วิธีทำให้ข้อความ AI ดูเป็นมนุษย์: คู่มือฉบับสมบูรณ์

ร่างแรกที่ได้จาก ChatGPT มักกลับมาในเวลาไม่ถึงหนึ่งนาที อ่านลื่นไหล และดูเหมือนจะพูดทุกอย่างที่คุณตั้งใจจะพูด ปัญหาคือมันยังอ่านเหมือนร่างอื่น ๆ ที่ ChatGPT ส่งกลับมาเสมอ, มีจังหวะเดียวกัน, คำศัพท์ที่ปลอดภัยแบบเดียวกัน, และนิสัยเดิมในการทวนสิ่งที่หัวข้อเพิ่งกล่าวไป การเรียนรู้วิธีทำให้ข้อความ AI มีความเป็นมนุษย์ จึงแท้จริงแล้วคือการเรียนรู้ที่จะคลี่คลายความเหมือนนั้นออกทีละประโยค ก่อนที่มันจะไปถึงตัวตรวจจับหรือผู้อ่านที่เคยเห็นร่างมาแล้วนับร้อยฉบับซึ่งเหมือนกันทุกประการ

การทำให้ข้อความ AI มีความเป็นมนุษย์ หมายถึงการแก้ไขร่างที่สร้างโดยเครื่องจักรจนจังหวะของประโยค การเลือกคำ และโครงสร้าง อ่านได้เหมือนงานเขียนของคนคนหนึ่ง ไม่ใช่ค่าเฉลี่ยเชิงสถิติของการคาดเดาที่ดีที่สุดของแบบจำลองภาษา การแก้ไขบางส่วนใช้เวลาเพียงไม่กี่นาที บางส่วนเมื่ออยู่ในเอกสารทั้งฉบับกลับน่าเบื่อพอที่จะทำให้เครื่องมือหนึ่งมีคุณค่าจริง บทความนี้ครอบคลุมทั้งสองส่วนตามลำดับที่ช่วยได้, คือการแก้ไขก่อน แล้วจึงดูว่าเครื่องมือ humanizer ของ AI เข้ามาช่วยส่วนที่การแก้ไขด้วยตนเองทำไม่เสร็จได้อย่างไร

ขอหมายเหตุสั้น ๆ สำหรับผู้ที่ค้นหา "humanise AI" ด้วยการสะกดแบบสหราชอาณาจักร, เทคนิคนี้เหมือนกันทุกประการ, ต่างกันเพียงตัวอักษรเท่านั้น

ทำไมข้อความ AI จึงฟังดูเหมือนเดิมทุกครั้ง?

วิธีการทำงานคือ แบบจำลองภาษาจะเขียนโดยการทำนายคำถัดไปที่น่าจะเป็นไปได้มากที่สุด ซ้ำแล้วซ้ำเล่านับพันครั้ง นั่นคือเหตุผลที่คุณได้งานเขียนที่ลื่นไหลและปลอดภัย, ประโยคที่มักมีความยาวใกล้เคียงกัน, ย่อหน้าที่เริ่มด้วยการย้ำชื่อเรื่องของตนเอง, และการเชื่อมโยงที่อาศัยคำเชื่อมไม่กี่คำเดิม ๆ สิ่งเหล่านี้ไม่ใช่ข้อบกพร่อง แต่มันคือสิ่งที่เกิดขึ้นเมื่อคุณปรับให้เหมาะกับคำที่คาดหมายได้ในระดับขนาดใหญ่

ทั้งหมดนี้อธิบายไว้อย่างละเอียดในบทความประกอบของเราเกี่ยวกับ how AI detectors work เราเน้นที่สิ่งสำคัญที่ควรเข้าใจที่นี่, คือการแก้ไขทุกข้อด้านล่างจะทำลายรูปแบบที่แบบจำลองไม่อาจหลีกเลี่ยงการสร้างขึ้นได้ ไม่มีข้อใดปกปิดข้อเท็จจริงว่ามีแบบจำลองเข้ามาเกี่ยวข้อง เพราะนั่นไม่ใช่สิ่งที่การแก้ไขในระดับประโยคจะทำได้ ตัวชี้วัดสองอย่างที่ตัวตรวจจับคำนวณบ่อยที่สุดก่อนจะแสดงเปอร์เซ็นต์ให้คุณเห็น คือ perplexity และ burstiness

