AI Dedektörleri Ne Kadar Doğru? Yanlış Pozitifler ve Önyargı

Turnitin, yanlış pozitif oranlarının %1'den düşük olduğunu iddia etmektedir. Bağımsız araştırmacılardan oluşan bir grup, ana dili İngilizce olmayan konuşurlardan alınan daha geniş bir yazı örnekleri yelpazesi üzerinde birden fazla dedektörü test etti. Aynı tür yazıda ortalama yanlış pozitif oranının %60'ın üzerinde olduğunu buldular. Her iki sayı da gerçektir, her ikisi de yayımlanmıştır ve her ikisi de aynı pazara satış yapan dedektörlerle ilgilidir. AI dedektörleri doğru mu? Bu, hangi popülasyonu test ettiğinize, hangi dedektörü kullandığınıza ve sağlayıcınızın bunu başlangıçta nasıl tanımladığına bağlıdır.

Bu yazı, bir dedektörün bu puanı nasıl hesapladığını yeniden açıklamayacaktır. Mekanizma, perplexity, token olasılığı, sınıflandırıcının nasıl eğitildiği, başka bir yerde ayrıntılı olarak ele alınmıştır, ve eğer henüz okumadıysanız önce bunu okumanız yerinde olur. Burada önemli olan, puan bir kez oluştuğunda ne olduğudur, ne sıklıkla yanlış olduğu, kimin yazısı hakkında en sık yanlış olduğu ve yanlış bir suçlamanın aslında hiçbir yanlış yapmamış birine neye mal olduğudur.

AI dedektörleri doğru mu?

Tutarlı biçimde değil, ve pazarlama iddiaları ile bağımsız testler arasındaki fark iyi belgelenmiştir. Debora Weber-Wulff liderliğindeki bir araştırmacı grubu, 2023 yılında insan ve ChatGPT metinlerinin bir karışımına karşı test edilen 14 tespit aracına ilişkin bulgularını yayımladı, bunların 12'si ücretsiz ve ikisi ticariydi. Bu araçların hiçbirinin doğru ya da güvenilir olmadığını, makine metnini insan metni olarak etiketlemeye yönelik yerleşik bir yanlılık taşıdığını, tersinin değil, buldular. Bu testte yer alan ticari araçlardan ikisi Turnitin ve PlagiarismCheck idi. Bu testteki tüm araçlar, metin yeniden ifade edildiğinde daha kötü performans gösterdi.

Ancak iki yıl sonra, durum durağan değil. Chicago Üniversitesi Booth School’dan Brian Jabarian ve Alex Imas tarafından hazırlanan bir çalışma kâğıdı, Pangram, GPTZero ve Originality.ai adlı üç yeni aracı ve bir açık kaynak rakibini, bloglardan, haberlerden, incelemelerden ve kurgu metinlerinden alınmış yaklaşık 2.000 insan yazımı parça üzerinde sınadı. Denetimli test koşulları altında, bu grubun içindeki en iyi araç hiçbir zaman yüzde 99.8 doğruluğun altına düşmedi ve yanlış pozitif oranını düşük bir düzeyde tuttu. Açık kaynak model, rastgele tahmin yapan biri kadar iyi performans gösterdi. İşler gerçekten de daha iyi hale geldi. Bir bakıma. Biraz.

Ancak işin püf noktası, denetimli kelimesidir. Karşılaştırma metinleri temizdir, eksiksizdir ve bilinen koşullar altında üretilmiştir. Teslim edilen bir deneme bunların hiçbirini güvenilir biçimde karşılamaz. Turnitin'in kendi baş ürün sorumlusunun kamuya açık biçimde söylediği gibi, gerçek dünya sonuçları laboratuvar sonuçlarıyla aynı olmayabilir, ancak bu, bir satıcıdan gelen nadir ve yararlı bir kabul niteliğindedir. Bir sonraki bölüm, satıcı rakamlarını bağımsız rakamların yanına koyar, böylece fark ileri sürülmüş olmak yerine görünür hale gelir.

