AI డిటెక్టర్లు ఎలా పనిచేస్తాయి మరియు స్కోరు మాత్రమే రచయితత్వాన్ని ఎందుకు నిరూపించలేదు

AI డిటెక్టర్‌లో వ్యాసం, కథనం లేదా ఇమెయిల్‌ను అతికించండి మరియు కొన్ని సెకన్ల తర్వాత అది “85% AI” వంటి ఫలితాన్ని ఇవ్వవచ్చు.

ఖచ్చితమైనదిగా కనిపిస్తుంది. కానీ తప్పుగా చదవడం కూడా సులభం కావచ్చు.

డిటెక్టర్ పత్రం ఎలా వ్రాయబడిందో గమనించలేదు. ఇది AI-సృష్టించిన రచనతో ముడిపడి ఉన్న నమూనాల కోసం పూర్తయిన వచనాన్ని విశ్లేషించింది. సాధనాన్ని బట్టి, ఆ 85% AI పత్రాన్ని ఉత్పత్తి చేసిందనే అంచనా వేసిన సంభావ్యతను లేదా డిటెక్టర్ ఫ్లాగ్ చేసిన వచనం యొక్క వాటాను సూచిస్తుంది.

అది AI డిటెక్టర్‌ను సిగ్నల్‌గా ఉపయోగపడుతుంది, ప్రత్యేకించి ఏదో ఒక నిశిత పరిశీలన అవసరమైనప్పుడు. కానీ వచనాన్ని ఎవరు వ్రాసారు లేదా వారు దానిని ఎలా సృష్టించారు అనే దాని గురించి ఎవరైనా ముగింపుకు వచ్చే ముందు స్కోర్‌కు ఇప్పటికీ సందర్భం మరియు సహాయక సాక్ష్యం అవసరం. డిటెక్టర్‌లు తమ స్కోర్‌లను ఎలా ఉత్పత్తి చేస్తాయో అర్థం చేసుకోవడం అవి ఏమి పట్టుకోగలవో మరియు ఎందుకు కొన్ని సార్లు తప్పుగా భావిస్తాయో వివరించడంలో సహాయపడుతుంది.

AI డిటెక్టర్ అంటే ఏమిటి?

AI రైటింగ్ డిటెక్టర్ పూర్తయిన వచనాన్ని చూస్తుంది మరియు అది లాంగ్వేజ్ మోడల్ ద్వారా ఉత్పత్తి చేయబడిన రచనను పోలి ఉంటుందా అని అంచనా వేస్తుంది. వినియోగదారు సాధారణంగా వచనాన్ని అతికించవచ్చు లేదా పత్రాన్ని అప్‌లోడ్ చేయవచ్చు. సెకన్లలో, సాధనం లేబుల్, శాతం, హైలైట్ చేయబడిన భాగాలు లేదా మూడింటిని ఇవ్వవచ్చు.

• విద్యార్థి పనిని సమీక్షించేటప్పుడు ఉపాధ్యాయులు మరియు విద్యా సంస్థలు వాటిని ఉపయోగిస్తాయి.
• ప్రచురణకర్తలు మరియు కంటెంట్ బృందాలు సమర్పించిన లేదా కమీషన్ చేయబడిన రచనను స్క్రీన్ చేయడానికి వాటిని ఉపయోగించవచ్చు, అయితే కొంతమంది డిటెక్టర్ కంపెనీలు అప్లికేషన్ మెటీరియల్‌లను సమీక్షించే హైరింగ్ టీమ్‌ల కోసం వెర్షన్‌లను మార్కెట్ చేస్తాయి.
• ఉపాధ్యాయుడు, సంపాదకుడు, క్లయంట్ లేదా ప్లాట్‌ఫారమ్ దానిని ఎలా వర్గీకరించవచ్చో అర్థం చేసుకోవడానికి రచయితలు కొన్నిసార్లు తమ సొంత పనిని కూడా తనిఖీ చేస్తారు.

గమనిక: λογοచోర్య చెకర్స్ సంబంధిత కానీ ప్రత్యేక ప్రయోజనాన్ని అందిస్తాయి. సరిపోలే భాషను కనుగొనడానికి అవి పత్రాన్ని ప్రచురించిన మెటీరియల్ మరియు ఇతర మూలాలతో పోల్చుతాయి. AI డిటెక్టర్లు సమర్పించిన రచనలోని నమూనాలను అంచనా వేస్తాయి. కాబట్టి పూర్తిగా అసలైన ప్రకరణం AI ఫ్లాగ్‌ను అందుకోవచ్చు, అయితే కాపీ చేయబడిన మానవ రచన AI జనరేషన్ యొక్క బలమైన సిగ్నల్‌ను కలిగి ఉండకపోవచ్చు.

AI డిటెక్టర్లు వచనాన్ని ఎలా విశ్లేషిస్తాయి

అనేక AI డిటెక్టర్లు క్లాసిఫైయర్, మానవ మరియు AI-సృష్టించిన రచనల ఉదాహరణలపై శిక్షణ పొందిన మెషిన్ లెర్నింగ్ మోడల్‌పై ఆధారపడతాయి. ఇది రెండింటిని పోల్చినప్పుడు, పద ఎంపిక మరియు వాక్య నిర్మాణంలోని నమూనాలతో సహా ప్రతిదానిలో ఏ నమూనాలు కనిపిస్తాయో అది నేర్చుకుంటుంది. ఇది కొత్త వచనంలో ఆ నమూనాల కోసం వెతుకుతుంది మరియు అంచనాను ఉత్పత్తి చేస్తుంది.

