AI শনাক্তকরণ নির্ভরযোগ্যতার সংকট: কিছু টুল সফল, অন্যরা সম্পূর্ণ ব্যর্থ

Authors Guild-এর একটি সাম্প্রতিক গবেষণা AI রাইটিং ডিটেক্টর বা এআই লেখা শনাক্তকারী টুলগুলোর নির্ভরযোগ্যতার ক্ষেত্রে একটি বিশাল বৈষম্য প্রকাশ করেছে। এতে দেখা গেছে যে, কিছু টুল অত্যন্ত নির্ভুল হলেও অন্যগুলো মৌলিকভাবে ত্রুটিপূর্ণ। এই অস্থিরতা সেইসব পেশাদার লেখকদের জন্য একটি বড় হুমকি হয়ে দাঁড়িয়েছে, যাদের জীবিকা নির্ভর করে তাদের লেখা যে মানুষের তৈরি তা প্রমাণ করার ওপর।

পারফরম্যান্সের ব্যবধান: নিখুঁত থেকে সম্পূর্ণ ব্যর্থতা পর্যন্ত

Authors Guild ২০২০ থেকে ২০২২ সালের মধ্যে প্রকাশিত দশটি নিবন্ধ ব্যবহার করে একটি কঠোর পরীক্ষা চালিয়েছে—যা জেনারেটিভ AI মূলধারায় আসার বহু বছর আগের। "প্রি-AI" বা এআই-পূর্ববর্তী মানুষের লেখা টেক্সট ব্যবহার করার মাধ্যমে, এই গবেষণাটি ফলস পজিটিভ (false positive) রেট পরিমাপ করার জন্য একটি স্বচ্ছ ভিত্তি প্রদান করেছে।

ফলাফলগুলো ছিল মেরুকৃত। Pangram এবং Grammarly সবচেয়ে নির্ভরযোগ্য হিসেবে আত্মপ্রকাশ করেছে, যা প্রতিটি মানুষের লেখা টেক্সটকে সঠিকভাবে মানুষ হিসেবে শনাক্ত করেছে (০.০% AI স্কোর)। Originality.ai-ও বেশ শক্তিশালী পারফরম্যান্স দেখিয়েছে এবং সবক্ষেত্রেই উচ্চ নির্ভুলতা বজায় রেখেছে।

এর সম্পূর্ণ বিপরীতে, Sidekicker.ai শোচনীয়ভাবে ব্যর্থ হয়েছে। পরীক্ষার প্রতিটি মানুষের লেখা নিবন্ধকেই "মূলত AI-জেনারেটেড" হিসেবে চিহ্নিত করা হয়েছে, যার মধ্যে দুটি নির্দিষ্ট নিবন্ধে ১০০% AI স্কোর পাওয়া গেছে। ZeroGPT-ও অনির্ভরযোগ্য প্রমাণিত হয়েছে; এটি এমন সব টেক্সটের জন্য ঘন ঘন উচ্চ AI শতাংশ রিপোর্ট করেছে যা নিঃসন্দেহে মানুষের লেখা ছিল, যেমন "Erdrich Pulitzer Prize" নিবন্ধটি, যেটিকে এটি ৭৬.৩% AI সম্ভাবনার সাথে চিহ্নিত করেছে।

পেশাদার লেখার প্যারাডক্স (Paradox)

এই গবেষণাটি একটি উদ্বেগজনক প্রযুক্তিগত প্যারাডক্স বা আপাতবিরোধী পরিস্থিতি তুলে ধরেছে: একজন মানব লেখক যত বেশি দক্ষ হন, ত্রুটিপূর্ণ ডিটেক্টর দ্বারা শনাক্ত হওয়ার সম্ভাবনা তাঁর তত বেশি থাকে। পেশাদার লেখা স্পষ্টতা, সংক্ষিপ্ততা এবং নির্ভুলতার ওপর নির্ভর করে—ঠিক সেই পরিসংখ্যানগত প্যাটার্নগুলো যা Large Language Models (LLMs)-কে অনুকরণ করার জন্য প্রশিক্ষণ দেওয়া হয়েছে।