Satıcı iddiaları ile bağımsız testler

Aşağıdaki tablo, dört dedektörün kendi iddialarını, bağımsız araştırmacıların araçları doğrudan test ettiklerinde ölçtükleri sonuçlarla yan yana koyar. İki orta sütunu birlikte okuyun, yalnızca satıcı sütununu değil.

Dedektör	Satıcının iddia ettiği doğruluk	Bağımsız olarak gözlemlenen	Satıcının yanlış pozitifler hakkında söyledikleri
Turnitin	İşaretlemeden önce %98 güven eşiği, belge düzeyinde %1’in altında yanlış pozitif	Yaklaşık %80 doğruluk, 2023 karşılaştırmasında 12 araç arasında en iyisi, aracın daha eski bir sürümünde	%20 AI-written eşiğinin üzerinde belge düzeyinde %1’in altında, cümle düzeyinde yaklaşık %4
GPTZero	Bağımsız RAID kıstasında %1 yanlış pozitif oranıyla %95.7 AI-text tespiti	Kısa pasajlarda %96 doğruluk, 2025 University of Chicago Booth çalışmasında %1’in altında yanlış pozitif oranı	RAID kıstasında %1 yanlış pozitif oranı bildirmektedir
Originality.ai	%99 doğruluk, %0.5 yanlış pozitif oranı (Lite modeli), %1.5 (Turbo modeli)	%1’in altında yanlış pozitif oranı, ancak aynı Booth çalışmasında AI-written metnin %10 ila %40’ını kaçırdı	Model kademesine göre ayrı yanlış pozitif verileri yayımlar
Pangram	Rakip araçlardan 38 kattan fazla daha düşük olduğunu söylediği hata oranları, ana dili İngilizce olmayan yazarlara karşı önyargı olmadığını belirtir	Booth çalışmasında doğruluk hiçbir zaman %99.8’in altına düşmedi, yanlış pozitif oranı sıfıra yakın	10 metin alanı ve 8 dil modeli genelinde sıfıra yakın yanlış pozitif oranları olduğunu belirtir

İki nokta öne çıkıyor. Birincisi, tüm satıcı verileri satıcı tarafından kontrol edilen bir laboratuvardan gelmektedir ve Booth verileri, satacak hiçbir şeyi olmayan araştırmacılardan gelmektedir. İkincisi, Turnitin o orta sütunda hiç yer almamaktadır, çünkü 2025 çalışması onu test etmemiştir. Tabloda, bağımsız verisi daha önceki 2023 karşılaştırmasına dayanmaktadır, ancak aracın daha eski bir sürümünde yapılmıştır, bu yüzden tabloya bire bir karşılaştırma olarak bakarken bunu hatırlayın.

Turnitin'in AI tespiti ne kadar doğrudur?

Turnitin tek bir doğruluk oranı yayımlamaz. Bunun yerine bir eşik ve bir ödünleşim yayımlar. Şirket, yalnızca işaretlenen kısmın AI tarafından yazılmış olduğundan yüzde 98 emin olduğunda bir belgeyi işaretlediğini ve belge düzeyindeki yanlış pozitif oranını yüzde 1’in altında tutan şeyin de bu eşik olduğunu söylemiştir. Turnitin, AI yardımıyla yazılmış metinlerin yaklaşık yüzde 85’ini yakaladığını, yanlış bir suçlama riski almak yerine geri kalanını bilerek kaçırdığını tahmin etmiştir.

Turnitin’in cümle düzeyinde verdiği yanlış pozitiflerin gerçek yüzdesi, yani bir arayüzün tüm belge yerine belirli satırları vurguladığı durumda, aslında yüzde 4’e daha yakındır. Bir profesör tüm belge puanı yerine tek bir işaretlenmiş paragrafın ekran görüntüsünü alırsa bilinmesi gereken sayı budur, çünkü vurgulanan bir cümle, yanındaki belge puanına kıyasla anlamlı biçimde daha yüksek bir yanlış olma olasılığı taşır.

