AI கண்டறிதல் கருவிகள் எவ்வாறு வேலை செய்கின்றன மற்றும் ஒரு மதிப்பெண் மட்டுமே authorship ஐ ஏன் நிரூபிக்க முடியாது

AI கண்டறிபவரில் ஒரு கட்டுரை, ஆய்வுக் கட்டுரை அல்லது மின்னஞ்சலை ஒட்டவும், சில வினாடிகளுக்குப் பிறகு அது “85% AI” போன்ற ஒரு முடிவைத் தரலாம்.

துல்லியமாகத் தெரிகிறது. ஆனால் அதைப் புரிந்துகொள்வதும் எளிதானது.

கண்டறிதல் கருவி ஆவணம் எவ்வாறு எழுதப்பட்டது என்பதைக் கவனிக்கவில்லை. இது AI-உருவாக்கப்பட்ட எழுத்துடன் தொடர்புடைய வடிவங்களுக்காக முடிக்கப்பட்ட உரையைப் பகுப்பாய்வு செய்தது. கருவியைப் பொறுத்து, அந்த 85% என்பது AI ஆவணத்தை உருவாக்கியதற்கான மதிப்பிடப்பட்ட நிகழt்தகவைக் குறிக்கலாம் அல்லது கண்டறிதல் கருவி கொடியிட்ட உரையின் பங்கைக் குறிக்கலாம்.

இது ஒரு AI கண்டறிதல் கருவியை ஒரு சமிக்ஞையாகப் பயனுள்ளதாக ஆக்குகிறது, குறிப்பாக எதற்காவது நெருக்கமான பார்வை தேவைப்படும் போது. ஆனால் யாரோ உரையை எழுதினார்களா அல்லது அதை எவ்வாறு உருவாக்கினார்கள் என்பது குறித்து முடிவுக்கு வருவதற்கு முன்பு மதிப்பெண்ணுக்கு இன்னும் சூழல் மற்றும் ஆதரவான சான்றுகள் தேவைப்படுகின்றன. கண்டறிதல் கருவிகள் எவ்வாறு தங்கள் மதிப்பெண்களை உருவாக்குகின்றன என்பதைப் புரிந்துகொள்வது அவை எதைப் பிடிக்க முடியும் என்பதையும் ஏன் சில சமயங்களில் அவை தவறு செய்கின்றன என்பதையும் விளக்க உதவுகிறது.

AI கண்டறிதல் கருவி என்றால் என்ன?

ஒரு AI எழுதுதல் கண்டறிதல் கருவி முடிக்கப்பட்ட உரைப் பகுதியைப் பார்த்து, அது மொழி மாதிரியால் உருவாக்கப்பட்ட எழுத்தை ஒத்திருக்கிறதா என்பதை மதிப்பிடுகிறது. பயனர் பொதுவாக உரையை ஒட்டுகிறார் அல்லது ஆவணத்தைப் பதிவேற்றுகிறார். சில வினாடிகளுக்குள், கருவி ஒரு லேபிள், ஒரு சதவீதம், சிறப்பிக்கப்பட்ட பத்திகள் அல்லது மூன்றையும் திரும்பத் தரலாம்.

• மாணவர் பணிகளை மதிப்பாய்வு செய்யும் போது ஆசிரியர்கள் மற்றும் கல்வி நிறுவனங்கள் அவற்றைப் பயன்படுத்துகின்றன.
• வெளியீட்டாளர்கள் மற்றும் உள்ளடக்கக் குழுக்கள் சமர்ப்பிக்கப்பட்ட அல்லது ஆணையிடப்பட்ட எழுத்துக்களைத் திரையிட அவற்றைப் பயன்படுத்தலாம், அதே நேரத்தில் சில கண்டறிதல் நிறுவனங்கள் விண்ணப்பப் பொருட்களை மதிப்பாய்வு செய்யும் வேலைக்கு அமர்த்தும் குழுக்களுக்கான பதிப்புகளை சந்தைப்படுத்துகின்றன.
• ஒரு ஆசிரியர், ஆசிரியர், வாடிக்கையாளர் அல்லது தளம் அதை எவ்வாறு வகைப்படுத்தலாம் என்பதைப் புரிந்துகொள்ள எழுத்தாளர்களும் சில நேரங்களில் தங்கள் சொந்தப் பணியைச் சோதிக்கிறார்கள்.

குறிப்பு: பிளேஜியரிசம் சோதனைக் கருவிகள் தொடர்புடைய ஆனால் தனித்த நோக்கத்திற்குப் பயன்படுகின்றன. பொருந்தும் மொழியைக் கண்டறிய அவை ஒரு ஆவணத்தை வெளியிடப்பட்ட பொருள் மற்றும் பிற மூலங்களுடன் ஒப்பிடுகின்றன. AI கண்டறிதல் கருவிகள் சமர்ப்பிக்கப்பட்ட எழுத்தில் உள்ள வடிவங்களை மதிப்பிடுகின்றன. எனவே முற்றிலும் அசல் பத்தி ஒரு AI கொதியைப் பெறலாம், அதே நேரத்தில் நகலெடுக்கப்பட்ட மனித எழுத்து AI உருவாக்கம் பற்றிய வலுவான சமிக்ஞையைக் கொண்டிருக்காமல் இருக்கலாம்.

AI கண்டறிதல் கருவிகள் உரையை எவ்வாறு பகுப்பாய்வு செய்கின்றன

பல AI கண்டறிதல் கருவிகள் ஒரு கிளாசிஃபையரை நம்பியுள்ளன, இது மனித மற்றும் AI-உருவாக்கப்பட்ட எழுத்தின் எடுத்துக்காட்டுகளில் பயிற்றுவிக்கப்பட்ட இயந்திர கற்றல் மாதிரி ஆகும். இது இரண்டையும் ஒப்பிடும்போது, சொல் தேர்வு மற்றும் வாக்கிய அமைப்பு ஆகியவற்றில் உள்ள வடிவங்கள் உட்பட ஒவ்வொன்றிலும் எந்த வடிவங்கள் தோன்றும் என்பதை இது கற்றுக்கொள்கிறது. இது புதிய உரையில் அந்த வடிவங்களைத் தேடி ஒரு கணிப்பை உருவாக்குகிறது.

