Trumpas atsakymas: dirbtinio intelekto teksto detektoriai gali būti greitas signalas „atidžiau pažvelkite“, ypač kai turite ilgesnius pavyzdžius, tačiau jie nėra patikimas autorystės įrodymas. Rašant trumpus, smarkiai redaguotus, oficialius ar ne gimtąja kalba parašytus tekstus, klaidingai teigiami ir netikslūs rezultatai tampa dažni, todėl sprendimai niekada neturėtų priklausyti nuo vieno balo.
Jie gali būti naudingi kaip užuomina – stumtelėjimas, signalas „galbūt pažiūrėk atidžiau“. Tačiau jie nėra patikimi kaip įrodymai . Net arti. Net detektorius gaminančios įmonės yra linkusios tai pasakyti vienaip ar kitaip (kartais garsiai, kartais smulkiu šriftu). Pavyzdžiui, „OpenAI“ teigė, kad neįmanoma patikimai aptikti viso dirbtinio intelekto parašyto teksto , ir netgi paskelbė vertinimo skaičius, rodančius reikšmingus klaidų ir klaidingų teigiamų rezultatų rodiklius. [1]
Svarbiausios išvados:
Patikimumas : Detektoriaus balus traktuokite kaip užuominas, o ne įrodymus, ypač didelės rizikos atvejais.
Klaidingai teigiami rezultatai : formalus, šabloninis, trumpas arba labai nušlifuotas žmogaus raštas dažnai yra neteisingai pažymėtas.
Klaidingi neigiami rezultatai : lengvas perfrazavimas arba mišrūs žmogaus ir dirbtinio intelekto juodraščiai gali lengvai praslysti pro aptikimą.
Patvirtinimas : Pirmenybė teikiama proceso įrodymui – juodraščių istorijai, pastaboms, šaltiniams ir pataisymų žurnalams.
Valdymas : Reikalauti skaidrių ribų, žmogaus atliekamos peržiūros ir apeliacijų pateikimo būdo prieš taikant pasekmes.
Straipsniai, kuriuos galbūt norėsite perskaityti po šio:
🔗 Kaip veikia dirbtinio intelekto aptikimas
Sužinokite, kaip įrankiai atpažįsta dirbtinio intelekto rašymą naudodami šablonus ir tikimybes.
🔗 Kaip dirbtinis intelektas prognozuoja tendencijas
Supraskite, kaip algoritmai prognozuoja paklausą remdamiesi duomenimis ir signalais.
🔗 Kaip naudoti dirbtinį intelektą savo telefone
Praktiniai būdai, kaip naudoti dirbtinio intelekto programas kasdienėms užduotims atlikti.
🔗 Ar teksto įgarsinimas yra dirbtinis intelektas?
Sužinokite, kaip TTS sistemos iš rašytinio teksto generuoja natūralius balsus.
Kodėl žmonės nuolat klausia, ar dirbtinio intelekto detektoriai yra patikimi 😅
Nes statymai greitai tapo keistai dideli.
-
Mokytojai nori apsaugoti akademinį sąžiningumą 🎓
-
Redaktoriai nori sustabdyti mažai pastangų reikalaujančius šlamšto straipsnius 📰
-
Įdarbinimo vadovai nori autentiškų rašymo pavyzdžių 💼
-
Studentai nori išvengti neteisingų kaltinimų 😬
-
Prekių ženklai nori nuoseklaus balso, o ne kopijuojamo turinio fabriko 📣
Ir giliai širdyje jaučiamas troškimas patogios mašinos, kuri užtikrintai pasakytų „tai tikra“ arba „tai netikra“. Kaip metalo detektorius oro uoste.
Išskyrus tai, kad… kalba nėra metalas. Kalba labiau panaši į rūką. Galima į ją nukreipti žibintuvėlį, bet žmonės vis tiek ginčijasi dėl to, ką matė.