డిటెక్టర్ ఏమి నేర్చుకుంటుందనేది శిక్షణ సమయంలో అది చూసే దానిపై ఆధారపడి ఉంటుంది. పరిమిత శ్రేణి రచనలపై శిక్షణ పొందిన సాధనం కొత్త విషయం, অপরিচিত శైలి లేదా అది ఇంతకు ముందు ఎదుర్కొనని AI మోడల్ నుండి అవుట్‌పుట్‌తో కష్టపడవచ్చు. పరిశోధన వివిధ రకాల వచనాలు మరియు AI మోడల్‌లలో ఆ పరిస్థితులలో గుర్తింపు పనితీరు తగ్గిపోవచ్చని కనుగొంది.

కొన్ని పద్ధతులు వేరొక విధానాన్ని తీసుకుంటాయి. ప్రత్యేక క్లాసిఫైయర్‌కు శిక్షణ ఇవ్వడానికి బదులుగా, అవి ఒక ప్రకరణాన్ని ఉత్పత్తి చేయడానికి ఎంతవరకు అవకాశం ఉందో అంచనా వేయడానికి లాంగ్వేజ్ మోడల్ యొక్క స్వంత సంభావ్యత అంచనాలను ఉపయోగిస్తాయి.

• ఉదాహరణకు, DetectGPT, AI జనరేషన్‌తో ముడిపడి ఉన్న నమూనాల కోసం వెతకడానికి అసలు వచనాన్ని కొద్దిగా మార్చబడిన వెర్షన్‌లతో పోల్చుతుంది. దీని పరిశోధన దీనిని ప్రత్యేకంగా శిక్షణ పొందిన డిటెక్టర్ అవసరం లేనందున “జీరో-షాట్” పద్ధతిగా వర్ణిస్తుంది. ఫలితంగా మొత్తం స్కోర్, హైలైట్ చేయబడిన వాక్యాలు లేదా రెండూ ఉండవచ్చు.
• GPTZero దాని ముఖ్యాంశాలు దాని మొత్తం అంచనాపై అత్యధిక ప్రభావం చూపే వాక్యాలను చూపుతాయని చెప్పారు. ఇది విస్తృత పత్రాన్ని కూడా మూల్యాంకనం చేస్తున్నందున, దాని స్వంతంగా స్కాన్ చేయబడిన ప్రకరణం పొడవైన భాగంలో భాగంగా కనిపించినప్పుడు అదే ఫలితాన్ని అందుకోకపోవచ్చు.

ప్రతి ఫలితం వచనం మరియు దానిని మూల్యాంకనం చేసే సిస్టమ్ రెండింటిని ప్రతిబింబిస్తుంది, అందుకే వేర్వేరు డిటెక్టర్లు అదే ప్రకరణం గురించి వేర్వేరు ముగింపులకు రాగలవు.

విస్తరించు

పెర్ప్లెక్సిటీ మరియు బర్స్టినెస్ ఏమి కొలుస్తాయి

AI డిటెక్షన్ యొక్క వివరణలలో పెర్ప్లెక్సిటీ మరియు బర్స్టినెస్ తరచుగా వస్తాయి. అవి రచనలో ఉపయోగకరమైన నమూనాలను బహిర్గతం చేయగలవు, కానీ ఏదీ ఒకే, ప్రత్యేకమైన AI వ్రాత మార్గాన్ని సూచించదు.

సంభావ్య గందరగోళ వివరాలు ఒకటి: పెర్ప్లెక్సిటీ ఇక్కడ డబుల్ డ్యూటీ చేస్తోంది. చిన్న అక్షరాలలో, ఇది గణాంక కొలత. పెద్ద P తో, ఇది మేము.

పెర్ప్లెక్సిటీ వచనం ఎంత ఊహించదగినదో కొలుస్తుంది

లాంగ్వేజ్ మోడల్‌లు మొత్తం పదాలు లేదా పదాల భాగాలు కాగల తదుపరి టోకెన్‌లకు సంభావ్యతలను కేటాయించడం ద్వారా వచనాన్ని ఉత్పత్తి చేస్తాయి. ఒక ప్రకరణంలోని టోకెన్‌లను మోడల్ ఎంత బాగా అంచనా వేయగలదో పెర్ప్లెక్సిటీ కొలుస్తుంది.

• తక్కువ పెర్ప్లెక్సిటీ: వచనం మోడల్ సుపరిచితమైన నమూనాలను అనుసరిస్తుంది.
• అధిక పెర్ప్లెక్సిటీ: పదజాలం తక్కువగా ఊహించబడింది.

మూల్యాంకనం చేసే మోడల్‌కు మరియు వచనం ప్రాసెస్ చేయబడే విధానానికి స్కోర్ నిర్దిష్టమైనది, కాబట్టి అదే ప్రకరణం వేర్వేరు సెటప్‌ల క్రింద వేర్వేరు పెర్ప్లెక్సిటీ స్కోర్‌లను పొందవచ్చు.

