AI সনাক্তকরণ স্কোর কীভাবে কমাবেন

একজন শিক্ষার্থী একটি অনুচ্ছেদকে একটি detector-এর মাধ্যমে চালান, 82 percent-এর একটি score দেখেন, একটি বাক্যের গঠন একটুও না বদলে এক ডজন শব্দকে synonym দিয়ে বদলান, এবং আবার পরীক্ষা করেন। সংখ্যাটি সামান্যই নড়ে। পুরো বিষয়টি হলো, কিছু সম্পাদনা প্রায় কিছুই বদলায় না, আর একটি সম্পাদনা বাকি সবগুলোর সম্মিলিত প্রভাবের চেয়েও বেশি বদলায়, এমন কারণে যা software-কে বোকা বানানোর সঙ্গে সম্পর্কিত নয়।

এই অংশটি AI score কীভাবে কমাতে হয় তা সেই ক্রমে ব্যাখ্যা করে যা বাস্তবে গুরুত্বপূর্ণ, কোন সম্পাদনা প্রায় ধরা পড়ে না, কোনটি সংখ্যাটিকে উল্লেখযোগ্যভাবে বদলায়, এবং কোনটি সবচেয়ে বেশি বদলায়, এবং কেন। এটি আরও ব্যাখ্যা করে সংখ্যাটি আসলে কী পরিমাপ করছে, কারণ কম score চাওয়ার একটি বাস্তব কারণ আছে, আরও স্পষ্ট, আরও নির্দিষ্ট লেখা, এবং একে নিজে নিজে অনুসরণ করার মতো দুর্বল লক্ষ্যও আছে।

একটি AI Score আসলে কী পরিমাপ করে

একটি language model বারবার পরবর্তী সম্ভাব্য শব্দটি অনুমান করে লিখে, এবং এর ফলে একটি নির্দিষ্ট statistical fingerprint তৈরি হয়, বাক্যের দৈর্ঘ্যগুলো একত্রে গুচ্ছবদ্ধ হয়, সংযোগগুলো নিরাপদ বিকল্পের একটি ছোট সেট থেকে নেওয়া হয়, শব্দচয়ন এমন জায়গায় থাকে যা সেই প্রেক্ষিতে প্রত্যাশিত কিছুর কেন্দ্রের কাছাকাছি। একটি AI detection score হলো একটি passage এই fingerprint-এর সঙ্গে কতটা ঘনিষ্ঠভাবে মেলে তার একটি অনুমান, যা এটি শনাক্ত করার জন্য প্রশিক্ষিত একটি classifier দ্বারা উৎপন্ন হয়, বাক্যটি কে টাইপ করেছে তার একটি fact নয়।

ডিটেক্টরগুলো সবই সংখ্যাটিকে একইভাবে সংজ্ঞায়িত করে না। Turnitin জানায় স্পষ্টভাবে যে তার শতাংশ "submission-এর মধ্যে থাকা যোগ্য পাঠ্যের সেই পরিমাণকে নির্দেশ করে, যা Turnitin-এর AI writing detection model নির্ধারণ করে যে সম্ভবত AI দ্বারা তৈরি হয়েছিল," এবং এটি স্পষ্ট করে যে এটি চিহ্নিত পাঠ্যের একটি অংশ, probability বা confidence score নয়। অন্য detectorগুলো বাক্যটির নিজস্ব confidence value-এর কাছাকাছি কিছু output করে। যাই হোক, এই সংখ্যাগুলোর পেছনের mechanics-এর পূর্ণ ব্যাখ্যা পড়া মূল্যবান AI detector কীভাবে কাজ করে অংশে। এখানে গুরুত্বপূর্ণ বিষয়টি আরও সরল, সংখ্যা সবসময়ই একটি statistical estimate, এবং নিচের প্রতিটি edit কাজ করে যে statistics এটি পড়ার জন্য তৈরি, সেগুলো পরিবর্তন করে, model জড়িত ছিল এই fact আড়াল করে নয়।

