AI检测器有谱了，新算法实现99%的准确率

AI检测器有谱了，新算法实现99%的准确率

来自堪萨斯大学的研究人员介绍了一种全新的算法，能够检测是否用ChatGPT作弊，准确率超99%。最新研究已在6月7日，发表在CellReportsPhysicalScience期刊上。

该论文的作者之一、堪萨斯大学化学教授HeatherDesaire表示，「我们努力创建一种易于使用的方法，这样，即便是高中生，只需很少的指导，也可以为不同类型的写作构建一个人工智能检测器。」

四大特征，99%识别率就像研究者所称，90%准确性往往是不够的。但要获得更高准确性，取舍往往是普遍性。这项研究中，研究人员选取了人类作者撰写的64篇「科学」杂志上的研究文章，涵盖从生物学到物理学的各个学科。然后，将这些数据喂给ChatGPT，并用这些数据生成了一个128篇人工智能文章的数据集。这组训练数据，包含1276段聊天机器人示例段落。研究者利用这些数据构建了ChatGPT检测算法。

在模型完全开发和优化后，他们还生成了两个测试集。每个测试集有30篇真实文章和60篇ChatGPT撰写的文章（总计1210段）组成了一个新的数据集，来测试最新算法。实验结果显示，最新算法能够100%检测到ChatGPT写的整篇文章。在段落层面上，其准确性较低，但仍令人印象深刻：该算法发现了92%的由人工智能生成的段落。

值得一提的是，论文称，从一些细节中就能发现，哪些内容是ChatGPT创作的。通过对训练集中许多示例的手动比较，研究者确定了4类特征。这些特征有助于区分人类写作和聊天机器人。（1）段落复杂性，（2）句子长度多样性，（3）标点符号，以及（4）流行词或数字。总的来说，人类作家写的段落更长、使用词汇量更大，包含更多的标点符号。而且，还倾向于用「然而」、「但是」和「尽管」这样的词来修饰他们的陈述。而ChatGPT在引用数字，提及其他科学家方面没有那么具体。在如下表分类中，人类擅长的内容要比ChatGPT多得多。在这四类特征中，有两类（1和3）是ChatGPT产生的内容不如人类复杂的方式。最大的区别特征是每段句子的数量和每段总单词的数量。在这两种情况下，ChatGPT的平均值都明显低于人类。研究者还发现，人类更喜欢改变句子结构。人类改变句子长度的次数超过ChatGPT。人类也更频繁地使用较长的句子（35个单词或更多）和较短的句子（10个单词或更少）。剩下的两类区分特征可以更多地描述为「文体」选择。一方面，人类科学家更频繁地使用问号、破折号、括号、分号和冒号，而ChatGPT使用更多的单引号。人类还使用更多的专有名词和/或首字母缩略词，还有数字。

这个由Desaire公司建立的这个模型，对于那些希望惩罚作弊的高中生的老师来说，是行不通的。该算法是为学术写作而建立的，特别是人们在科学期刊上读到的那种学术写作。这家公司表示，理论上你可以使用同样的技术来建立一个模型，来检测其他类型的写作。不过，不得不考虑的一个事实是，一个人可以很容易地对一个聊天机器人的写作进行一些小调整，并让其更难被发现是作弊，事情就更复杂了。当你考虑到这样一个事实，一个作者可以很容易地对一个聊天机器人的写作进行一些小的调整，并使它更难被发现时，事情就崩溃了。尽管如此，研究人员将这项研究描述为「概念证明」，并表示未来可以开发一个更加稳定，准确的工具与更大的数据集。如果人工智能继续以极快速度发展下去，谁也无法保证这样的检测方法，能否依然有效。因为大型语言模型越接近复制人类语言文字的能力，识别机器人语言的痕迹就越困难。

AI检测为何如此困难自ChatGPT面世以来，已经被许多高校的学生和老师用在日常的作业和教学中。然而，如果不加以限制，ChatGPT将会变成史上最强大的作弊工具，可以帮助学生们写作业，甚至是完成考试论文。为了反侦察，一款简单易用的检测器成为老师期盼的东西。一位22岁普林斯顿大学的学生EdwardTian，就自行开发了一款检测器——GPTZero。甚至，OpenAI官宣推出一个新工具，名为AITextClassifier的文件检测器。但是，这些检测器的表现并不如人意。检测出AI创作的内容听起来很简单。但当给你一封手写邮件和ChatGPT生成的邮件后，我们几乎无法辨别。Turnitin的人工智能副总裁EricWang称，用软件检测人工智能写作涉及统计学。从统计学的角度来看，人工智能与人类的区别在于它极其稳定地处于平均水平。直白点讲，AI水平很稳定。然而，实际上并非这样一个道理。「像ChatGPT这样的系统就像是自动补全的高级版本，寻找下一个最可能要写的单词。这实际上就是它为什么读起来如此自然的原因。AI写作是人类写作中最可能的子集。」