AI Detection

چگونه ثابت کنید از AI استفاده نکرده‌اید

هیچ واقعیت واحدی وجود ندارد که ثابت کند یک مقاله چگونه نوشته شده است. آنچه در عوض وجود دارد، هم‌سویی شواهد است: ردپاهای مستقل و سخت‌دستکاری که به یک روایت واحد می‌رسند. در اینجا می‌بینید این شواهد در عمل چه شکلی دارند، و اگر هنوز به هیچ چیز متهم نشده‌اید، اکنون چه کاری را باید شروع کنید.

6 min
How to prove you didn't use AI: a table of evidence types from version history to search logs and how hard each is to fake

فرض کنید هرگز به هیچ چیزی متهم نمی‌شوید. این پرسش که چگونه ثابت کنید از AI استفاده نکرده‌اید، همچنان ارزش دارد که از پیش به آن پاسخ داده شود، زیرا پاسخ در طی هفته‌ها ساخته می‌شود، نه در یک بعدازظهر، آن هم پس از آنکه اتهامی مطرح شد. اگر اکنون، زیر فشار واقعی، این پرسش را مطرح می‌کنید، خبر خوب این است که بیشتر آنچه نیاز دارید شاید از پیش جایی وجود داشته باشد که به فکر نگاه کردن به آن نیفتاده‌اید، پراکنده در تاریخچه یک سند، یک مرورگر، و پوشه‌ای از یادداشت‌ها که تصور می‌کردید هیچ‌کس هرگز درباره آن‌ها سؤال نخواهد کرد.

مدرک، به معنای دقیقی که یک دادگاه آن را به رسمیت می‌شناسد، برای این‌که یک مقاله چگونه نوشته شده است وجود ندارد. آنچه در عوض وجود دارد، تأیید متقابل است, یعنی ردپاهای مستقل و سخت‌جعل که به یک روایت واحد از رویدادها می‌رسند. این تمایز، هرچه بیشتر اهمیت پیدا می‌کند وقتی دقت واقعی AI detectors را درک کنید، و این‌که یک امتیاز علامت‌خورده تا چه اندازه اغلب ابزار را بازتاب می‌دهد نه نویسنده‌ای را که قلم در دست دارد. بازبین به دنبال یک مدرک قاطع واحد نیست. او بررسی می‌کند که آیا روایت شما از این‌که چگونه چیزی را نوشته‌اید، در برابر همه چیز دیگری که در آن زمان در حال رخ دادن بود دوام می‌آورد یا نه.

چگونه ثابت کنید از AI استفاده نکرده‌اید: چه نوع شواهدی واقعاً قابل اتکا هستند

پنج نوع شواهد بارها و بارها مطرح می‌شوند، و در اینجا از آسان‌ترین تا دشوارترینِ جعلِ پسینی فهرست شده‌اند. هیچ‌یک از آن‌ها به‌تنهایی مدرک نیست. با این حال، در کنار هم، به‌ویژه اگر بازه‌ای از هفته‌ها را نه فقط ساعت‌ها دربر بگیرند، ساختن آن‌ها پس از وقوع، به شکلی که سازگار بماند، دشوار است، و با توجه به این‌که یک detector خوب‌ساخته نیز چه‌قدر اغلب false positive تولید می‌کند، داشتن آن‌ها از پیش ارزشمند است.

