया गया था
• मानव-लिखित नमूनों में प्रतिनिधित्व करने वाले लेखक

टूल के समर्थित इनपुट से शुरुआत करें

उदाहरण के लिए, Turnitin को कम से कम 300 शब्दों के लंबे गद्य की आवश्यकता होती है। यह कहता है कि इसका मॉडल AI-जनरेटेड कविता, स्क्रिप्ट, कोड या अन्य गैर-गद्य प्रारूपों का मज़बूती से पता नहीं लगाता है। इसलिए निबंधों पर मजबूत प्रदर्शन हमें इसके बारे में बहुत कम बताता है कि समान डिटेक्टर किसी कविता या छोटे ईमेल को कैसे संभालेगा।

परीक्षण की तुलना वास्तविक दुनिया के लेखन से करें

2024 में, शोधकर्ताओं ने RAID का उपयोग करके 12 डिटेक्टरों का परीक्षण किया, जो 11 मॉडल और आठ विषय क्षेत्रों में 6 मिलियन से अधिक AI-जनरेटेड गद्य खंडों वाला एक बेंचमार्क है। जब डिटेक्टरों को अपरिचित मॉडल, अलग-अलग जनरेशन सेटिंग्स, या जानबूझकर संशोधित किए गए टेक्स्ट का सामना करना पड़ा, तो प्रदर्शन गिर गया।

RAID का उपयोग करने वाली एक 2025 की चुनौती ने अधिक परिचित परिस्थितियों में बेहतर परिणाम दिए। कई प्रतिभागियों ने 5% फ़ॉल्स-पॉज़िटिव दर को बनाए रखते हुए 99% से अधिक मशीन-जनरेटेड टेक्स्ट का पता लगाया। परीक्षण में उपयोग किए जाने वाले विषय क्षेत्र और AI मॉडल भी प्रशिक्षण डेटा में शामिल थे।

परिणामों से पता चलता है कि डिटेक्टर विभिन्न प्रकार की सामग्री पर अच्छा प्रदर्शन कर सकते हैं जिसे पहचानने के लिए उन्हें प्रशिक्षित किया गया था, जबकि अपरिचित सामग्री का आकलन करना कठिन रहता है।

देखें कि किसका प्रतिनिधित्व किया गया था

एक 2023 के अध्ययन में, सात डिटेक्टरों ने गैर-मूल अंग्रेजी वक्ताओं द्वारा लिखे गए 91 TOEFL निबंधों में से औसतन 61.3% को गलती से AI-जनरेटेड के रूप में वर्गीकृत किया। वह परिणाम उस समय परीक्षण किए गए टूल और नमूनों पर लागू होता है। यह यह भी दर्शाता है कि क्यों कुल सटीकता दर हर लेखक समूह के लिए प्रदर्शन का समान रूप से वर्णन नहीं कर सकती है।

सटीकता के दावे को कैसे पढ़ें: सबमिट किया गया टेक्स्ट परीक्षण में उपयोग की जाने वाली सामग्री के जितना करीब होगा, रिपोर्ट किया गया परिणाम उतना ही प्रासंगिक हो जाएगा।

अंतिम दस्तावेज़ केवल इस बात का हिस्सा दिखाता है कि इसे कैसे लिखा गया था

लेखन प्रक्रिया में AI कई भूमिकाएँ निभा सकता है। कोई व्यक्ति किसी विषय पर शोध करने, नोट्स व्यवस्थित करने, गद्य खंड का अनुवाद करने, किसी वाक्य को बेहतर बनाने या पहला ड्राफ्ट तैयार करने के लिए इसका उपयोग कर सकता है।

वे वर्कफ़्लो बहुत अलग दस्तावेजों की ओर ले जा सकते हैं। एक लेखक अनुसंधान के लिए AI का उपयोग कर सकता है और प्रत्येक वाक्य को स्वतंत्र रूप से तैयार कर सकता है। दूसरा लेखक AI-जनरेटेड ड्राफ्ट को काफी हद तक फिर से लिख सकता है। तीसरा लेखक अन्यथा मानव-लिखित लेख में एक जनरेटेड पैराग्राफ जोड़ सकता है।

