AI Humanization

ESLおよび留学生向けの最適なAIヒューマナイザー

非ネイティブの英語話者は、しばしばAIテキストを偽装しているのではなく、自分で書いたものであり、検出器が指摘する規則性は、慎重な第二言語の執筆が生み出すものです。ここでは、何が役立つのかをツールごとに示します。

最終更新日 9 min
Table comparing the best AI humanizer for ESL writers by register options and whether it works on your own draft

ESLの執筆者にとって最適なAI humanizerは、自分で書いた下書きに対して機能し、学術的なレジスターを備え、何を保護するかを明示するものである。TextPulseはこの3点をすべて満たす。自分の下書き、または翻訳を貼り付ける。学術的なレジスターを選ぶ。freeze termsを追加して、変更したくない語や句を固定する。1回実行する。

第二言語で自分の方法の節を書いている大学院生は、教科書で正しいと教わったために 'the present study aims to investigate' を選ぶ。検出器は、指導教員なら決してしないのとまったく同じ理由で、その文を機械生成と判定する。あまりに規則的であり、彼の方法の節に固有のものというより、モデルが見てきたあらゆる方法の節の平均に近いからである。彼はチャットボットに一度も触れていない。ESLの執筆者にとって最適なAI humanizerを見つけることは、すべてのフラグ付き段落がAI出力として始まり、今はそれを偽装する必要があるという前提からではなく、この事実から始まる。

AI humanizerとは、フラグ付きのテキストを書き換えて、より明確に人間が書いたように聞こえるようにするソフトウェアである。TextPulse自身のAI検出器が非母語話者に対して偏っている理由に関する報告は、AIが一切関与していない場合でも、その書き換えが時に必要になる理由の1つを示している。この投稿では、その証拠を用い、繰り返しはしない。

TextPulseのAI humanizerツールに関するより広い比較は、まず全体像を知りたい読者向けの一般的な適合性を扱っている。ここで重要なのはより限定的である。原因が、注意深い第二言語の執筆に固有の真の統計的特性であって、偽装の問題ではないとき、ツールを選ぶためのチェックリストは完全に変わる。

'検出器に勝つ' とは異なる問題

多くのAI humanizerは、1つの前提に基づいて作られている。入力は、detectorでより低いスコアを取る必要があるAI生成テキストであり、その役割はその出自を隠すことである。第二言語の学術ライターは、しばしばまったく異なる問題を抱えている。文はそもそも生成されていない。教科書が正しいと教えた規則を適用しながら、誰かが注意深く手で書いたものである。それでも機械生成と判定されうるのは、その規則自体が、予測可能で多様性の低い散文を生み出し、detectorが捉えるよう設計されたのと同じ統計的特徴を示すからである。

この区別は、テキストを改善することの意味を変える。ここで実際に求められているのは、存在しなかったAIの出自を隠すことではない。むしろ、注意深く試験対策として学んだ書き方が平板にしてしまいがちな文の多様性と自然な共起を回復することである。最初の仕事だけのために作られたツールには、2つ目の仕事をうまく行う特別な理由はない。

有用な検証は、ツール自身のマーケティングが、入力を修正すべき下書きとして説明するのか、それとも見抜くべきテキストとして説明するのかである。AIコンテンツの検出と書き換えを中心にした言語は、見抜くことを説明する。下書きを自然化することを中心にした言語は、修正することを説明する。提供者が自社製品を説明するために選ぶ語は、どの問題に向けて作られたのかを示す妥当な代理指標であり、機能一覧がそれを確認するよりはるか前からそうである。

AI detectorは、非母語話者の文章をどのくらいの頻度で誤って検出するのか?

