Cum să reduceți scorul de detectare AI

Studentul trece un paragraf printr-un detector, vede un scor de 82 la sută, înlocuiește o duzină de cuvinte cu sinonime fără să atingă forma niciunei propoziții și verifică din nou. Numărul abia se mișcă. Întreaga poveste este aceasta, unele editări schimbă aproape nimic, iar una schimbă mai mult decât toate celelalte la un loc, din motive care nu au nicio legătură cu a păcăli software-ul.

Acest material explică cum să scazi scorul AI în ordinea care contează cu adevărat, ce editări abia se observă, care mută numărul în mod substanțial și care îl mută cel mai mult, precum și de ce. De asemenea, acoperă ce măsoară de fapt numărul, deoarece un scor mai mic merită dorit dintr-un motiv real, o scriere mai clară, mai specifică, și este un obiectiv slab de urmărit de unul singur.

Ce măsoară de fapt un scor AI

Un model de limbaj scrie prin prezicerea următorului cuvânt probabil, iar și iar, ceea ce produce o amprentă statistică specifică, lungimi ale propozițiilor care se grupează, tranziții extrase dintr-un set mic de opțiuni sigure, alegeri lexicale care se află aproape de centrul a ceea ce este așteptat în acel context. Un scor de detectare AI este o estimare a cât de strâns se potrivește un pasaj cu acea amprentă, produsă de un clasificator antrenat să o observe, nu un fapt despre cine a tastat propoziția.

Detectorii nu definesc toți numărul în același mod. Turnitin afirmă în mod explicit că procentul său „indică volumul de text eligibil din cadrul trimiterii pe care modelul de detectare a scrierii cu AI al Turnitin îl consideră probabil generat de AI” și precizează clar că acesta reprezintă o pondere a textului marcat, nu un scor de probabilitate sau de încredere. Alți detectoare emit ceva mai apropiat de o valoare de încredere la nivelul propoziției în sine. În orice caz, o explicație completă a mecanismelor din spatele acestor numere merită citită în cum funcționează detectoarele AI. Ceea ce contează aici este mai simplu: numărul este întotdeauna o estimare statistică, iar fiecare editare de mai jos funcționează prin schimbarea statisticilor pe care este construit să le citească, nu prin ascunderea faptului că a fost implicat un model.

Schimbările de sinonime abia mișcă un scor AI

Înlocuirea unui cuvânt cu un sinonim mai puțin obișnuit schimbă aproape nimic din tiparul pe care îl evaluează un clasificator, deoarece lasă neatinse lungimea propoziției, structura propozițiilor secundare și ritmul. Un model antrenat să observe forma uniformă a propozițiilor nu contează dacă o propoziție spune enables sau allows. Contează faptul că trei propoziții la rând au aproape aceeași lungime și încep în același fel.

O propoziție plată sună astfel: „The platform enables users to efficiently accomplish routine tasks without additional training.” Înlocuită cuvânt cu cuvânt, devine: „The platform allows users to efficiently complete routine tasks without extra training.” Aceeași lungime, aceeași ordine a propozițiilor secundare, același ritm. Un cititor ar putea observa un cuvânt ușor diferit. Un clasificator care evaluează tiparele la nivel de propoziție în întregul paragraf are aproape nimic nou de folosit.

Acesta nu este un argument împotriva corectării vocabularului standard. Cuvinte precum facilitate, robust și myriad merită eliminate, deoarece un cititor atent le observă, iar un AI word cleaner gratuit le depistează pe majoritatea în câteva secunde. Este un argument împotriva așteptării ca această etapă să facă cea mai mare parte a muncii. Dacă un scor se modifică abia după o trecere de vocabular, acesta este rezultatul așteptat, nu un semn că etapa a eșuat.

Varietatea propozițiilor îl împinge mai departe

Un model prezice câte un token pe rând și nu are niciun motiv încorporat să facă propoziția trei mai scurtă decât propoziția doi, astfel că, lăsat de la sine, un paragraf se stabilizează într-o bandă îngustă de lungime și formă. Această regularitate, nu vreun cuvânt anume, este semnalul mai puternic, deoarece un clasificator antrenat pe ieșire generată de mașină a văzut acest tipar de mii de ori.

Trei propoziții plate se citesc astfel: "The results were significant. The findings supported the hypothesis. The data was analyzed using standard methods." Restructurat pentru varietate, același conținut se citește astfel: "The results were significant, and they supported the hypothesis, though the standard analysis needed a second pass once two of the outlying cases were removed." O propoziție poartă acum împreună afirmația și complicația ei, cu o variație reală de lungime și de structură a propozițiilor subordonate de-a lungul paragrafului. Asta măsoară un burstiness checker atunci când evaluează neuniformitatea, și de aceea această editare modifică un scor mai mult decât o face o trecere de vocabular.

Nimic din toate acestea nu este greu de făcut manual pe o pagină sau două. Citiți paragraful cu voce tare, marcați orice șir de două sau trei propoziții care sună la fel ca lungime și formă și despărțiți una dintre ele sau combinați două într-una singură, cu o virgulă care își face cu adevărat treaba. Modificările la nivel de propoziție din spatele acestei secțiuni sunt prezentate pas cu pas, cu mai multe exemple rezolvate, în full walkthrough of how to humanize AI text.