Turnitin’in bu farkı doğrudan kabul etmiş olması da önemlidir. İlk gerçek dünya sonuçlarının, özellikle daha kısa belgelerde, laboratuvar testlerine dayanarak beklenenden daha yüksek yanlış pozitif oranlarına sahip olduğunu bulmuşlardır. Bu nedenle, puanlanacak asgari belge uzunluğunu 150 kelimeden 300 kelimeye çıkarmışlardır. Bu, yayımlanan sayı laboratuvar dışında geçerliliğini korumadığı için kendi ürününü ayarlayan bir satıcıdır, ki bu da herhangi bir bağımsız çalışma kadar çok şey söyler.

Yanlış pozitifin bir öğrenciye gerçek maliyeti nedir

Bu durum Yale's School of Management'ta bir executive MBA öğrencisinin başına geldi. Öğrenci, kelimenin en gerçek anlamıyla bir ihlalle suçlandı. Kullanılan dedektör GPTZero idi. Öğrencinin bir finans dersindeki final sınavı, yazının uzun ve ayrıntılı olduğu, noktalama ve dilbilgisinin neredeyse kusursuz göründüğü düşünen bir öğretim asistanı tarafından işaretlenmişti. Ve bu belirli profesör, yanıtları AI tarafından üretilmiş olma olasılığı yüksek diye puanlayan GPTZero üzerinden geçiriyordu.

Dersi geçemedi ve bir yıl uzaklaştırıldı. Şubat 2025'te federal mahkemede açılan davasında, Yale'in kendi politikasının tam da bu nedenle GPTZero gibi araçların kullanımını sınırladığını, ana dili İngilizce olmayanlara karşı belgelenmiş yanlış pozitif oranını ve kendisinin bu politikaya aykırı biçimde onu kullandığını ileri sürüyor. Dilekçesinde ayrıca, GPTZero'nun Yale'in eski üniversite rektörünün ve işletme fakültesi dekanının akademik yazıları için yüzde 100 AI tarafından üretilmiş puanı verdiği de belirtiliyor.

Hakim, Mayıs 2025'te erken ihtiyati tedbir kararı vermeyi reddetti. Dava henüz sonuçlanmış değil, bunu yazdığım sırada. Davacı, Fransız vatandaşı, ana dili İngilizce olmayanlara karşı bilinen aynı önyargının yazısının bu şekilde performans göstermesine yol açtığını ileri sürüyor. Bir sonraki bölümde buna bakıyoruz. Tartışmaya açık olmayan şey bedeldir, bir derece programından kaybedilen bir yıl, başarısız not, hukuki giderler ve bir derece kazanmak yerine bir puan üzerinde aylarca süren mücadele. Yüzde 1'lik yanlış pozitif oranı, büyük bir nüfus onu belirli bir kişiye dönüştürene kadar küçük görünür.

Hangi Yazı Özellikleri İnsan Metnini Makine Üretimi Gibi Gösterir

Dört tür sıradan yazı en büyük riski taşır ve bunların hiçbiri bir kişinin yanlış bir şey yapmasını içermez. Kısa belgeler, büyük ölçüde kalıplaşmış yazılar, alıntılanmış ya da şablonlanmış materyal ve yoğun biçimde düzeltilmiş yazılar, serbestçe oluşturulmuş düzyazıya göre daha öngörülebilir görünme eğilimindedir, oysa her dedektörün gerçekte ölçtüğü tek özellik budur. Bir ücretsiz burstiness denetleyicisi aynı değişkenliği doğrudan ölçer, bu da örüntüyü açıklamasını okumaktan daha hızlı bir yoldur.