கண்டறிதல் கருவி என்ன கற்றுக்கொள்கிறது என்பது பயிற்சியின் போது அது எதைப் பார்க்கிறது என்பதைப் பொறுத்தது. வரையறுக்கப்பட்ட அளவிலான எழுத்துகளில் பயிற்றுவிக்கப்பட்ட ஒரு கருவி புதிய பாடம், பரிச்சயமில்லாத பாணி அல்லது முன்பு சந்திக்காத AI மாதிரியிலிருந்து வெளியீட்டுடன் போராடலாம். ஆராய்ச்சி பல்வேறு வகையான உரை மற்றும் AI மாதிரிகள் முழுவதும் அந்த நிலைமைகளின் கீழ் கண்டறிதல் செயல்திறன் குறையக்கூடும் என்று கண்டறிந்துள்ளது.

சில முறைகள் வேறுபட்ட அணுகுமுறையைக் கையாளுகின்றன. தனித்த கிளாசிஃபையரைப் பயிற்றுவிப்பதற்குப் பதிலாக, ஒரு பத்தியை உருவாக்குவதற்கான நிகழ்தகவு எவ்வளவு இருக்கும் என்பதைத் தீர்ப்பளிக்க அவை மொழி மாதிரியின் சொந்த நிகழ்தகவு மதிப்பீடுகளைப் பயன்படுத்துகின்றன.

• உதாரணமாக, DetectGPT, AI உருவாக்கம் தொடர்புடைய வடிவங்களைத் தேட அசல் உரையைச் சற்று மாற்றப்பட்ட பதிப்புகளுடன் ஒப்பிடுகிறது. இதன் ஆராய்ச்சி இதை “ஜீரோ-ஷாட்” முறை என்று விவரிக்கிறது, ஏனெனில் அதற்கு தனித்தனியாகப் பயிற்றுவிக்கப்பட்ட கண்டறிதல் கருவி தேவையில்லை. இதன் விளைவு ஒட்டுமொத்த மதிப்பெண், சிறப்பிக்கப்பட்ட வாக்கியங்கள் அல்லது இரண்டையும் உள்ளடக்கலாம்.
• GPTZero அதன் சிறப்பம்சங்கள் அதன் ஒட்டுமொத்த கணிப்பில் எந்த வாக்கியங்கள் அதிக செல்வாக்கைக் கொண்டுள்ளன என்பதைக் காட்டுகின்றன என்று கூறுகிறது. இது பரந்த ஆவணத்தையும் மதிப்பிடுவதால், தனித்தனியாக ஸ்கேன் செய்யப்படும் ஒரு பத்தி நீண்ட பகுதியின் ஒரு பகுதியாகத் தோன்றும் போது அதே முடிவைப் பெறாமல் போகலாம்.

ஒவ்வொரு முடிவும் உரை மற்றும் அதை மதிப்பிடும் அமைப்பு இரண்டையும் பிரதிபலிக்கிறது, அதனால்தான் வெவ்வேறு கண்டறிதல் கருவிகள் அதே பத்தியைப் பற்றி வெவ்வேறு முடிவுகளுக்கு வர முடியும்.

விரிவாக்கு

பெர்ப்ளெக்சிட்டி மற்றும் பர்ஸ்டினெஸ் எதை அளவிடுகின்றன

AI கண்டறிதல் விளக்கங்களில் பெர்ப்ளெக்சிட்டி மற்றும் பர்ஸ்டினெஸ் அடிக்கடி வருகின்றன. அவை எழுத்தில் பயனுள்ள வடிவங்களை வெளிப்படுத்தலாம், ஆனால் இரண்டும் தனித்துவமான AI எழுத்து முறையைக் குறிக்கவில்லை.

சாத்தியமான குழப்பமான விவரம் ஒன்று: பெர்ப்ளெக்சிட்டி இங்கே இரட்டைப் பணியைச் செய்கிறது. சிறிய எழுத்தில், இது ஒரு புள்ளியியல் அளவீடு. பெரிய P உடன், அது நாம்தான்.

உரை எவ்வளவு கணிக்கக்கூடியது என்பதை பெர்ப்ளெக்சிட்டி அளவிடுகிறது

மொழி மாதிரிகள் முழு சொற்களாகவோ அல்லது சொற்களின் பகுதிகளாகவோ இருக்கலாம், சாத்தியமான அடுத்த டோக்கன்களுக்கு நிகழ்தகவுகளை ஒதுக்குவதன் மூலம் உரையை உருவாக்குகின்றன. ஒரு பத்தியில் உள்ள டோக்கன்களை ஒரு மாதிரி எவ்வளவு நன்றாகக் கணிக்க முடியும் என்பதை பெர்ப்ளெக்சிட்டி அளவிடுகிறது.

• குறைந்த பெர்ப்ளெக்சிட்டி: உரை மாதிரி பரிச்சயமானதாகக் கண்டறியும் வடிவங்களைப் பின்பற்றுகிறது.
• அதிக பெர்ப்ளெக்சிட்டி: சொற்கள் குறைவாக எதிர்பார்க்கப்படுபவை.

மதிப்பெண் மதிப்பீட்டைச் செய்யும் மாதிரிக்கு குறிப்பிட்டது மற்றும் உரை செயலாக்கப்படும் முறை, எனவே அதே பத்தி வெவ்வேறு அமைப்புகளின் கீழ் வெவ்வேறு பெர்ப்ளெக்சிட்டி மதிப்பெண்களைப் பெறலாம்.

