AI検出器の仕組み：パープレキシティとバースト性を解説

AI検出器は人間のように意味を読み取るわけではありません。代わりに、語の選び方や並べ方に現れる統計的パターンを測定します。そのうちパープレキシティとバースト性という2つのパターンが、作業の大半を担います。これらを理解すると、レビュー担当者はスコアを最終的な裁定ではなく、精査すべき手がかりとして読めるようになります。

パープレキシティが測るもの

パープレキシティは、ある文章が言語モデルにとってどれだけ予測可能かを表します。検出器は実質的に、次の語ごとにモデルがどれだけ驚くかを問うています。テキストが最も可能性の高い道筋を何度もたどると、パープレキシティは低くなります。語の選択が予想外で、独特で、ばらつきがあるとき、パープレキシティは上昇します。

これが重要なのは、GPT-5、Claude、Gemini といったモデルが、流暢で確率の高いテキストを生成するよう訓練されているからです。それらの既定の出力はしばしば滑らかで自信に満ち、結果として低いパープレキシティを示しがちです。対照的に、人間の下書きはより気まぐれにさまよい、予測しにくい痕跡を残します。

バースト性が測るもの

バースト性は、個々の語の選択内ではなく、文と文のあいだの変動に注目します。人間の文章は本来ばらつきがあります。長く入り組んだ文の隣に短い文が並ぶこともあります。リズムが移り変わり、複雑さが増減し、構造が変化します。

機械が生成したテキストは、文の長さが似通い、構成が一様で、より安定した調子を保つことがよくあります。低いバースト性と低いパープレキシティの組み合わせは、AI支援の下書きによく見られるパターンです。これらの手がかりがどのように組み合わされるかは、当社の方法論ページで説明しています。

これらの手がかりが判定ではない理由

どちらの指標も著者を証明するものではありません。いくつかのありふれた状況が、人間の文章をAIに似たパターンへと押しやります。

• 翻訳されたテキストは、原文より滑らかで一様になることが多いです。
• 技術文書やテンプレート化された文章は固定された構造に従い、バースト性を下げます。
• 非母語の文章は、より単純で予測しやすい言い回しを好むことがあります。
• 大幅に編集された下書きは、人間の手を示すばらつきを失うことがあります。

こうした重なりがあるため、スコアはレビュー担当者が見る範囲を絞るべきであって、結果を決めるものではありません。信頼度がサンプルの長さや文書の種類によってどう変わるかは、検出器の精度に関する当社のメモをご覧ください。

GPTZeroAIによる活用方法

AI検出器は、全体の推定値とともに段落単位の手がかりを報告するため、予測可能性や一様性がどこに集中しているかをレビュー担当者が把握できます。短いサンプルほど不確実性が大きいため、ごく短い入力には確定的なスコアではなく注意付きのフラグが付きます。その狙いは、告発ではなく透明なレビューの記録を残すことにあります。

検出器の手がかりを責任をもって使う

パープレキシティとバースト性は出発点として扱いましょう。フラグの付いた段落を、下書き、引用、著者のいつもの語り口と照らし合わせてください。文書の文脈を記録し、判断するのに十分な長さのサンプルかを確認し、結果が曖昧なときは対話で追って確認します。手がかりは、公正で記録の残る次の一歩につながったとき、その価値を発揮します。