“దయచేసి మీకు ఏవైనా ప్రశ్నలు ఉంటే నాకు తెలియజేయండి” అనే వాటాను తీసుకోండి. లాంగ్వేజ్ మోడల్ బహుశా అనేక సార్లు ఇలాంటి పదజాలాన్ని ఎదుర్కొంది, ప్రతి పదాన్ని అంచనా వేయడం సాపేక్షంగా సులభం చేస్తుంది. ఇది వాక్యం యొక్క పరిచయము గురించి మనకు ఏదో చెబుతుంది. అది ఎవరు వ్రాసారు అనే దాని గురించి ఏది తేల్చదు.

ఆ నమూనాలు ఎంతగా మారుతాయో బర్స్టినెస్ కొలుస్తుంది

AI డిటెక్షన్ చర్చలలో బర్స్టినెస్ మరింత αρదుగా ఉపయోగించబడుతుంది. ఇది సాధారణంగా ఒక ప్రకరణంలో రచన ఎంతగా మారుతుందో వర్ణిస్తుంది. ఇందులో వాక్య పొడవు మరియు నిర్మాణంలో వైవిధ్యం లేదా అత్యంత ఊహించదగిన మరియు మరింత ఆశ్చర్యకరమైన భాష మధ్య మార్పులు ఉండవచ్చు.

• తక్కువ బర్స్టినెస్: వాక్యాలు మరింత స్థిరమైన పొడవు, నిర్మాణం లేదా లయను అనుసరిస్తాయి.
• అధిక బర్స్టినెస్: రచన చిన్న ప్రకటనలు, పొడవైన వివరణలు మరియు తక్కువ ఊహించదగిన పదజాలం మధ్య కదులుతుంది.

కొన్ని AI-సృష్టించిన వచనం స్థిరంగా మరియు ఊహించదగినదిగా ఉంటుంది, అందుకే బర్స్టినెస్ డిటెక్షన్‌తో ముడిపడి ఉంది. మానవ రచన అదే లక్షణాలను కలిగి ఉంటుంది, ముఖ్యంగా వ్యాపార, విద్యా మరియు సాంకేతిక సందర్భాలలో. AI మోడల్స్ ప్రాంప్ట్ చేయబడినప్పుడు లేదా అలా చేయడానికి సవరించబడినప్పుడు మరింత వైవిధ్యమైన భాషను కూడా ఉత్పత్తి చేయగలవు.

GPTZero పెర్ప్లెక్సిటీ మరియు బర్స్టినెస్ దాని డిటెక్టర్ యొక్క మునుపటి వెర్షన్ ద్వారా ఉపయోగించబడిన అనేక లక్షణాలలో రెండు అని చెప్పారు.

ఈ కొలతలు ఏమి చూపుతాయి: పెర్ప్లెక్సిటీ మరియు బర్స్టినెస్ ఒక ప్రకరణంలోని నమూనాలను వర్ణిస్తాయి. ఆ నమూనాలు వచనం ఎందుకు ఫ్లాగ్ చేయబడిందో వివరించడంలో సహాయపడవచ్చు, కానీ దానిని ఎవరు వ్రాసారో అవి స్థాపించలేవు.

AI డిటెక్టర్ స్కోర్ అంటే ఏమిటి

“80% AI” ఫలితం సరళంగా కనిపిస్తుంది. దీని అర్థం డిటెక్టర్‌పై ఆధారపడి ఉంటుంది.

GPTZero శాతాన్ని AI లేదా మానవుడు పత్రాన్ని వ్రాశాడనే దాని మోడల్ యొక్క అంచనా వేసిన సంభావ్యతగా వర్ణిస్తుంది. Turnitin అర్హత గల గద్యంలో ఎంత భాగం దాని మోడల్ సంభావ్యంగా AI-సృష్టించబడినదిగా లేదా కొన్ని AI సాధనాలతో సవరించబడినదిగా ఫ్లాగ్ చేస్తుందో చూపడానికి శాతాన్ని ఉపయోగిస్తుంది.

అందువల్ల అదే “80% AI” లేబుల్ దీనిని అర్థం కావచ్చు:

• AI పత్రాన్ని సృష్టించిందని డిటెక్టర్ 80% అవకాశాన్ని అంచనా వేస్తుంది.
• డిటెక్టర్ తాను అంచనా వేసిన గద్యంలో 80% ఫ్లాగ్ చేసింది.

అవి వేర్వేరు కనుగొన్నవి. ఒకటి మొత్తం పత్రం గురించి అంచనా వేస్తుంది. మరొకటి డిటెక్టర్ ప్రమాణాలతో వచనం ఎంత సరిపోలిందో గుర్తిస్తుంది.

సంభావ్యత స్కోర్లకు మరొక తనిఖీ అవసరం: కాలిబ్రేషన్. డిటెక్టర్ 100 పత్రాలకు 80% AI సంభావ్యతను ఇస్తే, స్కోర్ బాగా-కాలిబ్రేట్ చేయబడటానికి వాటిలో దాదాపు 80 వాస్తవంగా AI-సృష్టించబడి ఉండాలి. తెలిసిన మూలాలతో ఉదాహరణలకు వ్యతిరేకంగా మోడల్‌ను పరీక్షించడం దాని సంభావ్యతలు వాస్తవ ఫలితాలతో ఎంత దగ్గరగా సరిపోలుతున్నాయో చూపుతుంది.