“உங்களுக்கு ஏதேனும் கேள்விகள் இருந்தால் எனக்குத் தெரியப்படுத்தவும்” என்ற வாக்கியத்தை எடுத்துக் கொள்ளுங்கள். ஒரு மொழி மாதிரி பல முறை ஒத்த சொற்களைச் சந்தித்திருக்கக்கூடும், இதனால் ஒவ்வொரு சொல்லையும் கணிப்பது ஒப்பீட்டளவில் எளிதானது. இது வாக்கியத்தின் பரிச்சயம் பற்றி நமக்கு ஏதோ சொல்கிறது. அதை எழுதியது யார் என்பது பற்றி இது உறுதியான எதையும் சொல்லவில்லை.

அந்த வடிவங்கள் எவ்வளவு மாறுபடுகின்றன என்பதை பர்ஸ்டினெஸ் அளவிடுகிறது

AI கண்டறிதல் விவாதங்களில் பர்ஸ்டினெஸ் மிகவும் தளர்வாகப் பயன்படுத்தப்படுகிறது. இது பொதுவாக ஒரு பத்தியில் எழுத்து எவ்வளவு மாறுகிறது என்பதை விவரிக்கிறது. இது வாக்கிய நீளம் மற்றும் அமைப்பில் மாறுபாடு அல்லது மிகவும் கணிக்கக்கூடிய மற்றும் மிகவும் ஆச்சரியமான மொழிக்கு இடையேயான மாற்றங்களை உள்ளடக்கியிருக்கலாம்.

• குறைந்த பர்ஸ்டினெஸ்: வாக்கியங்கள் மிகவும் நிலையான நீளம், அமைப்பு அல்லது ஓட்டத்தைப் பின்பற்றுகின்றன.
• அதிக பர்ஸ்டினெஸ்: உரை குறுகிய கூற்றுகள், நீண்ட விளக்கங்கள் மற்றும் குறைவாக எதிர்பார்க்கப்படும் சொற்களுக்கு இடையே நகர்கிறது.

சில AI-உருவாக்கப்பட்ட உரை நிலையானது மற்றும் கணிக்கக்கூடியது, அதனால்தான் பர்ஸ்டினெஸ் கண்டறிதலுடன் தொடர்புடையது. மனித எழுத்து அதே குணங்களைக் கொண்டிருக்கலாம், குறிப்பாக வணிக, கல்வி மற்றும் தொழில்நுட்ப சூழல்களில். AI மாதிரிகள் கேட்கப்படும் போது அல்லது அவ்வாறு செய்ய திருத்தப்படும் போது மிகவும் மாறுபட்ட மொழியையும் உருவாக்கலாம்.

பெர்ப்ளெக்சிட்டி மற்றும் பர்ஸ்டினெஸ் ஆகியவை அதன் கண்டறிதல் கருவியின் முந்தைய பதிப்பால் பயன்படுத்தப்பட்ட பல அம்சங்களில் இரண்டு என்று GPTZero கூறுகிறது.

இந்த அளவீடுகள் எதைக் காட்டுகின்றன: பெர்ப்ளெக்சிட்டி மற்றும் பர்ஸ்டினெஸ் ஒரு பத்தியில் உள்ள வடிவங்களை விவரிக்கின்றன. அந்த வடிவங்கள் உரை ஏன் கொடியிடப்பட்டது என்பதை விளக்க உதவலாம், ஆனால் அதை எழுதியது யார் என்பதை அவற்றால் நிறுவ முடியாது.

AI கண்டறிதல் கருவியின் மதிப்பெண் எதைக் குறிக்கிறது

“80% AI” முடிவு நேராகத் தெரிகிறது. இதன் பொருள் கண்டறிதல் கருவியைப் பொறுத்தது.

GPTZero சதவீதத்தை AI அல்லது ஒரு மனிதன் ஆவணத்தை எழுதியதற்கான மாதிரியின் மதிப்பிடப்பட்ட நிகழ்தகவு என்று விவரிக்கிறது. Turnitin அதன் மாதிரி தகுதிபெறும் உரைநடையின் எவ்வளவு பகுதியை சாத்தியமான AI-உருவாக்கப்பட்டதாக அல்லது சில AI கருவிகளுடன் மாற்றியமைக்கப்பட்டதாகக் கொடியிடுகிறது என்பதைக் காட்ட சதவீதத்தைப் பயன்படுத்துகிறது.

எனவே அதே “85% AI” லேபிள் இதன் பொருள்படலாம்:

• ஆவணத்தை AI உருவாக்கியதற்கான 80% வாய்ப்பை கண்டறிதல் கருவி மதிப்பிடுகிறது.
• கண்டறிதல் கருவி அது மதிப்பிட்ட உரைநடையின் 80% ஐக் கொடியிட்டுள்ளது.

அவை வெவ்வேறு கண்டுபிடிப்புகள். ஒன்று ஆவணத்தைப் பற்றிய ஒட்டுமொத்த கணிப்பை உருவாக்குகிறது. மற்றொன்று உரையின் எவ்வளவு பகுதி கண்டறிதல் கருவியின் அளவுகோல்களுடன் பொருந்துகிறது என்பதை அடையாளம் காட்டுகிறது.

நிகழ்தகவு மதிப்பெண்களுக்கு மற்றொரு சோதனை தேவைப்படுகிறது: காலிபிரேஷன். ஒரு கண்டறிதல் கருவி 100 ஆவணங்களுக்கு 80% AI நிகழ்தகவைக் கொடுத்தால், மதிப்பெண் நன்றாக காலிபிரேட் செய்யப்பட அவற்றுள் தோராயமாக 80 உண்மையில் AI-ஆல் உருவாக்கப்பட்டிருக்க வேண்டும். அறியப்பட்ட தோற்றங்களைக் கொண்ட எடுத்துக்காட்டுகளுக்கு எதிராக மாதிரியைச் சோதிப்பது அதன் நிகழ்தகவுகள் உண்மையான விளைவுகளுடன் எவ்வளவு நெருக்கமாக பொருந்துகின்றன என்பதைக் காட்டுகிறது.

