Hogyan csökkentse az AI-észlelési pontszámát

A hallgató lefuttat egy bekezdést egy detektoron, lát egy 82 százalékos pontszámot, egy tucat szót szinonimákra cserél anélkül, hogy egyetlen mondat szerkezetéhez hozzányúlna, majd újra ellenőriz. A szám alig mozdul. A teljes történet ez: egyes szerkesztések szinte semmit sem változtatnak, egy pedig többet változtat, mint az összes többi együtt, olyan okokból, amelyeknek semmi közük ahhoz, hogy túljárjunk a szoftver eszén.

Ez az írás azt mutatja be, hogyan lehet csökkenteni az AI score értékét abban a sorrendben, amely valóban számít: mely szerkesztések alig látszanak, melyek mozgatják meg érdemben a számot, és melyik mozgatja meg a leginkább, valamint miért. Azt is tárgyalja, hogy a szám valójában mit mér, mert az alacsonyabb pontszámot jó okból érdemes kívánni, mégpedig a világosabb, konkrétabb írás miatt, és önmagában rossz célként követni.

Mit mér valójában egy AI Score

Egy nyelvi modell úgy ír, hogy újra és újra megjósolja a következő valószínű szót, ami sajátos statisztikai lenyomatot hoz létre: egymáshoz közel csoportosuló mondathosszakat, egy szűk, biztonságos lehetőségkészletből vett átmeneteket, olyan szóválasztásokat, amelyek az adott kontextusban elvárható tartomány közepén helyezkednek el. Az AI detection score annak becslése, hogy egy szövegrész mennyire hasonlít erre a lenyomatra, egy erre betanított osztályozó által előállítva, nem pedig annak ténye, hogy ki gépelte be a mondatot.

A detektorok nem mind ugyanúgy határozzák meg ezt a számot. Turnitin egyértelműen kijelenti, hogy a százalékos érték "azt a mennyiséget jelzi a beküldött szövegben, amelyről a Turnitin AI writing detection modellje úgy ítéli meg, hogy valószínűleg AI generálta", és világosan kimondja, hogy ez a megjelölt szöveg aránya, nem pedig valószínűség vagy megbízhatósági pontszám. Más detektorok inkább a mondat maga feletti megbízhatósági értékhez közelebb álló kimenetet adnak. Akárhogy is, ezeknek a számoknak a működéséről szóló teljes magyarázatot érdemes elolvasni itt: hogyan működnek az AI detektorok. Ami itt számít, az egyszerűbb: a szám mindig statisztikai becslés, és az alábbi minden szerkesztés úgy működik, hogy megváltoztatja azokat a statisztikákat, amelyeket olvasni hivatott, nem pedig úgy, hogy elrejti azt a tényt, hogy egy modell közreműködött.

A szinonimacserék alig mozdítanak egy AI pontszámon

Ha egy szót egy ritkább szinonimára cserélünk, az szinte semmit nem változtat azon a mintázaton, amelyre egy osztályozó pontszámot ad, mert a mondat hosszát, tagmondatszerkezetét és ritmusát érintetlenül hagyja. Egy olyan modell, amelyet arra tanítottak, hogy észrevegye az egységes mondatalakot, nem törődik azzal, hogy egy mondat az hogy enables vagy allows. Az érdekli, hogy három egymást követő mondat majdnem azonos hosszúságú, és ugyanúgy kezdődik.

Egy lapos mondat így hangzik: "The platform enables users to efficiently accomplish routine tasks without additional training." Szóról szóra cserélve így lesz: "The platform allows users to efficiently complete routine tasks without extra training." Ugyanaz a hossz, ugyanaz a tagmondatsorrend, ugyanaz a ritmus. Egy olvasó észrevehet egy kissé eltérő szót. Egy olyan osztályozó, amely a bekezdésen belül mondatszintű mintázatokat pontoz, alig kap bármi újat, amivel dolgozhatna.

