Apakah Detektor AI Masih Mengandalkan Perplexity dan Burstiness?

Cari bagaimana GPTZero mendeteksi tulisan AI saat ini dan sebagian besar hasil yang muncul masih berpusat pada dua statistik, perplexity dan burstiness, pasangan yang membuat alat ini terkenal dalam beberapa minggu setelah peluncurannya pada Januari 2023. Dokumentasi dukungan GPTZero sendiri kini menyatakan hal yang berbeda: alat itu berhenti menggunakan keduanya pada musim gugur tahun yang sama.

Jadi, apakah burstiness masih digunakan oleh pendeteksi AI? Bukan oleh alat yang membuat istilah itu menjadi istilah umum di kalangan akademik. Pusat dukungan GPTZero menyatakan dengan tegas bahwa alat itu tidak lagi menggunakan perplexity atau burstiness, dan telah beralih ke arsitektur deep-learning. Turnitin, alat yang sebenarnya paling sering ditemui mahasiswa, sejak awal tidak pernah menerbitkan kedua istilah itu sebagai bagian dari metodenya. Konsep-konsep itu tidak hilang dari percakapan. Konsep-konsep itu hilang dari produk yang benar-benar melakukan pendeteksian.

Apakah Burstiness Masih Digunakan oleh Pendeteksi AI?

Tidak, bukan oleh GPTZero, dan bukan dengan nama itu. Dokumentasi dukungan GPTZero sendiri menyatakannya secara langsung: "As of autumn 2023, GPTZero no longer uses perplexity and burstiness for its AI detection because we migrated to a deep-learning based architecture." Panduan Turnitin sendiri menjelaskan metode yang berbeda lagi, dibangun di sekitar pemberian skor pada bagian-bagian dari suatu kiriman dengan classifier yang telah dilatih, dan kedua istilah itu juga tidak muncul di dokumentasi tersebut. Dua statistik yang mendefinisikan gelombang pertama deteksi AI bukanlah apa yang saat ini dijalankan oleh alat-alat terkemuka. Itu lebih sempit daripada mengatakan bahwa keduanya dibuang: penjelasan GPTZero sendiri masih menghitung keduanya sebagai dua dari tujuh indikator yang memberi masukan pada modelnya. Keduanya berhenti menjadi metode tanpa berhenti menjadi ukuran, dan perbedaan antara dua klaim itu sebagian besar menjadi inti pertanyaan ini.

Apa yang Berubah pada Musim Gugur 2023

Istilah-istilah tersebut tidak pernah samar. Penjelasan awal GPTZero sendiri mendefinisikan perplexity sebagai "a measure of how likely an AI model would have chosen the exact same set of words as found in the document," dan burstiness sebagai "a measure of how much writing patterns and text perplexities vary over the entire document," sebuah statistik tingkat dokumen, bukan sekadar hitungan panjang kalimat. Kedua definisi itu masih dipublikasikan di situs GPTZero. Yang berubah adalah mana di antara keduanya yang benar-benar dijalankan oleh detektor.

"Migrated to a deep-learning based architecture" adalah klaim yang spesifik, bukan frasa pemasaran, dan itu menggambarkan perubahan nyata dalam jenisnya. Skor perplexity dihitung langsung dari sebuah rumus: jalankan teks melalui model bahasa referensi, ambil rata-rata probabilitas log, lalu eksponensialkan hasilnya. Sebaliknya, sebuah pengklasifikasi deep-learning dilatih, diperlihatkan sejumlah besar contoh tulisan manusia dan AI sampai ia mempelajari, dengan sendirinya, kombinasi fitur apa pun yang membedakan dua kelompok dalam data pelatihan itu. Tidak ada yang menuliskan aturan itu secara manual dalam pendekatan kedua. Modellah yang menemukannya.

Kedua istilah yang sudah dipensiunkan itu dijelaskan secara lengkap di bagian lain situs ini: apa yang sebenarnya diukur oleh perplexity dan apa yang sebenarnya diukur oleh burstiness masing-masing membahas mekanismenya sendiri secara mendalam, termasuk rumus di baliknya. Bagian ini secara sempit hanya membahas apakah salah satunya masih merupakan sesuatu yang dijalankan oleh detektor saat ini.

