Adakah Pengesan AI Masih Bergantung pada Perplexity dan Burstiness?

Cari bagaimana GPTZero mengesan penulisan AI hari ini dan kebanyakan hasil masih berpusat pada dua statistik, perplexity dan burstiness, iaitu pasangan yang menjadikan alat itu terkenal dalam beberapa minggu selepas pelancarannya pada Januari 2023. Dokumentasi sokongan GPTZero sendiri kini menyatakan sesuatu yang berbeza: ia berhenti menggunakan kedua-duanya pada musim luruh tahun yang sama.

Jadi, adakah burstiness masih digunakan oleh pengesan AI? Bukan oleh alat yang menjadikan istilah itu sebutan umum dalam kalangan akademik. Pusat sokongan GPTZero menyatakan dengan jelas bahawa ia tidak lagi menggunakan perplexity atau burstiness, sebaliknya telah beralih kepada seni bina pembelajaran mendalam. Turnitin, alat yang sebenarnya ditemui oleh kebanyakan pelajar, tidak pernah menerbitkan kedua-dua istilah itu sebagai sebahagian daripada kaedahnya sejak awal lagi. Konsep-konsep ini tidak hilang daripada perbincangan. Ia hilang daripada produk yang benar-benar melakukan pengesanan.

Adakah Burstiness Masih Digunakan oleh Pengesan AI?

Tidak, bukan oleh GPTZero, dan bukan dengan nama itu. Dokumentasi sokongan GPTZero sendiri menyatakannya secara langsung: "Sehingga musim luruh 2023, GPTZero tidak lagi menggunakan perplexity dan burstiness untuk pengesanan AI kerana kami telah beralih kepada seni bina berasaskan pembelajaran mendalam." Panduan Turnitin sendiri menghuraikan kaedah yang berbeza pula, dibina sekitar pemberian skor kepada bahagian-bahagian sesuatu penyerahan dengan pengelas yang dilatih, dan kedua-dua istilah itu juga tidak muncul di mana-mana dalam dokumentasi tersebut. Dua statistik yang mentakrifkan gelombang pertama pengesanan AI bukanlah apa yang kini dijalankan oleh alat-alat utama. Itu lebih sempit daripada mengatakan bahawa ia telah dibuang: penjelasan GPTZero sendiri masih mengira kedua-duanya sebagai antara tujuh penunjuk yang memberi input kepada modelnya. Ia berhenti menjadi kaedah tanpa berhenti menjadi ukuran, dan perbezaan antara dua dakwaan itu ialah sebahagian besar daripada persoalan ini.

Apa yang Berubah pada Musim Luruh 2023

Kedua-dua istilah itu tidak pernah kabur. Penjelasan awal GPTZero sendiri mentakrifkan perplexity sebagai "ukuran tentang sejauh mana model AI mungkin akan memilih set perkataan yang sama seperti yang terdapat dalam dokumen," dan burstiness sebagai "ukuran tentang sejauh mana corak penulisan dan perplexity teks berbeza sepanjang keseluruhan dokumen," iaitu statistik pada tahap dokumen, bukan kiraan panjang ayat yang mudah. Kedua-dua takrif ini masih diterbitkan di laman GPTZero. Yang berubah ialah yang mana satu sebenarnya dijalankan oleh pengesan itu.

"Migrated to a deep-learning based architecture" ialah dakwaan yang khusus, bukan frasa pemasaran, dan ia menerangkan perubahan sebenar dari segi jenis. Skor perplexity dikira secara langsung daripada formula, jalankan teks melalui model bahasa rujukan, ambil purata kebarangkalian log, kemudian eksponenkan hasilnya. Sebaliknya, pengelas deep-learning dilatih, ditunjukkan sejumlah besar contoh tulisan manusia dan AI sehingga ia mempelajari sendiri apa sahaja gabungan ciri yang membezakan dua kelompok dalam data latihan itu. Tiada siapa menulis peraturan itu secara manual dalam pendekatan kedua. Model yang menemuinya.