Bazı türler, tasarımları gereği kalıplaşmıştır. Bir yöntemler bölümü, bir laboratuvar raporu, standart bir ön yazı ve bir literatür taraması, yaratıcı ifadeden çok geleneksel ifadeyi ödüllendirir, çünkü belgenin okuyucu için kullanılabilir olmasını sağlayan şey bu gelenektir. Araştırmacılar bunu doğrudan gerçek yazı üzerinde test ettiler: 1980 ile 2023 arasında yayımlanmış 14.400 dergi özetini, büyük dil modelinin henüz var olmadığı yıllardan kalma metinleri, herkese açık bir algılayıcıdan geçirdiler. Yayın yılına bakılmaksızın metinlerin yüzde 8'ine kadar olan kısmı AI tarafından üretilmiş olarak işaretlendi ve New England Journal of Medicine'in özetleri yüzde 10.24 ile işaretlendi, bu da test edilen beş dergi arasında en yüksek yanlış pozitif oranıydı.

Bu test, ChatGPT hakkında hiçbir şeyi tespit ediyor olamazdı, çünkü ChatGPT örneklediği yılların çoğunda mevcut değildi. Türü tespit ediyordu. Daha resmî bir ifadeyle, 2026'nın tespit sorununa ilişkin istatistiksel analizinin ortaya koyacağı gibi, yazılım tarafından yazıldığı için öngörülebilir olan bir cümle ile kendi türünde yazılan bir cümle olduğu için öngörülebilir olan bir cümleyi ayırt edecek bir algılayıcı kurmanın hiçbir yolu yoktur. Dışarıdan bakıldığında tamamen aynı görünürler.

Yoğun düzenleme de benzer bir yönde etki eder. İlk taslak, yazarın kendine özgü düzensizliklerini taşır, tuhaf sözdizimini, düşünce uzadığı için uzayan cümleyi. Kapsamlı bir düzeltme okuması, özellikle başka bir araç üzerinden yapılanı, tam da bu düzensizlikleri gidermeye eğilimlidir. Bugüne kadarki algılama araçlarının en büyük bağımsız karşılaştırması bunlardan 14 tanesini test etti ve örnek metin yeniden ifade edildiğinde ya da makineyle çevrildiğinde, her araç için doğruluğun daha da düştüğünü buldu.

Yazım özelliği	Bir belgenin görünür öngörülemezliğini neden düşürür	Kanıtın gösterdiği şey
Kısa gönderimler	Daha az metin, insan ritmini makine ritminden ayıran doğal çeşitlilik için daha az alan bırakır	Kısa belgelerdeki puanlar, birkaç sıra dışı cümlenin etkisiyle daha fazla dalgalanır
Kalıplaşmış ya da disipline özgü yazım	Tür konvansiyonu, yaratıcı olan yerine beklenen ifadeyi ödüllendirir	ChatGPT öncesi 14,400 dergi özeti (1980 to 2023) yine de %8'e kadar yanlış pozitif tetikledi, bir derginin özetleri %10.24'e ulaştı
Yoğun biçimde düzenlenmiş ya da yeniden ifade edilmiş taslaklar	Bir cilalama aşaması, bir dedektörün insan olarak okuduğu bireysel düzensizlikleri yumuşatır	Bağımsız bir 14 araçlık karşılaştırma, yeniden ifade etme ya da makine çevirisinden sonra doğruluğun daha da düştüğünü buldu
Alıntılanmış ya da şablon metinler	Alıntılanan pasaj, alıntı yapan yazarın değil, kaynağının istatistiksel imzasını taşır	Alıntıları hariç tutmayan dedektörler, çevredeki belgeyi ödünç alınmış metin üzerinden puanlar

AI dedektörleri neden ana dili İngilizce olmayan konuşurları yanlış sınıflandırır?

