AI Detectors แม่นยำหรือไม่? ผลบวกลวงและอคติ

Turnitin อ้างว่าอัตราผลบวกลวงของตนต่ำกว่า 1% กลุ่มนักวิจัยอิสระกลุ่มหนึ่งได้ทดสอบตัวตรวจจับหลายตัวกับตัวอย่างงานเขียนที่หลากหลายกว่าจากผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ พวกเขาพบว่าอัตราผลบวกลวงเฉลี่ยสูงกว่า 60% สำหรับงานเขียนประเภทเดียวกันนั้น ตัวเลขทั้งสองเป็นจริง ทั้งสองได้รับการตีพิมพ์ และทั้งสองเกี่ยวข้องกับตัวตรวจจับที่จำหน่ายให้กับตลาดเดียวกัน แล้วตัวตรวจจับ AI แม่นยำหรือไม่ คำตอบขึ้นอยู่กับว่าคุณทดสอบกับประชากรกลุ่มใด ใช้ตัวตรวจจับใด และผู้ให้บริการของคุณนิยามไว้ตั้งแต่แรกอย่างไร

บทความนี้จะไม่อธิบายซ้ำว่าตัวตรวจจับคำนวณคะแนนนั้นอย่างไร กลไก, perplexity, ความน่าจะเป็นของโทเคน, วิธีที่ตัวจำแนกถูกฝึก, ได้อธิบายไว้อย่างละเอียดที่อื่นแล้ว และควรอ่านก่อนหากคุณยังไม่ได้อ่าน สิ่งที่สำคัญในที่นี้คือสิ่งที่เกิดขึ้นเมื่อมีคะแนนแล้ว, มันผิดบ่อยเพียงใด, งานเขียนของใครที่มันมักจะผิดเกี่ยวกับมากที่สุด, และการกล่าวหาอย่างผิดพลาดจริง ๆ แล้วสร้างต้นทุนอะไรให้กับคนที่ไม่ได้ทำอะไรผิด

ตัวตรวจจับ AI แม่นยำหรือไม่?

ไม่แม่นยำอย่างสม่ำเสมอ และช่องว่างระหว่างคำกล่าวอ้างทางการตลาดกับการทดสอบอิสระก็มีการบันทึกไว้อย่างชัดเจนแล้ว กลุ่มนักวิจัยที่นำโดย Debora Weber-Wulff ได้เผยแพร่ผลการค้นพบเกี่ยวกับเครื่องมือตรวจจับ 14 รายการ, รวมทั้ง 12 รายการฟรีและ 2 รายการเชิงพาณิชย์, ที่ถูกทดสอบกับข้อความผสมระหว่างมนุษย์และ ChatGPT ในปี 2023 พวกเขาพบว่าไม่มีเครื่องมือใดเหล่านี้ที่แม่นยำหรือเชื่อถือได้ และมีอคติในตัวที่ทำให้ติดป้ายข้อความจากเครื่องจักรว่าเป็นข้อความมนุษย์ มากกว่าจะเป็นในทางกลับกัน เครื่องมือเชิงพาณิชย์ 2 รายการที่รวมอยู่ในการทดสอบนี้คือ Turnitin และ PlagiarismCheck เครื่องมือทั้งหมดในการทดสอบนี้ทำงานได้แย่ลงเมื่อข้อความถูกถอดความใหม่

แต่เมื่อผ่านไปสองปี สถานการณ์ก็ไม่ได้หยุดนิ่ง เอกสารวิชาการฉบับร่างจาก Booth School แห่ง University of Chicago โดย Brian Jabarian และ Alex Imas ได้นำเครื่องมือหน้าใหม่สามตัว ได้แก่ Pangram, GPTZero และ Originality.ai รวมทั้งคู่แข่งแบบโอเพนซอร์สหนึ่งราย มาทดสอบอย่างเข้มข้นด้วยชิ้นงานที่มนุษย์เขียนเกือบ 2,000 ชิ้นจากบล็อก ข่าว บทวิจารณ์ และงานวรรณกรรม เมื่ออยู่ภายใต้เงื่อนไขการทดสอบที่ควบคุมได้ เครื่องมือที่ดีที่สุดในกลุ่มนี้ไม่เคยมีความแม่นยำต่ำกว่า 99.8 percent และคงอัตราบวกเท็จไว้ในระดับต่ำ แบบจำลองโอเพนซอร์สทำได้พอ ๆ กับการเดาแบบสุ่ม สถานการณ์ดีขึ้นจริง ๆ เพียงแต่ก็แค่ในระดับหนึ่ง เล็กน้อยเท่านั้น