それはdetectorによる。2つの研究用分類器は、非母語話者に関するTextPulse Researchのワーキングペーパーで、同じ学習者エッセイを2.7%と12.5%で検出した。全体のデータは、10のアジアの国と地域の大学生および英語母語話者による5,600本のICNALEエッセイである。いずれも現代のAIライティングツールが登場する前に書かれているため、検出結果はすべて偽陽性である。有名な61%という数値は、商用detectorを検証した2023年のStanford TOEFL研究に由来する。

最初の分類器は、文の長さや語彙の多様性などの文体特徴に基づくロジスティック回帰です。この分類器は、学習者のエッセイの2.7%と母語話者のエッセイの3.3%をフラグ付けしました。この2つのフラグ率に統計的な差はありません。フラグ率は熟達度の上昇に伴って増加し、CEFRレベルA2では1.9%からB2では5.0%になりました。熟達した文章は、この分類器がAIライティングに結び付ける形式的なレジスターへとずれていきます。

2つ目は、同一の特徴とデータで学習した勾配ブースティングモデルです。これは、母語話者の3.8%に対して学習者を12.5%でフラグ付けし、3倍の差があり、最も熟達度の低い学習者が最も多くフラグ付けされました。エッセイは両方の結果で同一であり、変わるのはモデルだけです。TextPulse Researchは、偏りは検出器の性質であると結論づけています。

英語が第二言語である場合、英語力が高いからといって、誤ったフラグが立つリスクが確実に下がるわけではありません。注意深く形式的な文章は、ある検出器ではそのリスクを高めることがあります。なぜなら、それらはその文体をAIライティングの兆候として扱うからです。スコアは1つのモデルによる推定であり、別のモデルは同じエッセイに異なるスコアを与えることがあります。これらの率は研究用分類器に由来するため、特定の商用検出器にはそのまま当てはまりません。

したがって、私は各ツールが下書きに対して何をするかで比較します。なぜなら、ある検出器で低いスコアが出ても、次の検出器が何を報告するかは分からないからです。ESLの書き手にとって最良のAI humanizerは、文の多様性を回復し、意味と用語をそのまま保つものであり、それこそがTextPulseが実現するよう設計されていることです。

あなたが書いたテキストにも機能しますか?

TextPulseのESLライター向けページは、執筆者が自分で書いた下書き、翻訳文、またはAI支援の下書きを貼り付けられると明示している。そのうえで、どのような起点であっても、レジスターを選び、同じ自然化処理を実行できる。これは、インターフェースの見かけ上の挙動に埋もれた仮定ではなく、質問に対する文書化された答えである。また、翻訳先行の作業手順を正当なものにする。すなわち、第一言語で下書きを作成し、学術コンテンツ向けに作られた翻訳ツールに通し、その後に自然化処理にレジスターの調整を任せるのである。

すでに整形済みのWordファイルとして存在する完成原稿は、部分ごとに貼り付ける必要がない。Document Humanizerは、.docx全体を一度のアップロードで受け取り、見出し、表、参考文献一覧を逐語的に保持する。一度のアップロードでWord文書を自然化する方法のガイドが、その手順を示している。

汎用ツールは、自社のマーケティングページ上で、逆の出発点を前提としている。Undetectable AIは、自らの役割をAI生成テキストを特定し、フラグが付いた部分を書き換えることだと説明しており、WriteHumanの自社ホームページは、AI出力を自然な文章に変えると約束している。どちらも、現実の問題に向けて作られた現実の製品を説明しているが、その問題は異なる。QuillBotのhumanizerページは、言及する価値のある例外である。そこでは、「英語を母語としない話者が、自分のメールをより会話的に流れるようにすること」が、それ自体としての使用例として挙げられている。少なくともそこでは、執筆者自身の声を出発点として扱っており、その下にAIの下書きがあるとは仮定していない。