దీని అర్థం లేదా విశ్వసనీయత స్పష్టంగా ఉండే ముందు శాతము ఖచ్చితంగా కనిపించవచ్చు. లేబుల్, స్కోరింగ్ పద్ధతి మరియు డిటెక్టర్ పనితీరు అన్నీ నంబర్ దేనికి మద్దతు ఇవ్వగలదో నిర్ణయిస్తాయి.

విస్తరించు

ఏది ఫ్లాగ్ చేయబడుతుందో కటాఫ్ నిర్ణయిస్తుంది

స్కోర్ చర్య తీసుకోవడానికి ఎప్పుడు తగినంత高ంగా ఉందో డిటెక్టర్ ఇప్పటికీ నిర్ణయించుకోవాలి. ఆ విభజన రేఖను కటాఫ్ లేదా థ్రిషోల్డ్ అంటారు.

ఒక సాధనం వచనాన్ని 0 నుండి 100 వరకు స్కోర్ చేస్తుందని మరియు 70 కంటే ఎక్కువ ఉన్న దేనినైనా ఫ్లాగ్ చేస్తుందని అనుకోండి. కట్‌ఆఫ్‌ను 60కి మార్చడం వల్ల ఫ్లాగ్ చేయబడిన పత్రాల సంఖ్యను పెంచేటప్పుడు ప్రతి స్కోర్ మారకుండా ఉంటుంది.

• తక్కువ కటాఫ్ సాధారణంగా ఎక్కువ AI-సృష్టించిన రచనలను గుర్తిస్తుంది కానీ ఎక్కువ మానవ రచనలను కూడా తప్పుగా ఫ్లాగ్ చేస్తుంది.
• అధిక కటాఫ్ తప్పుడు ఫ్లాగ్‌లను తగ్గిస్తుంది, అదే సమయంలో ఎక్కువ AI-సృష్టించిన రచన గుర్తించబడకుండా పోవడానికి అనుమతిస్తుంది. ఈ ట్రేడాఫ్ వర్గీకరణ వ్యవస్థలకు విస్తృతంగా వర్తిస్తుంది.

రెండు సాధ్యమైన తప్పులకు వేర్వేరు పేర్లు ఉన్నాయి.

• మానవ రచన AI-సృష్టించినదిగా ఫ్లాగ్ చేయబడినప్పుడు తప్పుడు పాజిటివ్ సంభవిస్తుంది.
• AI-సృష్టించిన రచన గుర్తించబడకుండా పోయినప్పుడు తప్పుడు నెగటివ్ సంభవిస్తుంది.

డిటెక్టర్ గీతను గీసే చోటు అది నివారించడానికి రూపొందించబడిన లోపాన్ని ప్రతిబింబిస్తుంది. ఫ్లాగ్ గ్రేడ్, ఉద్యోగం లేదా ఎవరి విశ్వసనీయతను ప్రభావితం చేసినప్పుడు ఆ ఎంపిక మరింత బరువును కలిగి ఉంటుంది.

2% లోపం రేటు దాదాపు 30% తప్పుడు ఫ్లాగ్‌లను ఎలా ఉత్పత్తి చేస్తుంది

2% తప్పుడు-పాజిటివ్ రేట్ యొక్క ప్రభావం డిటెక్టర్ ఎంత మానవ రచనను సమీక్షిస్తుంది అనే దానిపై ఆధారపడి ఉంటుంది.

1,000 కథనాల ఊహాజనిక సెట్‌ను పరిగణించండి:

• 50 AI-సృష్టించబడినవి.
• 950 మానవ-వ్రాతపూర్వకమైనవి.
• డిటెక్టర్ AI-సృష్టించిన కథనాలలో 90% పట్టుకుంటుంది.
• ఇది మానవ-వ్రాతపూర్వక కథనాలలో 2% తప్పుగా ఫ్లాగ్ చేస్తుంది.

ఇక్కడ ఏమి జరుగుతుంది:

డిటెక్టర్ మొత్తం 64 కథనాలను ఫ్లాగ్ చేస్తుంది. పంతొమ్మిది మానవ-వ్రాతపూర్వకమైనవి, కాబట్టి దాని ఫ్లాగ్‌లలో దాదాపు 30% తప్పు.

2% మరియు 30% గణాంకాలు వేర్వేరు విషయాలను కొలుస్తాయి. డిటెక్టర్ అన్ని మానవ-వ్రాతపూర్వక కథనాలలో 2% తప్పుగా ఫ్లాగ్ చేస్తుంది. ఆ తప్పులు అది ఫ్లాగ్ చేసే ప్రతిదానిలో దాదాపు 30% ఉంటాయి.

డిటెక్టర్ AI-జనరేట్ చేసిన వాటి కంటే చాలా ఎక్కువ మానవ-వ్రాతపూర్వక కథనాలను సమీక్షించినందున సంఖ్యలు ఈ విధంగా జోడించబడతాయి. చాలా పెద్ద సమూహానికి వర్తించినప్పుడు చిన్న లోపం రేటు కూడా అర్థవంతమైన సంఖ్యలో తప్పుడు ఫ్లాగ్‌లను ఉత్పత్తి చేస్తుంది.