Apa yang Sebenarnya Didokumentasikan GPTZero dan Turnitin Saat Ini

halaman teknologi GPTZero saat ini, yang menjelaskan apa yang dikirimkan dalam produk, menyatakan bahwa perusahaan menggunakan "an end-to-end deep learning approach, trained on text datasets from the web, education, and AI-generated from a range of LLMs", di mana "a sentence-by-sentence classification model determines the probability and confidence that a text was created by AI". Perplexity dan burstiness tidak muncul di halaman itu sama sekali, bukan sebagai komponen, bukan sebagai fitur warisan, dan bukan dalam catatan kaki.

Dokumentasi Turnitin sejak awal tidak pernah dibangun di sekitar salah satu istilah tersebut. Panduannya menggambarkan sebuah pengiriman yang dipecah menjadi beberapa bagian yang masing-masing terdiri atas beberapa ratus kata, setiap bagian diberi skor oleh model terlatih, lalu skor bagian-bagian itu dirata-ratakan menjadi satu persentase yang ditampilkan laporan. Itu adalah pengklasifikasi terawasi yang bekerja pada segmen teks, termasuk keluarga metode yang kini digunakan GPTZero, bukan perhitungan perplexity dan bukan perhitungan burstiness dengan nama lain.

Peralihan ini paling mudah dilihat secara berdampingan.

	Apa yang dijelaskan oleh penjelasan awal (2023)	Apa yang dijelaskan oleh dokumentasi saat ini
GPTZero	Perplexity dan burstiness, diberi skor terhadap model referensi	Pengklasifikasi deep-learning per kalimat yang menghasilkan probabilitas dan skor kepercayaan
Turnitin	Tidak pernah dipublikasikan; istilah-istilah tersebut tidak muncul dalam materi Turnitin sendiri pada titik mana pun	Potongan beberapa ratus kata yang diberi skor oleh pengklasifikasi terlatih, lalu dirata-ratakan menjadi satu persentase

Mengapa Konsep-Konsep Ini Tetap Menjelaskan Keterdeteksian

Semua ini tidak membuat perplexity dan burstiness menjadi keliru, hanya kedaluwarsa sebagai deskripsi mekanisme saat ini. Kedua konsep itu sejak awal memang menggambarkan sesuatu yang nyata: Teks yang dihasilkan dengan melakukan sampling ke arah kelanjutan dengan probabilitas tertinggi milik model cenderung lebih dapat diprediksi, kata demi kata, daripada teks yang ditulis seseorang dari awal; teks itu juga cenderung berubah lebih sedikit dari satu kalimat ke kalimat berikutnya. Keteraturan yang mendasarinya tidak berubah hanya karena suatu vendor mengubah arsitektur detektornya. Yang berubah adalah cara detektor itu mencarinya.

Pengklasifikasi yang telah dilatih tidak secara eksplisit diminta untuk mencari perplexity atau burstiness. Sebaliknya, pengklasifikasi itu dilatih pada pembedaan dasar yang sama antara teks manusia dan teks mesin yang hendak ditangkap oleh dua statistik tersebut. Dan tampaknya sangat kecil kemungkinannya bahwa pengklasifikasi yang dilatih untuk membedakan dua tumpukan itu tidak akan berfokus pada keteraturan yang tepat itu, salah satu perbedaan yang paling andal antara keduanya, juga. Ini adalah inferensi tentang mengapa pengklasifikasi itu kemungkinan bekerja, bukan klaim tentang daftar fitur yang dipublikasikan, dan keduanya harus tetap dipisahkan.