Kedua-dua istilah yang telah dihentikan itu mendapat penjelasan penuh di tempat lain di laman ini: apa sebenarnya yang diukur oleh perplexity dan apa sebenarnya yang diukur oleh burstiness masing-masing menghuraikan mekanisme mereka secara mendalam, termasuk formula di sebaliknya. Bahagian ini kekal terhad kepada persoalan sama ada mana-mana satu daripadanya masih merupakan apa yang dijalankan oleh pengesan hari ini.

Apa yang GPTZero dan Turnitin Sebenarnya Dokumentasikan Hari Ini

Halaman teknologi GPTZero semasa, yang menerangkan apa yang dihantar dalam produk itu, menyatakan bahawa syarikat tersebut 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 mana-mana pada halaman itu, bukan sebagai komponen, bukan sebagai ciri warisan, dan bukan dalam nota kaki.

Dokumentasi Turnitin pada asalnya tidak pernah dibina berasaskan kedua-dua istilah ini. Panduannya menerangkan penyerahan yang dibahagikan kepada beberapa bahagian yang masing-masing terdiri daripada beberapa ratus perkataan, setiap bahagian diberi skor oleh model terlatih, dan skor bahagian tersebut dipuratakan menjadi satu peratusan yang dipaparkan oleh laporan. Itu ialah pengelas terselia yang beroperasi pada segmen teks, iaitu keluarga kaedah yang telah digunakan oleh GPTZero, bukan pengiraan perplexity dan bukan pengiraan burstiness dengan nama yang berbeza.

Peralihan ini paling mudah dilihat secara bersebelahan.

	Apa yang diterangkan oleh penjelasan awal (2023)	Apa yang diterangkan oleh dokumentasi semasa
GPTZero	Perplexity dan burstiness, diberi skor terhadap model rujukan	Pengelas pembelajaran mendalam per ayat yang mengeluarkan kebarangkalian dan skor keyakinan
Turnitin	Tidak pernah diterbitkan, istilah tersebut tidak muncul dalam bahan Turnitin sendiri pada bila-bila masa	Bahagian beberapa ratus perkataan yang diberi skor oleh pengelas terlatih, dipuratakan menjadi satu peratusan

Mengapa Konsep Ini Masih Menjelaskan Kebolehdikesanan

Semua ini tidak menjadikan perplexity dan burstiness salah, hanya lapuk sebagai huraian tentang mekanisme semasa. Kedua-dua konsep ini sejak awal lagi hanya menerangkan sesuatu yang nyata, teks yang dijana dengan pensampelan ke arah sambungan berkemungkinan tertinggi model sendiri cenderung lebih dapat diramal, perkataan demi perkataan, berbanding teks yang ditulis oleh seseorang dari awal; teks itu juga cenderung kurang berubah dari satu ayat ke ayat yang seterusnya. Keteraturan asas ini tidak berubah hanya kerana sesuatu vendor menukar seni bina pengesannya. Yang berubah ialah cara pengesan itu mencari ciri tersebut.

Klasifier yang telah dilatih tidak secara eksplisit diminta untuk mencari perplexity atau burstiness. Sebaliknya, ia dilatih berdasarkan perbezaan asas yang sama antara teks manusia dan teks mesin yang cuba ditangkap oleh dua statistik itu. Dan nampaknya sangat tidak mungkin bahawa sebuah klasifier yang dilatih untuk membezakan dua kelompok itu tidak akan menumpukan perhatian tepat pada keteraturan tersebut, salah satu perbezaan yang paling boleh dipercayai antara kedua-duanya, juga. Ini ialah inferens tentang sebab klasifier itu mungkin berfungsi, bukan dakwaan tentang senarai ciri yang diterbitkannya, dan kedua-duanya harus kekal berasingan.

