Jak działa GPTZero

Wpisz „how gptzero works” w pasek wyszukiwania, a większość wyników nadal opisuje perplexity i burstiness, dwa statystyki, które sam założyciel upowszechnił w pierwszych tygodniach po wydaniu ChatGPT. Ten opis był trafny w styczniu 2023. Nie jest trafny od jesieni tego samego roku, kiedy dokumentacja GPTZero sama podaje, że firma zastąpiła tę metodę czymś zupełnie innym. Rozbieżność między tym, co narzędzie robiło przy uruchomieniu, a tym, co robi teraz, jest na tyle duża, że większość obiegowych wyjaśnień opisuje dziś produkt, który już nie istnieje.

Dziś GPTZero uruchamia klasyfikator zdanie po zdaniu na dużym, mieszanym korpusie tekstów tworzonych przez ludzi i tekstów generowanych przez AI, zamiast obliczenia perplexity. Dzisiejsze GPTZero nadal podaje jedną główną liczbę, ale arytmetyka jest inna. Podświetlanie na poziomie zdań, umieszczone pod tą główną liczbą, ma też inne znaczenie niż w 2023. Warto znać obie wersje tej historii, tę, która rozsławiła te terminy, i tę, która rzeczywiście działa dziś.

Historia: Jak perplexity i burstiness rozsławiły GPTZero

2 stycznia 2023 roku Edward Tian, wówczas student Princeton, opublikował publiczne demo GPTZero, zaledwie kilka tygodni po premierze ChatGPT. Jego pierwotna strona wyjaśniająca opisuje, jak wykorzystał dwie statystyki zaczerpnięte z modelowania języka, aby wykrywać, kiedy model językowy coś napisał. Perplexity to wynik pokazujący, jak bardzo model odniesienia był zaskoczony wyborem słów w tekście. Burstiness to nazwa, której GPTZero używa na określenie tego, jak bardzo to zaskoczenie zmieniało się w obrębie dokumentu. To właśnie te strony wyjaśniające sprawiły, że oba słowa w ogóle weszły do codziennej rozmowy o pisaniu z użyciem AI. Większość osób, które dziś potrafią zdefiniować perplexity lub burstiness, poznała te terminy dzięki GPTZero, a nie z podręcznika.

Sam mechanizm był prosty do opisania. Wystarczy przepuścić fragment przez referencyjny model językowy, a proza, którą model uznaje za wysoce przewidywalną, o niskiej perplexity, brzmi jak typowa dla maszyny, ponieważ generowanie zwykle faworyzuje prawdopodobne następne słowo zamiast zaskakującego. Własna, już wycofana dokumentacja GPTZero opublikowała nawet zasadę orientacyjną: wynik perplexity powyżej 85 był odczytywany jako bardziej prawdopodobnie ludzki niż maszynowy. Ten próg pochodził od jednego dostawcy, dla jednego modelu, w jednym momencie czasu, a samo GPTZero nie stoi już za nim.

Jak GPTZero działa teraz: klasyfikator na poziomie zdania

Centrum wsparcia GPTZero stwierdza jasno, że firma przestała używać perplexity i burstiness do wykrywania od jesieni 2023, po przejściu na architekturę głębokiego uczenia. Jej obecna strona technologiczna, sprawdzona na potrzeby tego tekstu, potwierdza, że zmiana jest całkowita: opisuje podejście end-to-end oparte na deep learning, trenowane na tekstach z sieci, edukacji oraz z różnych modeli językowych, działające jako model klasyfikacji zdanie po zdaniu, który zwraca prawdopodobieństwo i wynik pewności. Perplexity i burstiness nie pojawiają się na tej stronie wcale.

Od tego czasu dodano też warstwę obronną, Paraphraser Shield, stworzoną po to, by wychwytywać tekst AI, który został przepuszczony przez narzędzie do parafrazowania w celu uniknięcia wykrycia. Można wkleić tekst, przesłać dokumenty Word, pliki PDF i pliki graficzne, a także do pięćdziesięciu plików naraz. Żadna z tej infrastruktury nie ma nic wspólnego z liczeniem, jak często model referencyjny odgadłby to samo słowo.

Co właściwie pokazuje raport GPTZero

Wynik GPTZero zawiera trzy elementy: klasyfikację jako AI, człowiek lub mieszany, procent wyrażający prawdopodobieństwo modelu, że dokument został napisany przez AI, oraz etykietę pewności opisującą, jak wiarygodna jest dana prognoza. Ta etykieta ma większe znaczenie, niż mogłoby się wydawać. GPTZero wiąże oznaczenie "highly confident" z odsetkiem błędu poniżej 2 percent i "low confidence" z odsetkiem błędu równym 14 percent lub wyższym, a to zakres na tyle szeroki, że ten sam procent w nagłówku może mieć bardzo różną wagę w zależności od raportu.

Płatne skany dodają wyróżnianie na poziomie zdań i warto je poprawnie odczytywać. GPTZero opisuje wyróżnione zdania jako te, które nieproporcjonalnie wpływają na wynik ogólny, a nie jako listę oskarżeń wobec poszczególnych linijek. Zdanie może nie być wyróżnione, a mimo to mogło ukształtować rezultat, ponieważ klasyfikator odczytuje dokument jako całość, a nie głosuje zdanie po zdaniu.