সমার্থক শব্দ বদলালে AI score সামান্যই বদলায়

একটি শব্দকে কম প্রচলিত একটি সমার্থক শব্দ দিয়ে বদলালে classifier যে pattern-এর উপর score দেয়, তাতে প্রায় কিছুই বদলায় না, কারণ এতে বাক্যের দৈর্ঘ্য, clause structure এবং rhythm অপরিবর্তিত থাকে। Uniform sentence shape লক্ষ্য করার জন্য trained একটি model-এর কাছে enable করে নাকি allow করে, তা গুরুত্বপূর্ণ নয়। তার কাছে গুরুত্বপূর্ণ হলো, পরপর তিনটি বাক্য প্রায় একই দৈর্ঘ্যের এবং একইভাবে শুরু হচ্ছে।

একটি সরল বাক্য হলো: "The platform enables users to efficiently accomplish routine tasks without additional training." শব্দে শব্দে বদলালে এটি হয়: "The platform allows users to efficiently complete routine tasks without extra training." একই দৈর্ঘ্য, একই clause order, একই rhythm। একজন পাঠক সামান্য ভিন্ন একটি শব্দ লক্ষ্য করতে পারেন। Paragraph জুড়ে sentence-level pattern score করা একটি classifier-এর কাজের জন্য প্রায় নতুন কিছুই থাকে না।

এটি স্টক শব্দভান্ডার সংশোধনের বিরুদ্ধে কোনো যুক্তি নয়। facilitate, robust এবং myriad-এর মতো শব্দ বাদ দেওয়ার মতো, কারণ একজন সতর্ক পাঠক এগুলো লক্ষ্য করেন, এবং একটি বিনামূল্যের AI word cleaner সেকেন্ডের মধ্যে এদের বেশিরভাগই ধরে ফেলে। এটি এই প্রত্যাশার বিরুদ্ধে একটি যুক্তি যে সেই ধাপটিই মূল কাজটি করে দেবে। যদি একটি স্কোর শব্দভান্ডার সংশোধনের পর সামান্যই বদলায়, তবে সেটিই প্রত্যাশিত ফল, ব্যর্থতার লক্ষণ নয়।

বাক্যবৈচিত্র্য এটিকে আরও এগিয়ে নিয়ে যায়

একটি মডেল একবারে একটি টোকেন পূর্বানুমান করে এবং তৃতীয় বাক্যটি দ্বিতীয় বাক্যের চেয়ে ছোট করার কোনো অন্তর্নিহিত কারণ তার নেই, তাই একে নিজের মতো ছেড়ে দিলে একটি অনুচ্ছেদ দৈর্ঘ্য ও গঠনের একটি সংকীর্ণ পরিসরে স্থির হয়ে যায়। সেই নিয়মিততা, কোনো একক শব্দ নয়, বরং আরও শক্তিশালী সংকেত, কারণ যন্ত্রগত আউটপুটের ওপর প্রশিক্ষিত একটি শ্রেণিবিন্যাসকারী এই ধরনটি হাজার হাজার বার দেখেছে।

তিনটি সমতল বাক্য এভাবে পড়া যায়: "The results were significant. The findings supported the hypothesis. The data was analyzed using standard methods." বৈচিত্র্যের জন্য পুনর্গঠিত হলে, একই বিষয়বস্তু এভাবে পড়া যায়: "The results were significant, and they supported the hypothesis, though the standard analysis needed a second pass once two of the outlying cases were removed." এখন একটি বাক্যই দাবি এবং তার জটিলতাকে একসঙ্গে বহন করছে, অনুচ্ছেদ জুড়ে দৈর্ঘ্য ও উপবাক্য গঠনে প্রকৃত বৈচিত্র্যসহ। একটি burstiness checker যখন অসমতা স্কোর করে, তখন সেটিই সে মাপছে, এবং এই কারণেই এই সম্পাদনা শব্দভান্ডার সংশোধনের তুলনায় স্কোরকে বেশি সরায়।

এক বা দুই পৃষ্ঠায় হাতে এটি করা কঠিন নয়। অনুচ্ছেদটি উচ্চস্বরে পড়ুন, একই দৈর্ঘ্য ও গঠনের শোনায় এমন দুই বা তিনটি বাক্যের ধারাবাহিকতা চিহ্নিত করুন, এবং সেগুলোর একটি ভেঙে দিন অথবা দুটি বাক্যকে একটি বাক্যে জুড়ে দিন, যেখানে কমা বাস্তব কাজ করবে। এই অংশের পেছনের বাক্যস্তরের সম্পাদনাগুলি ধাপে ধাপে, আরও উদাহরণসহ, full walkthrough of how to humanize AI text-এ আলোচিত হয়েছে।

