ChatGPT ఒక ఇంటి పేరుగా మారినప్పటి నుండి, AI డిటెక్టర్ల చుట్టూ ఒక అపోహ పెరిగిపోయింది. ప్రజలు వాటిని ChatGPT యొక్క వేలిముద్రలను వెతికే డిజిటల్ రక్తపు వేటగాళ్లలా ఊహించుకుంటారు. కానీ వాస్తవం అంత సినిమాటిక్గా ఉండదు. ఈ సాధనాలు LLM రాసిన ప్రతిదాని యొక్క రహస్య డేటాబేస్ను తనిఖీ చేయవు. వాటికి మీ బ్రౌజర్ హిస్టరీతో నేరుగా సంబంధం ఉండదు. అవి నిజానికి మీ వచనాన్ని గణాంక నమూనాల (statistical models) ద్వారా నడుపుతాయి మరియు మెషిన్-జనరేటెడ్ గద్యంతో (machine-generated prose) సంబంధం ఉన్న గణిత సంకేతాల కోసం వెతుకుతాయి. ఆ సంకేతాలను అర్థం చేసుకోవడం వల్ల మీరు వాటి ఫలితాలను తెలివిగా విశ్లేషించగలరు మరియు కేవలం ఒక శాతం స్కోరును చూసి గుడ్డిగా నమ్మకుండా ఉండగలరు.
ఈ సాధనాలు నిజంగా ఎలా పనిచేస్తాయి
వీటి మూలంలో, AI డిటెక్టర్లు సంభావ్యత (probability) ఆధారంగా పనిచేసే ప్యాటర్న్-మ్యాచ్యింగ్ ఇంజన్లు. లార్జ్ లాంగ్వేజ్ మోడల్స్ వాక్యం తర్వాత వాక్యం, తదుపరి అత్యంత సంభావ్యమైన టోకెన్ను అంచనా వేయడం ద్వారా పనిచేస్తాయి. వేలకొద్దీ పదాల ద్వారా, ఆ అలవాటు ఒక గణాంక అవశేషాన్ని (statistical residue) వదిలివేస్తుంది. డిటెక్టర్లు ఆ అవశేషాన్ని కొలవడానికి ప్రయత్నిస్తాయి.
దీనిని హ్యాండ్రైటింగ్ అనాలిసిస్లా (చేతిరాత విశ్లేషణ) భావించండి. ఒక నిపుణుడు మీ 'g' అక్షరాన్ని ఎప్పుడూ రాసిన ప్రతి 'g' యొక్క మాస్టర్ డేటాబేస్తో పోల్చడు. బదులుగా, వారు లయ (rhythm), వాలు (slant), ఒత్తిడి (pressure) మరియు స్పేసింగ్ను గమనిస్తారు. డిటెక్టర్లు వచనానికి కూడా ఇటువంటి తర్కాన్నే వర్తింపజేస్తాయి. భాష ఎంత ఊహించదగినదిగా ఉంది, నిర్మాణం ఎంత ఏకరీతిగా ఉంది మరియు పదజాలం కృత్రిమ రచనలో సాధారణంగా ఉండే ఇరుకైన గణాంక పరిధిలోకి వస్తుందా లేదా అనేది అవి పరిశీలిస్తాయి.
ప్రతి డిటెక్టర్ ప్రొవైడర్ తన మోడల్ను వేర్వేరు కార్పస్ (corpora) పై శిక్షణ ఇస్తుంది మరియు దాని సెన్సిటివిటీని వేర్వేరుగా సర్దుబాటు చేస్తుంది కాబట్టి, ఒకే పేరాగ్రాఫ్ ఒక ప్లాట్ఫారమ్లో 12 శాతం మరియు మరొక దానిలో 87 శాతం స్కోరును పొందవచ్చు. "AI-ness" (AI స్వభావం) కోసం ఎటువంటి సార్వత్రిక ప్రమాణం లేదు. ప్రతి సాధనం ప్రాథమికంగా గణిత రూపంలో ఉన్న ఒక అభిప్రాయం మాత్రమే.
