AI検出器の最小語数: Turnitin、GPTZero、その他に必要な語数

AI検出器の最小語数は、ツールによって異なります。いくつかのツール, たとえばTurnitinは、少なくとも300語の適格な散文を必要としますが、他のツール, たとえばZeroGPTは、一貫した結果を得るために少なくとも150語から200語を書くことを推奨しています。検出器が数百語未満で結果を示すかどうかにかかわらず、その結果の信頼性は低くなります。

段落ごとに割合を示すものもあり、短いテキストではスコアの精度が低くなる傾向があります。TextPulse Researchの研究者は、25,561組の人間が書いた学術テキストと、そのAIによる書き換えを用いてこれを検証しました。300語では、AIによる書き換えの95%を検出するように分類器を調整しました。また、人間のテキストの33.9%にもフラグを付けました。25語では、67.6%にフラグを付けました。

AI検出には何語必要ですか?

AI検出が信頼できる, つまり安定した結果を得るには、数百語が必要です。信頼性は、およそ100語未満で最も急速に低下します。TextPulseの研究では、信頼性の大部分は150語前後で確立されました。その後、精度はより緩やかに上昇し、150語で84.0%、300語で86.8%でした。

他の研究も、同様の閾値を示しています。TextPulseの論文で引用されている、2025年のJournal of Artificial Intelligence Researchの調査は、これまでに報告された数値をまとめています。統計的分類器と微調整された分類器は、正確に機能するためにおよそ100語を必要とします。いくつかの標準的な検出器は、完全な性能に達するためにおよそ120語を必要とし、最も強力なモデルを検出するには約200語が必要です。

検出器がより多くのトークン, つまり言語モデルが扱う語の断片を見れば見るほど、人間のテキストとAIのテキストを区別しやすくなります。短い回答で検出器が見たトークンが数個しかない場合、どちらの判断を下すにも十分な証拠がありません。関与するperplexity, burstiness, そのほかの指標については、AI検出器の仕組みのガイドで説明しています。

ツール別のAI検出器の最小語数, Turnitin, GPTZero, その他

各ベンダーは独自の下限または指針を設定しており、すべてが同じ単位を使っているわけではありません。Turnitinは、適格な散文の語数を数えます。他のベンダーは、長さを推奨するか、テキストが長くなるにつれて精度がどのように変化するかを説明します。

Detector	ベンダーがテキスト長について述べていること
Turnitin	AIスコアが生成される前に、少なくとも300語の条件を満たす散文が必要であり、これは以前の150語の最小値から引き上げられている。これは、テキストが多いほど精度が向上するためである
GPTZero	より多くのテキストが送信されるほど、精度は向上する。文書全体は段落よりも正確に分類され、段落は単一の文よりも正確に分類される
ZeroGPT	安定した結果のためには少なくとも150語から200語が推奨され、500語から1,000語以上で信頼性がさらに向上する。非常に短い断片や大幅に編集された断片は「持つ信号が少ない」
Pangram	完全な文で書かれた長いテキストで最もよく機能する。同社は、短い箇条書きの一覧や、非常に定型的なテキストの判定を推奨していない
Sapling	公表されている検出率と偽陽性率は、より長いテキストに適用される。より短いテキストは「異なる精度率を示す可能性がある」

これは多くの学生が直面する下限である。Turnitinは、多くの大学の学習プラットフォームに組み込まれている検出器だからである。AI執筆レポートでは、300語未満の条件を満たす散文にはスコアは付与されない。この下限を下回る区間のスコアリングと、Turnitinが20%未満のスコアに表示するアスタリスクについては、TurnitinがAIをどのように検出するかのガイドで扱っている。

画面上のパーセンテージは、テキストがそのツール自身の推奨長を満たしたことを意味しない。なぜなら、多くの一般向けチェッカーは単一の段落でもスコアを付けるからである。2023年には、OpenAIのAIテキスト分類器は最低1,000文字の入力を必要とした。OpenAIは、短いテキストでは非常に信頼性が低いと述べ、その低い精度のために6か月後にこれを削除した。

テキスト長によるAI検出器の精度, TextPulseの調査で明らかになったこと

TextPulseのテキスト長とAI検出の信頼性に関する研究論文は、他のすべてのテキスト特性から切り離して、長さのみを検討している。データセットには、人間が書いたテキストとそのAIによる書き換えの両方が少なくとも300語の長さを持つ25,561組のテキストが含まれている。各テキストは25語、50語、100語、150語、200語、250語、300語に切り詰められた。各語数について、分類器は学習され、テストされた。