ทำลายจังหวะ, ความยาวและโครงสร้างของประโยค

นี่คือสัญญาณที่ชัดที่สุดเหนือสิ่งอื่นใด, จังหวะของประโยค โมเดลสามารถทำนายได้ครั้งละหนึ่งโทเคนเท่านั้น มันไม่มีแรงจูงใจที่จะทำให้ประโยคที่สามสั้นกว่าประโยคที่สอง และเมื่อปล่อยไว้ตามลำพัง ย่อหน้ามักจะเคลื่อนไปสู่ความยาวและรูปแบบบางอย่าง นี่คือตัวอย่างของลำดับที่ราบเรียบ: "ผลการศึกษามีนัยสำคัญทางสถิติ ข้อค้นพบสนับสนุนสมมติฐานเดิม ข้อมูลถูกวิเคราะห์โดยใช้วิธีมาตรฐาน" ประโยคที่ราบเรียบสามประโยค ความยาวเท่ากัน การขึ้นต้นแบบเดียวกันทุกครั้ง

เมื่อแยกออกเป็นส่วนๆ ข้อมูลเดียวกันจะอ่านได้ดังนี้: "ผลลัพธ์มีนัยสำคัญทางสถิติ ซึ่งสนับสนุนสมมติฐาน แม้ว่าตัวแปรสองในสามตัวจะเคลื่อนไหวน้อยกว่าที่คาดไว้ ดังนั้นการวิเคราะห์มาตรฐานจึงต้องทำซ้ำอีกครั้ง" ตอนนี้ประโยคหนึ่งประโยคเดียวแบกรับทั้งข้อกล่าวอ้างและความซับซ้อนของมันไว้ด้วยกัน โดยมีเครื่องหมายจุลภาคทำหน้าที่แทนสิ่งที่ประโยคที่ราบเรียบสามประโยคเคยทำแยกกัน ความไม่สม่ำเสมอนี้เองคือสิ่งที่ burstiness checker กำลังวัดเมื่อให้คะแนนย่อหน้า และนี่เป็นการแก้ไขที่รวดเร็วที่สุดในรายการนี้ เพราะคุณกำลังจัดเรียงอนุประโยคที่คุณเขียนไว้แล้ว ไม่ได้สร้างเนื้อหาใหม่

อีกครึ่งหนึ่งของโครงสร้างคือจุดที่ประเด็นหลักวางอยู่ โมเดลมักจะค่อยๆ สร้างไปสู่ประเด็นของมัน หรือฝังมันไว้ในอนุประโยคย่อย ข้อกล่าวอ้างที่เฉพาะเจาะจงอ่านได้ดีกว่าเมื่อวางนำหน้า โดยให้เงื่อนไขตามมาทีหลัง: "แม้ว่าขนาดตัวอย่างจะแตกต่างกันไปในแต่ละไซต์ ผลกระทบยังคงอยู่" ปลอดภัยกว่าและกำกวมกว่า "ผลกระทบยังคงอยู่ในทุกไซต์ แม้ว่าสองไซต์จะใช้ตัวอย่างเพียงหนึ่งในสามของที่วางแผนไว้" วางข้อกล่าวอ้างไว้ก่อน แล้วข้อยกเว้นจะกลายเป็นหลักฐาน ไม่ใช่การกันความเสี่ยง

ตัดคำที่บอกตัวมันเองออก

คำบางคำปรากฏในร่างที่สร้างโดยเครื่องบ่อยกว่าที่ปรากฏในข้อความที่มนุษย์เขียน ไม่ใช่เพราะมันผิด แต่เพราะมันตรงกับการกระจายความน่าจะเป็นของโมเดลสำหรับรูปแบบภาษาทางการอย่างแม่นยำ แทนที่จะใช้ help ให้ใช้ facilitate แทนที่จะใช้ strong ให้ใช้ robust แทนที่จะใช้ many ให้ใช้ myriad แทนที่จะใช้ show ให้ใช้ underscore ไม่มีคำใดในนี้ผิด ทุกคำเป็นเพียงตัวเลือกที่ปลอดภัยที่สุดและเป็นค่าเฉลี่ยที่สุดที่มีอยู่ ซึ่งนั่นเองคือเหตุผลที่โมเดลหยิบมันขึ้นมาใช้ก่อน