డిటెక్టర్లు వెతికే నాలుగు సంకేతాలు
చాలా డిడిటెక్షన్ ప్లాట్ఫారమ్లు కొన్ని నిర్దిష్ట గుర్తులను వెతుకుతాయి. అవి ఏమిటో తెలుసుకోవడం వల్ల చాలా గందరగోళం తొలగిపోతుంది.
Predictability (ఊహించదగిన స్వభావం) మానవ భాష అస్థిరంగా ఉంటుంది. ఒక వ్యక్తి కేఫ్ను వివరిస్తున్నప్పుడు, ఎస్ప్రెసో యొక్క మాడిపోయిన వాసనను ప్రస్తావించవచ్చు, ఆపై తన అమ్మమ్మ వంటగది గురించి ఒక జ్ఞాపకంలోకి వెళ్ళవచ్చు, ఆపై మళ్ళీ మరకలు పడిన నేల బోర్డుల వద్దకు తిరిగి రావచ్చు. AI అత్యధిక సంభావ్యత ఉన్న మార్గాన్ని అనుసరించే ధోరణిని కలిగి ఉంటుంది. దాని శిక్షణ డేటా అత్యంత సురక్షితమైనది మరియు అత్యంత ఆశించినదిగా చూపిన పదాలను అది ఎంచుకుంటుంది. డిటెక్టర్లు దీనిని perplexity వంటి ప్రొక్సీల ద్వారా కొలుస్తాయి. మీ వచనం డిటెక్టర్ యొక్క అంతర్గత లాంగ్వేజ్ మోడల్ను అరుదుగా ఆశ్చర్యపరిస్తే, ఆ సాధనం AI ప్రమేయం ఉందని అనుమానిస్తుంది. గద్యం ఎంత ఊహించదగినదిగా ఉంటే, హెచ్చరిక (flag) అంత ఎక్కువగా ఉంటుంది.
Sentence variation (వాక్య వైవిధ్యం) ఎడిట్ చేయని AI అవుట్పుట్లోని వెయ్యి పదాలను గట్టిగా చదివితే, మీరు ఒక మెట్రోనొమ్ ప్రభావం (metronome effect) గమనించవచ్చు. వాక్యాలు తరచుగా ఒకే విధమైన పదాల సంఖ్య పరిధిలో ఉంటాయి, సాధారణంగా సంధి పదాలతో (conjunctions) కలిపిన సంయుక్త నిర్మాణాలు (compound structures) ఉంటాయి. మానవ రచయితలు పేజీపై భిన్నంగా ఊపిరి పీల్చుకుంటారు. వారు చిన్న చిన్న వాక్యాలు (fragments) రాస్తారు. ఒక పొడవైన, వంకరటింకర వాక్యం తర్వాత ఒకే చిన్న వాక్యం ద్వారా ప్రభావం చూపుతారు. వారు ప్రశ్నలను జోడిస్తారు. వారు కావాలనే లయను (rhythm) విచ్ఛిన్నం చేస్తారు. డిటెక్టర్లు ఈ అస్థిరత కోసం వెతుకుతాయి, దీనిని తరచుగా "burstiness" అని పిలుస్తారు. మృదువైన, ఏకరీతి గమనం (cadence) గణాంకపరంగా కనిపిస్తుంది. అస్తవ్యస్తమైన, అసమాన గమనం మానవ సహజంగా కనిపిస్తుంది.
