27 / 30
نرم‌افزارهای تشخیص در اینجا کمتر از آن چیزی اهمیت دارند که بیشتر دانشجویان تصور می‌کنند. این متن توضیح می‌دهد استادی که پیش‌تر کار شما را خوانده است، وقتی یک پیش‌نویس دیگر شبیه شما به نظر نمی‌رسد، دقیقاً چه چیزهایی را متوجه می‌شود، از یک مطالعه کورِ مهم درباره ارزیابان تا نشانه‌های مشخص و قابل بررسی که مدت‌ها پیش از هرگونه اسکن ظاهر می‌شوند.
یک مطالعه 2023 در Stanford نشان داد که آشکارسازهای AI، نوشتار روانِ انگلیسیِ غیربومی را با نرخی بسیار بالاتر از نوشتار بومی، به‌اشتباه تولیدشده توسط ماشین می‌خوانند. در اینجا سازوکار پشت این شکاف و آنچه رخ داد وقتی همان مقاله‌ها با واژگانی غنی‌تر بازنویسی شدند، آمده است.
تقریباً هر صفحه‌ای که برای این پرسش رتبه می‌گیرد، توسط شرکتی فروخته می‌شود که خود یک humanizer برای فروش دارد. در اینجا به‌جای آن، سازوکار را می‌بینید: این ابزارها واقعاً چه چیزی را تغییر می‌دهند، چرا بخشی از آن امتیاز یک detector را جابه‌جا می‌کند و بخشی نه، و یک بازنویسی تهاجمی چه خطری برای معنا و ارجاعات دارد.
بیشتر راهنماها ده ترفند را بدون هیچ ترتیبی فهرست می‌کنند. این یکی پرامپت‌نویسی و ویرایش را به ترتیب می‌گذارد: پیش از آنکه ChatGPT چیزی بنویسد چه باید از آن خواست، کدام پرامپت‌ها بی‌صدا نتیجه معکوس می‌دهند، و آن بررسی در سطح جمله که پس از آن ارزش انجام دادن دارد.
تقریباً هر نتیجه برای این پرسش، به‌جای نقل مستقیم، راهنمایی Google را بازگویی می‌کند. این متن بر اساس سیاست اسپم خود Google، راهنمای محتوای AI، و مستندات سیستم‌های رتبه‌بندی آن نوشته شده است، همراه با عبارت دقیق و تاریخی که هر صفحه آخرین بار تغییر کرده است.
سیاست هوش مصنوعی دانشگاهی به ندرت با سیاست مؤسسه همسایه یکسان است. این نوشته آنچه را که پنج دانشگاه، پنج ناشر، و Committee on Publication Ethics واقعاً می‌گویند، با نقل دقیق عبارت و ذکر منبع، ترسیم می‌کند.
مطلب‌هایی که ترجمه‌ای به زبان شما ندارند، در وبلاگ انگلیسی هستند.