ประโยคที่ราบเรียบอ่านได้ว่า: "The study employed a robust methodology to facilitate a wide-ranging understanding of the myriad factors involved." ข้อความเดียวกันนี้ หากถ้อยคำเป็นแบบที่คนจะเลือกใช้จริง: "The study used a mixed-methods design to work out which of several factors mattered most." ไม่มีส่วนใดของฉบับที่สองที่ไม่แม่นยำกว่าเดิม มันเพียงแต่ธรรมดาน้อยกว่าเท่านั้น

การแทน robust ด้วย strong จะไม่เปลี่ยนความยาวของประโยค และจะไม่กระทบจังหวะที่ตัวตรวจจับกำลังให้คะแนนอยู่ การสลับคำเพียงอย่างเดียวจะไม่ช่วยได้มากนัก การรู้เช่นนี้จะช่วยให้ระมัดระวังต่อความคิดที่ว่า การใช้ thesaurus แทนคำจะพาไปถึงเป้าหมายได้ทั้งหมดโดยไม่ต้องแก้ไขเพิ่มเติม มันจะช่วยให้ผู้อ่านมนุษย์สังเกตได้ว่าร้อยแก้วนั้นพยายามน้อยลง การแก้ไขเชิงโครงสร้างที่กล่าวไว้ข้างต้นยังคงต้องเกิดขึ้นควบคู่กันไป การนำย่อหน้าผ่าน AI word cleaner จะช่วยจับสัญญาณบ่งชี้ระดับคำได้อย่างรวดเร็ว

แก้นิสัยการใช้เครื่องหมายวรรคตอนที่ทั้งตัวตรวจจับและผู้อ่านสังเกตเห็น

เครื่องหมายวรรคตอนมีลักษณะเฉพาะของมันเอง มันพึ่งพาเครื่องหมายเพียงหนึ่งหรือสองชนิดมากเกินไป และใช้เครื่องหมายเหล่านั้นบ่อยกว่าการเขียนปกติมาก โดยมักเป็น dash ที่ใช้เป็นตัวเชื่อมสากล ในที่ที่เครื่องหมายจุลภาค จุดเต็ม หรือโคลอนก็ใช้ได้เช่นกัน มันจึงกลายเป็นการใช้ซ้ำและเริ่มฟังดูเหมือนอาการติดนิสัยมากกว่าสไตล์ เมื่อย่อหน้าพยายามเอื้อมไปหาเครื่องหมายเดิมทุก ๆ ประโยคที่สาม

เซมิโคลอนและโคลอนก็ถูกใช้มากเกินไปเช่นเดียวกัน โดยมักเชื่อมอนุประโยคสองส่วนที่อ่านได้เป็นธรรมชาติกว่าหากแยกเป็นสองประโยค "The results were mixed; some participants improved while others showed no change" ถูกต้องตามไวยากรณ์ แต่ล้าสมัยในเชิงสไตล์ ประโยคสองประโยคถ่ายทอดข้อมูลเดียวกันได้ โดยมีพื้นที่ให้หายใจมากกว่า: "The results were mixed. Some participants improved. Others showed no change at all." การอ่านย่อหน้าออกเสียงจะช่วยจับได้เกือบทั้งหมด เพราะหูจะสังเกตจังหวะที่ซ้ำก่อนตาจะเห็น

ตัวลบ em dash em dash remover จัดการส่วนเชิงกลของขั้นตอนนี้ได้ภายในไม่กี่วินาที สไตล์ประจำบ้านของ TextPulse เองห้ามใช้อักขระนี้โดยสิ้นเชิง และคู่มือนี้ก็ยึดกฎเดียวกัน การตัดสินใจว่า ประโยคหนึ่งควรทำงานเป็นอนุประโยคเดียวหรือสองอนุประโยค ยังคงต้องอาศัยมนุษย์