ஒரு சதவீதம் அதன் பொருள் அல்லது நம்பகத்தன்மை தெளிவாக இருப்பதற்கு முன்பு துல்லியமாகத் தோன்றலாம். லேபிள், மதிப்பெண் முறை மற்றும் கண்டறிதல் கருவியின் செயல்திறன் ஆகியவை எண் எதை ஆதரிக்க முடியும் என்பதைத் தீர்மானிக்கின்றன.

விரிவாக்கு

எது கொடியிடப்படுகிறது என்பதை கட்-ஆஃப் தீர்மானிக்கிறது

ஒரு மதிப்பெண் நடவடிக்கை எடுப்பதற்கு எப்போது போதுமானது என்பதை ஒரு கண்டறிதல் கருவி இன்னும் முடிவு செய்ய வேண்டும். அந்தப் பிரிக்கும் கோடு கட்-ஆஃப் அல்லது தreshold என்று அழைக்கப்படுகிறது.

ஒரு கருவி 0 முதல் 100 வரை உரையை மதிப்பிட்டு 70 க்கு மேல் உள்ள எதையும் கொடியிடுகிறது என்று வைத்துக்கொள்வோம். கட்-ஆஃப் மதிப்பை 60 ஆக மாற்றுவது கொடியிடப்பட்ட ஆவணங்களின் எண்ணிக்கையை அதிகரிக்கும் போது ஒவ்வொரு மதிப்பெண்ணையும் மாறாமல் விட்டுவிடும்.

• ஒரு குறைந்த கட்-ஆஃப் பொதுவாக AI-உருவாக்கப்பட்ட எழுத்தை அதிகமாகக் கண்டறிகிறது ஆனால் அதிக மனித எழுத்தையும் தவறாகக் கொடியிடுகிறது.
• ஒரு அதிக கட்-ஆஃப் தவறான கொடிகளைக் குறைக்கிறது, அதே நேரத்தில் அதிக AI-உருவாக்கப்பட்ட எழுத்து கண்டறியப்படாமல் போக அனுமதிக்கிறது. இந்த வர்த்தக பரிமாற்றம் வகைப்படுத்தல் அமைப்புகளுக்கு பொதுவாகப் பொருந்தும்.

இரண்டு சாத்தியமான பிழைகளும் வெவ்வேறு பெயர்களைக் கொண்டுள்ளன.

• மனித எழுத்து AI-உருவாக்கப்பட்டதாகக் கொடியிடப்படும் போது ஒரு தவறான நேர்மறை ஏற்படுகிறது.
• AI-உருவாக்கப்பட்ட எழுத்து கண்டறியப்படாமல் போகும்போது ஒரு தவறான எதிர்மறை ஏற்படுகிறது.

ஒரு கண்டறிதல் கருவி கோட்டை எங்கு வரைகிறது என்பது அது தவிர்க்க வடிவமைக்கப்பட்ட பிழையைப் பிரதிபலிக்கிறது. ஒரு கொடி தரம், வேலை அல்லது ஒருவரின் நம்பகத்தன்மையைப் பாதிக்கக்கூடிய போது அந்தத் தேர்வு அதிக எடையைக் கொண்டுள்ளது.

2% பிழை விகிதம் எவ்வாறு கிட்டத்தட்ட 30% தவறான கொடிகளை உருவாக்க முடியும்

2% தவறான நேர்மறை விகிதத்தின் தாக்கம் கண்டறிதல் கருவி எவ்வளவு மனித எழுத்தை மதிப்பாய்வு செய்கிறது என்பதைப் பொறுத்தது.

1,000 கட்டுரைகளைக் கொண்ட கற்பனையான தொகுப்பைக் கவனியுங்கள்:

• 50 AI-ஆல் உருவாக்கப்பட்டவை.
• 950 மனிதனால் எழுதப்பட்டவை.
• கண்டறிதல் கருவி AI-உருவாக்கப்பட்ட கட்டுரைகளில் 90% ஐப் பிடிக்கிறது.
• இது மனிதனால் எழுதப்பட்ட கட்டுரைகளில் 2% ஐத் தவறாகக் கொடியிடுகிறது.

இங்கே என்ன நடக்கிறது:

கண்டறிதல் கருவி மொத்தம் 64 கட்டுரைகளைக் கொடியிடுகிறது. பத்தொன்பது மனிதனால் எழுதப்பட்டவை, எனவே அதன் கொடிகளில் கிட்டத்தட்ட 30% தவறானவை.

2% மற்றும் 30% புள்ளிவிவரங்கள் வெவ்வேறு விஷயங்களை அளவிடுகின்றன. கண்டறிதல் கருவி மனிதனால் எழுதப்பட்ட அனைத்து கட்டுரைகளிலும் 2% ஐத் தவறாகக் கொடியிடுகிறது. அந்தத் தவிறுகள் அது கொடியிடும் அனைத்திலும் கிட்டத்தட்ட 30% ஆகும்.

கண்டறிதல் கருவி AI-உருவாக்கப்பட்ட கட்டுரைகளை விட மனிதனால் எழுதப்பட்ட கட்டுரைகளை மிக அதிகமாக மதிப்பாய்வு செய்ததால் எண்கள் இந்த வழியில் சேர்க்கப்படுகின்றன. ஒரு சிறிய பிழை விகிதம் கூட மிகவும் பெரிய குழுவிற்குப் பொருந்தும்போது அர்த்தமுள்ள எண்ணிக்கையிலான தவறான கொடிகளை உருவாக்க முடியும்.