బేస్ రేట్ అనే పదం తనిఖీ చేయబడుతున్న మెటీరియల్‌లో AI-సృష్టించిన రచన ఎంత సాధారణమో వర్ణిస్తుంది. ఆ భాగం మారినప్పుడు, సానుకూల ఫలితం యొక్క అర్థం కూడా మారుతుంది. డిటెక్టర్ యొక్క నిజమైన-పాజిటివ్ మరియు తప్పుడు-పాజిటివ్ రేట్లు అలాగే ఉంటే, AI-సృష్టించిన రచన సేకరణలో సాధారణంగా ఉన్నప్పుడు ఫ్లాగ్ మరింత నమ్మదగినదిగా ఉంటుంది మరియు అది అరుదుగా ఉన్నప్పుడు తక్కువ నమ్మదగినదిగా ఉంటుంది.

ఈ సంఖ్యలు ఊహాజనికమైనవి మరియు నిర్దిష్ట డిటెక్టర్‌ను వివరించవు. వాస్తవ సమీక్షలో, AI-సృష్టించిన రచన యొక్క వాటా సాధారణంగా తెలియదు. పత్రం ఎలా వ్రాయబడిందనేదానికి రుజువు కంటే, ఫ్లాగ్‌ను నిశితంగా పరిశీలించడానికి ఒక కారణం వలె పరిగణించడానికి ఆ అనిశ్చితి మరో కారణం.

డిటెక్టర్ దేనిపై పరీక్షించబడిందనే దానిపై ఖచ్చితత్వం ఆధారపడి ఉంటుంది

ఖచ్చితత్వ రేటు నిర్దిష్ట సెట్ పరిస్థితులలో పనితీరును వర్ణిస్తుంది. ఆ రేటును మరొక రచనకు వర్తింపజేసే ముందు, తనిఖీ చేయండి:

• డిటెక్టర్ వెర్షన్
• వచనం యొక్క పొడవు, భాష, సబ్జెక్ట్ మరియు ఆకృతి
• పరీక్షా పదార్థాన్ని రూపొందించడానికి ఉపయోగించే AI మోడల్ మరియు సెట్టింగ్‌లు
• వచనం సవరించబడిందా లేదా ఉద్దేశపూర్వకంగా సవరించబడిందా లేదా
• మానవ-వ్రాతపూర్వక నమూనాలలో ప్రాతినిధ్యం వహించిన రచయితలు

సాధనం మద్దతు ఇచ్చే ఇన్‌పుట్‌లతో ప్రారంభించండి

ఉదాహరణకు, Turnitinకి కనీసం 300 పదాల పొడవు గద్యం అవసరం. దీని మోడల్ AI-సృష్టించిన కవిత్వం, స్క్రిప్ట్‌లు, కోడ్ లేదా ఇతర గద్యం కాని ఆకృతులను నమ్మదగినదిగా గుర్తించలేదని అది పేర్కొంది. కాబట్టి వ్యాసాలపై బలమైన పనితీరు అదే డిటెక్టర్ కవితను లేదా చిన్న ఇమెయిల్‌ను ఎలా నిర్వహిస్తుందనే దాని గురించి మనకు తక్కువ చెబుతుంది.

పరీక్షను వాస్తవ ప్రపంచ రచనతో పోల్చండి

2024లో, పరిశోధకులు 11 మోడళ్లు మరియు ఎనిమిది సబ్జెక్ట్ ప్రాంతాలలో 6 మిలియన్లకు పైగా AI-సృష్టించిన భాగాలను కలిగి ఉన్న బెంచ్‌మార్క్ అయిన RAIDని ఉపయోగించి 12 డిటెక్టర్లను పరీక్షించారు. డిటెక్టర్లు సుపరిచితం కాని మోడళ్లు, వివిధ జనరేషన్ సెట్టింగ్‌లు లేదా ఉద్దేశపూర్వకంగా సవరించిన వచనాన్ని ఎదుర్కొన్నప్పుడు పనితీరు పడిపోయింది.

మరింత సుపరిచితమైన పరిస్థితులలో బలమైన ఫలితాలను అందించిన RAIDని ఉపయోగించి ఒక 2025 సవాలు. అనేక మంది పాల్గొనేవారు 5% తప్పుడు-పాజిటివ్ రేట్‌ను కొనసాగిస్తూ మెషిన్-జనరేట్ చేసిన వచనంలో 99% కంటే ఎక్కువ గుర్తించారు. పరీక్షలో ఉపయోగించిన సబ్జెక్ట్ ప్రాంతాలు మరియు AI మోడల్‌లు కూడా శిక్షణ డేటాలో ప్రాతినిధ్యం వహించాయి.

కలిపి, గుర్తించడానికి శిక్షణ పొందిన వైవిధ్యమైన మెటీరియల్‌పై డిటెక్టర్లు బాగా పని చేయగలవని ఫలితాలు చూపుతున్నాయి, అయితే సుపరిచితం కాని మెటీరియల్ అంచనా వేయడం కష్టంగా ఉంటుంది.