شواهدآنچه در عمل نشان می‌دهداینکه پس از وقوع، جعل آن تا چه اندازه دشوار است
تاریخچه نسخه‌ها (Docs یا Word)یک خط زمانی از ویرایش‌ها، نه فقط یک فایل نهاییدشوار: یعنی تایپ کردن یک پیش‌نویس کامل در مراحل جعلی، به ترتیب، در طول تعداد درست روزها
زمان‌سنجی فایل و cloudاینکه یک فایل چه زمانی ایجاد، ذخیره و همگام‌سازی شده است، مستقل از محتوای آنبرای گزارش‌های cloud در سمت سرور دشوار است، برای یک فایل صرفا محلی که هرگز همگام‌سازی نشده باشد آسان‌تر است
تاریخچه جست‌وجو و libraryاینکه شما واقعا هنگام ادعای خود، در حال بررسی منابع مرتبط بوده‌ایددشوار: مستلزم تولید یک ردپای پژوهشیِ چندروزه و plausible پس از اتهام است
یادداشت‌های دست‌نویس و پیش‌نویس‌های چاپ‌شدهیک ثبت فیزیکی و جداگانه‌زمان‌سنجی‌شده از فرایند خودتاندشوار: کاغذ تاریخچه بازگشت دیجیتال را به ارث نمی‌برد
توضیح دادن فرایند خواندناینکه آیا می‌توانید منابع و انتخاب‌های خود را بدون prompting توضیح دهیددشوارترینِ همه: حفظ آن در برابر پرسش‌گری واقعی بسیار دشوار است

آیا تاریخچه نسخه در Google Docs یا Word ثابت می‌کند که شما آن را نوشته‌اید؟

بله، اما به‌طور قابل توجهی. Google Docs یک تاریخچه نسخه کاملِ داخلی دارد که کار شما را به‌طور خودکار ذخیره می‌کند، حتی اگر خودتان فراموش کنید آن را ذخیره کنید. برای دیدن همه نسخه‌های پیشین سند که در طول زمان ذخیره شده‌اند، و اینکه هر بار چه مقدار متن جدید افزوده شده است، روی Last edit در بالای صفحه کلیک کنید، یا از منوی File استفاده کنید. این یک قابلیت رایگان و استاندارد در هر حساب است، نه یک افزونه پولی.

Word نیز زمانی به‌طور مشابه عمل می‌کند که یک فایل به‌جای اینکه فقط روی یک درایو محلی باشد، در OneDrive یا SharePoint ذخیره شده باشد: برای دیدن نسخه‌های ذخیره‌شده در طول دوره نگارش، در منوی File به دنبال Version History بگردید، یا روی فایل در محل ذخیره آن راست‌کلیک کنید. اینکه یک فایل فقط به‌صورت یک .docx محلیِ منفرد وجود داشته باشد و هیچ تاریخچه ذخیره‌شده‌ای نداشته باشد، امر رایجی است. این یعنی این نوع خاص از شواهد در دسترس نخواهد بود، و دانستن این نکته پیش از تکیه کردن بر آن ارزشمند است.

تاریخچه نسخه‌ها عمدتاً به این دلیل قدرتمند است که جعلِ قانع‌کننده آن زمان‌بر است. کسی که پس از متهم شدن بخواهد یک تاریخچه را جعل کند، باید یک مقاله کامل را به‌تدریج، به ترتیبی معقول، در تعداد معقولی از نشست‌ها وارد کند، و این تقریباً به همان اندازه زمان می‌برد که نوشتن خودِ مقاله از ابتدا زمان می‌برد، و به‌ندرت با الگوی ویرایشِ پیش‌نویس واقعی در هنگام بررسی مطابقت دارد. یک پیش‌نویس واقعی مکث می‌کند، به عقب برمی‌گردد، و به‌صورت نامنظم رشد می‌کند. یک متن جعلیِ الصاق‌شده معمولاً در بلوک‌های بزرگ و به‌طرزی مشکوک تمیز ظاهر می‌شود، و این اغلب در خودِ فهرست نسخه‌ها نیز قابل مشاهده است.

آیا زمان‌سنج‌های فایل و ابر چیزی را ثابت می‌کنند؟

چیزی را، اما نه به اندازه تاریخچه نسخه‌ها. تاریخ‌های ایجاد و تغییر یک فایل به شما می‌گویند که چه زمانی ایجاد شده و آخرین بار چه زمانی تغییر کرده است، حتی اگر هیچ چیزی در آن نباشد. گزارش فعالیت سرویس ابری شما برای آن فایل نیز به شما خواهد گفت که چه زمانی ایجاد شده و آخرین بار چه زمانی تغییر کرده است، باز هم بدون توجه به محتوای آن. همین امر ویرایش آن را دشوارتر از صرفاً زمان‌سنج‌ها روی فایل‌سیستم محلی شما می‌کند. Google Drive، OneDrive و Dropbox همگی این نوع سابقه فعالیت را جدا از خودِ فایل، روی سرورهای خودشان نگه می‌دارند.