பேஸ் ரேட் என்ற சொல் சரிபார்க்கப்படும் பொருளில் AI-உருவாக்கப்பட்ட எழுத்து எவ்வளவு பொதுவானது என்பதை விவரிக்கிறது. அந்தப் பங்கு மாறும்போது, நேர்மறையான முடிவின் பொருளும் மாறுகிறது. கண்டறிதல் கருவியின் உண்மை-நேர்மறை மற்றும் தவறான-நேர்மறை விகிதங்கள் அப்படியே இருந்தால், சேகரிப்பில் AI-உருவாக்கப்பட்ட எழுத்து பொதுவானதாக இருக்கும் போது ஒரு கொடி பொதுவாக மிகவும் நம்பகமானதாக இருக்கும் மற்றும் அது அரிதாக இருக்கும் போது குறைவான நம்பகமானதாக இருக்கும்.

இந்த எண்கள் கற்பனையானவை மற்றும் ஒரு குறிப்பிட்ட கண்டறிதல் கருவியை விவரிக்கவில்லை. உண்மையான மதிப்பாய்வில், AI-உருவாக்கப்பட்ட எழுத்தின் பங்கு வழக்கமாக அறியப்படவில்லை. அந்த நிச்சயமற்ற தன்மை ஒரு ஆவணம் எவ்வாறு எழுதப்பட்டது என்பதற்கான ஆதாரமாக இல்லாமல், ஒரு கொடியை நெருக்கமாகப் பார்ப்பதற்கான காரணமாகக் கருதுவதற்கான மற்றொரு காரணமாகும்.

கண்டறிதல் கருவி எதில் சோதிக்கப்பட்டது என்பதைப் பொறுத்து துல்லியம் அமைகிறது

துல்லிய விகிதம் ஒரு குறிப்பிட்ட நிலைமைகளின் கீழ் செயல்திறனை விவரிக்கிறது. அந்த விகிதத்தை மற்றொரு எழுத்துக்குப் பயன்படுத்துவதற்கு முன்பு, சரிபார்க்கவும்:

• கண்டறிதல் கருவி பதிப்பு
• உரையின் நீளம், மொழி, பாடம் மற்றும் வடிவம்
• சோதனைப் பொருளை உருவாக்கப் பயன்படுத்தப்படும் AI மாதிரி மற்றும் அமைப்புகள்
• உரை திருத்தப்பட்டதா அல்லது வேண்டுமென்றே மாற்றப்பட்டதா
• மனிதனால் எழுதப்பட்ட மாதிரிகளில் பிரதிநிதித்துவப்படுத்தப்பட்ட எழுத்தாளர்கள்

கருவியின் ஆதரவு உள்ளீடுகளுடன் தொடங்கவும்

உதாரணமாக, Turnitin க்கு குறைந்தபட்சம் 300 சொற்கள் கொண்ட நீண்ட உரைநடை தேவைப்படுகிறது. அதன் மாதிரி AI-உருவாக்கப்பட்ட கவிதைகள், ஸ்கிரிப்டுகள், குறியீடு அல்லது பிற உரைநடை அல்லாத வடிவங்களை நம்பகத்தன்மையுடன் கண்டறிவதில்லை என்று அது கூறுகிறது. எனவே கட்டுரைகளில் வலுவான செயல்திறன் அதே கண்டறிதல் கருவி ஒரு கவிதையை அல்லது குறுகிய மின்னஞ்சலை எவ்வாறு கையாளும் என்பது பற்றி சிறிதளவே நமக்குக் கூறுகிறது.

சோதனையை உண்மையான உலக எழுத்துடன் ஒப்பிடுக

2024 இல், ஆராய்ச்சியாளர்கள் 11 மாதிரிகள் மற்றும் எட்டு பாடப் பகுதிகளில் 6 மில்லியனுக்கும் அதிகமான AI-உருவாக்கப்பட்ட பத்திகளைக் கொண்ட பெஞ்ச்மார்க்கான RAID ஐப் பயன்படுத்தி 12 கண்டறிதல் கருவிகளைச் சோதித்தனர். கண்டறிதல் கருவிகள் பரிச்சயமில்லாத மாதிரிகள், வெவ்வேறு உருவாக்கும் அமைப்புகள் அல்லது வேண்டுமென்றே மாற்றப்பட்ட உரையை எதிர்கொண்டபோது செயல்திறன் குறைந்தது.

RAID ஐப் பயன்படுத்தி ஒரு 2025 சவால் மிகவும் பரிச்சயமான சூழ்நிலைகளில் வலுவான முடிவுகளைத் தந்தது. பல பங்கேற்பாளர்கள் 5% தவறான நேர்மறை விகிதத்தைப் பராமரிக்கும் அதே வேளையில் இயந்திரத்தால் உருவாக்கப்பட்ட உரையில் 99% க்கும் அதிகமானவற்றைக் கண்டறிந்தனர். சோதனையில் பயன்படுத்தப்பட்ட பாடப் பகுதிகள் மற்றும் AI மாதிரிகளும் பயிற்சி தரவுகளில் பிரதிநிதித்துவப்படுத்தப்பட்டன.

ஒன்றாக, முடிவுகள் கண்டறிதல் கருவிகள் அவை அடையாளம் காணப் பயிற்றுவிக்கப்பட்ட மாறுபட்ட பொருட்களில் சிறப்பாகச் செயல்பட முடியும் என்பதைக் காட்டுகின்றன, அதே நேரத்தில் பரிச்சயமில்லாத பொருள் மதிப்பிடுவது கடினமாகவே உள்ளது.