ఎవరికి ప్రాతినిధ్యం వహించారో చూడండి

ఒక 2023 అధ్యయనంలో, ఏడు డిటెక్టర్లు స్థానికేతర ఇంగ్లీష్ మాట్లాడేవారు వ్రాసిన 91 TOEFL వ్యాసాలలో సగటున 61.3% AI-సృష్టించబడినవిగా తప్పుగా వర్గీకరించాయి. ఆ ఫలితం ఆ సమయంలో పరీక్షించబడిన సాధనాలు మరియు నమూనాలకు వర్తిస్తుంది. ప్రతి రచయితల సమూహానికి మొత్తం ఖచ్చితత్వం రేటు పనితీరును సమానంగా వివరించకపోవచ్చు అని కూడా ఇది చూపుతుంది.

ఖచ్చితత్వ దావాను ఎలా చదవాలి: సమర్పించిన వచనం పరీక్షలో ఉపయోగించిన మెటీరియల్‌కు ఎంత దగ్గరగా ఉంటే, నివేదించబడిన ఫలితం అంత సంబంధితంగా మారుతుంది.

తుది పత్రం అది ఎలా వ్రాయబడిందో కొంత భాగాన్ని మాత్రమే చూపుతుంది

రైటింగ్ ప్రాసెస్‌లో AI అనేక పాత్రలను పోషిస్తుంది. ఎవరైనా దీనిని ఒక అంశంపై పరిశోధన చేయడానికి, గమనికలను నిర్వహించడానికి, ప్రకరణాన్ని అనువదించడానికి, వాక్యాన్ని పాలిష్ చేయడానికి లేదా మొదటి డ్రాఫ్ట్‌ను ఉత్పత్తి చేయడానికి ఉపయోగించవచ్చు.

ఆ వర్క్‌ఫ్లోలు చాలా భిన్నమైన పత్రాలకు దారితీస్తాయి. ఒక రచయిత పరిశోధన కోసం AIని ఉపయోగించవచ్చు మరియు ప్రతి వాక్యాన్ని స్వతంత్రంగా కంపోజ్ చేయవచ్చు. మరొకరు AI-సృష్టించిన డ్రాఫ్ట్‌ను గణనీయంగా తిరిగి వ్రాయవచ్చు. మూడవది వేరే విధంగా మానవ-వ్రాతపూర్వక కథనానికి జనరేట్ చేయబడిన ఒక పేరాను జోడించవచ్చు.

వచన డిటెక్టర్ సమర్పించిన పదాలను చూస్తుంది. వాటికి ముందు వచ్చిన ప్రాంప్ట్‌లు, ఎడిట్‌లు లేదా నిర్ణయాలకు దీనికి యాక్సెస్ లేదు. దీని స్కోర్ పూర్తి వ్రాత ప్రక్రియను పునర్నిర్మించలేదు లేదా రచయిత నిర్దిష్ట విధానాన్ని అనుసరించారా లేదా అని నిర్ణయించలేదు. ఉదాహరణకు,

• పాఠశాల విద్యార్థులను తమంతట తాముగా అసైన్‌మెంట్ వ్రాయవలసిందిగా కోరుతూ బ్రెయిన్‌స్టార్మింగ్‌ను అనుమతించవచ్చు.
• ప్రచురణకర్త బహిర్గతం చేసినప్పుడు AI- సహాయక ఎడిటింగ్‌ను అనుమతించవచ్చు.
• AI పదజాలానికి సహకరించిందా లేదా అనేదాని కంటే కార్యాలయం వాస్తవిక ఖచ్చితత్వం, గోప్యత లేదా మూల ఆపాదణకు ఎక్కువ ప్రాధాన్యత ఇవ్వవచ్చు.

ఆ నియమాలను వర్తింపజేయడానికి పూర్తయిన వచనంతో పాటు ప్రక్రియ గురించిన సాక్ష్యం కూడా అవసరం. డ్రాఫ్ట్ చరిత్ర, పరిశోధన గమనికలు మరియు రచయిత యొక్క వివరణ డిటెక్టర్ చేయలేని సందర్భాన్ని అందించగలవు. Turnitin విద్యార్థిపై ప్రతికూల చర్యకు దాని AI-రైటింగ్ స్కోర్‌ను మాత్రమే ఆధారంగా ఉపయోగించవద్దని విద్యావేత్తలకు స్పష్టంగా సలహా ఇస్తుంది.

డిటెక్టర్ AIతో ముడిపెట్టే నమూనాలను పోలిన భాషను డిటెక్టర్ గుర్తించగలదు. ఏమి జరిగిందో మరియు అది అనుమతించబడిందో లేదో నిర్ణయించడానికి విస్తృత సమీక్ష అవసరం.

వాటర్‌మార్క్‌లు వేరే రకమైన సిగ్నల్‌ను జోడిస్తాయి

కొన్ని AI سسٹమ్‌లు వచనాన్ని ఉత్పత్తి చేస్తున్నప్పుడు గుర్తించదగిన నమూనాను జోడించగలవు. ఈ ప్రక్రియను వాటర్‌మార్కింగ్ అంటారు.