Element raportu	Co to mówi
Klasyfikacja	Jedna etykieta: AI, człowiek albo mieszany
Wynik prawdopodobieństwa AI	Procent odzwierciedlający, jak bardzo prawdopodobne jest według modelu, że dokument został napisany przez AI
Etykieta pewności	Zakres od bardzo wysokiej pewności, poniżej 2 percent błędu, do niskiej pewności, 14 percent lub więcej
Wyróżnianie zdań	Oznacza zdania, które najbardziej przyczyniają się do wyniku w Advanced Scan, a nie każde zdanie z nim powiązane

Żaden z tych elementów raportu nie istniał w obecnej formie, gdy wyjaśnienie perplexity i burstiness było jeszcze publicznym opisem GPTZero samego siebie. Interfejs zmienił się wraz z metodą.

Dlaczego opis perplexity i burstiness nadal krąży

Oryginalne wyjaśnienie GPTZero nadal jest dostępne online, nadal jest indeksowane i nadal stanowi jeden z jaśniejszych ogólnych opisów tego, jak perplexity i burstiness działają jako pojęcia. Wyszukiwarki i inne strony nadal je cytują, a niektóre odwołują się do szeroko rozpowszechnionej recenzji z 2026 roku, która twierdzi, że narzędzie nadal działa z warstwą perplexity i burstiness, ukrytą dyskretnie obok klasyfikatora. Własne obecne strony GPTZero, strona technologii oraz oba artykuły pomocy, mówią coś przeciwnego: terminy zostały wycofane, a nie tylko ukryte za kulisami. Strona opisująca pojęcie w ujęciu abstrakcyjnym nie jest tym samym co strona opisująca obecnie stosowaną metodę tego narzędzia, a traktowanie tych dwóch rzeczy jako zamiennych jest głównym powodem, dla którego to nieporozumienie utrzymuje się trzy lata po upływie terminu ważności.

To ma znaczenie wykraczające poza ciekawostkę. Studentowi lub współpracownikowi, któremu polecono obniżyć perplexity albo rozłożyć długość zdań po to, by pokonać GPTZero, przekazuje się radę odnoszącą się do wersji produktu, która przestała działać w 2023 roku. To, co uruchamia klasyfikator zdań, jest pytaniem powiązanym, lecz innym, bliższym szerszemu opisowi jak AI detectors faktycznie działają niż któremukolwiek z tych wskaźników osobno. GPTZero nie przestało ich mierzyć, według własnego opisu nadal należą one do siedmiu wskaźników zasilających obecny model, ale przestały być tym, co decyduje o odpowiedzi.

Co GPTZero twierdzi, że nie może zrobić

Podawane przez GPTZero wskaźniki trafności są mniej więcej tak mocne, jakich dostawca zwykle publikuje o własnym produkcie: 96.5 percent trafności w przypadku dokumentów mieszanych, łączny wskaźnik fałszywie dodatnich wyników ograniczony przez firmę do 1 percent oraz 1.1 percent w przypadku esejów TOEFL, które często służą jako zastępczy przykład pisania po angielsku przez osobę niebędącą native speakerem. Te liczby pochodzą z własnej oceny GPTZero, a na stronie je przedstawiającej nie przytoczono żadnej niezależnej replikacji.

Własna strona ograniczeń GPTZero jest bardziej szczegółowa niż dane marketingowe. Firma stwierdza, że trafność poprawia się wraz z większą ilością przesłanego tekstu i spada na poziomie zdania oraz akapitu w porównaniu z pełnym dokumentem. Stwierdza, że jej dane treningowe to głównie angielska proza dla dorosłych, więc tekst odbiegający od tego wzorca jest trudniejszy do wiarygodnej klasyfikacji. Stwierdza, że klasyfikator nie jest trenowany do wykrywania tekstu AI, który został po wygenerowaniu silnie zmodyfikowany. I stwierdza wprost, że także inny tekst generowany maszynowo lub wysoce proceduralny, a nie tylko wynik chatbota, może zostać oznaczony w ten sam sposób.

Nic z tego nie jest powodem, by traktować liczbę GPTZero jako niepodlegającą wątpliwości, i nie jest to jedyny detektor, który warto rozumieć na własnych zasadach. Czytelnicy ciekawi, na co faktycznie reaguje taki klasyfikator, mogą sami zobaczyć wersję tego wzorca za pomocą bezpłatnego narzędzia do sprawdzania perplexity lub bezpłatnego narzędzia do sprawdzania burstiness, dwóch elementów pełniejszej kolekcji bezpłatnych narzędzi obejmującej inne warstwy statystyczne, na których opiera się taki raport.

Dwie główne statystyki GPTZero mają własne strony: co perplexity mierzy w wykrywaniu AI oraz arytmetyka prawdopodobieństwa tokenów, która daje obie liczby.

Narzędzie gotowe nazwać własne ślepe punkty z taką precyzją zasługuje na większe zaufanie niż takie, które nie przyznaje się do żadnych, a następny niewyjaśniony procent w raporcie to dobre miejsce, by zacząć pytać, jaki rodzaj narzędzia go wygenerował.