யார் பிரதிநிதித்துவப்படுத்தப்பட்டார்கள் என்பதைப் பாருங்கள்

ஒரு 2023 ஆய்வில், ஏழு கண்டறிதல் கருவிகள் சொந்த மொழி அல்லாத ஆங்கிலப் பேசுபவர்களால் எழுதப்பட்ட 91 TOEFL கட்டுரைகளில் சராசரியாக 61.3% ஐ AI-உருவாக்கியதாகத் தவறாக வகைப்படுத்தியுள்ளன. அந்த முடிவு அந்த நேரத்தில் சோதிக்கப்பட்ட கருவிகள் மற்றும் மாதிரிகளுக்குப் பொருந்தும். ஒவ்வொரு குழு எழுத்தாளர்களுக்கும் ஒட்டுமொத்த துல்லிய விகிதம் செயல்திறனை சமமாக விவரிக்காது என்பதையும் இது காட்டுகிறது.

துல்லியக் கூற்றை எவ்வாறு படிப்பது: சமர்ப்பிக்கப்பட்ட உரை சோதனையில் பயன்படுத்தப்பட்ட பொருளுக்கு எவ்வளவு நெருக்கமாக இருக்கிறதோ, அந்த அளவுக்கு புகாரளிக்கப்பட்ட முடிவு மிகவும் பொருத்தமானதாகிறது.

இறுதி ஆவணம் அது எவ்வாறு எழுதப்பட்டது என்பதன் ஒரு பகுதியை மட்டுமே காட்டுகிறது

எழுதுதல் செயல்பாட்டில் AI பல பங்கை வகிக்க முடியும். ஒருவர் ஒரு தலைப்பை ஆராய்ச்சி செய்ய, குறிப்புகளை ஒழுங்கமைக்க, ஒரு பத்தியை மொழிபெயர்க்க, ஒரு வாக்கியத்தை மெருகூட்ட அல்லது முதல் வரைவை உருவாக்க இதைப் பயன்படுத்தலாம்.

அந்தப் பணிப்பாய்வுகள் மிகவும் வேறுபட்ட ஆவணங்களுக்கு வழிவகுக்கலாம். ஒரு எழுத்தாளர் ஆராய்ச்சிக்கு AI ஐப் பயன்படுத்தலாம் மற்றும் ஒவ்வொரு வாக்கியத்தையும் தனித்தனியாகக் kompon செல்லலாம். மற்றொருவர் AI-உருவாக்கப்பட்ட வரைவை கணிசமாக மீண்டும் எழுதலாம். மூன்றாவது நபர் மனிதனால் எழுதப்பட்ட கட்டுரையில் உருவாக்கப்பட்ட ஒரு பத்தியைச் சேர்க்கலாம்.

ஒரு உரை கண்டறிதல் கருவி சமர்ப்பிக்கப்பட்ட சொற்களைப் பார்க்கிறது. அதற்கு முன் வந்த தூண்டுதல்கள், திருத்தங்கள் அல்லது முடிவுகளுக்கு அதற்கு அணுகல் இல்லை. அதன் மதிப்பெண்ணால் முழு எழுதுதல் செயல்முறையையும் புனரமைக்க முடியாது அல்லது ஆசிரியர் ஒரு குறிப்பிட்ட கொள்கையைப் பின்பற்றினார்களா என்பதைத் தீர்மானிக்க முடியாது. உதாரணமாக,

• ஒரு பள்ளி மாணவர்களைத் தாங்களே பணியை எழுத வேண்டும் என்று கோரும்போது மூளைச்சலசலை அனுமதிக்கலாம்.
• வெளியீட்டாளர் வெளிப்படுத்தப்படும் போது AI-உதவி திருத்தத்தை அனுமதிக்கலாம்.
• ஒரு பணிச்சூழல் AI சொற்களுக்குப் பங்களித்ததா என்பதை விட உண்மையான துல்லியம், ரகசியத்தன்மை அல்லது மூலக் குறிப்புக்கு அதிக முக்கியத்துவம் கொடுக்கலாம்.

அந்த விதிகளைப் பயன்படுத்துவதற்கு முடிக்கப்பட்ட உரை மற்றும் செயல்முறை பற்றிய சான்றுகள் தேவை. வரைவு வரலாறு, ஆராய்ச்சி குறிப்புகள் மற்றும் எழுத்தாளரின் விளக்கம் ஒரு கண்டறிதல் கருவியால் வழங்க முடியாத சூழலை வழங்க முடியும். Turnitin மாணவருக்கு எதிரான பாதகமான நடவடிக்கைக்கு அதன் AI-எழுதுதல் மதிப்பெண்ணை ஒரே அடிப்படையாகப் பயன்படுத்துவதை எதிர்த்து கல்வியாளர்களுக்கு வெளிப்படையாக அறிவுறுத்துகிறது.

ஒரு கண்டறிதல் கருவி AI உடன் அது தொடர்புபடுத்தும் வடிவங்களை ஒத்த மொழியை அடையாளம் காண முடியும். என்ன நடந்தது என்பதைத் தீர்மானிப்பது மற்றும் அது அனுமதிக்கப்பட்டதா என்பதற்கு விரிவான மதிப்பாய்வு தேவைப்படுகிறது.

வாட்டர்மார்க்குகள் வேறுபட்ட வகையான சமிக்ஞையைச் சேர்க்கின்றன

சில AI அமைப்புகள் உரையை உருவாக்கும்போது கண்டறியக்கூடிய வடிவத்தைச் சேர்க்கலாம். இந்த செயல்முறை வாட்டரிங் என்று அழைக்கப்படுகிறது.