టెక్స్ట్ వాటర్‌మార్క్ ఎలా పనిచేస్తుంది

Google DeepMind యొక్క SynthID ఒక ఉదాహరణను అందిస్తుంది:

1. సిస్టమ్ టోకెన్ సంభావ్యతలను సర్దుబాటు చేస్తుంది. ఇది మోడల్ కొన్ని పదాలు లేదా పదాల భాగాలను ఎంచుకునే సంభావ్యతను కొద్దిగా మారుస్తుంది.
2. ఆ ఎంపికలు ఒక నమూనాను సృష్టిస్తాయి. వాటర్‌మార్క్ పాఠకులకు కనిపించకుండా ఉండేలా రూపొందించబడింది.
3. అనుకూలమైన డిటెక్టర్ దాని కోసం తనిఖీ చేస్తుంది. ఆశించిన గణాంక సిగ్నల్ కోసం డిటెక్టర్ వచనాన్ని విశ్లేషిస్తుంది.

ఉత్పత్తి సమయంలో నమూనా జోడించబడినందున, ఇది వచనాన్ని ఉత్పత్తి చేసిన సిస్టమ్‌కు ముడిపడి ఉన్న సమాచారాన్ని అందించగలదు.

వాటర్‌మార్క్ గుర్తింపును ఏది పరిమితం చేస్తుంది

• జనరేటర్ దానిని తప్పక జోడించాలి. AI సిస్టమ్ వాటర్‌మార్క్‌కు మద్దతు ఇవ్వాలి మరియు వర్తింపజేయాలి. వాటర్‌మార్క్ లేకపోవడం వల్ల ఒక వ్యక్తి వచనాన్ని వ్రాశాడని స్థాపించబడదు.
• నమూనాలో కొంత భాగం మిగిలి ఉండాలి. SynthID కొంత క్రాపింగ్, పద మార్పులు మరియు తేలికపాటి పారాఫ్రేసింగ్‌ను తట్టుకోగలదని Google నివేదించింది. విస్తృతమైన తిరిగి వ్రాయడం లేదా అనువాదం దాని విశ్వాసాన్ని తగ్గిస్తుంది.

అనుకూల సిస్టమ్ వచనాన్ని ఉత్పత్తి చేసినప్పుడు మరియు సిగ్నల్ తగినంతగా మిగిలిపోయినప్పుడు వాటర్‌మార్క్‌లు సాక్ష్యాలను బలోపేతం చేయగలవు. అవి ప్రతి AI-సృష్టించిన రచనను గుర్తించలేవు.

ఇతర రికార్డులు మరింత చిత్రాన్ని నింపగలవు

• డ్రాఫ్ట్ చరిత్ర కాలక్రమేణా పత్రం ఎలా మారిందో చూపుతుంది.
• పరిశోధన గమనికలు దాని వాదనలను మూలాలతో కలుపుతాయి.
• బయటపెట్టబడిన AI పరస్పర చర్యలు ఒక సాధనం ఎక్కడ సహకరించిందో చూపుతాయి.

ఈ రికార్డులు నమూనా-ఆధారిత స్కోర్ కంటే వ్రాత ప్రక్రియ గురించి మరింత ప్రత్యక్ష సందర్భాన్ని అందిస్తాయి.

ఫ్లాగ్‌ను సమీక్ష ప్రారంభంగా పరిగణించండి

AI డిటెక్టర్ ఫలితం నిర్వచించబడిన పాత్రను కలిగి ఉన్నప్పుడు మరింత ఉపయోగకరంగా మಾಗುತ್ತದೆ. ఫ్లాగ్‌పై చర్య తీసుకునే ముందు, సమీక్షకులు సాధనం ఏమి కొలిచిందో అర్థం చేసుకోవాలి, వచనం దాని పరిధిలోకి వస్తుందని నిర్ధారించ ہali మరియు అందుబాటులో ఉన్న ఇతర సాక్ష్యాలను పరిశీలించాలి.

ఐదు తనిఖీలు సహాయపడతాయి:

1. స్కోర్ నిర్వచనాన్ని చదవండి. శాతము పత్రం-స్థాయి సంభావ్యతను సూచిస్తుందా లేదా ఫ్లాగ్ చేయబడిన వచనం యొక్క వాటాను సూచిస్తుందో నిర్ణయించండి.
2. సాధనం పరిధిని తనిఖీ చేయండి. పత్రం యొక్క భాష, పొడవు మరియు ఆకృతి డిటెక్టర్ మద్దతు ఇచ్చే వాటితో సరిపోలుతున్నాయని నిర్ధారించండి.
3. సాక్ష్యాలను సమీక్షించండి. డ్రాఫ్ట్‌లు, మూల గమనికలు మరియు రచయిత వివరణతో పాటు హైలైట్ చేయబడిన భాగాలను పరిశీలించండి.
4. సంబంధిత విధానాన్ని వర్తింపజేయండి. AI యొక్క ఏ ఉపయోగాలు అనుమతించబడతాయి మరియు ఏ సాక్ష్యం ఉల్లంఘనను ప్రదర్శిస్తుందో గుర్తించండి.
5. పనినే స్వయంగా అంచనా వేయండి. వాస్తవిక ఖచ్చితత్వం, మూల ఆపాదణ, వాస్తవికత మరియు నాణ్యతను వాటి స్వంత నిబంధనలపై సమీక్షించండి.