एक टेक्स्ट डिटेक्टर उन शब्दों को देखता है जो सबमिट किए गए थे। इसकी उन संकेतों, संपादनों या निर्णयों तक कोई पहुँच नहीं है जो उनसे पहले आए थे। इसका स्कोर पूरी लेखन प्रक्रिया का पुनर्निर्माण नहीं कर सकता है या यह निर्धारित नहीं कर सकता है कि लेखक ने किसी विशेष नीति का पालन किया है या नहीं। उदाहरण के लिए,

• कोई स्कूल छात्रों से खुद असाइनमेंट लिखने की मांग करते हुए विचार-मंथन की अनुमति दे सकता है।
• प्रकटीकरण किए जाने पर कोई प्रकाशक AI-सहायता प्राप्त संपादन की अनुमति दे सकता है।
• किसी कार्यस्थल को तथ्यात्मक सटीकता, गोपनीयता, या स्रोत विशेषता की अधिक परवाह हो सकती है, बजाय इस बात के कि क्या AI ने शब्दावली में योगदान दिया है।

उन नियमों को लागू करने में तैयार टेक्स्ट के साथ-साथ प्रक्रिया के बारे में भी साक्ष्य की आवश्यकता होती है। ड्राफ्ट का इतिहास, शोध नोट्स और लेखक का स्पष्टीकरण ऐसा संदर्भ प्रदान कर सकता है जो डिटेक्टर नहीं दे सकता। Turnitin स्पष्ट रूप से शिक्षकों को छात्र के खिलाफ प्रतिकूल कार्रवाई के एकमात्र आधार के रूप में अपने AI-लेखन स्कोर का उपयोग करने के खिलाफ सलाह देता है।

एक डिटेक्टर ऐसी भाषा की पहचान कर सकता है जो उन पैटर्न से मिलती जुलती है जिन्हें यह AI के साथ जोड़ता है। यह तय करने के लिए कि क्या हुआ, और क्या इसकी अनुमति थी, व्यापक समीक्षा की आवश्यकता होती है।

वॉटरमार्क एक अलग प्रकार का सिग्नल जोड़ते हैं

कुछ AI सिस्टम टेक्स्ट जनरेट करते समय एक पता लगाने योग्य पैटर्न जोड़ सकते हैं। इस प्रक्रिया को वॉटरमार्किंग कहा जाता है।

टेक्स्ट वॉटरमार्क कैसे काम करता है

Google DeepMind का SynthID एक उदाहरण प्रदान करता है:

1. सिस्टम टोकन संभावनाओं को समायोजित करता है। यह इस संभावना को थोड़ा बदल देता है कि मॉडल कुछ शब्दों या शब्दों के भागों का चयन करेगा।
2. वे विकल्प एक पैटर्न बनाते हैं। वॉटरमार्क को पाठक की नज़र से अदृश्य रहने के लिए डिज़ाइन किया गया है।
3. एक संगत डिटेक्टर इसकी जाँच करता है। डिटेक्टर अपेक्षित सांख्यिकीय संकेत के लिए टेक्स्ट का विश्लेषण करता है।

चूँकि पैटर्न जनरेशन के दौरान जोड़ा जाता है, यह उस सिस्टम से जुड़ी जानकारी प्रदान कर सकता है जिसने टेक्स्ट तैयार किया है।

वॉटरमार्क डिटेक्शन को क्या सीमित करता है

• जनरेटर को इसे जोड़ना होगा। AI सिस्टम को वॉटरमार्क का समर्थन करने और उसे लागू करने की आवश्यकता है। वॉटरमार्क की अनुपस्थिति यह स्थापित नहीं करती है कि किसी व्यक्ति ने टेक्स्ट लिखा है।
• पैटर्न का पर्याप्त हिस्सा शेष रहना चाहिए। Google रिपोर्ट करता है कि SynthID कुछ क्रॉपिंग, शब्द परिवर्तनों और हल्के पैराफ्रेजिंग का सामना कर सकता है। व्यापक रूप से फिर से लिखना या अनुवाद करना इसके विश्वास को कम कर सकता है।