আপনার নিজস্ব প্রমাণ AI স্কোরকে সবচেয়ে বেশি সরায়

একটি ভাষা মডেলের আপনার প্রকল্পে আসলে কী ঘটেছিল, তার কোনো প্রবেশাধিকার নেই। কোনো একটি গবেষণা সম্পর্কে লিখতে বলা হলে, এটি সবচেয়ে নিরাপদ বাক্যগঠনে ফিরে যায়, যা একই বিষয়ের প্রায় যেকোনো গবেষণার সঙ্গে মানিয়ে যায়, কারণ সেটাই তার কাছে থাকা একমাত্র উপাদান। নির্দিষ্ট কোনো উৎস থেকে নেওয়া নির্দিষ্ট দাবিযুক্ত একটি বাক্য, এমন বাক্য নয় যা কেবল প্রম্পটের ভিত্তিতে একটি মডেল তৈরি করত, এবং সেই ব্যবধানই একটি স্কোরকে সবচেয়ে বেশি বদলায়।

একটি সাধারণ বাক্য: "The intervention had a positive effect on outcomes for participants." এটি শত শত গবেষণাকে বর্ণনা করতে পারে। লেখকের নিজস্ব উপাদান ব্যবহার করে পুনর্লিখন: "Attendance records showed the effect held only for students who came to more than six sessions, a threshold the original design had not anticipated." এটি দীর্ঘতর, আরও নির্দিষ্ট, এবং কেবল এই গবেষণাকেই বর্ণনা করতে পারে। একই প্রম্পট চালিয়ে যেতে বলা একটি রেফারেন্স মডেল ছয়টি সেশনের এই বিবরণ অনুমান করত না, কারণ প্রম্পটে এমন কিছু ছিল না যা এর অস্তিত্বের ইঙ্গিত দিত।

এটিই সেই সম্পাদনা, যা কোনো ডিটেক্টর কী রিপোর্ট করে তা নির্বিশেষে লেখাকে সবচেয়ে বেশি উন্নত করে, এবং এটাই এমন একটি বিষয়, যার ওপর কিছুক্ষণ ভেবে দেখা উচিত। একটি নির্দিষ্ট সংখ্যা, একটি নামকৃত সীমাবদ্ধতা, কোনো উৎসকে সরাসরি উদ্ধৃত করা, অস্পষ্ট দাবিতে paraphrase না করা, এগুলো একটি অনুচ্ছেদকে পাঠকের কাছে আরও বিশ্বাসযোগ্য করে তোলে, এবং এগুলো একটি স্কোরও বদলায়, এই সত্যটি লক্ষ্য নয়, বরং পার্শ্বপ্রতিক্রিয়ার কাছাকাছি।

সম্পাদনা	স্কোরের ওপর সাধারণ প্রভাব	কেন
শব্দের বদলে সমার্থক শব্দ ব্যবহার করা	অল্প থেকে প্রায় নেই	বাক্যের দৈর্ঘ্য, গঠন এবং ছন্দ একই থাকে
বাক্যের দৈর্ঘ্য এবং গঠন পরিবর্তন করা	মাঝারি থেকে বড়	শ্রেণিবিন্যাসকারী যে একরূপ ধরনটি শনাক্ত করতে প্রশিক্ষিত, তা ভেঙে দেয়
নিজস্ব প্রমাণ বা দাবি যোগ করা	সবচেয়ে বেশি	এমন বিষয়বস্তু যোগ করে, যা একটি মডেলের পক্ষে কেবল প্রম্পট থেকে তৈরি করার কোনো উপায় ছিল না