แต่เงื่อนไขสำคัญคือคำว่า controlled ตัวอย่างสำหรับการเปรียบเทียบมาตรฐานนั้นสะอาด สมบูรณ์ และผลิตขึ้นภายใต้เงื่อนไขที่ทราบแน่ชัด ขณะที่บทความที่ส่งเข้ามาไม่ได้มีคุณสมบัติทั้งสามข้อนี้อย่างสม่ำเสมอ ผลลัพธ์ในโลกจริงอาจไม่เหมือนกับผลในห้องปฏิบัติการ ดังที่ chief product officer ของ Turnitin เองเคยกล่าวต่อสาธารณะ แม้จะเป็นการยอมรับที่พบไม่บ่อยและมีประโยชน์จากผู้ให้บริการ ส่วนถัดไปจะนำตัวเลขของผู้ให้บริการมาเทียบกับตัวเลขจากงานอิสระ เพื่อให้เห็นช่องว่างอย่างชัดเจน แทนที่จะเป็นเพียงการกล่าวอ้าง

ข้ออ้างของผู้ให้บริการเทียบกับการทดสอบอิสระ

ตารางด้านล่างจัดวางสิ่งที่เครื่องตรวจจับสี่ตัวอ้างเกี่ยวกับตนเอง เทียบกับสิ่งที่นักวิจัยอิสระวัดได้เมื่อทดสอบเครื่องมือเหล่านั้นโดยตรง ให้อ่านสองคอลัมน์ตรงกลางร่วมกัน ไม่ใช่อ่านเฉพาะคอลัมน์ของผู้ให้บริการเพียงอย่างเดียว

เครื่องตรวจจับ	ความแม่นยำที่ผู้จำหน่ายอ้าง	ที่สังเกตได้อย่างเป็นอิสระ	สิ่งที่ผู้จำหน่ายกล่าวเกี่ยวกับผลบวกลวง
Turnitin	เกณฑ์ความเชื่อมั่น 98% ก่อนทำเครื่องหมาย, ผลบวกลวงระดับเอกสารต่ำกว่า 1%	ความแม่นยำประมาณ 80%, ดีที่สุดจากเครื่องมือ 12 รายการในการเปรียบเทียบปี 2023, บนเวอร์ชันก่อนหน้าของเครื่องมือ	ต่ำกว่า 1% ในระดับเอกสารเมื่อสูงกว่าเกณฑ์ 20% ที่เขียนโดย AI, ประมาณ 4% ในระดับประโยค
GPTZero	การตรวจจับข้อความ AI 95.7% ที่อัตราผลบวกลวง 1% บนเกณฑ์มาตรฐาน RAID ที่ประเมินอย่างอิสระ	ความแม่นยำ 96% บนข้อความสั้น, อัตราผลบวกลวงต่ำกว่า 1% ในการศึกษาของ University of Chicago Booth ปี 2025	รายงานอัตราผลบวกลวง 1% บนเกณฑ์มาตรฐาน RAID
Originality.ai	ความแม่นยำ 99%, อัตราผลบวกลวง 0.5% (รุ่น Lite), 1.5% (รุ่น Turbo)	อัตราผลบวกลวงต่ำกว่า 1%, แต่พลาดข้อความที่เขียนโดย AI 10% ถึง 40% ในการศึกษาของ Booth เดียวกัน	เผยแพร่ตัวเลขผลบวกลวงแยกตามระดับรุ่น
Pangram	อัตราความผิดพลาดที่ระบุว่าต่ำกว่าคู่แข่งมากกว่า 38 เท่า, ระบุว่าไม่มีอคติต่อผู้เขียนภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา	ความแม่นยำไม่ต่ำกว่า 99.8%, อัตราผลบวกลวงใกล้ศูนย์, ในการศึกษาของ Booth	ระบุอัตราผลบวกลวงใกล้ศูนย์ใน 10 โดเมนข้อความและ 8 โมเดลภาษา