உரை வாட்டர்மார்க் எவ்வாறு செயல்படுகிறது

Google DeepMind இன் SynthID ஒரு உதாரணத்தை வழங்குகிறது:

1. அமைப்பு டோக்கன் நிகழ்தகவுகளைச் சரிசெய்கிறது. மாதிரி சில சொற்களை அல்லது சொற்களின் பகுதிகளைத் தேர்ந்தெடுக்கும் வாய்ப்பை இது சற்று மாற்றுகிறது.
2. அந்தத் தேர்வுகள் ஒரு வடிவத்தை உருவாக்குகின்றன. வாட்டர்மார்க் வாசகருக்கு கண்ணுக்குத் தெரியாத வகையில் வடிவமைக்கப்பட்டுள்ளது.
3. இணக்கமான கண்டறிதல் கருவி அதைச் சோதிக்கிறது. எதிர்பார்க்கப்படும் புள்ளியியல் சமிக்ஞைக்காக கண்டறிதல் கருவி உரையைப் பகுப்பாய்வு செய்கிறது.

உருவாக்கும் போது மாதிரி சேர்க்கப்படுவதால், இது உரையை உருவாக்கிய அமைப்புடன் தொடர்புடைய தகவல்களை வழங்க முடியும்.

வாட்டர்மார்க் கண்டறிதலை எவை வரம்புக்குட்படுத்துகின்றன

• ஜெனரேட்டர் அதைச் சேர்க்க வேண்டும். AI அமைப்பு வாட்டர்மார்க்கை ஆதரிக்க வேண்டும் மற்றும் பயன்படுத்த வேண்டும். வாட்டர்மார்க் இல்லாதது ஒருவர் உரையை எழுதியது என்பதை நிறுவவில்லை.
• வடிவத்தின் போதுமான அளவு இருக்க வேண்டும். SynthID சில வெட்டுதல், சொல் மாற்றங்கள் மற்றும் லேசான பாராஃப்ரேசிங் ஆகியவற்றைத் தாங்கும் என்று Google புகாரளிக்கிறது. விரிவான மறுஎழுதுதல் அல்லது மொழிபெயர்ப்பு அதன் நம்பிக்கையைக் குறைக்கலாம்.

ஒரு இணக்கமான அமைப்பு உரையை உருவாக்கியிருக்கும் போதும் மற்றும் சமிக்ஞையின் போதுமான அளவு எஞ்சியிருக்கும் போதும் வாட்டர்மார்க்குகள் சான்றுகளை வலுப்படுத்தலாம். AI-உருவாக்கப்பட்ட ஒவ்வொரு எழுத்தையும் அவற்றால் அடையாளம் காண முடியாது.

மற்ற பதிவுகள் முழுமையான சித்திரத்தை வழங்க உதவும்

• வரைவு வரலாறு ஆவணம் காலப்போக்கில் எவ்வாறு மாறியது என்பதைக் காட்டுகிறது.
• ஆராய்ச்சி குறிப்புகள் அதன் கூற்றுக்களை ஆதாரங்களுடன் இணைக்கின்றன.
• வெளிப்படுத்தப்பட்ட AI தொடர்புகள் ஒரு கருவி எங்கு பங்களித்தது என்பதைக் காட்டுகின்றன.

இந்தப் பதிவுகள் முறை சார்ந்த மதிப்பெண்ணை விட எழுதுதல் செயல்முறை பற்றிய நேரடியான சூழலை வழங்குகின்றன.

ஒரு கொடியை மதிப்பாய்வின் தொடக்கமாகக் கருதவும்

ஒரு கண்டறிதல் கருவி முடிவு ஒரு வரையறுக்கப்பட்ட பங்கைப் பெறும்போது மிகவும் பயனுள்ளதாக இருக்கும். ஒரு கொடியின் மீது நடவடிக்கை எடுப்பதற்கு முன்பு, மதிப்பாய்வாளர்கள் கருவி என்ன அளவிட்டது என்பதைப் புரிந்து கொள்ள வேண்டும், உரை அதன் எல்லைக்குள் வருவதை உறுதிப்படுத்த வேண்டும், மற்றும் கிடைக்கக்கூடிய பிற சான்றுகளை ஆய்வு செய்ய வேண்டும்.

ஐந்து சோதனைகள் உதவலாம்:

1. மதிப்பெண் வரையறையைப் படிக்கவும். சதவீதம் ஆவண மட்ட நிகழ்தகவைக் குறிக்கிறதா அல்லது கொடியிடப்பட்ட உரையின் பங்கை குறிக்கிறதா என்பதைத் தீர்மானிக்கவும்.
2. கருவியின் எல்லையைச் சரிபார்க்கவும். ஆவணத்தின் மொழி, நீளம் மற்றும் வடிவம் கண்டறிதல் கருவி எதை ஆதரிக்கிறதோ அதனுடன் பொருந்துகிறதா என்பதை உறுதிப்படுத்தவும்.
3. சான்றுகளை மதிப்பாய்வு செய்யுங்கள். வரைவுகள், மூல குறிப்புகள் மற்றும் எழுத்தாளரின் விளக்கத்துடன் சிறப்பிக்கப்பட்ட பத்திகளை ஆய்வு செய்யுங்கள்.
4. தொடர்புடைய கொள்கையைப் பயன்படுத்துங்கள். AI இன் எந்தப் பயன்பாடுகள் அனுமதிக்கப்படுகின்றன மற்றும் என்ன சான்றுகள் மீறலைக் காண்பிக்கும் என்பதை அடையாளம் காணவும்.
5. பணியையே மதிப்பீடு செய்யுங்கள். உண்மையான துல்லியம், மூலக் குறிப்பு, அசல் தன்மை மற்றும் தரத்தை அவற்றின் சொந்த அடிப்படையில் மதிப்பாய்வு செய்யுங்கள்.

பங்குகள் மதிப்பாய்வின் ஆழத்தை வடிவமைக்க வேண்டும். எந்தக் கட்டுரைக்கு மற்றொரு பார்வை தேவை என்பதைத் தீர்மானிக்க ஒரு ஆசிரியர் கொடியைப் பயன்படுத்தலாம். தரம், வேலை அல்லது வெளியீட்டு ஒப்பந்தத்தைப் பாதிக்கும் முடிவுக்கு வலுவான சான்றும், ஆசிரியர் தங்கள் செயல்முறையை விளக்குவதற்கான வாய்ப்பும் தேவைப்படுகிறது.