Ez nem érv a szókincs javításának elhagyása ellen. Az olyan szavak, mint a facilitate, robust és myriad, érdemesek a kihúzásra, mert egy figyelmes olvasó észreveszi őket, és egy ingyenes AI word cleaner másodpercek alatt kiszűri közülük a legtöbbet. Ez inkább amellett szól, hogy nem szabad azt várni, hogy ez a lépés végezze el a nehéz munkát. Ha egy pontszám alig változik egy szókincsbeli átdolgozás után, az a várt eredmény, nem annak a jele, hogy az átdolgozás sikertelen volt.

A mondatváltozatosság tovább viszi ezt

Egy modell egyszerre egy tokent jósol meg, és nincs beépített oka arra, hogy a harmadik mondat rövidebb legyen, mint a második, ezért ha magára hagyjuk, egy bekezdés a hossz és az alak szűk tartományába rendeződik. Ez az egyenletesség, nem pedig bármelyik egyetlen szó, az erősebb jel, mert egy gépi kimenetre tanított osztályozó ezt a mintázatot több ezerszer látta.

Három lapos mondat így hangzik: "The results were significant. The findings supported the hypothesis. The data was analyzed using standard methods." Változatosságra átszerkesztve ugyanaz a tartalom így hangzik: "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." Most egyetlen mondat viszi együtt az állítást és annak bonyolítását, valódi változatossággal a hosszban és a tagmondatszerkezetben a bekezdésen belül. Ezt méri a burstiness checker, amikor az egyenetlenséget pontozza, és ezért mozdít ez a szerkesztés többet a pontszámon, mint egy szókincsbeli átdolgozás.

Ennek semmi nehézsége nincs kézzel, egy vagy két oldalon. Olvassa fel hangosan a bekezdést, jelölje meg azokat a két vagy három mondatból álló sorozatokat, amelyek azonos hosszúnak és alakúnak hangzanak, majd bontsa szét az egyiket, vagy vonjon össze kettőt eggyé úgy, hogy a vessző valódi munkát végezzen. Az ebben a szakaszban szereplő mondatszintű szerkesztéseket lépésről lépésre, több kidolgozott példával együtt, a full walkthrough of how to humanize AI text ismerteti.

A saját bizonyítékai mozgatják leginkább az AI score-t

Egy nyelvi modell nem fér hozzá ahhoz, hogy valójában mi történt a projektjében. Amikor arra kérik, hogy írjon egy tanulmányról, a legbiztonságosabb megfogalmazáshoz nyúl, amely szinte bármely, ugyanarról a témáról szóló tanulmányra illik, mert ez az единetlen anyag, amellyel rendelkezik. Egy olyan mondat, amely egy konkrét forrásból származó konkrét állítást hordoz, nem olyan mondat, amelyet a modell pusztán a prompt alapján előállított volna, és éppen ez a rés az, ami a pontszámot a leginkább megmozgatja.

Egy általános mondat: "The intervention had a positive effect on outcomes for participants." Ez több száz tanulmányt is leírhatna. A szerző saját anyagával átírva: "Attendance records showed the effect held only for students who came to more than six sessions, a threshold the original design had not anticipated." Hosszabb, konkrétabb, és csak ezt a tanulmányt írhatja le. Egy referencia modell, amelyet ugyanannak a promptnak a folytatására kérnek, nem találta volna ki a hat alkalmas részletet, mert a promptban semmi sem utalt arra, hogy ez létezik.

Ez az a szerkesztés is, amely a leginkább javítja az írást, függetlenül attól, hogy bármely detektor mit jelent, és ez az a pont, amelyen érdemes elidőzni. Egy konkrét szám, egy megnevezett korlát, egy forrás közvetlen idézése ahelyett, hogy homályos állítássá parafrazálnánk, mindez meggyőzőbbé tesz egy bekezdést az olvasó számára, és az a tény, hogy ezek a pontszámot is mozgatják, inkább mellékhatás, mint cél.