同じテキストがすべての長さで現れる, つまり、トピック、分野、AIモデルは一定に保たれている。書き換えは、6つのモデルファミリーにわたる8種類のAIモデルの組み合わせから得られている。分類器は、語長や語彙の多様性など、45のスタイル特徴を評価する。これは研究用ツールであり、この論文は商用検出器がこれらの特徴やしきい値をどのように用いるかについて、いかなる主張も行っていない。商用ツールの検証については、AI検出器が正確かどうかに関するガイドを参照されたい。

テキスト長	正確性	AIによる書き換えの95%を検出したときに誤ってフラグが付く人間のテキスト	人間のテキストの1%に誤ってフラグが付くときに検出されるAIによる書き換え
25 words	73.9%	67.6%	17.2%
50 words	78.2%	58.8%	28.0%
100 words	82.3%	49.4%	40.5%
150 words	84.0%	44.1%	47.9%
200 words	85.2%	40.1%	50.5%
250 words	86.1%	36.7%	54.2%
300 words	86.8%	33.9%	56.5%
Full text	88.4%	28.6%	60.6%

AI検出では、短いテキストの精度は表のすべての列で低く、精度の列はその損失を過小評価している。実用的な判定には、尺度のどちらかの端に近いスコアが必要であり、短いテキストは人間とAIの両方のスコアを中央へ押し寄せる。カットオフをAIによる書き換えの95%を捉えるように設定すると、この分類器は100語の時点で人間のテキストのおよそ半数を誤ってAIと判定する。カットオフを人間のテキストの1%だけを判定するように設定すると、25語の時点でAIによる書き換えの17.2%を捉える。

AUCは、分類器が二つの समूहをどれだけよく分離するかを示す論文の主要指標であり、25語では0.817だったが、300語では0.940に上昇した。人間側の平均が466語であった全文では、0.950に達した。この上昇の最も急な部分は100語未満にあり、150語を超える各段階での増加はそれより小さかった。

短いテキストで偽陽性が増える理由

長文を基に構築された検出器は、短文に対してははるかに高い偽陽性率を示す。論文は、全文で訓練され、短いテキストの分類に既定のしきい値で用いられた分類器を提示した。このシステムの人間のテキストに対する偽陽性率は、300語で16.1%、100語で39.1%、25語で69.8%の範囲だった。

AIによる書き換えの検出は、同じ範囲でほとんど変化せず、300語で88.4%、25語で92.4%だった。追加の誤りは、人間の文章に対する誤判定だった。論文は、短い入力に対するこの分類器を、それらをAIと呼ぶ方向に体系的に偏っていると述べている。

原因は機械的である。type-token ratio、すなわちテキスト内の異なる語の割合は、テキストが短くなるほど上昇する。短いサンプルでは、語を繰り返す機会が少ないためである。研究における人間のテキストの平均比率は、全文では0.47、25語では0.87だった。全文のAIによる書き換えの平均は0.55だった。

この分類器は、全文のテキストで学習されているため、約0.55の比率がAIと人間の文章を分けることを学習する。25語のテキストは、誰が書いたものであっても、この比率を大きく上回り、AI側へ押しやられる。論文は、導入済みの検出器は入力長を変えるたびに再学習されるわけではないと指摘している。Turnitinの公表された偽陽性率に関するガイドでは、その数値に何が含まれ、何が含まれないのかを扱っている。

短いテキストが分類しにくい理由

短いテキストでは、検出器が測定するあらゆる要素が少なくなる。語数が少なければ比較できるトークンも少なくなり、文が少なければ測定できるリズムも少なくなる。研究では、25語のテキストは平均1.6文、50語のテキストは2.7文、300語のテキストは13.4文であった。

文長の変動は、しばしば burstiness と呼ばれ、文同士を比較することに依存する。研究では、全文では人間とAIのテキストを0.71標準偏差だけ分離し、100語では0.31であった。50語では、その差は実質的にゼロであった。burstiness に依存する検出器は、それを信頼できる形で測定するために複数の文を必要とする。

この力のより多くは、語レベルでは保持される。平均語長と長い語の割合は、25語では分離力のおよそ3分の2を保持していた。しかし、重なりも増加した。50語では、両群のスコアは中心へ集まる傾向があった。各群のかなりの割合が重なり領域に入る。