یک فایل صرفاً محلی، نسخه ضعیف‌تر این شواهد است، زیرا زمان‌سنج‌های فایلِ خودِ یک رایانه را هر کسی که دانش فنی پایه و دلیلی برای این کار داشته باشد می‌تواند تغییر دهد. فایلی که در تمام مدت در یک پوشه همگام‌سازی‌شده ابری بوده است، همراه با گزارش فعالیت مستقلِ سمت سرورِ خود، به‌مراتب قوی‌تر است، زیرا آن گزارش کاملاً بیرون از دستگاه خودِ شما قرار دارد. اگر مطمئن نیستید یک فایل مشخص در کدام دسته قرار می‌گیرد، اکنون تنظیمات اشتراک‌گذاری یا فعالیت آن را بررسی کنید، نه پس از وقوع. فایلی که هفته‌ها بی‌صدا با یک حساب ابری همگام‌سازی شده است، از پیش این سابقه را پشت سر خود دارد، چه خودتان هرگز گزارش فعالیت را باز کنید چه نکنید.

مقاله خود را انسانی‌سازی کنید

متنِ کمک‌گرفته از AI خود را دگرگون کنید و کاری کنید طبیعی به نظر برسد، بدون دست زدن به واژه‌های مهم یا ارجاع‌ها.

رایگان شروع کنید

آیا تاریخچه جست‌وجو و کتابخانه به پرونده شما کمک می‌کند؟

بله، و این یکی از انواع شواهدی است که آسان‌تر از همه نادیده گرفته می‌شود. تاریخچه مرورگر جست‌وجوها و صفحاتی را که هنگام پژوهش بازدید کرده‌اید نشان می‌دهد، و بیشتر مرورگرها این اطلاعات را به طور پیش‌فرض برای هفته‌ها یا ماه‌ها نگه می‌دارند. ورود به پایگاه داده کتابخانه دانشگاه و سوابق جست‌وجو یک لایه دیگر هم اضافه می‌کند: این داده‌ها روی سرورهای خودِ مؤسسه قرار دارند، نه روی سرورهای شما، بنابراین هیچ‌کس نمی‌تواند به طور معقول ادعا کند که بعداً آن‌ها را جعل کرده‌اید.

مدیران استناد یک لایه سوم اضافه می‌کنند. Zotero، Mendeley و ابزارهای مشابه، برای هر منبعی که اضافه می‌کنید و هر یادداشتی که به آن پیوست می‌کنید، زمان ثبت می‌کنند و یک رد پژوهشی می‌سازند که به طور خودکار و هم‌زمان با کار واقعی شما رشد می‌کند، نه چیزی که عمداً و از پیش بسازید. یک citation generator که هنگام پیش‌نویس‌نویسی استفاده می‌شود، ردّی مشابه اما کوچک‌تر بر جا می‌گذارد: یک ثبت مستقل دیگر که پیش از آن‌که کسی آن را بخواهد، وجود داشته است. هیچ‌یک از این ابزارها برای دفاع از شما در برابر یک اتهام ساخته نشده‌اند. دقیقاً به همین دلیل است که ردّی که بر جا می‌گذارند قانع‌کننده است: این رد هرگز صحنه‌سازی نشده بود.

یادداشت‌های دست‌نویس، پیش‌نویس‌های چاپی و خواندنی که می‌توانید درباره آن گفت‌وگو کنید

یادداشت‌های فیزیکی زمان‌بندی جداگانه و مستقل خود را دارند که یک اتهام دیجیتال نمی‌تواند به آن دست بزند. نسخه‌های چاپیِ حاشیه‌نویسی‌شده، دفترچه‌ای با طرحی که در حاشیه آن خط‌خطی شده است، یادداشت‌های چسبان روی یک کتاب کتابخانه، همه به طور مستقل از هر رایانه‌ای وجود دارند و نمی‌توان آن‌ها را پس از وقوع، با ویرایش فراداده یک فایل Word تولید کرد. آن‌ها را نگه دارید و پس از تحویل یک نوشته بازیافت نکنید، دست‌کم تا زمانی که نمره نهایی شود.