มีสองประเด็นที่เด่นชัด ประการแรก ตัวเลขทั้งหมดของผู้จำหน่ายมาจากห้องปฏิบัติการที่ผู้จำหน่ายควบคุม และตัวเลขของ Booth มาจากนักวิจัยที่ไม่มีสิ่งใดจะขาย ประการที่สอง Turnitin ไม่ปรากฏเลยในคอลัมน์ตรงกลางนั้น เนื่องจากการศึกษาปี 2025 ไม่ได้ทดสอบเครื่องมือนี้ ในตาราง ตัวเลขที่ได้อย่างเป็นอิสระของมันอิงจากการเปรียบเทียบก่อนหน้าในปี 2023 แต่ทำบนเวอร์ชันเก่าของเครื่องมือ ดังนั้นโปรดจำสิ่งนี้ไว้เมื่อดูตารางในฐานะการเปรียบเทียบแบบเดียวกัน

Turnitin ตรวจจับ AI ได้แม่นยำเพียงใด?

Turnitin ไม่ได้เผยแพร่ตัวเลขความแม่นยำเพียงค่าเดียว แต่เผยแพร่เกณฑ์และการแลกเปลี่ยนแทน บริษัทระบุว่า จะตั้งธงเอกสารก็ต่อเมื่อมีความมั่นใจ 98 เปอร์เซ็นต์ว่าส่วนที่ถูกตั้งธงนั้นเขียนโดย AI และเกณฑ์นี้เองที่ทำให้อัตราบวกเท็จในระดับเอกสารต่ำกว่า 1 เปอร์เซ็นต์ Turnitin ประเมินว่าสามารถตรวจจับงานเขียนที่ได้รับความช่วยเหลือจาก AI ได้ประมาณ 85 เปอร์เซ็นต์ โดยปล่อยส่วนที่เหลือผ่านไปโดยตั้งใจ มากกว่าจะเสี่ยงกล่าวหาอย่างผิดพลาด

สัดส่วนจริงของผลบวกเท็จที่ Turnitin ให้ในระดับประโยค, ซึ่งเป็นกรณีที่อินเทอร์เฟซไฮไลต์บรรทัดเฉพาะแทนทั้งเอกสาร, จริง ๆ แล้วใกล้เคียง 4 เปอร์เซ็นต์มากกว่า ตัวเลขนี้เป็นตัวเลขที่ควรรู้ หากอาจารย์จับภาพหน้าจอเพียงย่อหน้าที่ถูกตั้งธงย่อหน้าเดียว แทนที่จะดูคะแนนทั้งเอกสาร เพราะประโยคที่ถูกไฮไลต์มีโอกาสผิดมากกว่าคะแนนของทั้งเอกสารที่อยู่ข้าง ๆ อย่างมีนัยสำคัญ

นอกจากนี้ ยังควรสังเกตว่า Turnitin ได้ยอมรับช่องว่างนี้โดยตรง พวกเขาพบว่าผลลัพธ์จริงในโลกภายนอกชุดแรกของตน, โดยเฉพาะสำหรับเอกสารที่สั้นกว่า, มีอัตราบวกเท็จสูงกว่าที่คาดไว้จากการทดสอบในห้องปฏิบัติการ ดังนั้นพวกเขาจึงปรับความยาวเอกสารขั้นต่ำที่จะถูกให้คะแนนจาก 150 เป็น 300 คำ นั่นคือผู้ขายที่ปรับผลิตภัณฑ์ของตนเอง เพราะตัวเลขที่เผยแพร่ไว้ไม่สามารถยืนหยัดได้เมื่อออกนอกห้องปฏิบัติการ ซึ่งบอกอะไรได้พอ ๆ กับงานศึกษาที่เป็นอิสระใด ๆ