जब कोई संगत सिस्टम टेक्स्ट जनरेट करता है और सिग्नल का पर्याप्त हिस्सा रहता है तो वॉटरमार्क साक्ष्य को मजबूत कर सकते हैं। वे AI-जनरेटेड लेखन के प्रत्येक टुकड़े की पहचान नहीं कर सकते हैं।

अन्य रिकॉर्ड स्थिति की अधिक स्पष्ट तस्वीर प्रस्तुत कर सकते हैं

• ड्राफ्ट इतिहास दिखाता है कि समय के साथ दस्तावेज़ कैसे बदला।
• शोध नोट्स इसके दावों को स्रोतों से जोड़ती हैं।
• प्रकट की गई AI इंटरैक्शन दिखाती हैं कि किसी टूल ने कहाँ योगदान दिया।

ये रिकॉर्ड अकेले पैटर्न-आधारित स्कोर की तुलना में लेखन प्रक्रिया के बारे में अधिक प्रत्यक्ष संदर्भ प्रदान करते हैं।

किसी चिह्न को समीक्षा की शुरुआत के रूप में मानें

डिटेक्टर का परिणाम तब अधिक उपयोगी हो जाता है जब इसकी एक निश्चित भूमिका होती है। किसी चिह्न (flag) पर कार्रवाई करने से पहले, समीक्षकों को यह समझना चाहिए कि टूल ने क्या मापा, यह पुष्टि करनी चाहिए कि टेक्स्ट इसकी सीमा के अंतर्गत आता है, और उपलब्ध अन्य साक्ष्यों की जांच करनी चाहिए।

पाँच जाँचें मदद कर सकती हैं:

1. स्कोर की परिभाषा पढ़ें। निर्धारित करें कि प्रतिशत दस्तावेज़-स्तरीय संभावना का प्रतिनिधित्व करता है या चिन्हित किए गए टेक्स्ट के हिस्से का।
2. टूल की सीमा की जाँच करें। पुष्टि करें कि दस्तावेज़ की भाषा, लंबाई और प्रारूप डिटेक्टर द्वारा समर्थित चीज़ों से मेल खाते हैं।
3. साक्ष्यों की समीक्षा करें। ड्राफ्ट, स्रोत नोट्स और लेखक के स्पष्टीकरण के साथ हाइलाइट किए गए गद्य खंडों की जाँच करें।
4. प्रासंगिक नीति लागू करें। पहचानें कि AI के किन उपयोगों की अनुमति है और कौन सा साक्ष्य उल्लंघन प्रदर्शित करेगा।
5. काम का स्वयं आकलन करें। तथ्यात्मक सटीकता, स्रोत विशेषता, मौलिकता और गुणवत्ता की अपने दम पर समीक्षा करें।

दांव इस बात को तय करते हैं कि समीक्षा की गहराई कितनी होनी चाहिए। एक संपादक किसी ऐसे लेख का निर्णय लेने के लिए चिह्न (flag) का उपयोग कर सकता है जिसे दोबारा देखने की आवश्यकता है। किसी ग्रेड, नौकरी या प्रकाशन समझौते को प्रभावित करने वाले निर्णय के लिए पुख्ता सबूत और लेखक को अपनी प्रक्रिया समझाने का अवसर दिए जाने की आवश्यकता होती है।

