هل لا تزال كواشف الذكاء الاصطناعي تعتمد على الحيرة والتفاوت؟

ابحث عن كيفية اكتشاف GPTZero للكتابة التي أنشأها الذكاء الاصطناعي اليوم، وستجد أن معظم ما يظهر لا يزال يركز على إحصاءين، هما perplexity و burstiness، وهما الزوج الذي جعل الأداة مشهورة خلال أسابيع من إطلاقها في يناير 2023. وتذكر وثائق الدعم الخاصة بـ GPTZero الآن شيئًا مختلفًا: فقد توقفت عن استخدامهما كليهما في خريف ذلك العام نفسه.

فهل لا يزال burstiness مستخدمًا من قبل كواشف الذكاء الاصطناعي؟ ليس من قبل الأداة التي جعلت هذا المصطلح شائعًا في الأوساط الأكاديمية. وتذكر مركز الدعم الخاص بـ GPTZero بوضوح أنها لم تعد تستخدم perplexity أو burstiness، بعد أن انتقلت إلى بنية معتمدة على التعلم العميق بدلًا من ذلك. ولم تنشر Turnitin، الأداة التي يواجهها معظم الطلاب فعليًا، أيًا من المصطلحين بوصفهما جزءًا من منهجها من الأساس. هذه المفاهيم لم تختفِ من النقاش. لكنها اختفت من المنتجات التي تقوم بعملية الكشف الفعلية.

هل لا يزال burstiness مستخدمًا من قبل كواشف الذكاء الاصطناعي؟

لا، ليس من قبل GPTZero، وليس بالاسم. وتقول وثائق الدعم الخاصة بـ GPTZero ذلك صراحة: "اعتبارًا من خريف 2023، لم تعد GPTZero تستخدم perplexity و burstiness في اكتشاف الذكاء الاصطناعي لديها لأنها انتقلت إلى بنية قائمة على التعلم العميق." وتصف الأدلة الخاصة بـ Turnitin منهجًا مختلفًا مرة أخرى، يقوم على منح درجات لأجزاء من التسليم باستخدام مصنف مدرَّب، ولا يظهر أي من المصطلحين في تلك الوثائق أيضًا. الإحصاءان اللذان حددا الموجة الأولى من اكتشاف الذكاء الاصطناعي ليسا ما تشغله الأدوات الرائدة حاليًا. وهذا أضيق من القول إنهما أُلقيا جانبًا: فما زال الشرح الخاص بـ GPTZero يعدهما ضمن سبعة مؤشرات تغذي نموذجه. لقد توقفتا عن أن تكونا المنهج من دون أن تتوقفا عن كونهما قياسًا، والفرق بين هذين الادعاءين هو في معظمه ما يدور حوله هذا السؤال.

ما الذي تغير في خريف 2023

لم يكن المصطلحان غامضين قط. عرّف الشرح المبكر الخاص بـ GPTZero مفهوم perplexity بأنه "مقياس لمدى احتمال أن يكون نموذج AI قد اختار المجموعة نفسها تمامًا من الكلمات كما وردت في المستند"، وعرّف burstiness بأنه "مقياس لمدى تباين أنماط الكتابة وتباينات النص عبر المستند بأكمله"، وهو إحصاء على مستوى المستند، لا مجرد عدّ لطول الجملة. ولا تزال التعريفات كلاهما منشورة على موقع GPTZero. ما تغيّر هو أيّهما يشغّله الكاشف فعليًا.

"Migrated to a deep-learning based architecture" ادعاء محدد، لا عبارة تسويقية، وهو يصف تغيرًا حقيقيًا في النوع. تُحسب درجة perplexity مباشرة من صيغة: يُمرَّر النص عبر نموذج لغوي مرجعي، ثم يُؤخذ متوسط احتمالات اللوغاريتم، ثم تُؤسَّس النتيجة. أما مصنّف deep-learning فيُدرَّب بدلًا من ذلك، وتُعرض عليه أعداد كبيرة من أمثلة كتبها البشر وAI حتى يتعلم، من تلقاء نفسه، أي توليفة من السمات تفصل بين الكومتين في بيانات التدريب تلك. لا يكتب أحد القاعدة يدويًا في النهج الثاني. النموذج هو الذي يجدها.