แทนที่บรรทัดทั่วไปด้วยบรรทัดที่เฉพาะเจาะจง

การแก้ไขขั้นสุดท้ายในรายการนี้ใช้เวลานานที่สุด และมีความสำคัญมากที่สุด language model ไม่มีความทรงจำเกี่ยวกับโครงการจริงของคุณ จึงเลือกใช้ถ้อยคำที่ปลอดภัยที่สุดเท่าที่มีอยู่โดยปริยาย, คือถ้อยคำที่มีความสามารถ กว้าง ๆ และเป็นจริงสำหรับงานวิชาการเกือบทุกชิ้นในหัวข้อเดียวกัน

"The intervention was found to have a positive effect on student outcomes." เป็นรูปประโยค passive, ทั่วไป, อาจใช้บรรยายงานวิจัยได้เป็นร้อยชิ้นที่ต่างกัน "The tutoring program raised test scores by roughly half a grade, but only for students who attended more than six sessions." เป็นรูปประโยค active, เฉพาะเจาะจง, และอธิบายได้เฉพาะงานของคุณเท่านั้น นอกจากนี้ยังยาวกว่า และเป็นประโยคที่ผู้อ่านเชื่อ เพราะ model ไม่มีทางเดารายละเอียดเรื่อง six-session ได้ด้วยตนเอง คนที่เฝ้าดูข้อมูลต้องสังเกตเห็นมันก่อน

นี่คือการแก้ไขที่ language model ก็ทำให้คุณไม่ได้เช่นกัน รวมถึงเครื่องมือ humanizer ด้วย เครื่องมือสามารถปรับความยาวประโยคของคุณและสลับคำศัพท์ของคุณได้ แต่ไม่ได้อยู่ในห้องตอนที่สิ่งที่น่าสนใจเกิดขึ้น ดังนั้นจึงไม่อาจส่งมอบรายละเอียดที่คุณไม่เคยให้ไว้กับมันได้ กลับไปดูบันทึกของคุณ ไม่ใช่กลับไปผ่านตัวเขียนใหม่อีกครั้ง

สิ่งที่การแก้ไขด้วยตนเองไม่สามารถแก้ได้

การแก้ไขทุกข้อข้างต้นไม่มีค่าใช้จ่ายและใช้เวลาเพียงไม่กี่นาทีสำหรับย่อหน้าเดียว ปัญหาที่แท้จริงคือความยาว คำตอบห้าย่อหน้าสำหรับโพสต์อภิปรายเป็นงานที่ทำด้วยมือได้ภายในสิบห้านาที บทหนึ่งของวิทยานิพนธ์ยาวสี่สิบหน้า หากเขียนใหม่ด้วยความใส่ใจในระดับเดียวกัน เป็นงานที่ใช้เวลาหลายวัน และแทบไม่มีใครมีเวลามากขนาดนั้นสำหรับบทเดียว

ตารางด้านล่างเป็นแนวทางสำหรับการวางแผน ไม่ใช่การวัดผล เวลาเป็นเพียงค่าประมาณสำหรับร้อยแก้ววิชาการทั่วไป และจะเปลี่ยนไปตามความหนาแน่นของงานเขียน

การแก้ไขด้วยตนเอง	สิ่งที่ช่วยแก้ไข	ต้นทุนเวลา	สิ่งที่ไม่สามารถแก้ไขได้
ปรับความยาวและโครงสร้างของประโยคให้หลากหลาย	จังหวะที่สม่ำเสมอ, สัญญาณ burstiness ที่เด่นที่สุด	ประมาณ 10 ถึง 15 นาทีต่อ 1,000 คำ	ลักษณะเฉพาะระดับคำที่การเปลี่ยนจังหวะเพียงอย่างเดียวไม่แตะต้อง
ตัดคำศัพท์สำเร็จรูป	คำเฉพาะที่ผู้อ่านที่รอบคอบสังเกตได้เพียงครึ่งหนึ่ง	5 ถึง 10 นาทีด้วยการค้นหาหนึ่งรอบ	จังหวะประโยคที่ราบเรียบซึ่งอยู่รอบคำเหล่านั้น
แก้นิสัยการใช้เครื่องหมายวรรคตอน	เครื่องหมายที่ใช้ซ้ำ เช่น ขีด หรือชุดของอัฒภาค	ประมาณ 5 นาที	สิ่งใดก็ตามที่อยู่ใต้ผิวหน้า, การแก้ไขรอบนี้เป็นเพียงเรื่องผิวเผิน
เพิ่มรายละเอียดเฉพาะเจาะจง	ข้ออ้างทั่วไปที่อาจเป็นของบทความใดก็ได้ในหัวข้อนั้น	20 ถึง 30 นาทีต่อ 1,000 คำ, มากกว่านั้นหากต้องตามหารายละเอียด	ไม่มีอะไร, หากคุณมีรายละเอียดที่จะเพิ่มอยู่จริง
ทำการตรวจทานทั้งฉบับด้วยเครื่องมือ humanizer	ความสอดคล้องทั่วทั้งเอกสาร, รวดเร็ว, มีประโยชน์เป็นการตรวจรอบแรกสำหรับฉบับร่างที่ยาว	ไม่ถึงหนึ่งนาที, บวกเวลาตรวจทานของคุณเอง	ความแน่นอนต่อ detector ใดโดยเฉพาะ, และรายละเอียดใดก็ตามที่เครื่องมือไม่เคยได้รับ