एक AI डिटेक्टर एक जटिल निर्णय को स्कोर में संकुचित करता है। उस स्कोर की व्याख्या करने के लिए ऐसी जानकारी की आवश्यकता होती है जो संख्या में नहीं होती है: टूल ने क्या मापा, इसने किस थ्रेशोल्ड का उपयोग किया, इसने तुलनीय लेखन पर कैसा प्रदर्शन किया, और समीक्षा की जा रही सामग्री में AI-जनरेटेड टेक्स्ट कितना आम है। स्कोर ध्यान निर्देशित कर सकता है। एक डिटेक्टर स्कोर उस समीक्षा में योगदान दे सकता है, लेकिन लेखकत्व के बारे में किसी भी निष्कर्ष के लिए लेखन प्रक्रिया के बारे में साक्ष्य की भी आवश्यकता होती है।

अक्सर पूछे जाने वाले प्रश्न

क्या AI डिटेक्टर गलत हो सकते हैं?

हाँ। फ़ॉल्स पॉज़िटिव (false positive) तब होता है जब कोई डिटेक्टर इंसानी लिखावट को AI-जनरेटेड के रूप में चिन्हित कर देता है। फ़ॉल्स नेगेटिव (false negative) तब होता है जब AI-जनरेटेड लिखावट का पता नहीं चल पाता है। प्रत्येक त्रुटि की आवृत्ति डिटेक्टर, उसके थ्रेशोल्ड और इस बात पर निर्भर करती है कि सबमिट किया गया टेक्स्ट इसका परीक्षण करने के लिए उपयोग की जाने वाली सामग्री से कितना मिलता-जुलता है।

AI डिटेक्टर कितने सटीक होते हैं?

AI डिटेक्टरों के लिए कोई एक निश्चित सटीकता दर नहीं है। प्रदर्शन भाषा, लंबाई, विषय, लेखन शैली, जनरेटिंग मॉडल और संपादन की मात्रा के साथ बदल सकता है। सटीकता का दावा तब सबसे अधिक उपयोगी होता है जब परीक्षण की स्थिति समीक्षा किए जा रहे लेखन से मिलती जुलती हो और परिणाम सफल डिटेक्शन के साथ-साथ फ़ॉल्स पॉज़िटिव की भी रिपोर्ट करता हो।

AI-डिटेक्शन प्रतिशत का क्या अर्थ है?

परिभाषा टूल पर निर्भर करती है। यह इस अनुमानित संभावना का प्रतिनिधित्व कर सकता है कि कोई दस्तावेज़ AI-जनरेटेड है, योग्य टेक्स्ट का प्रतिशत जिसे चिन्हित किया गया है, या परिणाम में विश्वास का एक रूप। डिटेक्टर के दस्तावेज़ को यह स्पष्ट करना चाहिए कि यह किस माप की रिपोर्ट करता है।

क्या कोई AI डिटेक्टर यह साबित कर सकता है कि किसी ने AI का इस्तेमाल किया था?

अकेले डिटेक्टर का स्कोर यह साबित नहीं कर सकता कि कोई दस्तावेज़ कैसे बनाया गया था। यह इसके पीछे के संकेतों, ड्राफ्ट, संपादन या शोध को देखे बिना सबमिट किए गए टेक्स्ट का विश्लेषण करता है। एक विश्वसनीय समीक्षा प्रक्रिया के साक्ष्य और स्वीकार्य AI उपयोग को नियंत्रित करने वाले नियमों के साथ-साथ स्कोर पर भी विचार करती है।

मानव लेखन को कभी-कभी AI के रूप में क्यों चिन्हित किया जाता है?

मानव और AI-जनरेटेड लेखन समान सांख्यिकीय पैटर्न साझा कर सकते हैं। फॉर्मूला आधारित भाषा, अनुमान लगाने योग्य वाक्यांश, सीमित शब्दावली, या ऐसी शैली जो डिटेक्टर के प्रशिक्षण डेटा से भिन्न हो, फ़ॉल्स पॉज़िटिव में योगदान दे सकती है। शोध से यह भी पता चला है कि 2023 में परीक्षण किए गए कुछ डिटेक्टरों ने गैर-मूल अंग्रेजी वक्ताओं द्वारा लिखे गए निबंधों को असमान रूप से चिन्हित किया।