Consistency of tone and perspective (స్వరం మరియు దృక్పథం యొక్క స్థిరత్వం) AI అవుట్పుట్ మొదటి వాక్యం నుండి చివరి వాక్యం వరకు ఒకే శైలిలో (register) ఉండటానికి ప్రయత్నిస్తుంది. అది ఒక అధికారిక మూడవ వ్యక్తి స్వరం (formal third-person voice) తో ప్రారంభమైతే, సాధారణంగా అక్కడే ఉంటుంది. మనుషులు మారుతూ ఉంటారు. వారు ఒక వృత్తిపరమైన పరిశీలనతో ప్రారంభిస్తారు, ఆపై ఒక వ్యక్తిగత సంఘటనను గుర్తుచేసుకుంటారు, ఆపై ఒక జోక్ వేస్తారు, ఆపై మళ్ళీ సీరియస్గా మారుతారు. వారు పక్కా మాటలు (asides) ఉపయోగిస్తారు, పదజాలాన్ని మారుస్తారు లేదా ఆలోచించిన తర్వాత మునుపటి అంశాన్ని వ్యతిరేకిస్తారు. ప్రస్తుత లాంగ్వేజ్ మోడల్స్ పొడవైన పేరాగ్రాఫ్లలో ఇటువంటి స్వరాంతరాలను (tonal wobbles) నమ్మశక్యంగా అనుకరించడం కష్టం. డిటెక్టర్లు ఈ అసమానతను కీబోర్డ్ వెనుక ఉన్న నిజమైన వ్యక్తికి నిదర్శనంగా పరిగణిస్తాయి.
Word choice and register (పద ఎంపిక మరియు శైలి) కృత్రిమ రచన సాధారణంగా వింతగా ఉండే అధికారిక మధ్యస్థ స్థితిని కలిగి ఉంటుంది. ఇది నిర్దిష్టమైన స్లాంగ్ (slang), ప్రాంతీయ భాషా పదాలు (regional idioms) లేదా పరిశ్రమకు సంబంధించిన సంక్షిప్త పదాల (industry shorthand) కంటే సాధారణ అమూర్త నామవాచకాలు (abstract nouns) మరియు విస్తృతంగా ఉపయోగించే క్రియలకు ప్రాధాన్యత ఇస్తుంది. ఒక మానవ ప్రోగ్రామర్ తాను "ఒక స్క్రిప్ట్ను హ్యాక్ చేసి తయారుచేశాను" (hacked together a script) లేదా "బిల్డ్ పైప్లైన్తో పోరాడాను" (wrestled with the build pipeline) అని రాసి ఉండవచ్చు. ఒక AI బహుశా వారు "ఒక పరిష్కారాన్ని అభివృద్ధి చేశారు" (developed a solution) లేదా "డిప్లాయ్మెంట్ సమస్యను పరిష్కరించారు" (addressed the deployment issue) అని చెప్పవచ్చు. వచనం ఒక ఇరుకైన, అధిక-ఫ్రీక్వెన్సీ పదజాల పరిధిలోనే ఉన్నప్పుడు మరియు అరుదైన పద ప్రయోగాలు లేదా ఉద్దేశపూర్వక వ్యాకరణ మార్పులను చేయనప్పుడు డిటెక్టర్లు గమనిస్తాయి.
వివిధ ప్లాట్ఫారమ్లలో మీ స్కోరు ఎందుకు మారుతుంది
మీరు ఒకే వ్యాసాన్ని మూడు వేర్వేరు డిటెక్టర్లలో పేస్ట్ చేస్తే, మీకు మూడు విరుద్ధమైన తీర్పులు రావచ్చు. దీనికి కారణం వాటి వెనుక ఉన్న యంత్రాంగం (underlying machinery) అర్థవంతమైన రీతిలో భిన్నంగా ఉండటం.