ผลบวกเท็จมีต้นทุนจริงอย่างไรต่อผู้เรียน

เรื่องนี้เกิดขึ้นกับนักศึกษา Executive MBA คนหนึ่งที่ Yale's School of Management นักศึกษาคนนั้นถูกกล่าวหาว่าละเมิดกฎ ในความหมายที่ตรงตัวที่สุดเท่าที่จะเป็นไปได้ เครื่องมือตรวจจับที่เกี่ยวข้องคือ GPTZero ข้อสอบปลายภาคของนักศึกษาในรายวิชาการเงินถูกผู้ช่วยสอนตั้งธงไว้ เพราะคิดว่างานเขียนยาวและซับซ้อน พร้อมเครื่องหมายวรรคตอนและไวยากรณ์ที่เกือบสมบูรณ์แบบ และอาจารย์ท่านนี้ก็ได้นำงานดังกล่าวไปตรวจผ่าน GPTZero ซึ่งให้คะแนนคำตอบว่าอาจสร้างโดย AI

เขาไม่ผ่านรายวิชาและถูกพักการศึกษาเป็นเวลาหนึ่งปี คดีความของเขา ซึ่งยื่นต่อศาลรัฐบาลกลางในเดือนกุมภาพันธ์ 2025 อ้างว่านโยบายของ Yale เองจำกัดการใช้เครื่องมืออย่าง GPTZero ด้วยเหตุผลนี้โดยเฉพาะ คืออัตราผลบวกลวงที่มีการบันทึกไว้ต่อผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ และเขาใช้เครื่องมือนี้ขัดต่อนโยบายนั้น คำยื่นของเขายังอ้างว่า GPTZero ให้คะแนนว่าเป็นเนื้อหาที่สร้างโดย AI 100 เปอร์เซ็นต์ สำหรับงานเขียนเชิงวิชาการของอดีตอธิการบดีมหาวิทยาลัยของ Yale เองและคณบดีของโรงเรียนธุรกิจ

ผู้พิพากษาปฏิเสธที่จะออกคำสั่งคุ้มครองชั่วคราวในเดือนพฤษภาคม 2025 คดียังไม่ได้รับการยุติ, ณ เวลาที่ข้าพเจ้าเขียนข้อความนี้ โจทก์ซึ่งเป็นชาวฝรั่งเศส อ้างว่าอคติที่เป็นที่ทราบกันอยู่ต่อผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่เดียวกันนั้น ทำให้งานเขียนของเขาแสดงผลออกมาเช่นนั้น นั่นคือสิ่งที่เราจะพิจารณาในส่วนถัดไป สิ่งที่ไม่มีข้อโต้แย้งคือราคาที่ต้องจ่าย, เวลาหนึ่งปีที่สูญเสียไปจากหลักสูตรปริญญา, เกรดตก, ค่าใช้จ่ายทางกฎหมาย, และหลายเดือนที่ต้องต่อสู้กันเรื่องคะแนนแทนที่จะได้ปริญญา อัตราผลบวกลวง 1 เปอร์เซ็นต์ฟังดูเล็กน้อย จนกระทั่งประชากรจำนวนมากทำให้มันกลายเป็นเรื่องของคนคนหนึ่งโดยเฉพาะ

เหตุใดเครื่องตรวจจับ AI จึงจำแนกผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ผิดพลาด?

