Εξειδικευμένα άρθρα για το πώς να εξανθρωπίζετε το κείμενο με AI, να παίρνετε χαμηλή βαθμολογία σε AI detectors και να διατηρείτε παραπομπές.
Μια μελέτη του Stanford το 2023 διαπίστωσε ότι οι ανιχνευτές AI παρερμήνευαν τη ρέουσα αγγλική γραφή μη φυσικών ομιλητών ως παραγόμενη από μηχανή με πολύ υψηλότερο ποσοστό από ό,τι τη γραφή φυσικών ομιλητών. Εδώ παρουσιάζεται ο μηχανισμός πίσω από αυτή τη διαφορά και τι συνέβη όταν τα ίδια δοκίμια ξαναγράφτηκαν με πλουσιότερο λεξιλόγιο.
Η εκρηκτικότητα μετρά πόσο ευρέως μεταβάλλονται τα μήκη των προτάσεων σε ένα απόσπασμα, όχι πόσο εκτείνεται κατά μέσο όρο η πρόταση. Αυτή η ανάρτηση εξηγεί από πού προέρχεται ο όρος, πώς υπολογίζεται στην πράξη η διασπορά και γιατί η έξοδος ενός γλωσσικού μοντέλου τείνει να σταθεροποιείται σε ένα στενό εύρος μηκών.
Η perplexity είναι ο αριθμός που παράγει ένα γλωσσικό μοντέλο για να περιγράψει πόσο εκπλήχθηκε από τις επιλογές λέξεών σας. Αυτή η ανάρτηση ανιχνεύει τη μέτρηση έως την προέλευσή της το 1977, εξετάζει τον τύπο και εξηγεί γιατί το ίδιο απόσπασμα μπορεί να λάβει διαφορετική βαθμολογία ανάλογα με το ποιο μοντέλο κάνει την ανάγνωση.
Οι προμηθευτές δημοσιεύουν ποσοστά ψευδώς θετικών κάτω από 1 τοις εκατό. Ανεξάρτητοι ερευνητές που δοκίμασαν τους ίδιους ανιχνευτές σε γραφή μη φυσικών ομιλητών της αγγλικής βρήκαν ποσοστά πάνω από 60 τοις εκατό. Ακολουθεί τι δείχνουν τα στοιχεία.
Οι ανιχνευτές AI δεν αναγνωρίζουν τη μηχανική γραφή όπως ένας αναγνώστης. Μετρούν πόσο προβλέψιμο είναι το κείμενό σας και έπειτα το μετατρέπουν σε μια βαθμολογία. Μόλις αυτό γίνει σαφές, τόσο η τεχνολογία όσο και οι αποτυχίες της αποκτούν περισσότερο νόημα.
Οι αναρτήσεις χωρίς μετάφραση στη γλώσσα σας βρίσκονται στο αγγλικό ιστολόγιο.