కొన్ని సాధనాలు ప్రాథమికంగా పాత GPT-3.5 అవుట్పుట్పై శిక్షణ పొందాయి. మరికొన్ని కొత్త GPT-4 జనరేషన్లను ఉపయోగిస్తాయి లేదా బహుళ మోడళ్ల నుండి సింథటిక్ టెక్స్ట్ను మిళితం చేస్తాయి. వాటి ఫీచర్ వెయిటేజింగ్లు (feature weightings) కూడా మారుతూ ఉంటాయి. ఒక ప్లాట్ఫారమ్ వాక్యాల పొడవు యొక్క ఏకరీతితనం (sentence-length uniformity) పై ఎక్కువ దృష్టి పెడితే, మరొకటి పెర్ప్లెక్సిటీ (perplexity) కి ప్రాధాన్యత ఇవ్వవచ్చు. థ్రెషోల్డ్లు (Thresholds) అనేవి కేవలం అంతర్గత నిర్ణయాలు మాత్రమే. ఒక వెండర్ 60 శాతం కంటే ఎక్కువ కాన్ఫిడెన్స్ను "బహుశా AI" అని లేబుల్ చేయవచ్చు, అయితే పోటీదారు అదే లేబుల్ను 90 శాతానికి మాత్రమే కేటాయించవచ్చు.
ఈ సాధనాలను ధృవీకరించడానికి ఎటువంటి నియంత్రణ సంస్థ (governing body) లేదు. ఇవి నిశ్చయత అనే ముసుగులో మార్కెట్ చేయబడిన ప్రయోగాత్మక పరికరాలు. వాటి తీర్పులను చట్టపరమైన సాక్ష్యాలుగా లేదా విద్యాపరమైన శిక్షలకు ఆధారాలుగా పరిగణించడం అనేది, ఒక పూర్తి సీజన్ పంట దిగుబడిని అంచనా వేయడానికి చేతితో పట్టుకునే వెదర్ స్టేషన్ను ఉపయోగించినట్లు ఉంటుంది.
తప్పుడు గుర్తింపు సమస్య (The False Positive Problem)
డిటెక్టర్లు ప్రత్యక్ష సాక్ష్యం కంటే గణాంక సంబంధం (statistical correlation) పై ఆధారపడటం వల్ల, అవి మానవ రచనలను క్రమం తప్పకుండా కృత్రిమమైనవిగా తప్పుగా గుర్తిస్తాయి. కొన్ని రకాల అసలైన రచనలు దీనికి ప్రత్యేకంగా గురవుతాయి.
విద్యాపరమైన పత్రాలు (Academic papers) కఠినమైన నిబంధనలను అనుసరిస్తాయి. ప్యాసివ్ వాయిస్, హెడ్జింగ్ ఫ్రేజెస్ (hedging phrases) మరియు ప్రామాణిక విభాగ శీర్షికలు AI మోడళ్ల శిక్షణ డేటాను పోలి ఉండే ఒక క్రమబద్ధమైన గణాంక ప్రొఫైల్ను సృష్టిస్తాయి. సాంకేతిక మాన్యువల్స్ కూడా ఇదే సమస్యను ఎదుర్కొంటాయి. అవి స్థిరమైన పదజాలాన్ని, చిన్న వాక్యాలను మరియు కనిష్ట భావోద్వేగ వైవిధ్యాన్ని ఉపయోగిస్తాయి, ఇవన్నీ ప్యాటర్న్ ఆధారిత అనుమానాలకు దారితీస్తాయి. చట్టపరమైన పత్రాలు ప్రాథమికంగా నిర్మాణాత్మక టెంప్లేట్లు, మరియు వాటి పునరావృత ఖచ్చితత్వం క్లాసిఫైయర్కు అల్గారిథమిక్ (algorithmic) లాగా కనిపిస్తుంది.
ఇంగ్లీష్ మాతృభాష కాని వారు తరచుగా వ్యాకరణపరంగా సరైనప్పటికీ, వాక్య నిర్మాణంలో సరళంగా ఉండే రచనలను చేస్తారు. వారి జాగ్రత్తగా రూపొందించిన రచనలు—ఒక మాతృభాషల వ్యక్తి యొక్క భాషా వైవిధ్యానికి దూరంగా ఉండటం వల్ల—యంత్ర టెక్స్ట్తో సమానమైన గణాంక జోన్లోకి వచ్చే అవకాశం ఉంది. ఒక విద్యార్థి గంటల తరబడి శ్రమించి రాసిన వ్యాసాన్ని, కేవలం వారి క్రమబద్ధమైన, స్పష్టమైన వాక్యాలు డిటెక్టర్కు మరీ క్రమబద్ధంగా కనిపించడం వల్ల తప్పుగా నిందించవచ్చు.