自分の論文を人間らしくする

重要な語句や引用には手を加えずに、AI支援テキストを変換して自然な人間の文章のようにします。

無料で始める

慣用的な連語と、自分自身の論旨を保つこと

コロケーションとは、流暢な読者が予期する語の組み合わせであり、たとえば「conducted a study」は「made a study」よりも自然である。同様に、「raised a concern」は「lifted a concern」よりも自然である。こうした組み合わせを誤ることは、慎重な第二言語の散文における最も明白な手がかりの一つであり、文のリズムやヘッジの強さと並んで重要である。これらはすべて、すでに書き手に属している議論の上に重なる言い回しの問題である。まさにそのため、議論そのものを置き換えるのではなく、その周囲の言い回しを調整することが、正しい修正ではないのである。

TextPulseの製品ページには、freeze terms が実行前に任意の単語や語句を固定し、書き換えが内容ではなくリズムと言い回しを対象にすることが記されている。したがって、議論は書き手自身のものであり続け、その周囲の文だけが変わる。WriteHuman も同様の意味保持の主張を行っており、その後で出力を必ず読み直し、事実確認するよう独自に指示している。Undetectable AI と QuillBot の humanizer ページは、議論の保持を独立した主張としては扱っていない。どちらも、何が固定されたままであるかについて具体的には述べずに、言い回しと構造を調整すると説明している。

レジスター:学術的、ビジネス的、それとも一つの一般的な書き換えか?

TextPulseのESLページでは、書き換え実行前に学術的、ビジネス的、コンテンツのレジスターを選択できることが示されている。この選択は、書き換えによってすべてが同じ一般的な声のように聞こえるようになるという不満に直接向けられている。カバーレター、ビジネスメール、論文の章は、それぞれ異なる期待を伴う異なるジャンルである。これら三つを一つの書き換え様式に押し込めることは、流暢な読者がそれらに対して期待するまさにその多様性を損なう。

QuillBot自身のhumanizerページは、その出力を日常的なコミュニケーション、つまりメール、SNS投稿、ブログを中心に位置づけており、エッセイは独立したレジスターではなく、さらに一つの使用例として言及されている。Undetectable AIの調整可能な設定は、書き換えの強度を制御するものであり、形式性やジャンルを制御するものではない。WriteHumanは、マーケター、フリーランサー、専門職、コンテンツ制作者、代理店を対象として挙げているが、ベンダー自身のサイト上のその一覧のどこにも、学術的な執筆や第二言語での執筆は現れていない。

ツール自分で作成した文章に対して機能するかレジスターの選択論旨保持の明示
TextPulseはい、明示的に述べられている。下書き、翻訳、またはAI支援入力のいずれにも同じ処理が適用される学術、ビジネス、コンテンツの各レジスター用語を固定し、内容ではなく、明示されたリズムと言い回しの書き換えを対象とする
Undetectable AIいいえ、AI生成テキストの識別と書き換えを中心に位置づけられている調整可能な強度であり、レジスターの選択ではない独立した主張としては扱われていない
QuillBot部分的に。非母語話者自身のメールが使用例として挙げられている学術レジスターではなく、日常的なコミュニケーションを中心に位置づけられている独立した主張としては扱われていない
WriteHumanいいえ、AI出力を自然な文章に変えることを中心に位置づけられている扱われていない。想定読者には学術ライターが含まれないと明記されている意味保持の一般的な主張に、再読して確認するという警告が付されている

ESL humanizerを実行した後に確認すべきこと

使用する前に、出力を下書きと比較してください。用語、引用、論旨は同じであるべきであり、レジスターと婉曲表現の強さも同じであるべきです。英語が第二言語である場合、「may reduce」を「reduces」に変えることで、慎重な所見が確定的な主張に変わることを見落としやすいです。

確認項目下書きと比較する対象元に戻す変更
用語専門語彙、名称、定型句'randomized controlled trial' が 'randomized test' になっている
引用と図表著者名、年、ページ番号、DOI、統計下書きと異なる年、またはサンプルサイズ
論旨各段落の主張とその根拠今では、あなたが書いたよりも多くの事例を扱うようになっている所見
文体論文の章やカバーレターなど、ジャンルに応じた語彙選択と調子論文の章で 'children' が 'kids' になっている
ヘッジ'may,' 'suggest'、'appears to' のような語'These results suggest' が 'These results prove' になっている