อย่างย่ำแย่ และห่างไกลมาก นั่นคือข้อสรุปของงานวิจัยที่เป็นครั้งแรกที่ทำให้เรื่องนี้มีตัวเลขกำกับ นักวิจัยจาก Stanford ได้นำเครื่องตรวจจับ GPT ที่ใช้กันอย่างแพร่หลาย 7 ตัวมาทดสอบกับเรียงความ TOEFL 91 ชิ้นที่เขียนโดยผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ และเรียงความ 88 ชิ้นของนักเรียนชั้นประถมศึกษาปีที่ 8 ในสหรัฐอเมริกา เครื่องตรวจจับอ่านเรียงความของนักเรียนชั้นประถมศึกษาปีที่ 8 ได้ถูกต้องเกือบทุกครั้ง เมื่อถึงเรียงความ TOEFL ซึ่งเขียนโดยผู้ใหญ่ที่มีความคล่องพอที่จะสอบภาษาอังกฤษระดับบัณฑิตศึกษาได้ เครื่องตรวจจับเหล่านี้มีอัตราผลบวกลวงเฉลี่ย 61.3 เปอร์เซ็นต์ เรียงความ 89 ชิ้นจาก 91 ชิ้นถูกอย่างน้อยหนึ่งในเครื่องตรวจจับทั้ง 7 ตัวระบุว่าเป็นงานที่สร้างโดย GPT, และเรียงความ 18 ชิ้นในจำนวนนั้นถูกเครื่องตรวจจับทั้ง 7 ตัวระบุพร้อมกัน

กลไกนี้เหมือนกับกลไกที่กำกับส่วนอื่นของการตรวจจับ, คำศัพท์ที่คาดเดาได้และโครงสร้างประโยคที่เรียบง่ายถูกอ่านว่าเป็น perplexity ต่ำ, และ perplexity ต่ำก็ถูกอ่านว่าเป็นสิ่งที่สร้างโดยเครื่อง, ไม่ว่าใครจะเป็นผู้ถือปากกาอยู่ก็ตาม. ผู้เขียนที่ทำงานในภาษาที่สองมักพึ่งพาวลีที่ใช้กันอย่างมั่นคง เพราะนั่นคือสิ่งที่ความคล่องแคล่วในภาษาเพิ่มเติมมีลักษณะจริง, และนั่นคือโปรไฟล์ที่ detector ถูกสร้างขึ้นมาเพื่อจับสัญญาณโดยตรง.

ผู้เขียนในสถานะเช่นนั้นไม่ได้รับประโยชน์มากนักจากคำแนะนำให้เพียงเขียนให้เป็นธรรมชาติมากขึ้น, เพราะสิ่งที่เป็นธรรมชาตินั่นเองที่ถูกตั้งธง. หน้า สำหรับผู้เขียนวิชาการ ESL ของ TextPulse อธิบายรูปแบบถ้อยคำที่อยู่เบื้องหลังความเสี่ยงนั้นอย่างละเอียดมากขึ้น, รวมถึงสิ่งที่เปลี่ยนรูปแบบเหล่านั้นโดยไม่เปลี่ยนความหมายของประโยค.

นี่ไม่ใช่กรณีที่เกิดขึ้นเพียงครั้งเดียว. ในเดือนธันวาคม 2025, มีการเผยแพร่ benchmark ใหม่, ซึ่งออกแบบมาโดยตรงเพื่อประเมินอคติใน detector เหล่านี้. มันรวมตัวอย่างมากกว่า 200,000 รายการ ครอบคลุมประชากรและภาษาหลายกลุ่ม. แม้จะผ่านไปสองปีนับจากการศึกษาครั้งแรกของ Stanford และแม้จะรวม model versions ที่แตกต่างกันจำนวนมากของ detector เดียวกัน, benchmark นี้ก็ยังเผยให้เห็นว่าอคติต่อผู้เรียนภาษาอังกฤษยังคงมีอยู่.

กรณีนี้ไม่เป็นเช่นนั้นสำหรับผู้ให้บริการทั้งหมด. เอกสารทางเทคนิคของ Pangram เองระบุว่า classifier ของมันไม่ได้มีอคติต่อผู้พูดภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา. นักวิจัยจาก Chicago Booth ไม่ได้ทดสอบข้ออ้างนี้ด้วยตนเองอย่างอิสระ, แต่ก็แสดงให้เห็นว่า detector รุ่นใหม่กำลังถูกสร้างขึ้นโดยคำนึงถึงปัญหานี้ มากกว่าจะเพิกเฉยต่อมัน.

