AI検出スコアを下げる方法

学生が段落を検出器に通し、82 percent のスコアを見て、文の形を一切変えずに十数語を同義語に置き換え、もう一度確認する。数値はほとんど動かない。全体として言えるのは、ある修正はほとんど何も変えず、別の修正は他の修正をすべて合わせたよりも大きく変えるが、その理由はソフトウェアを出し抜くこととは無関係だということである。

この文章では、AI score を下げる方法を、実際に重要な順序で検討する。どの修正がほとんど反応されず、どの修正が数値をかなり動かし、どの修正が最も大きく動かすのか、そしてその理由である。また、この数値が実際には何を測っているのかも扱う。なぜなら、低いスコアを望むべき本当の理由は、より明確で、より具体的な文章であり、それ自体を目的として追うには不適切な目標だからである。

AI Score は実際には何を測っているのか

言語モデルは、次に来る可能性が高い語を何度も予測することで文章を生成する。その結果、特有の統計的な指紋が生じる。すなわち、互いに似た長さの文、安全な選択肢の少数の集合から引かれるつなぎ語、その文脈で予想されるものの中心付近に位置する語選択である。AI detection score は、ある一節がその指紋にどれほど近いかの推定値であり、それを見分けるよう訓練された分類器によって生成されるものであって、その文を誰が টাইピングしたかに関する事実ではない。

検出器は、数値をすべて同じ方法で定義しているわけではありません。Turnitinは、その割合が「TurnitinのAI writing detectionモデルがAIによって生成された可能性が高いと判断した、提出物内の適格なテキストの量」を示すと明確に述べており、これは確率や信頼度スコアではなく、フラグが付けられたテキストの割合であると明示しています。他の検出器は、文そのものに対する信頼度値に近いものを出力します。いずれにせよ、これらの数値の背後にある仕組みの完全な説明は、AI検出器がどのように機能するかで読む価値があります。ここで重要なのは、より単純です。数値は常に統計的推定値であり、以下の各修正は、モデルが読み取るように構築された統計を変えることによって機能し、モデルが関与した事実を隠すことによって機能するのではありません。

同義語の置換はAIスコアをほとんど動かさない

ある語をより一般的でない同義語に置き換えても、分類器が採点しているパターンはほとんど変わりません。なぜなら、文の長さ、節構造、リズムがそのまま残るからです。文の形が均一であることに気づくよう訓練されたモデルは、文が enables と言うか allows と言うかを気にしません。気にするのは、3文が連続してほぼ同じ長さで、同じように始まることです。

平坦な文は次のように読めます。「The platform enables users to efficiently accomplish routine tasks without additional training.」これを語ごとに置き換えると、次のようになります。「The platform allows users to efficiently complete routine tasks without extra training.」長さは同じで、節の順序も同じで、リズムも同じです。読者は、わずかに異なる語に気づくかもしれません。しかし、段落全体にわたって文レベルのパターンを採点する分類器には、ほとんど新しい材料がありません。

これは、既存の語彙を修正することに反対する議論ではない。facilitate, robust, myriad のような語は、注意深い読者が気づくため削除する価値があり、無料の AI word cleaner はそれらの大半を数秒で検出する。しかし、そうした処理に大きな役割を期待することには反対である。語彙の処理の後にスコアがほとんど変わらないなら、それは予想される結果であり、その処理が失敗した兆候ではない。

文の多様性はそれをさらに進める

モデルは一度に1つのトークンを予測し、文3が文2より短くなるようにする内在的な理由を持たない。そのため、放置すると、段落は長さと形の狭い範囲に落ち着く。この規則性こそが、単一の語よりも強いシグナルである。なぜなら、機械出力で訓練された分類器は、そのパターンを何千回も見ているからである。

3つの平板な文は次のように読める。「結果は有意だった。所見は仮説を支持した。データは標準的な方法で分析された。」多様性のために再構成すると、同じ内容は次のように読める。「結果は有意であり、仮説を支持したが、標準的な分析では、外れ値の事例のうち2件を除外した後に再度の確認が必要だった。」1つの文が、主張とその複雑さをまとめて担うようになり、段落全体では長さと節構造に実際の変化が生じる。burstiness checker が不均一性を評価するときに測定しているのはまさにこれであり、この修正が語彙の処理よりもスコアを大きく動かす理由でもある。