Penelitian independen mendukung gagasan bahwa statistik yang mendasarinya masih memiliki daya, bahkan di luar produk satu vendor mana pun. DetectGPT, sebuah metode zero-shot akademik yang diterbitkan pada 2023, menelaah kerabat dekat perplexity, yaitu seberapa tajam fungsi log-probabilitas sebuah model melengkung di sekitar suatu bagian teks, dan mencapai 0.95 AUROC pada satu tolok ukur dibandingkan 0.81 untuk baseline zero-shot terbaik sebelumnya, tanpa melatih pengklasifikasi pada contoh berlabel sama sekali. Gagasan inti, bahwa teks yang dihasilkan mesin berada dalam wilayah yang secara statistik berbeda di ruang probabilitas milik model itu sendiri, masih menjadi penelitian aktif. Itu hanya bukan apa yang GPTZero kirimkan kepada pengguna.

Mengapa Begitu Banyak Bagian Internet Masih Salah Memahaminya

Sebagian besar penjelasan yang dipublikasikan tentang cara kerja deteksi AI ditulis selama atau segera setelah peluncuran GPTZero pada Januari 2023, ketika perplexity dan burstiness adalah satu-satunya kerangka publik yang ditawarkan perusahaan itu sendiri. Halaman penjelasan asli tersebut masih tersedia hingga hari ini. Pemberitahuan penghentian pada musim gugur 2023 berada di halaman dukungan yang terpisah, bukan digabungkan ke dalamnya, sehingga seorang penulis yang membaca halaman pertama dan berhenti meneliti tidak akan punya alasan untuk mengetahui bahwa metodenya berubah kurang dari setahun kemudian.

Ulasan detektor pihak ketiga yang beredar pada 2026 mengklaim bahwa GPTZero masih menjalankan perplexity dan burstiness sebagai satu lapisan di antara beberapa lapisan lain dalam sebuah sistem yang lebih besar. Klaim itu bertentangan langsung dengan halaman teknologi terkini milik GPTZero sendiri dan dokumentasi dukungannya sendiri, dan tidak ada apa pun di situs GPTZero sendiri yang menguatkannya. Perusahaan yang menjelaskan produknya sendiri yang sudah dirilis tetap lebih berwenang daripada klaim pihak ketiga yang tidak terverifikasi tentang produk yang sama, meskipun dokumentasi vendor juga bisa keliru. Tulisan ini mengikuti halaman milik GPTZero sendiri, bukan ulasan yang mengulang cerita yang lebih lama.

Apa Artinya Ini bagi Cara Anda Menulis

Panduan praktis yang dibangun di sekitar burstiness tidak menjadi tidak berguna hanya karena kata itu menghilang dari materi milik GPTZero sendiri. Memvariasikan panjang kalimat secara sengaja tetap, secara mekanis, merupakan argumen tentang menghindari keseragaman statistik yang sama, yang sangat mungkin dilatih untuk dikenali oleh sebuah pengklasifikasi, apa pun sebutan internalnya untuk sinyal itu. Nasihat dasarnya tetap bertahan meskipun arsitektur vendor berubah, walaupun kosakata yang dipakai untuk menggambarkannya tidak lagi sama.

Tidak satu pun dari ini mengharuskan Anda mempercayai kata siapa pun, termasuk tulisan ini. pemeriksa perplexity gratis milik TextPulse dan koleksi alat gratis yang lebih luas memungkinkan Anda melihat posisi draf Anda sebelum sebuah detektor, dari generasi mana pun, melakukannya.

Jika jawabannya mengarahkan Anda kembali ke tulisan Anda sendiri, tindak lanjut praktisnya adalah meningkatkan burstiness secara sengaja dan memvariasikan panjang kalimat di seluruh paragraf akademik, yang merupakan tugas yang sama yang dijelaskan tanpa metriknya.

Mekanisme yang dijalankan oleh sebuah detektor akan terus berubah, GPTZero sudah mengubahnya sekali. Yang tetap konstan adalah pertanyaan yang sebenarnya, yang dibahas secara lengkap dalam panduan situs ini tentang cara kerja detektor AI yang sebenarnya: apakah tulisan yang dapat diprediksi adalah hal yang sama dengan tulisan yang dibuat mesin, terlepas dari rumus mana yang kebetulan sedang populer pada tahun tertentu.