ไม่มีทั้งห้ารายการใดที่ทำให้เอกสารยาวฉบับหนึ่งไปถึงจุดนั้นได้ทั้งหมด นั่นคือหน้าที่ของส่วนถัดไป

เครื่องมือ AI humanizer ได้รับบทบาทของตนจริง ๆ ที่ตรงไหน

เครื่องมือ AI humanizer tool โดยเฉพาะ, บางครั้งถูกจำหน่ายในชื่อ ChatGPT humanizer, เนื่องจากนี่คือจุดเริ่มต้นของฉบับร่างส่วนใหญ่, จะนำการแก้ไขเหล่านี้มาใช้ร่วมกัน, ทั้งจังหวะและคำศัพท์, อย่างครบถ้วนในเอกสารทั้งฉบับ ภายในเวลาที่ใช้ชงกาแฟ, ไม่ใช่หนึ่งย่อหน้าในสิบห้านาที ไม่ว่าจะเรียกว่าอะไร, AI humanizer tool, AI text humanizer, AI paragraph rewriter หรือ AI to human text converter, ตัวที่ดีจะทำสิ่งเดียวกัน, คือเปลี่ยนรูปแบบและการเลือกคำของประโยคโดยคงความหมายไว้ ระดับที่ถ้อยคำเปลี่ยนไปจะแตกต่างกันไปในแต่ละตอน

TextPulse ทำงานในลักษณะนี้ มันเขียนร่างฉบับเต็มใหม่และส่งกลับ Human Score โดยประมาณที่คำนวณจากสัญญาณชุดเดียวกันนั้น ไม่ใช่คำมั่นว่าตัวตรวจจับใดตัวหนึ่งจะผ่านได้ คำเตือนนี้ไม่ได้มีเฉพาะกับเราเท่านั้น, หน้า AI humanizer ของ Grammarly เองระบุอย่างชัดเจนว่าเครื่องมือนี้ "not intended to bypass AI detectors," ซึ่งเป็นคำอธิบายที่เป็นธรรมของสิ่งที่การปรับให้เป็นมนุษย์ในแต่ละครั้งสามารถสัญญาได้อย่างซื่อสัตย์ หากคุณมาที่นี่เพื่อทำให้ข้อความ AI undetectable คำตอบที่ตรงไปตรงมาคือ ไม่มีการแก้ไขใดและไม่มีเครื่องมือใดรับประกันสิ่งนั้นได้ เพราะตัวตรวจจับไม่เห็นตรงกันเองและเปลี่ยนแปลงโดยไม่แจ้งล่วงหน้า

เครื่องมือ AI humanizer ที่รับผิดชอบสามารถเสนอการปรับครั้งแรกที่รวดเร็วและคะแนนให้ใช้เป็นจุดตั้งต้นได้ เป้าหมายคือการลด AI score โดยทำให้รูปแบบมีความสม่ำเสมอน้อยลง ไม่ใช่การหลอกตัวเลขโดยตรง การเขียนใหม่ด้วย AI มุ่งไปที่สิ่งเดียวกันในระดับเอกสารที่การแก้ไขด้วยมืออย่างรอบคอบทำในระดับย่อหน้า เพิ่มรายละเอียดเฉพาะที่เป็นมนุษย์จากส่วนข้างต้นด้วยมือ เพราะเครื่องมือไม่ได้อยู่ในห้องตอนที่เหตุการณ์ที่น่าสนใจเกิดขึ้น