যেহেতু AI মডেলগুলোকে উচ্চমানের মানুষের গদ্যের ওপর প্রশিক্ষণ দেওয়া হয়, তাই একটি নিপুণভাবে লেখা বাক্যের "ফিঙ্গারপ্রিন্ট" বা ছাপ একটি AI-জেনারেটেড বাক্যের প্রায় হুবহু হতে পারে। এটি এমন একটি উচ্চ-ঝুঁকিপূর্ণ পরিবেশ তৈরি করে যেখানে একজন লেখক, যিনি কয়েক দশক ধরে তাঁর দক্ষতা অর্জন করেছেন, Sidekicker-এর মতো টুলের একটি ভুল শনাক্তকরণের (false positive) কারণে চুক্তি হারাতে পারেন বা তাঁর সুনাম নষ্ট করতে পারেন।

"ব্ল্যাক বক্স" সমস্যা এবং শনাক্তকরণের ভবিষ্যৎ

এমনকি সফল টুলগুলোও স্বচ্ছতার বিষয়ে সমালোচনার সম্মুখীন হচ্ছে। Pangram-এর CEO Max Spero উল্লেখ করেছেন যে তাঁর ডিটেক্টরটি মূলত একটি "ব্ল্যাক বক্স" হিসেবে কাজ করে, যার অর্থ হলো কোনো নির্দিষ্ট টেক্সট কেন শনাক্ত করা হলো তার বিস্তারিত ব্যাখ্যা এটি দিতে পারে না। যদিও তিনি যুক্তি দেন যে মানুষের লেখার বৈচিত্র্য এবং যুক্তির কাঠামো একটি LLM-এর একঘেয়েমির চেয়ে অনেক বেশি, তবুও ব্যাখ্যার অভাব জবাবদিহিতার ক্ষেত্রে একটি বাধা হয়ে দাঁড়িয়েছে।

তদুপরি, এই পরীক্ষায় Pangram এবং Grammarly-এর সাফল্য মূলত প্রমাণ করে যে তারা ফলস পজিটিভ এড়াতে (মানুষকে ভুলভাবে শনাক্ত না করা) দক্ষ। এটি যে তারা AI শনাক্ত করতে (মেশিন টেক্সট চেনা) সমানভাবে কার্যকর, তার গ্যারান্টি দেয় না।

শিল্পটি যখন "লেখার জন্য AI ব্যবহার করা" এবং "চিন্তা করার জন্য AI ব্যবহার করা"-র মধ্যে পার্থক্য করতে হিমশিম খাচ্ছে, তখন Authors Guild সতর্ক করেছে যে শনাক্তকরণ টুলগুলোকে কখনোই পেশাদার সিদ্ধান্তের একমাত্র ভিত্তি হওয়া উচিত নয়।

মূল বিষয়সমূহ

• নির্ভুলতার চরম তারতম্য: পরীক্ষায় Pangram এবং Grammarly ০% ফলস পজিটিভ রেট অর্জন করলেও, Sidekicker.ai মানুষের লেখা টেক্সটের ১০০%কেই AI-জেনারেটেড হিসেবে চিহ্নিত করেছে।
• পেশাদারদের জন্য নেতিবাচক প্রভাব: উচ্চমানের, নির্ভুল মানুষের লেখা AI আউটপুটের সাথে পরিসংখ্যানগত মিল রাখে, যা দক্ষ লেখকদের শনাক্তকরণ ত্রুটির শিকার হওয়ার ঝুঁকিতে ফেলে দেয়।
• মানবিক তদারকির আহ্বান: Authors Guild প্রকাশকদের পরামর্শ দিচ্ছে যেন তারা ডিটেক্টরগুলোকে কেবল সম্পূরক টুল হিসেবে ব্যবহার করেন এবং লেখকদের তাঁদের কাজ আত্মপক্ষ সমর্থনে সুযোগ দেন।