หากคุณต้องการดูว่างานเขียนของคุณอยู่ตรงไหนก่อนที่ใครจะให้คะแนนมัน, perplexity checker ฟรี จะให้ตัวเลขพื้นฐานเดียวกันกับที่ detector จะคำนวณ, โดยไม่ต้องส่งอะไรไปยังสถาบันก่อน.

ใครอีกบ้างที่ถูกตั้งธง, และเพราะเหตุใด

ผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่มีความเสี่ยงที่ได้รับการบันทึกไว้สูงที่สุด แต่ตรรกะทางสถิติแบบเดียวกันนี้ก็ตรวจจับงานเขียนประเภทอื่นได้เช่นกัน ทีมของ Weber-Wulff พบว่าเครื่องมือทั้ง 14 รายการที่พวกเขาทดสอบมีความแม่นยำน้อยลงเมื่อใช้กับข้อความที่ผ่านการถอดความแล้ว, ซึ่งอธิบายถึงสัดส่วนที่มีนัยสำคัญของงานเขียนเชิงวิชาการที่ผ่านการตรวจแก้, การบรรณาธิการ, หรือการขีดแก้ของอาจารย์ที่ปรึกษามาก่อนที่ใครจะนำเครื่องมือตรวจจับมาใช้กับมัน

ทั้งหมดนี้ไม่ได้หมายความว่าตัวเลขนั้นไร้ความหมาย, เพียงแต่ต้องมีการยืนยันประกอบก่อนจึงจะหมายความถึงสิ่งใดเกี่ยวกับบุคคลใดบุคคลหนึ่งได้ หากคุณมีข้อความที่อ่านได้อย่างสม่ำเสมอ, มีความยาวประโยคคล้ายกัน, มีจังหวะคล้ายกันตลอดทั้งข้อความ, ข้อความนั้นจะได้คะแนนว่าเหมือนงานที่สร้างโดยเครื่องจักรมากขึ้น ไม่ว่าใครจะเป็นผู้เขียนหรือด้วยเหตุผลใดก็ตาม เรื่องนี้สามารถตรวจสอบได้โดยตรงด้วย free burstiness checker แทนที่จะคาดเดาเอา

นโยบายการตรวจจับ AI ที่สามารถปกป้องได้มีลักษณะอย่างไร

Yale มีนโยบายอยู่แล้วซึ่งรายงานว่าจำกัดการใช้เครื่องมืออย่าง GPTZero ด้วยเหตุผลใกล้เคียงกับที่บทความนี้ได้อธิบายไว้, คือมีอัตราบวกลวงที่ได้รับการบันทึกไว้ และมีอคติที่ได้รับการบันทึกไว้ต่อผู้เขียนที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่ ดังนั้น เรื่องนี้จึงไม่ใช่เรื่องของนักศึกษาคนหนึ่งที่โชคร้ายเท่านั้น แต่เป็นเรื่องของกฎที่มีอยู่แล้วแต่ไม่ได้ถูกปฏิบัติตาม เมื่อมีนโยบายที่บังคับใช้ความแตกต่างระหว่างคะแนนกับคำตัดสินจริง, คะแนนก็จะกลายเป็นเพียงข้อมูลนำเข้าหนึ่งรายการแทนที่จะเป็นคำตัดสิน

• ถือว่าคะแนนเป็นข้อมูลนำเข้าหนึ่งรายการ, ไม่ใช่ฐานเพียงอย่างเดียวสำหรับการวินิจฉัยการกระทำผิด
• เปิดเผยอัตราบวกลวงที่เผยแพร่ของเครื่องมือให้นักศึกษาทราบก่อนนำไปใช้กับพวกเขา
• ใช้ความระมัดระวังเป็นพิเศษกับงานส่งที่สั้นและงานเขียนของผู้ที่ไม่ได้ใช้ภาษาอังกฤษเป็นภาษาแม่, ซึ่งทั้งสองอย่างเป็นจุดอ่อนที่ได้รับการบันทึกไว้
• รับประกันช่องทางอุทธรณ์ที่ไม่ต้องพิสูจน์ว่าค่าสถิติผิด