Kötü biçimde ve büyük bir farkla. Bunu ilk kez sayısallaştıran çalışmanın vardığı sonuç budur. Stanford araştırmacıları, yaygın olarak kullanılan yedi GPT dedektörünü, ana dili İngilizce olmayan konuşurların yazdığı 91 TOEFL denemesi ve ABD'deki sekizinci sınıf öğrencilerinin yazdığı 88 deneme üzerinde test etti. Dedektörler sekizinci sınıf denemelerini neredeyse her zaman doğru okudu. Söz konusu TOEFL denemelerine gelindiğinde, bunlar lisansüstü düzeyde bir İngilizce testine girecek kadar akıcı olan yetişkinler tarafından yazılmıştı, dedektörlerin ortalama yanlış pozitif oranı %61.3 oldu. 91 denemenin 89'u, yedi dedektörden en az biri tarafından GPT tarafından üretilmiş olarak işaretlendi, bu denemelerin 18'i ise yedi dedektörün tamamı tarafından işaretlendi.

Mekanizma, tespitin geri kalanını yöneten mekanizmanın aynısıdır: öngörülebilir sözcük dağarcığı ve daha basit cümle kuruluşu düşük perplexity olarak okunur, düşük perplexity de, kalemi kimin tuttuğundan bağımsız olarak, makine tarafından üretilmiş olarak okunur. İkinci bir dilde çalışan yazarlar, yerleşik ifadelere yaslanır, çünkü ek bir dilde akıcılığın gerçekte nasıl göründüğü budur ve bir detectorün işaretlemek üzere tasarlandığı profil tam olarak budur.

Bu konumdaki yazarlar, yalnızca daha doğal yazmaları yönündeki tavsiyeden iyi biçimde yararlanamaz, çünkü doğal olan tam da işaretlenen şeydir. TextPulse's ESL akademik yazarlar için sayfası, bu riskin arkasındaki ifade kalıplarını daha ayrıntılı biçimde ele alır, buna cümlenin anlamını değiştirmeden onları neyin değiştirdiği de dahildir.

Bu, izole bir vaka değildi. Aralık 2025'te, bu detectorlerdeki yanlılığı değerlendirmek üzere açıkça tasarlanmış yeni bir benchmark yayımlandı. Bu benchmark, birden fazla demografik grup ve dil genelinde 200,000'den fazla örnek içeriyordu. Stanford'un ilk çalışmasından iki yıl sonra yayımlanmış olmasına ve aynı detectorlerin birçok farklı model sürümünü içermesine rağmen, bu benchmark İngilizce öğrenenlere yönelik yanlılığın hâlâ mevcut olduğunu ortaya koydu.

Bu durum tüm vendorlar için geçerli değildir. Pangram'ın kendi teknik dokümantasyonu, sınıflandırıcısının ana dili İngilizce olmayan konuşurlara karşı yanlı olmadığını belirtir. Chicago Booth araştırmacıları bu iddiayı bağımsız olarak test etmedi, ancak bu durum, detectorlerin yeni kuşağının sorunu yok saymak yerine onu dikkate alarak geliştirildiğini göstermektedir.

Kendi yazınızın, başkası puanlamadan önce nerede durduğunu görmek istiyorsanız, ücretsiz bir perplexity checker, herhangi bir şeyi önce bir kuruma göndermeden, bir detectorün hesaplayacağı aynı temel sayıyı size verir.

Başka kimler işaretlenir ve neden

Anadili İngilizce olmayan konuşurlar, belgelenmiş en büyük riski taşır, ancak aynı istatistiksel mantık başka yazıları da yakalar. Weber-Wulff'un ekibi, test ettikleri 14 aracın tamamının, bunları yeniden ifade edilmiş metinler üzerinde çalıştırdıklarında daha az doğru olduğunu buldu, bu da herhangi bir dedektör bir metin üzerinde çalıştırılmadan önce bir düzeltmen, bir editör ya da bir danışmanın kırmızı kaleminden geçmiş akademik yazının anlamlı bir bölümünü tanımlar.