これらの大半は、すべてのプランに含まれる TextPulse の変更追跡表示で行えます。ここでは、各書き換えが挿入または削除として表示されるため、ずれたヘッジや変更された主張がその場で見えます。本文中の引用と参考文献項目は検出され、そのまま保持されるため、引用の確認は短く済みます。

確認項目に失敗した場合は、その箇所だけを修正し、残りは維持できます。Plus プランには、そのためのツールがあります。次の処理の前に、変更された用語を固定用語に追加できます。変更追跡付きの Word 出力では、各書き換えを承認または却下できます。ある箇所がそのジャンルに合わない場合は、ビジネスまたはコンテンツの文体に変更できます。各処理では、あなたのプランに含まれる語が使われます。

ESLの執筆者に最適なAI humanizer:何が役立つか

第二言語で真正な学術英語を作成する執筆者は、それだけで検出対象になることがあります。この問題に合う組み合わせは、自分で書いた下書きを入力として受け入れ、学術的な文体を明示的に提供し、表現を調整する際に何を保護するかを文書化するツールです。TextPulse はこの三点を自社ページで明確に述べており、それは自分で確認できます。

それは、他のツールがすべての読者にとって誤った選択であることを意味しない。QuillBotが非母語話者の声を認めていることは、メールという用途に限られるとしても、そのより狭い課題においては実際に有利なデータ点である。短い非公式なメッセージを整えるだけの書き手であれば、そもそも学術的なレジスターを必要としないかもしれない。価格、語数制限、言語対応は、ここでは意図的に除外しているが、それでも実際の判断には含まれるべきであり、TextPulseによるAI人間化ツールのより広い比較は、その領域を直接扱っている。無料の学術的トーン変換ツールは、人間化ツールが手を加える前に、段落内のレジスターの不一致を指摘できる。どのツールが次に来るかにかかわらず、それを行う価値はある。

予算は通常、第二の制約であり、最良の無料AI人間化ツールは別に順位付けされている。すでにUndetectable.aiを利用している人については、その代替案が別ページで評価されている。

次に試す価値がある段落は、すでに指摘されたものではない。いつものように慎重に書かれた次の段落であり、誰かがそこに百分率を付ける前のものである。検出器がどのパターンに反応するかを知ることは、書き手が何を確認するかを変える。どのツールに手を伸ばすかが変わるよりもずっと前に、そうなる。また、それは、より自分らしくないように聞こえるにはどうすればよいかという問いを、良い日には、より自分らしく聞こえるにはどうすればよいかという問いへと変える。

関連研究: 上記の知見は、Non-Native English Writing and the False Positives of Stylometric AI Text Detectionで大規模に検討されている。これは、公開データ、コード、引用可能なDOIを備えたTextPulse Researchのワーキングペーパーである。

XLinkedInFacebook

よくある質問

ESLライター向けの最適なAIヒューマナイザーは、多くのものとは異なる前提に基づいて構築されたものです。すなわち、下書きは提出する本人が第二言語で書いたものであるという前提です。その下書きには、自然な文の多様性を回復する必要があり、AI由来であることを隠す必要はありません。TextPulseは、その出発点を直接示し、さらに、執筆者が選べる学術、ビジネス、コンテンツの各レジスターを別々に提示しています。

Mark

Content strategist at TextPulse, here since the company started. Mark writes the product and technical coverage: how the humanizer works under the hood, what changes in each release, and what a specification actually means for your writing. His reviews of writing software come from using them on real documents rather than reading a feature list.

AI人間化の最新情報を受け取る

学術ライティング、AI検出、そして人間化に関するヒントを、受信箱へお届けします。

スパムはありません。いつでも配信停止できます。