Penyelidikan bebas menyokong idea bahawa statistik asas itu masih berkesan, walaupun di luar produk mana-mana vendor tunggal. DetectGPT, satu kaedah akademik zero-shot yang diterbitkan pada 2023, meneliti saudara rapat perplexity, iaitu betapa tajamnya fungsi kebarangkalian log sesuatu model melengkung di sekitar suatu petikan, dan mencapai 0.95 AUROC pada satu penanda aras berbanding 0.81 bagi garis dasar zero-shot terdahulu yang terbaik, tanpa melatih klasifier pada contoh berlabel sama sekali. Idea terasnya, bahawa teks yang dijana mesin berada dalam rantau yang berbeza secara statistik dalam ruang kebarangkalian model itu sendiri, masih merupakan penyelidikan aktif. Ia cuma bukan apa yang GPTZero dihantar kepada pengguna.

Mengapa Begitu Banyak Bahagian Internet Masih Salah Memahaminya

Kebanyakan penjelasan yang diterbitkan tentang cara pengesanan AI berfungsi ditulis semasa atau sejurus selepas pelancaran GPTZero pada Januari 2023, ketika perplexity dan burstiness ialah satu-satunya kerangka awam yang ditawarkan oleh syarikat itu sendiri. Halaman penjelasan asal itu masih tersedia hari ini. Notis persaraan pada musim luruh 2023 terletak pada halaman sokongan yang berasingan, bukannya disepadukan ke dalamnya, jadi seorang penulis yang membaca halaman pertama dan berhenti membuat penyelidikan tidak akan mempunyai sebab untuk mengetahui bahawa kaedah itu berubah kurang daripada setahun kemudian.

Ulasan pengesan pihak ketiga yang beredar pada 2026 mendakwa bahawa GPTZero masih menjalankan perplexity dan burstiness sebagai satu lapisan antara beberapa lapisan dalam sistem yang lebih besar. Dakwaan itu bercanggah secara langsung dengan halaman teknologi semasa GPTZero sendiri dan dokumentasi sokongannya sendiri, dan tiada apa-apa pada laman GPTZero sendiri yang mengesahkannya. Syarikat yang menerangkan produk yang telah dilancarkannya sendiri masih mengatasi dakwaan pihak ketiga yang tidak disokong tentang produk yang sama, walaupun dokumentasi vendor juga boleh tersilap. Bahagian ini mengikuti halaman GPTZero sendiri, bukan ulasan yang mengulangi cerita lama itu.

Apa Maksud Ini untuk Cara Anda Menulis

Panduan praktikal yang dibina sekitar burstiness tidak menjadi tidak berguna hanya kerana perkataan itu hilang daripada bahan GPTZero sendiri. Memvariasikan panjang ayat secara sengaja masih, dari segi mekanik, merupakan hujah tentang mengelakkan keseragaman statistik yang sama yang sangat mungkin dilatih untuk dikesan oleh pengelas, apa pun nama yang diberikannya kepada isyarat itu secara dalaman. Nasihat asas itu kekal walaupun seni bina vendor berubah, walaupun kosa kata yang menerangkannya tidak.

Tiada satu pun daripada ini memerlukan anda menerima kata-kata sesiapa, termasuk kata-kata catatan ini. penyemak perplexity percuma TextPulse dan koleksi alat percuma yang lebih luas membolehkan anda melihat kedudukan draf anda sebelum pengesan, daripada mana-mana generasi sekalipun, melakukannya.

Jika jawapannya membawa anda kembali kepada penulisan anda sendiri, tindakan susulan yang praktikal ialah meningkatkan burstiness secara sengaja dan memvariasikan panjang ayat merentasi perenggan akademik, yang merupakan tugas yang sama yang dihuraikan tanpa metrik itu.

Mekanisme yang dijalankan oleh pengesan akan terus berubah, GPTZero sudah pun mengubahnya sekali. Apa yang kekal tetap ialah soalan sebenar, yang dibincangkan sepenuhnya dalam panduan laman ini tentang cara pengesan AI sebenarnya berfungsi: sama ada penulisan yang boleh diramal ialah perkara yang sama dengan penulisan yang ditulis oleh mesin, tanpa mengira formula mana yang kebetulan menjadi popular pada sesuatu tahun.