Propriile dumneavoastră dovezi modifică cel mai mult un scor AI

Un model lingvistic nu are acces la ceea ce s-a întâmplat efectiv în proiectul dumneavoastră. Când i se cere să scrie despre un studiu, el revine la formularea cea mai sigură, care se potrivește aproape oricărui studiu pe aceeași temă, pentru că acesta este singurul material pe care îl are. O propoziție care conține o afirmație specifică dintr-o sursă specifică nu este o propoziție pe care un model ar fi produs-o doar din prompt, iar acest decalaj este ceea ce mută cel mai mult un scor.

O propoziție generică: "Intervenția a avut un efect pozitiv asupra rezultatelor participanților." Aceasta ar putea descrie sute de studii. Rescrisă folosind propriul material al autorului: "Înregistrările de prezență au arătat că efectul s-a menținut doar pentru studenții care au venit la mai mult de șase sesiuni, un prag pe care designul inițial nu îl anticipase." Mai lungă, mai specifică și ar putea descrie doar acest studiu. Un model de referință căruia i s-ar cere să continue același prompt nu ar fi ghicit detaliul celor șase sesiuni, deoarece nimic din prompt nu sugera că acesta exista.

Acesta este și tipul de editare care îmbunătățește cel mai mult scrierea, indiferent de ceea ce raportează vreun detector, iar acesta este punctul asupra căruia merită să reflectați. Un număr specific, o limitare numită, o sursă citată direct, în loc să fie parafrazată într-o afirmație vagă, fac un paragraf mai convingător pentru o persoană care îl citește, iar faptul că ele mută și un scor este mai degrabă un efect secundar decât scopul.

Editare	Efect tipic asupra scorului	De ce
Înlocuiți cuvintele cu sinonime	Mic până la deloc	Lungimea propoziției, structura și ritmul rămân aceleași
Variați lungimea și structura propozițiilor	Moderat până la mare	Rupe modelul uniform pe care un clasificator este antrenat să îl observe
Adăugați propriile dovezi sau afirmații	Cel mai mare	Introduce conținut pe care un model nu avea cum să îl producă doar din prompt

Cum să reduceți scorul AI fără a urmări obiectivul greșit

Fiecare număr de mai sus este o estimare, nu un verdict. Turnitin spune același lucru în propria documentație, afirmând că detectarea scrierii generate de AI "may not always be accurate" și "should not be used as the sole basis for adverse actions against a student." Un scor se poate modifica din motive care nu au nicio legătură cu autoratul, iar el poate rămâne neschimbat chiar și la un text scris de la zero de o persoană. A trata numărul ca pe un fapt despre cine a scris o propoziție este sursa celei mai mari părți a anxietății din jurul acestui subiect, iar acesta nu este ceea ce pretinde numărul că ar fi.

De aceea, reducerea scorului este, de una singură, un obiectiv slab. Urmărirea unui număr îl poate împinge pe autor spre acele modificări care sunt cel mai ușor de automatizat, o trecere prin vocabular, câteva propoziții reordonate, în timp ce se sare peste ceea ce contează cel mai mult, adăugarea materialului specific pe care doar autorul îl are efectiv. Un scor mai mic obținut în acest fel merită să fie avut.

Urmărirea unui scor mai mic poate împinge, de asemenea, un paragraf în direcția stilistică greșită, prin atenuarea fiecărei afirmații, acumularea de calificative, adăugarea de propoziții de umplutură care există doar pentru a rupe ritmul, nu pentru a spune ceva. Niciuna dintre acestea nu repară modelul de bază, iar toate fac paragraful mai greu de citit. Modificările care mișcă efectiv un scor, varietatea propozițiilor și dovezile specifice, sunt totodată modificările care fac scrierea mai bună în propriile ei termeni, ceea ce este un control util atunci când o modificare începe să pară umplutură, nu îmbunătățire.

AI humanizer de la TextPulse, AI humanizer, aplică modificările la nivel de propoziție și structură de mai sus asupra unui document întreg, dintr-o singură dată, și raportează un Human Score estimat calculat din aceiași indicatori, nu o afirmație că vreun detector numit îl va accepta. Folosit bine, este o primă trecere rapidă asupra unui document lung. Tot nu poate adăuga singurul lucru care mișcă cel mai mult un scor, deoarece nu a fost niciodată în încăpere când s-a întâmplat munca propriu-zisă. Acea parte rămâne la autor.

Două întrebări anterioare merită lămurite mai întâi: dacă AI humanizers funcționează deloc, și dacă este sigur să fie folosiți pe lucrări pe care intenționați să le predați.

Ordinea de mai sus este, de asemenea, o listă de priorități pentru modul în care să fie folosit timpul limitat înainte de un termen limită. Săriți peste etapa de înlocuire a sinonimelor dacă timpul este scurt. Nu săriți peste paragraful în care adăugați înapoi detaliul pe care nimeni altcineva nu l-ar fi putut scrie, deoarece aceasta este singura modificare pe care niciun software de rescriere nu o poate face în locul dumneavoastră.