كلا المصطلحين المتقاعدين لهما شرح كامل في موضع آخر من هذا الموقع: ما الذي يقيسه perplexity فعليًا وما الذي يقيسه burstiness فعليًا يغطي كل منهما آلياته الخاصة بعمق، بما في ذلك الصيغ الكامنة وراءه. وتبقى هذه المقالة مركزة على ما إذا كان أيٌّ منهما لا يزال ما يشغّله كاشف اليوم.

ما الذي توثقه GPTZero وTurnitin فعليًا اليوم

تذكر صفحة التكنولوجيا الحالية لدى GPTZero، التي تصف ما يُشحن في المنتج، أن كاشفها هو "end-to-end deep learning approach"، مع "sentence-by-sentence classification model" ينتج مخرجات احتمالية مع درجة ثقة. ولا يظهر perplexity ولا burstiness في أي موضع من تلك الصفحة، لا بوصفه مكوّنًا، ولا ميزة موروثة، ولا في حاشية.

لم تكن وثائق Turnitin مبنية أصلا حول أي من المصطلحين. تصف أدلتها عمليةَ تقسيمٍ للإرسال إلى مقاطع من بضع مئات من الكلمات، ويُمنح كل مقطع درجة بواسطة نموذج مدرَّب، ثم تُؤخذ درجات المقاطع ويُحسب متوسطها للوصول إلى النسبة الواحدة التي يعرضها التقرير. هذا مصنِّف مُراقَب يعمل على مقاطع نصية، من العائلة نفسها من المنهج التي انتقل إليها GPTZero، وليس حسابا لـ perplexity ولا حسابا لـ burstiness تحت اسم مختلف.

يمكن رؤية هذا التحول بأوضح صورة عند المقارنة المباشرة.

	ما وصفته الشروح المبكرة (2023)	ما تصفه الوثائق الحالية
GPTZero	perplexity و burstiness، مع التقييم مقابل نموذج مرجعي	مصنِّف تعلّم عميق على مستوى الجملة، يُخرج احتمالا ودرجة ثقة
Turnitin	لم يُنشر قط، ولا تظهر المصطلحات في مواد Turnitin نفسها في أي وقت	مقاطع من بضع مئات من الكلمات تُقيَّم بواسطة مصنِّف مدرَّب، ثم تُحسَب لها قيمة متوسطة في نسبة واحدة

لماذا لا تزال المفاهيم تفسر قابلية الكشف

لا يجعل أيٌّ من هذا perplexity و burstiness خطأ، بل يجعلهما فقط قديمين بوصفهما وصفا للآلية الحالية. كانت كلتا الفكرتين تصفان دائما شيئا حقيقيا: فالنص الذي يُولَّد عبر أخذ عينات باتجاه الامتدادات الأعلى احتمالا في النموذج يميل إلى أن يكون أكثر قابلية للتنبؤ، كلمةً كلمة، من النص الذي يكتبه الإنسان من الصفر، كما يميل إلى أن يتغير بدرجة أقل من جملة إلى أخرى. لم تتغير المنتظمة الأساسية لأن موردا ما غيّر بنية كاشفه. الذي تغير هو الطريقة التي يبحث بها الكاشف عنها.

لا يُطلب من المصنِّف المدرَّب صراحةً أن يبحث عن الغموض أو التقطّع. بل إنه يُدرَّب على التمييز الأساسي نفسه بين النص البشري والنص الآلي الذي صُمِّمت هاتان الإحصائيتان لالتقاطه. ويبدو من غير المرجح للغاية أن مصنِّفًا مُدرَّبًا على التمييز بين المجموعتين لن يعتمد، هو أيضًا، على تلك الانتظامية نفسها تحديدًا, وهي واحدة من أكثر الفروق موثوقية بينهما. هذا استدلال حول سبب احتمال عمل المصنِّف، لا ادعاء بشأن قائمة السمات المنشورة له، وينبغي إبقاء الأمرين منفصلين.