ভুল লক্ষ্যকে তাড়া না করে AI Score কীভাবে কমানো যায়

উপরের প্রতিটি সংখ্যা একটি অনুমান, কোনো চূড়ান্ত রায় নয়। Turnitin নিজস্ব ডকুমেন্টেশনে এ কথা স্পষ্টভাবে বলে, যেখানে উল্লেখ করা হয়েছে যে তার AI writing detection "may not always be accurate" এবং "should not be used as the sole basis for adverse actions against a student." একটি স্কোর এমন কারণেও বদলাতে পারে, যার সঙ্গে লেখকত্বের কোনো সম্পর্ক নেই, এবং কোনো ব্যক্তি শুরু থেকে যে লেখা লিখেছে, তাতেও তা অপরিবর্তিত থাকতে পারে। একটি সংখ্যাকে কে একটি বাক্য লিখেছে, সে বিষয়ে সত্য হিসেবে ধরা থেকেই এই বিষয়কে ঘিরে অধিকাংশ উদ্বেগের জন্ম হয়, এবং সংখ্যাটি নিজে যা দাবি করে, তা সেটি নয়।

এই কারণেই শুধু স্কোর কমানোকে একক লক্ষ্য হিসেবে ধরা ভালো নয়। একটি সংখ্যার পেছনে ছোটা লেখককে এমন সম্পাদনার দিকে ঠেলে দিতে পারে, যা স্বয়ংক্রিয় করা সবচেয়ে সহজ, যেমন শব্দভান্ডারের একটি পরিমার্জন, কয়েকটি clause-এর পুনর্বিন্যাস, আর সেই সম্পাদনাটি বাদ পড়ে যেতে পারে, যা সবচেয়ে গুরুত্বপূর্ণ, অর্থাৎ কেবল লেখকের কাছেই থাকা নির্দিষ্ট উপাদান যোগ করা। এভাবে অর্জিত কম স্কোর অবশ্যই মূল্যবান।

কম স্কোরের পেছনে ছোটা একটি paragraph-কে শৈলীগত দিক থেকেও ভুল পথে নিয়ে যেতে পারে, প্রতিটি দাবিকে অতিরিক্ত সতর্কভাবে উপস্থাপন করা, একের পর এক qualifier যোগ করা, এমন filler sentence বসানো, যা কেবল rhythm ভাঙার জন্য আছে, কিছু বলার জন্য নয়। এর কোনোটিই অন্তর্নিহিত pattern-টি সংশোধন করে না, এবং সবকিছু মিলিয়ে paragraph-টি পড়তে আরও খারাপ করে তোলে। যে সম্পাদনাগুলি সত্যিই একটি score বদলায়, sentence variety এবং specific evidence, সেগুলিই এমন সম্পাদনা, যা লেখাকে তার নিজস্ব মানদণ্ডে আরও ভালো করে তোলে, এবং কোনো edit padding-এর মতো লাগতে শুরু করলে, improvement-এর বদলে, এটি একটি উপকারী যাচাই।

TextPulse-এর AI humanizer উপরোক্ত sentence-level এবং structural edit-গুলি একটি পূর্ণ document জুড়ে একসঙ্গে প্রয়োগ করে, এবং সেই একই signal থেকে গণনা করা একটি estimated Human Score জানায়, কোনো named detector এটি pass করবে, এমন কোনো দাবি নয়। সঠিকভাবে ব্যবহার করলে, এটি একটি দীর্ঘ document-এর জন্য দ্রুত প্রথম pass। তবু এটি এখনও সেই একটিমাত্র জিনিস যোগ করতে পারে না, যা একটি score-কে সবচেয়ে বেশি বদলায়, কারণ প্রকৃত কাজ যখন হয়েছিল, তখন এটি সেখানে ছিল না। সেই অংশটি লেখকের কাছেই থাকে।

প্রথমে দুটি পূর্ববর্তী প্রশ্ন মীমাংসা করা মূল্যবান: AI humanizer আদৌ কাজ করে কি না, এবং যে কাজ আপনি জমা দিতে চান, তাতে সেগুলি ব্যবহার করা নিরাপদ কি না।

উপরের ক্রমটি সীমিত সময়কে সময়সীমার আগে কোথায় ব্যয় করা উচিত, তার একটি অগ্রাধিকার তালিকাও। সময় কম হলে সমার্থক শব্দের পর্যায়টি বাদ দিন। যে অনুচ্ছেদে আপনি এমন বিশদ আবার যোগ করেন, যা অন্য কেউ লিখতে পারত না, সেটি বাদ দেবেন না, কারণ সেটিই একমাত্র সম্পাদনা, যা কোনো পরিমাণ পুনর্লিখন সফটওয়্যার আপনার হয়ে করতে পারে না।