و قوی‌ترین شاهد از همه، به ندرت یک سند است. این است که بتوانید درباره مقاله خودتان توضیح دهید: چرا این منبع را به آن یکی ترجیح دادید، پاراگراف سوم دقیقاً چه استدلالی را پیش می‌برد، کدام ادعا را تقریباً حذف کردید و چرا در نهایت آن را نگه داشتید. با تلاش کافی می‌توان یک سند نهایی را جعل کرد.

چرا این تأیید است، نه اثبات، و اکنون چه باید آغاز کرد

هیچ‌یک از این‌ها به معنای دقیق، proof نیست. این مجموعه‌ای از corroboration است، و قدرت آن در این است که جعل کردنش پس از وقوع، دشوارتر از نوشتن essay در وهله نخست بوده است. یک reviewer که پنج signal مستقل و سازگار با یکدیگر را در برابر یک percentage مورد مناقشه می‌سنجد، بسیار بیش از خود percentage را می‌سنجد. این همان standard واقعی است که بیشتر appealها و hearingها به کار می‌گیرند، چه کسی آن را با این اصطلاحات بیان کند چه نکند.

اگر هنوز به چیزی متهم نشده‌اید، این آسان‌ترین زمان برای ایجاد این عادت است. version history را در جایی که هنوز به صورت automatic فعال نیست، روشن کنید، به جای بازنویسی یک file، draftهای تدریجی را ذخیره کنید، و search history و noteهایی را که در غیر این صورت حذف می‌کردید، نگه دارید. همچنین می‌توانید ببینید نوشته خودتان در حال حاضر چگونه خوانده می‌شود با ابزارهای رایگان TextPulse، پیش از آنکه هر کس دیگری به آن score بدهد، و این کاربردی متفاوت از همان measurement زیربنایی است که یک detector اجرا می‌کند.

تبدیل آن evidence به یک document، مهارتی جداگانه است، و برای همین دقیقاً صفحه‌ای درباره نوشتن یک appeal letter وجود دارد. دانستن این هم کمک می‌کند که چندین university استفاده از AI detectorِ Turnitin را به طور کامل متوقف کرده‌اند.

هیچ‌یک از این عادت‌ها برای شروع، زمان زیادی نمی‌برد. اما جعل کردنشان زمان زیادی می‌برد، و همین دقیقاً نکته اصلی است، و دقیقاً به همین دلیل است که پیش از آنکه واقعاً به آن‌ها نیاز پیدا کنید، داشتنشان در جای خود ارزشمند است.

XLinkedInFacebook

سؤالات متداول

این‌که چگونه ثابت کنید از AI استفاده نکرده‌اید، به هم‌سویی شواهد برمی‌گردد، نه به یک مدرک واحد. تاریخچه نسخه در Google Docs یا Word، زمان‌سنجی‌های فایل و فضای ابری، تاریخچه جست‌وجو و کتابخانه، و نیز یادداشت‌ها یا پیش‌نویس‌های کاغذی همگی به‌حساب می‌آیند. هیچ‌کدام به‌تنهایی تعیین‌کننده نیستند. اما وقتی با هم و در بازه‌ای از زمان واقعی، نه چیزی که بعداً ساخته شده باشد، دیده شوند، جعل آن‌ها بسیار دشوارتر از خود مقاله‌ای است که قرار بوده نوشته شود.

Moe

PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.

از تازه‌های انسان‌سازی AI باخبر بمانید

نکات مربوط به نگارش دانشگاهی، تشخیص AI و انسان‌سازی را در صندوق ورودی‌تان دریافت کنید.

بدون اسپم. هر زمان خواستید لغو اشتراک کنید.