Szerkesztés	Tipikus hatás a pontszámra	Miért
Szavak szinonimákra cserélése	Kicsi vagy semmi	A mondathossz, a szerkezet és a ritmus változatlan marad
A mondathossz és a szerkezet változtatása	Közepes vagy nagy	Megszakítja az egységes mintázatot, amelyet egy osztályozó felismerésére tanítanak
Saját bizonyíték vagy állítások hozzáadása	A legnagyobb	Olyan tartalmat vezet be, amelyet a modell a promptból önmagában nem tudott volna előállítani

Hogyan csökkentse az AI Score-t anélkül, hogy rossz célt követne

Minden fenti szám becslés, nem ítélet. Turnitin maga is ezt mondja a dokumentációjában, amikor azt írja, hogy az AI írásfelismerése "may not always be accurate" és "should not be used as the sole basis for adverse actions against a student." Egy pontszám változhat olyan okok miatt, amelyeknek semmi közük a szerzőséghez, és változatlan maradhat olyan szövegen is, amelyet valaki a nulláról írt. A számot tényként kezelni arról, hogy ki írt egy mondatot, innen ered e téma körüli aggodalom nagy része, és ez nem az, amit a szám állít magáról.

Ezért önmagában a pontszám csökkentése is rossz cél. Egy szám hajszolása olyan szerkesztések felé terelheti az írót, amelyeket a legkönnyebb automatizálni, egy szókincsbeli átfésülés, néhány átrendezett tagmondat, miközben kimarad az, ami a legfontosabb: annak a konkrét anyagnak a hozzáadása, amely csak az írónál áll rendelkezésre. Az így elért alacsonyabb pontszám megéri.

Az alacsonyabb pontszám hajszolása stilárisan is rossz irányba tolhat egy bekezdést: minden állítás óvatos körülírása, minősítők egymásra halmozása, töltelékmondatok hozzáadása, amelyek csak a ritmus megtörésére szolgálnak, nem pedig arra, hogy valamit közöljenek. Ezek egyike sem javítja a mögöttes mintázatot, és mindegyik rontja a bekezdés olvashatóságát. Azok a szerkesztések, amelyek valóban elmozdítanak egy pontszámot, a mondatváltozatosság és a konkrét bizonyítékok, egyúttal azok a szerkesztések is, amelyek önmagukban jobbá teszik az írást, és ez hasznos ellenőrzési pont, amikor egy javítás inkább tölteléknek, mint előrelépésnek kezd tűnni.

TextPulse AI humanizer eszköze a fenti mondatszintű és szerkezeti szerkesztéseket egy teljes dokumentumon egyszerre alkalmazza, és egy becsült Human Score értéket közöl, amelyet ugyanezekből a jelekből számít, nem pedig azt állítja, hogy bármely megnevezett detektor átengedi. Jól használva gyors első átfutást ad egy hosszú dokumentumon. Továbbra sem tudja hozzáadni azt az egy dolgot, amely a leginkább elmozdít egy pontszámot, mivel soha nem volt jelen abban a pillanatban, amikor a tényleges munka történt. Az a rész az írónál marad.

Két korábbi kérdést érdemes először tisztázni: hogy az AI humanizer eszközök egyáltalán működnek-e, és hogy biztonságos-e olyan munkán használni őket, amelyet be kíván nyújtani.

A fenti sorrend egyben prioritási lista is arra, hogy a határidő előtt mire érdemes a korlátozott időt fordítani. Ha kevés az idő, hagyja ki a szinonimákon végzett átfutást. Ne hagyja ki azt a bekezdést, amelyben visszaadja azt a részletet, amelyet senki más nem írhatott volna meg, mert ez az az egyetlen szerkesztés, amelyet semmilyen átíró szoftver nem tud Ön helyett elvégezni.