これらは、紙の上で1,2ページなら手作業でも難しくない。段落を声に出して読み、同じ長さと形に聞こえる2文または3文の連なりに印を付け、そのうち1つを分割するか、あるいは2つを1つにまとめて、コンマに実質的な役割を持たせる。この節の背後にある文レベルの修正は、より多くの実例とともに、AI text を人間らしくする方法の完全な手順解説で段階的に扱っている。

あなた自身の証拠が AI スコアを最も動かす

言語モデルは、あなたのプロジェクトで実際に何が起こったのかにアクセスできない。研究について書くよう求められると、同じ主題のほとんどどの研究にも当てはまる最も無難な表現に落ち着く。それしか材料を持っていないからである。特定の出典からの特定の主張を含む文は、プロンプトだけからモデルが生成したはずの文ではなく、その隔たりこそがスコアを最も大きく動かす。

一般的な文, "The intervention had a positive effect on outcomes for participants." これは何百もの研究を説明しうる。書き手自身の材料を用いて書き換えると, "Attendance records showed the effect held only for students who came to more than six sessions, a threshold the original design had not anticipated." より長く、より具体的で、この研究だけを説明しうる。参照モデルに同じプロンプトの続きを書かせても、6回のセッションという詳細は推測できなかったはずである。プロンプトの中に、それが存在することを示すものが何もないからである。

これはまた、どの検出器が何を報告するかにかかわらず、文章を最も改善する編集でもある。ここにこそ注目して考える価値がある。具体的な数値、明示された制約、言い換えずに直接引用された出典, これらは段落を読む人にとってより説得的にし、同時にスコアも動かすという事実は、目的というより副次的効果に近い。

編集	スコアへの典型的な影響	理由
語を同義語に置き換える	小さいか、ほとんどない	文の長さ、構造、リズムが同じままである
文の長さと構造を変える	中程度から大きい	分類器が注目するよう訓練された均一なパターンを崩す
自分の証拠や主張を加える	最大	プロンプトだけからモデルが生成する方法のなかった内容を導入する

誤った目標を追わずにAIスコアを下げる方法

上のすべての数値は、判定ではなく推定値である。Turnitin も自社の文書でその点を明言しており、AI writing detection は「may not always be accurate」であり、「should not be used as the sole basis for adverse actions against a student」と述べている。スコアは、著者性とは無関係な理由で変動しうる一方で、最初から人が書いた文章では変わらないこともある。この数値を、誰が文を執筆したかに関する事実として扱うことが、この話題をめぐる不安の大半の原因であり、その数値自体が主張している内容ではない。

そのため、スコアを下げることをそれ自体の目標にするのも適切ではない。数値を追うと、書き手は自動化しやすい修正、つまり語彙の調整や、いくつかの節の並べ替えに向かいがちであり、最も重要な修正、すなわち書き手だけが実際に持っている具体的な材料を加えることを飛ばしてしまう。そうして得られた低いスコアには、価値がある。

より低いスコアを追うことは、文体の面でも段落を誤った方向へ押しやることがある。すべての主張に慎重な留保を付け、修飾語を重ね、リズムを崩すためだけに存在する埋め草の文を加えるようになるのである。しかし、そのどれもが根本的なパターンを修正するわけではなく、しかも段落の読みやすさをすべて悪化させる。実際にスコアを動かす修正、すなわち文の多様性と具体的な証拠は、文章をそれ自体の基準でより良くする修正でもある。修正が改善ではなく水増しのように感じられ始めたときには、この点が有用な確認になる。

TextPulse の AI humanizer は、上記の文レベルおよび構造上の修正を文書全体に一度に適用し、それらと同じ信号から算出した推定 Human Score を報告するが、特定の検出器がそれを通過すると主張するものではない。適切に使えば、長い文書に対する迅速な初回処理になる。それでも、実際の作業が行われたその場に存在したことは一度もないため、スコアを最も大きく動かす唯一の要素を加えることはできない。その部分は、引き続き書き手に残る。

先に確認しておくべき前提の問いが二つある。AI humanizers はそもそも機能するのか、そして 提出する予定の作業に使って安全なのか である。

上記の順序は、締め切り前の限られた時間をどこに使うべきかを示す優先順位表でもある。時間が足りない場合は、類義語の見直しは省略してよい。他の誰にも書けなかった細部を加え戻す段落は省略してはならない。なぜなら、その修正こそ、どれほど書き換えソフトを使っても自分の代わりにはできない唯一の編集だからである。