หากคุณกำลังทำงานในโครงการที่มีเส้นตาย คุณสามารถใช้ AI humanizer for students ซึ่งใช้กลไกเดียวกันแต่ได้คำนึงถึงขนบทางวิชาการไว้แล้ว ลำดับสำคัญกว่าตัวเครื่องมือ เพราะประโยคทั่วไปในร้อยแก้วที่รอบคอบก็ยังคงเป็นประโยคทั่วไปอยู่ดี คุณยังต้องทำขั้นตอนเพิ่มรายละเอียดเฉพาะด้วยมือ

วิธีทำให้ข้อความ AI เป็นธรรมชาติมากขึ้นในอีกสิบ นาทีข้างหน้า

นำการแก้ไขข้างต้นมาเรียงลำดับแล้วจะได้เป็นกิจวัตรสั้น ๆ ไม่ใช่รายการตรวจสอบที่ต้องท่องจำ เมื่อนำไปใช้กับหนึ่งหน้า, ประมาณ 300 ถึง 400 คำ, นี่คือวิธีแบ่งสิบ นาที

1. อ่านย่อหน้านั้นออกเสียงหนึ่งครั้ง และทำเครื่องหมายทุกประโยคที่ฟังดูมีความยาวหรือรูปแบบเหมือนกับประโยคข้างเคียง
2. แยกประโยคที่แบนที่สุดออกเป็นสองหรือสามประโยค โดยย้ายข้ออ้างหลักไปไว้ต้นประโยคแต่ละประโยค
3. ค้นหาคำศัพท์สำเร็จรูป เช่น facilitate, robust, myriad และ underscore แล้วแทนแต่ละคำด้วยคำที่เรียบง่ายกว่าซึ่งคุณจะพูดจริง
4. ลบหรือแทนที่ขีดกลางและอัฒภาคที่ซ้ำกัน โดยอ่านการแก้ไขแต่ละครั้งออกเสียงเพื่อตรวจสอบว่ายังฟังดูเป็นธรรมชาติ
5. เพิ่มรายละเอียดเฉพาะหนึ่งอย่างต่อหนึ่งย่อหน้า, ตัวเลข, ชื่อ, ข้อจำกัด, ที่มีเพียงคนที่ทำงานนั้นจริง ๆ เท่านั้นที่จะรู้
6. หากร่างยาวเกินหนึ่งหรือสองหน้า ให้ส่งผ่านเครื่องมือ humanizer ของ AI เพื่อปรับครั้งแรก แล้วจึงทำซ้ำขั้นตอนหนึ่งถึงห้ากับส่วนที่ยังอ่านดูแบนอยู่

ประเด็นหลายส่วนที่นี่แตกแขนงออกไปเป็นหน้าของตนเอง ว่าเครื่องมือเหล่านี้ใช้ได้จริงหรือไม่ และ ว่าปลอดภัยหรือไม่ที่จะใช้กับงานที่มีการให้คะแนน เป็นคำถามคนละเรื่องที่มีคำตอบคนละแบบ และ Turnitin ทำอะไรกับข้อความที่ผ่านการ humanized เมื่อมีการส่งงานแล้ว ก็เป็นประเด็นที่สาม สำหรับปัญหาที่แคบกว่า มีบทความแบบทีละขั้นตอนเกี่ยวกับ การลดคะแนน AI และเกี่ยวกับ การแก้ไขผลลัพธ์ของ ChatGPT ทีละย่อหน้า

ไม่มีสิ่งใดในนี้ทำให้เกิดงานเขียนที่ตรวจจับไม่ได้ และคู่มือที่ซื่อสัตย์ก็ไม่ควรสัญญาว่าจะเป็นเช่นนั้น มันทำให้งานเขียนฟังดูเหมือนว่าคุณใช้เวลาสิบนนาทีจริง ๆ ซึ่งเป็นเป้าหมายที่ยั่งยืนกว่า, ผู้อ่านเชื่อร้อยแก้วที่เฉพาะเจาะจงและไม่สม่ำเสมอ ไม่ว่าตัวตรวจจับจะเห็นมันหรือไม่ก็ตาม