Bunun hiçbiri, sayının anlamsız olduğu anlamına gelmez, yalnızca belirli bir kişi hakkında bir şey ifade etmeden önce doğrulanması gerektiği anlamına gelir. Eğer elinizde tekdüze görünen, benzer cümle uzunluklarına, baştan sona benzer bir ritme sahip bir metin varsa, onu kimin yazdığından ya da neden yazdığından bağımsız olarak daha makine benzeri puanlanır. Bu, tahmin etmek yerine doğrudan bir free burstiness checker kullanılarak kontrol edilebilir.

İkinci, daha az tartışılan bir grup da benzer bir sorunla karşı karşıyadır. Araştırmacılar, yaklaşık 60,000 Reddit gönderisini, otistik yazarlar tarafından yazılmış olma olasılığı yüksek olarak tanımlanan bir alt küme ile genel bir örneklem arasında bölerek karşılaştırdı ve her ikisini de GPT-2 tabanlı bir dedektörden geçirdi. Her iki grup da genel olarak yüzde 2'nin altında işaretlendi, ancak otistik olma olasılığı yüksek alt küme, genel örnekleme kıyasla anlamlı derecede daha yüksek bir oranda işaretlendi. Sözcüğü tam anlamıyla kullanan, tekrarlayıcı, sıkı biçimde örüntülenmiş ifadeye yönelen yazı, bazı otistik iletişim tarzlarının belgelenmiş bir özelliği, bir dedektörün yakalamak üzere tasarlandığı tam da düşük değişkenlikteki metni üretir.

Güven Veren Bir Puan Neden Güven Veren Bir Suçlama Değildir

Yanlış pozitif oranı, sanki sorun olarak işaretlenen bir öğrencinin masum olma olasılığını ifade ediyormuş gibi görünür. Ama hayır. Bu, bir testin onu alan herkes için nasıl çalıştığını tanımlar. Ve bunlar, tıpkı tıpta ya da güvenlikte kullanılan herhangi bir tarama testinde olduğu gibi, farklı yanıtları olan farklı sorulardır.

Mart 2026 tarihli, Griffith University araştırmacısının yaptığı istatistiksel analiz, altta yatan matematiği açık biçimde ortaya koymaktadır. Yapay zeka tespitini, tek bir izole belgeye değil, öğrenci yazarlarından oluşan bir popülasyona uygulanan bir test olarak ele aldığınızda, bir ödünleşim ortaya çıkar: o popülasyonun bir kısmı, tipik yapay zeka çıktısıyla doğal olarak örtüşen, tür konvansiyonuna yakın, ikinci dil öğrenen birinin aralığına yakın bir biçimde yazdığında, yapay zeka tarafından yazılmış çalışmayı gerçekten yakalayacak güce sahip herhangi bir dedektör, bu örtüşen kısmın bir bölümünde yanlış sonuç vermek zorundadır. Bu, belirli bir dedektörün kötü yapılmış olduğu iddiası değildir. Bu, tek bir belgeye ve başka hiçbir kanıta bakmadan çeşitlilik gösteren bir popülasyonu test etmenin bir özelliğidir.

Makalenin kendi örnekleyici örneği, söz konusu ölçeği göstermektedir. Diyelim ki bir öğrenci popülasyonunun yüzde 10'u tipik yapay zeka çıktısına yeterince yakın yazıyor ve bir dedektör, gerçek yapay zeka tarafından yazılmış çalışmaların yüzde 80'ini yakalayacak şekilde ayarlanmış. O zaman matematik, bu popülasyon genelinde ortalama yanlış pozitif oranının en az yüzde 7.5 olmasını gerektirir. Bu, dedektörün mühendisliğindeki bir kusur değildir, bu grubun yazısının tespit edilen şeyle istatistiksel olarak ne kadar örtüştüğünün doğrudan bir sonucudur.