تدعم أبحاث مستقلة الفكرة القائلة إن الإحصائية الأساسية ما تزال ذات أثر، حتى خارج منتج أي بائع بعينه. DetectGPT، وهي طريقة أكاديمية من نوع zero-shot نُشرت في 2023، تنظر إلى قريبة وثيقة من الغموض، أي مدى انحناء دالة الاحتمال اللوغاريتمي للنموذج حول مقطع نصي، وتصل إلى 0.95 AUROC على أحد المعايير مقابل 0.81 لأفضل خط أساس سابق من نوع zero-shot، من دون تدريب مصنِّف على أمثلة موسومة إطلاقًا. وما تزال الفكرة الأساسية، وهي أن النص المولَّد آليًا يقع في منطقة متميزة إحصائيًا داخل فضاء الاحتمال الخاص بالنموذج نفسه، موضوعَ بحث نشط. لكنها ببساطة ليست ما يقدمه GPTZero للمستخدمين.

لماذا لا يزال كثير من الإنترنت يخطئ في هذا الأمر

كُتبت معظم الشروح المنشورة حول كيفية عمل كشف الذكاء الاصطناعي خلال إطلاق GPTZero في يناير 2023 أو بعده بقليل، حين كان الغموض والتقطّع هما الإطار العلني الوحيد الذي قدمته الشركة نفسها. ولا تزال صفحات الشرح الأصلية تلك متاحة اليوم. أما إشعار الإيقاف في خريف 2023 فيقع على صفحة دعم منفصلة بدلًا من أن يكون مدمجًا فيها، لذلك فإن الكاتب الذي قرأ الصفحة الأولى وتوقف عن البحث لن يكون لديه سبب لمعرفة أن الطريقة تغيرت بعد أقل من عام.

يزعم استعراض لكاشف تابع لجهة خارجية متداول في 2026 أن GPTZero لا يزال يستخدم perplexity و burstiness بوصفهما طبقة واحدة ضمن عدة طبقات داخل نظام أكبر. ويتعارض هذا الادعاء مباشرة مع صفحة التكنولوجيا الحالية الخاصة بـ GPTZero نفسها ومع وثائق الدعم الخاصة بها، ولا يوجد في موقع GPTZero نفسه ما يؤيده. إن وصف شركة لمنتجها الذي طرحته فعلاً في السوق يظل أرجح من ادعاء غير موثق صادر عن جهة خارجية بشأن المنتج نفسه، حتى لو كانت وثائق المورّد قد تكون خاطئة أيضاً. يتبع هذا النص صفحات GPTZero نفسها بدلاً من الاستعراض الذي يكرر القصة الأقدم.

ما الذي يعنيه هذا بالنسبة إلى طريقة كتابتك

إن الإرشاد العملي المبني حول burstiness لم يصبح عديم الفائدة لمجرد أن الكلمة اختفت من مواد GPTZero نفسها. إن تنويع طول الجمل عمداً لا يزال، من الناحية الآلية، حجة تتعلق بتجنب التجانس الإحصائي نفسه الذي يُرجح أن يكون المصنف قد دُرِّب على ملاحظته، مهما كان الاسم الذي يطلقه داخلياً على تلك الإشارة. لقد بقيت النصيحة الأساسية بعد تغير بنية المورّد، حتى وإن لم تبقَ المفردات التي تصفها.

لا يتطلب أي من هذا أن تأخذ بكلام أي أحد على علاته، بما في ذلك هذا المنشور. يتيح لك free perplexity checker الخاص بـ TextPulse ومجموعة free tools collection الأوسع أن تنظر إلى موضع مسودتك قبل أن يفعل ذلك أي كاشف، من أي جيل كان.

إذا أعادتك النتيجة إلى كتابتك نفسها، فإن المتابعات العملية هي زيادة burstiness عمداً وتنويع طول الجمل عبر فقرة أكاديمية، وهو العمل نفسه الموصوف من دون المقياس.

ستظل الآلية التي يشغلها الكاشف تتغير، وقد غيّرها GPTZero بالفعل مرة واحدة. وما يبقى ثابتاً هو السؤال الفعلي، الذي تتناوله هذه الصفحة بالكامل في دليلها إلى كيفية عمل AI detectors فعلاً: هل الكتابة المتوقعة هي الشيء نفسه الذي تعنيه الكتابة المولدة آلياً، بغض النظر عن الصيغة التي تكون رائجة في سنة معينة.