పందెం సమీక్ష యొక్క లోతును రూపొందించాలి. ఏ వ్యాసానికి మరొక లుక్ అవసరమో నిర్ణయించడానికి సంపాదకుడు ఫ్లాగ్‌ని ఉపయోగించవచ్చు. గ్రేడ్, ఉద్యోగం లేదా ప్రచురణ ఒప్పందాన్ని ప్రభావితం చేసే నిర్ణయానికి బలమైన సాక్ష్యం మరియు రచయిత తమ ప్రక్రియను వివరించడానికి అవకాశం అవసరం.

AI డిటెక్టర్ సంక్లిష్ట తీర్పును స్కోర్‌గా కుదಿಸುತ್ತದೆ. ఆ స్కోర్‌ను అర్థం చేసుకోవడానికి సంఖ్య లేని సమాచారం అవసరం: సాధనం ఏమి కొలిచింది, అది ఏ థ్రిషోల్డ్‌ను ఉపయోగించింది, పోల్చదగిన రచనపై అది ఎలా పని చేసింది మరియు సమీక్షించబడుతున్న మెటీరియల్‌లో AI-సృష్టించిన వచనం ఎంత సాధారణం. స్కోర్ దృష్టిని మళ్లించవచ్చు. డిటెక్టర్ స్కోర్ ఆ సమీక్షకు దోహదపడుతుంది, కానీ రచయిత గురించి ఏదైనా ముగింపు వ్రాత ప్రక్రియ గురించి సాక్ష్యం కూడా అవసరం.

తరచుగా అడిగే ప్రశ్నలు

AI డిటెక్టర్లు తప్పుగా ఉండగలవా?

అవును. మానవ రచనను AI-సృష్టించినదిగా డిటెక్టర్ ఫ్లాగ్ చేసినప్పుడు తప్పుడు పాజిటివ్ సంభవిస్తుంది. AI-సృష్టించిన రచన గుర్తించబడకుండా పోయినప్పుడు తప్పుడు నెగటివ్ సంభవిస్తుంది. ప్రతి లోపం యొక్క ఫ్రీక్వెన్సీ డిటెక్టర్, దాని థ్రిషోల్డ్ మరియు సమర్పించిన వచనం దానిని పరీక్షించడానికి ఉపయోగించిన మెటీరియల్‌ను ఎంత దగ్గరగా పోలి ఉంటుంది అనేదానిపై ఆధారపడి ఉంటుంది.

AI డిటెక్టర్లు ఎంత ఖచ్చితమైనవి?

AI డిటెక్టర్ల కోసం ఒక్క ఖచ్చితత్వ రేటు లేదు. భాష, పొడవు, సబ్జెక్ట్, రైటింగ్ స్టైల్, జనరేటింగ్ మోడల్ మరియు ఎడిటింగ్ మొత్తంతో పనితీరు మారవచ్చు. పరీక్షా పరిస్థితులు సమీక్షించబడుతున్న రచనను పోలి ఉన్నప్పుడు మరియు ఫలితం విజయవంతమైన గుర్తింపులతో పాటు తప్పుడు పాజిటివ్‌లను నివేదించినప్పుడు ఖచ్చితత్వ దావా చాలా ఉపయోగకరంగా ఉంటుంది.

AI-గుర్తింపు శాతం అంటే ఏమిటి?

నిర్వచనం సాధనంపై ఆధారపడి ఉంటుంది. ఇది పత్రం AI-సృష్టించబడిందనే అంచనా సంభావ్యతను, అర్హత గల వచనం ఫ్లాగ్ చేయబడిన శాతాన్ని లేదా ఫలితంలో విశ్వాస రూపத்தை సూచించవచ్చు. డిటెక్టర్ యొక్క డాక్యుమెంటేషన్ అది ఏ కొలతను నివేదిస్తుందో వివరించాలి.

ఎవరైనా AIని ఉపయోగించారని AI డిటెక్టర్ నిరూపించగలదా?

డిటెక్టర్ స్కోర్ మాత్రమే పత్రం ఎలా సృష్టించబడిందో నిరూపించలేదు. ఇది వెనుక ఉన్న ప్రాంప్ట్‌లు, డ్రాఫ్ట్‌లు, ఎడిట్‌లు లేదా పరిశోధనలను చూడకుండా సమర్పించిన వచనాన్ని విశ్లేషిస్తుంది. నమ్మకమైన సమీక్ష ప్రక్రియ సాక్ష్యం మరియు ఆమోదయోగ్యమైన AI వినియోగాన్ని నియంత్రించే విధానంతో పాటు స్కోర్‌ను పరిగణిస్తుంది.

మానవ రచన కొన్నిసార్లు AI వలె ఎందుకు ఫ్లాగ్ చేయబడుతుంది?

మానవ మరియు AI-సృష్టించిన రచన ఒకే గణాంక నమూనాలను పంచుకోవచ్చు. ఫార్ములా భాష, ఊహించదగిన పదజాలం, పరిమిత పదజాలం లేదా డిటెక్టర్ యొక్క శిక్షణ డేటాకు భిన్నమైన శైలి తప్పుడు పాజిటివ్‌కు దోహదం చేయవచ్చు. 2023లో పరీక్షించబడిన కొన్ని డిటెక్టర్లు స్థానికేతర ఇంగ్లీష్ మాట్లాడేవారు వ్రాసిన వ్యాసాలను అసమానంగా ఫ్లాగ్ చేశాయని పరిశోధన కనుగొంది.