10,000 öğrencili bir üniversiteye ölçeklendiğinde, yalnızca bu alt sınır, popülasyon genelinde yaklaşık 750 yanlış işaret anlamına gelir, yani başka hiçbir kanıtın tartılmadığı tek bir belgeye karşı çeşitlilik gösteren bir popülasyonu test etmenin matematiksel bir sonucudur. Makalenin yazarı, bu belirli sayıların gerçek bir kurumda ölçülmüş değil, örnekleyici olduğunu açıkça belirtmektedir. Örnek, herhangi bir tek kampüs için belirli bir tahmini değil, sorunun biçimini göstermektedir.

Savunulabilir bir yapay zeka tespit politikasının görünümü

Yale'in zaten, bu makalenin ortaya koyduğu nedenlere oldukça yakın gerekçelerle GPTZero gibi araçları kısıtladığı bildirilen bir politikası vardı, belgelenmiş bir yanlış pozitif oranı ve ana dili İngilizce olmayan yazarlara karşı belgelenmiş bir yanlılık. Dolayısıyla bu, tek bir talihsiz öğrencinin hikayesinden çok, mevcut bir kuralın uygulanmaması meselesidir. Bir politika gerçekten puan ile hüküm arasındaki farkı uygularsa, puan bir hüküm değil, girdilerden biri haline gelir.

• Skoru tek bir girdi olarak değerlendirin, hiçbir zaman bir usulsüzlük tespitinin tek dayanağı olarak değil
• Araçın yayımlanmış yanlış pozitif oranını, onu öğrencilere karşı kullanmadan önce öğrencilere açıklayın
• Kısa teslimlere ve ana dili İngilizce olmayan yazılara, her ikisi de belgelenmiş zayıf noktalar olduğundan, ek dikkat gösterin
• Bir istatistiği çürütmeyi gerektirmeyen bir itiraz yolunu güvence altına alın

Bunların hiçbiri sıra dışı değildir. Bu, adli kanıtın tek bir parçasının başka herhangi bir yerde nasıl ele alınması gerektiğine daha yakındır, yararlıdır, doğrulanabilir ve tek başına asla yeterli değildir.

Bireysel bir yazar için de aynı ilke, bir skor ortaya çıktıktan sonra değil, ortaya çıkmadan önce geçerlidir. Herhangi bir araçtan gelen tek bir sayı, bir hüküm değil bir tahmindir ve onu her iki yönde de, güvenli ya da yakalanmış, kesinlik olarak ele almak, sayıdan taşıyabileceğinden fazlasını istemektir.

TextPulse'un kendi AI humanizer tool aracı da aynı mantıkla bir Human Score raporlar, bu sizin kendi metninizden hesaplanan bir tahmindir, bir detector'ın onun hakkındaki hükmü değil, belirli bir detector'ın ne söyleyeceğine dair bir vaat olmaktan ziyade, bir taslağın şu anda nasıl okunduğuna ilişkin bir sinyal olarak yararlıdır.

Doğruluk sorusu, her birinin kendi sayfası olan daha dar sorulara ayrılır. Turnitin's false positive rate ve ZeroGPT's accuracy hakkındaki özel kanıtlar ayrı olarak ele alınmıştır. Eğer bir skor zaten size karşı kullanıldıysa, AI kullanmakla suçlandığınızda ne yapmanız gerektiği, AI kullanmadığınızı kanıtlamak için bir araya getirebileceğiniz kanıtlar ve skora kendi koşulları içinde yanıt veren bir itiraz mektubu yazma üzerine pratik bölümler vardır.

Herhangi bir rapordaki sayı, satıcılar modellerini yeniden eğittikçe ve araştırmacılar onları daha zor vakalara karşı test etmeye devam ettikçe değişmeye devam edecektir. Ancak değişmemesi gereken şey, bunun altındaki alışkanlıktır, bir skoru birkaç ölçümden biri olarak okumak, hangi popülasyon üzerinde doğrulandığını sormak ve satıcının hâlâ yanlış yaptığı vakalar hakkında ne söylemediğini sormak.