ทั้งหมดนี้ไม่ใช่เรื่องแปลกประหลาด มันใกล้เคียงกับวิธีที่หลักฐานนิติวิทยาศาสตร์ชิ้นใดชิ้นหนึ่งควรถูกปฏิบัติในบริบทอื่น, คือมีประโยชน์, ตรวจสอบได้, และไม่เคยเพียงพอในตัวมันเอง

สำหรับผู้เขียนแต่ละคน, หลักการเดียวกันนี้ใช้ได้ก่อนที่จะมีคะแนนเกิดขึ้น ไม่ใช่หลังจากนั้น ตัวเลขเพียงตัวเดียวจากเครื่องมือใดก็ตามเป็นเพียงค่าประมาณ ไม่ใช่คำตัดสิน, และการปฏิบัติต่อมันราวกับเป็นข้อยุติไม่ว่าทางใด, ไม่ว่าจะปลอดภัยหรือถูกจับได้, เป็นการคาดหวังจากตัวเลขมากเกินกว่าที่มันจะรองรับได้

เครื่องมือ AI humanizer tool ของ TextPulse เองรายงาน Human Score ตามตรรกะเดียวกันนี้, คือค่าประมาณที่คำนวณจากข้อความของคุณเอง ไม่ใช่คำตัดสินของตัวตรวจจับเกี่ยวกับข้อความนั้น, ซึ่งมีประโยชน์ในฐานะสัญญาณว่าร่างข้อความในขณะนี้อ่านเป็นอย่างไร มากกว่าจะเป็นคำรับรองว่าเครื่องตรวจจับใดเครื่องหนึ่งจะกล่าวว่าอย่างไร

คำถามเรื่องความแม่นยำแยกออกเป็นคำถามย่อยที่แคบกว่า ซึ่งแต่ละข้อมีหน้าเฉพาะของตนเอง อัตราที่ตัวตรวจจับระบุว่าข้อความที่มนุษย์เขียนเป็น AI ได้รับการอธิบายแยกต่างหาก เช่นเดียวกับหลักฐานเฉพาะเกี่ยวกับ อัตราผลบวกลวงของ Turnitin และเกี่ยวกับ ความแม่นยำของ ZeroGPT หากคะแนนนั้นถูกนำมาใช้ต่อต้านคุณแล้ว ก็มีบทความเชิงปฏิบัติเกี่ยวกับ สิ่งที่ควรทำเมื่อคุณถูกกล่าวหาว่าใช้ AI, เกี่ยวกับหลักฐานที่คุณสามารถรวบรวมเพื่อ พิสูจน์ว่าคุณไม่ได้ใช้ AI, และเกี่ยวกับ การเขียนจดหมายอุทธรณ์ ที่ตอบโต้คะแนนนั้นตามเงื่อนไขของมันเอง

ตัวเลขในรายงานใด ๆ จะยังคงเปลี่ยนไปเมื่อผู้ให้บริการฝึกโมเดลของตนใหม่ และนักวิจัยยังคงทดสอบโมเดลเหล่านั้นกับกรณีที่ยากขึ้น แต่สิ่งที่ไม่ควรเปลี่ยนคือวิธีปฏิบัติที่อยู่เบื้องหลังมัน, คืออ่านคะแนนเป็นเพียงหนึ่งในการวัดหลายอย่าง, ถามว่ามันได้รับการตรวจสอบความถูกต้องบนประชากรใด, และถามว่าผู้ให้บริการไม่ได้กล่าวอะไรเกี่ยวกับกรณีที่มันยังคงตัดสินผิดอยู่