
גלאי בינה מלאכותית אינם קוראים משמעות כפי שאדם עושה. במקום זאת, הם מודדים דפוסים סטטיסטיים באופן שבו נבחרות המילים ומסודרות. שניים מהדפוסים הללו, מבוכה ופרצנות, מבצעים את עיקר העבודה. הבנתם עוזרת לבודקים לקרוא ניקוד כראיה שיש לבחון, ולא כפסק דין סופי.
המבוכה מתארת עד כמה קטע הוא צפוי עבור מודל שפה. הגלאי שואל, למעשה, עד כמה המודל היה מופתע מכל מילה הבאה. כאשר הטקסט הולך שוב ושוב בנתיב הסביר ביותר, המבוכה נמוכה. כאשר בחירות המילים בלתי צפויות, ייחודיות או לא אחידות, המבוכה עולה.
זה חשוב משום שמודלים כמו GPT-5, Claude ו-Gemini מאומנים להפיק טקסט שוטף ובעל הסתברות גבוהה. הפלט המוגדר כברירת מחדל שלהם לרוב חלק ובטוח, מה שנוטה לקבל מבוכה נמוכה. טיוטות אנושיות, לעומת זאת, משוטטות יותר ומותירות עקבות פחות צפויים.
הפרצנות בוחנת את השונות בין המשפטים ולא בתוך בחירות מילים בודדות. כתיבה אנושית אינה אחידה מטבעה: משפט ארוך ומפותל עשוי לשבת לצד משפט קצר. המקצב משתנה, המורכבות עולה ויורדת, והמבנה מגוון.
טקסט שנוצר על ידי מכונה לרוב שומר על מקצב יציב יותר, עם משפטים באורך דומה ובמבנה אחיד. פרצנות נמוכה, יחד עם מבוכה נמוכה, היא דפוס נפוץ בטיוטות בסיוע בינה מלאכותית. עמוד המתודולוגיה שלנו מתאר כיצד אותות אלה משולבים.
אף מדד אינו מוכיח מי כתב את הטקסט. כמה מצבים שגרתיים דוחפים כתיבה אנושית לעבר דפוסים דמויי בינה מלאכותית:
בשל חפיפות אלה, ניקוד צריך לצמצם היכן הבודק מסתכל, ולא להכריע את התוצאה. ראו את ההערות שלנו על דיוק הגלאים כדי לראות כיצד הביטחון משתנה לפי אורך הדגימה וסוג המסמך.
גלאי הבינה המלאכותית מדווח על אותות ברמת הקטע לצד הערכה כוללת, כך שבודקים יכולים לראות היכן מתרכזות הצפיוּת והאחידות. דגימות קצרות יותר נושאות יותר אי-ודאות, ולכן קלטים קצרים מאוד מסומנים בזהירות ולא בניקוד נחרץ. הכוונה היא עקבות בדיקה שקופים, ולא האשמה.
התייחסו למבוכה ולפרצנות כנקודות פתיחה. השוו קטעים מסומנים מול טיוטות, ציטוטים והקול הרגיל של המחבר. תעדו את הקשר המסמך, ודאו שהדגימה ארוכה דיה כדי לשפוט, והמשיכו בשיחה כאשר התוצאות מעורפלות. אות מקבל את ערכו כשהוא מוביל לצעד הבא הוגן ומתועד.
המבוכה מודדת עד כמה טקסט צפוי עבור מודל שפה. מבוכה נמוכה יותר משמעה שהניסוח עוקב מקרוב אחר הנתיב הסביר ביותר, דפוס נפוץ בכתיבה שנוצרה על ידי בינה מלאכותית.
הפרצנות מודדת את השונות באורך המשפטים ובמבנם לאורך קטע. כתיבה אנושית נוטה להיות לא אחידה, בעוד טקסט מכונה לרוב שומר על מקצב יציב ואחיד יותר.
כן. תרגום, פורמטים תבניתיים, ניסוח בשפה שאינה שפת אם ועריכה כבדה יכולים כולם לגרום לכתיבה אנושית להיראות צפויה או אחידה, ולכן ניקוד הוא ראיה לבדיקה ולא הוכחה.
לא. השתמשו בניקוד כדי להחליט היכן לבחון מקרוב יותר, ואז השוו קטעים מול טיוטות, ציטוטים והקשר לפני שתגיעו למסקנה כלשהי.
השוואה הוגנת ועובדתית של האופן שבו Turnitin ו-GPTZeroAI ניגשים לזיהוי AI, עם דגש על תהליך העבודה, שקיפות וראיות שהבודקים יכולים לפעול לפיהן.
מועמדויות בסיוע בינה מלאכותית נפוצות כיום. למדו כיצד מגייסים יכולים להשתמש בזיהוי בינה מלאכותית כאות הוגן בסינון קורות חיים ומכתבי מקדמה, בלי לדחות מועמדים באופן אוטומטי.
ChatGPT, Claude וGemini משאירים כל אחד טביעות כתיבה שונות. הנה מה שבאמת משנה את מידת הזיהוי, ומדוע אף מודל אינו בלתי נראה באופן אמין.