引用文や定型表現も、短いテキストではより大きな比重を持つ。50語の回答はおよそ3文なので、各文は検出器が見るもののおよそ3分の1である。そのうち1文に引用された定義があれば、それは2,000語のエッセイの中にある同じ文よりはるかに大きな重みを持つ。

討論投稿、要旨、短答式試験、カバーレター

討論掲示板の投稿

200語の要件に向けて書かれた投稿は、Turnitinの300語の下限を下回るため、TurnitinはAIスコアを付けない。他のツールはそれでもスコアを付ける場合がある。200語では、研究の分類器は、AIによる書き換えの95%を検出する設定にしたとき、人間のテキストの40.1%を誤ってAIとして判定した。全文では28.6%であった。

要旨

250語の学術要旨は下限に近く、要旨は密度が高く、形式的な文章である。TextPulse の先行研究では、分類器が誤分類する人間の文章は、最も形式的なものだと示された。長さに関する論文は、テキストの長さを偽陽性の第二の独立した原因として加えており、短く形式的な要旨はその両方にさらされる。要旨が疑問視される場合、全文を確認すれば、検出器にその提供元が推奨する長さを与えられる。

短答式試験

50語から100語の回答は、研究の数値が最も急速に低下する範囲に入る。50語では、AIによる書き換えの95%を検出するよう設定された分類器が、人間の文章の58.8%を誤って偽陽性として判定した。論文は、50語未満では、実用的な閾値では有用な結果は得られないと結論づけている。また、短いテキストについて判定を下さないことは、それを採点するよりも信頼性が高いと述べている。

カバーレター

求人応募や学術誌投稿のための1ページのカバーレターは数百語の長さであり、その多くは定型表現に従っている。Pangram は、非常に定型的なテキストのスクリーニングに反対している。カバーレターが確認される場合、いかなるスコアも広い誤差幅を伴う推定値として扱うべきである。

テキストが下限を下回る場合にすべきこと

テキストは書いたとおりのままにし、代わりにスコアの文脈を示す。これらの手順は、執筆者にも、スコアを確認する人にも当てはまる。

1. テキストを水増ししないこと。下限に達するために書き足した語は、依頼された作品そのものを変えてしまい、その後のスコアは水増しされた版を記述することになる。
2. 可能であれば文書全体を確認すること。完全なエッセイや章であれば、検出器にその推奨長を与えられ、短い部分はより長いテキストの一部として採点される。
3. 文ごとの表示を見ること。文を採点する検出器は、どの行が結果を左右しているかを示し、短いテキストでは、それは引用された定義のような1文か2文であることが多い。
4. 下書きと版の履歴を保管すること。それらはテキストがどのように発展したかを示し、短い一節に対するスコアではそれを示せない。
5. スコアがどのように使われるかを確認すること。提供元自身が推奨する長さを下回るテキストに対する結果は弱いシグナルであり、確認者はそのように重みづけるべきである。

スタッフにとって、この論文の議論は単純な規則を示している。より多くのテキストを要求するか、あるいは所定の長さを下回る場合は判定を出さないことだ。Turnitin の 300 語の下限は、その種の規則である。完全なレポートが存在すれば、Turnitin の良いスコアとは何かのガイドが、それをどのように解釈するかを説明している。

TextPulse が短いテキストをどのように扱うか

TextPulse は AI 検出器を使用せず、検出器のスキャンも販売しない。TextPulse は、各人間化の後に Human Score (0 から 100) を表示する。このスコアは、書き換えの深さ、語彙の多様性、トークン分布、そしてあなたのテキストの文長の変動に基づいて、アプリ内で算出される推定値である。このスコアを計算するために検出器は使用されていない。

AI Humanizer は、1 回の人間化につき少なくとも 50 語を必要とし、Pro では 1 回あたり最大 500 語、Plus では 1,000 語まで処理する。Document Humanizer は、最大 15,000 語の英語の .docx ファイル全体を扱うことができる。本文テキストは少なくとも 50 語必要であり、見出し、箇条書き、表、キャプション、参考文献はそのまま保持する。どちらも、所属する授業や学術誌が AI の利用を認めている下書きにおいて、AI スコアを下げるよう設計されている。

テキストを検出器に貼り付ける前に、無料の Word Counter を使って長さを確認する。このツールは、語数、スペースの有無による文字数、文数、固有語数を数えるので、どちらの単位で下限が示されていても、テキストを比較できる。長さに関する研究のすべての詳細, テキストごとのスコアと分析コードは Zenodo で公開されており、研究ハブには他の TextPulse 論文とともにその研究が掲載されている。