డిటెక్టర్లను మిమ్మల్ని వాడుకోకుండా మీరు వాటిని ఉపయోగించడం
ఈ సాధనాలతో వ్యవహరించే ఆరోగ్యకరమైన మార్గం ఏమిటంటే, వాటిని ఒక ప్రాథమిక ఫిల్టర్గా చూడాలి తప్ప, జ్యూరీ తీర్పుగా కాదు. మీరు ఎడిటర్, టీచర్ లేదా హైరింగ్ మేనేజర్ అయితే, అధిక స్కోరును నిందగా కాకుండా ఒక చర్చకు ప్రేరణగా తీసుకోండి. రచయితను వారి ప్రక్రియ గురించి అడగండి. అవుట్లైన్ లేదా రఫ్ డ్రాఫ్ట్ను కోరండి. రచన వెనుక ఉన్న అసలైన ఆలోచనను వెతకండి.
మీరు రచయిత అయితే, డిటెక్టర్ను మోసం చేయడానికి మీ పనిని మార్చుకోవద్దు. మీరు "మరింత మానవీయంగా" కనిపించడానికి యాదృచ్ఛిక టైపోలు (typos) చేర్చడం, వాక్యాలను కృత్రిమంగా ముక్కలు చేయడం లేదా ఖచ్చితమైన పదాలను వింతైన పర్యాయపదాలతో మార్చడం ప్రారంభించిన క్షణమే, మీరు స్పష్టతను వదులుకుని భయాందోళనకు లోనవుతున్నారు. మీరు ఇకపై పాఠకుడి కోసం రాయడం లేదు. మీరు ఒక అల్గారిథమ్ కోసం ప్రదర్శన ఇస్తున్నారు.
మీరు ఆలోచించే విధంగానే రాయండి. మీ శైలిని సహజంగా మార్చుకోండి. మీ రంగంలోని ప్రత్యేక పదజాలాన్ని ఉపయోగించండి. కేవలం మీరు మాత్రమే చేయగలిగే పరిశీలనలను చేర్చండి. ఆ ప్రత్యేకత (texture) ఏ డిటెక్టర్కైనా మీ ఉత్తమ రక్షణ, మరియు అన్నిటికంటే ముఖ్యంగా, అది మీ రచనను చదవడానికి యోగ్యంగా మారుస్తుంది.
అసలైన ముగింపు (The Real Takeaway)
AI డిటెక్టర్లు విశ్లేషణాత్మక సహాయకారిలే (sidecars), డ్రైవర్లు కాదు. టెక్స్ట్ గణాంకపరంగా ఎంత మృదువుగా ఉందో అవి సూచించగలవు, కానీ అవి అంతర్దృష్టిని, సృజనాత్మకతను లేదా అనుభవాన్ని కొలవలేవు. ఒక వాదన అసలైనదా, కథ నిజమైనదా లేదా సాంకేతిక వివరణ ఖచ్చితమైనదా అనేది ఒక కాన్ఫిడెంట్ స్కోరు చెప్పలేదు.
స్పష్టతపై దృష్టి పెట్టండి. స్క్రీన్ అవతలి ఉన్న మనిషికి ప్రాధాన్యత ఇవ్వండి. అసలైన ఆలోచనలకు ఏ క్లాసిఫైయర్ కూడా పూర్తిగా పట్టుకోలేని ఒక ప్రత్యేకత ఉంటుంది, మరియు ఏ శాతం కూడా ఒక జాగ్రత్తగా చదివే పాఠకుడి తీర్పును భర్తీ చేయలేదు.