ஒரு AI கண்டறிதல் கருவி சிக்கலான தீர்ப்பை ஒரு மதிப்பெண்ணாகச் சுருக்குகிறது. அந்த மதிப்பெண்ணைப் புரிந்துகொள்வதற்கு எண் கொண்டிருக்காத தகவல் தேவைப்படுகிறது: கருவி எதை அளவிட்டது, அது எந்த வரம்பைப் பயன்படுத்தியது, அது ஒப்பிடக்கூடிய எழுத்தில் எவ்வாறு செயல்பட்டது மற்றும் மதிப்பாய்வு செய்யப்படும் பொருளில் AI-உருவாக்கப்பட்ட உரை எவ்வளவு பொதுவானது. மதிப்பெண் கவனத்தை இயக்க முடியும். ஒரு கண்டறிதல் கருவி மதிப்பெண் அந்த மதிப்பாய்வுக்கு பங்களிக்க முடியும், ஆனால் ஆசிரியர் பற்றிய எந்தவொரு முடிவுக்கும் எழுதுதல் செயல்முறை பற்றிய சான்றுகளும் தேவைப்படுகின்றன.

அடிக்கடி கேட்கப்படும் கேள்விகள்

AI கண்டறிதல் கருவிகள் தவறாக இருக்க முடியுமா?

ஆம். மனித எழுத்தை AI-உருவாக்கியதாகக் கண்டறிதல் கருவி கொடியிடும் போது தவறான நேர்மறை ஏற்படுகிறது. AI-உருவாக்கப்பட்ட எழுத்து கண்டறியப்படாமல் போகும்போது தவறான எதிர்மறை ஏற்படுகிறது. ஒவ்வொரு பிழையின் அதிர்வெண்ணும் கண்டறிதல் கருவி, அதன் வரம்பு மற்றும் சமர்ப்பிக்கப்பட்ட உரை அதைச் சோதிக்கப் பயன்படுத்தப்பட்ட பொருளுடன் எவ்வளவு நெருக்கமாக ஒத்திருக்கிறது என்பதைப் பொறுத்தது.

AI கண்டறிதல் கருவிகள் எவ்வளவு துல்லியமானவை?

AI கண்டறிதல் கருவிகளுக்கு ஒற்றை துல்லிய விகிதம் இல்லை. மொழி, நீளம், பாடம், எழுதும் பாணி, உருவாக்கும் மாதிரி மற்றும் திருத்தத்தின் அளவு ஆகியவற்றின் அடிப்படையில் செயல்திறன் மாறுபடலாம். சோதனை நிலைமைகள் மதிப்பாய்வு செய்யப்படும் எழுத்துடன் ஒத்திருக்கும் போது மற்றும் முடிவு வெற்றிகரமான கண்டறிதல்களுடன் தவறான நேர்மறைகளையும் புகாரளிக்கும் போது துல்லியக் கூற்று மிகவும் பயனுள்ளதாக இருக்கும்.

AI-கண்டறிதல் சதவீதம் எதைக் குறிக்கிறது?

வரையறை கருவியைப் பொறுத்தது. இது ஒரு ஆவணம் AI-ஆல் உருவாக்கப்பட்டதற்கான மதிப்பிடப்பட்ட நிகழ்தகவைக் குறிக்கலாம், தகுதிபெறும் உரையின் கொடியிடப்பட்ட சதவீதத்தைக் குறிக்கலாம் அல்லது முடிவில் ஒரு வகையான நம்பிக்கையைக் குறிக்கலாம். கண்டறிதல் கருவியின் ஆவணங்கள் அது எந்த அளவீட்டைப் புகாரளிக்கிறது என்பதை விளக்க வேண்டும்.

யாரோ AI ஐப் பயன்படுத்தினர் என்பதை AI கண்டறிதல் கருவியால் நிரூபிக்க முடியுமா?

கண்டறிதல் கருவி மதிப்பெண் மட்டும் ஒரு ஆவணம் எவ்வாறு உருவாக்கப்பட்டது என்பதை நிரூபிக்க முடியாது. இது அதற்குக் பின்னால் உள்ள தூண்டுதல்கள், வரைவுகள், திருத்தங்கள் அல்லது ஆராய்ச்சியைப் பார்க்காமல் சமர்ப்பிக்கப்பட்ட உரையைப் பகுப்பாய்வு செய்கிறது. நம்பகமான மதிப்பாய்வு செயல்முறை சான்றுகள் மற்றும் ஏற்கத்தக்க AI பயன்பாட்டை நிர்வகிக்கும் கொள்கையுடன் மதிப்பெண்ணைக் கருதுகிறது.

மனித எழுத்து ஏன் சில நேரங்களில் AI எனக் கொடியிடப்படுகிறது?

மனித மற்றும் AI-உருவாக்கப்பட்ட எழுத்துக்கள் ஒரே புள்ளியியல் வடிவங்களைப் பகிர்ந்து கொள்ளலாம். ஃபார்முலா மொழி, கணிக்கக்கூடிய சொற்கள், வரையறுக்கப்பட்ட சொற்களஞ்சியம் அல்லது கண்டறிதல் கருவியின் பயிற்சித் தரவிலிருந்து வேறுபட்ட பாணி ஆகியவை தவறான நேர்மறைக்கு பங்களிக்கலாம். 2023 இல் சோதிக்கப்பட்ட சில கண்டறிதல் கருவிகள் சொந்த மொழி அல்லாத ஆங்கிலப் பேசுபவர்களால் எழுதப்பட்ட கட்டுரைகளை விகிதாசாரமின்றி கொடியிட்டுள்ளதாகவும் ஆராய்ச்சி கண்டறிந்துள்ளது.