Patikimumas praktikoje, palyginti su demonstracinėmis versijomis 🎭
Kontroliuojamomis sąlygomis detektoriai gali atrodyti įspūdingai. Kasdien naudojant jie atrodo mažiau tvarkingi – kadangi detektoriai „nemato autorystės“, jie mato modelius .
Net ir dabar nebenaudojamas „OpenAI“ teksto klasifikatoriaus puslapis atvirai kalba apie pagrindinę problemą: patikimas aptikimas negarantuojamas, o našumas priklauso nuo tokių veiksnių kaip teksto ilgis (trumpas tekstas yra sudėtingesnis). Jie taip pat pasidalijo konkrečiu kompromiso pavyzdžiu: aptinkama tik dalis dirbtinio intelekto teksto, o žmogaus tekstas vis tiek kartais neteisingai pažymimas. [1]
Kasdienis rašymas pilnas painiavos:
-
sunkus redagavimas
-
šablonai
-
techninis tonas
-
negimtoji frazė
-
trumpi atsakymai
-
griežtas akademinis formatavimas
-
„Parašiau tai 2 val. nakties, o mano smegenys buvo apskrudusios“ energija
Taigi, detektorius gali reaguoti į stilių , o ne į kilmę. Tai tas pats, kas bandyti nustatyti, kas iškepė pyragą, žiūrint į trupinius. Kartais galima spėti. Kartais tiesiog vertinate trupinių vibracijas.
Kaip veikia dirbtinio intelekto detektoriai (ir kodėl jie genda) 🧠🔧
Dauguma „DI detektorių“, su kuriais sutiksite gamtoje, skirstomi į du plačius režimus:
1) Stiliumi pagrįstas aptikimas (spėjimas iš teksto šablonų)
Tai apima klasikinius „klasifikatoriaus“ metodus ir nuspėjamumo / painiavos metodus. Įrankis mokosi statistinių signalų, kurie linkę rodytis tam tikruose modelio rezultatuose... ir tada apibendrina.
Kodėl jis sugenda:
-
Žmogaus rašymas taip pat gali atrodyti „statistinis“ (ypač formalus, pagal vertinimo kriterijus ar šablonus parašytas).
-
Šiuolaikinis rašymas dažnai yra mišrus (žmogaus + redagavimo + dirbtinio intelekto pasiūlymų + gramatikos įrankių).
-
Įrankiai gali tapti pernelyg pasitikintys savimi už savo testavimo komforto zonos ribų. [1]
2) Kilmė / vandens ženklai (patikrinimui, o ne spėjimui)
Užuot bandiusios nustatyti autorystę iš „trupinių vibracijų“, kilmės sistemos bando pridėti kilmės įrodymo metaduomenis arba įterpti signalus , kuriuos vėliau galima patikrinti.
NIST darbas su sintetiniu turiniu pabrėžia esminę realybę: net vandens ženklų detektoriai turi nulinį klaidingai teigiamų ir klaidingai neigiamų rezultatų skaičių , o patikimumas priklauso nuo to, ar vandens ženklas atlaiko kelią nuo sukūrimo → redagavimo → pakartotinio paskelbimo → ekrano kopijų → platformos apdorojimo. [2]
Taigi, taip, kilmė iš principo yra švaresnė ... bet tik tada, kai ekosistema ją palaiko nuo pradžios iki galo.
Didžiausi gedimo režimai: klaidingai teigiami ir klaidingai neigiami rezultatai 😬🫥
Tai yra esmė. Jei norite sužinoti, ar dirbtinio intelekto detektoriai yra patikimi, turite paklausti: kokia kaina ?
Klaidingai teigiami rezultatai (žmogus pažymėtas kaip DI) 😟
Tai košmariškas scenarijus mokyklose ir darbovietėse: žmogus kažką parašo, yra pažymimas ir staiga jis ginasi nuo skaičiaus ekrane.
Štai skausmingai dažnas modelis:
Studentas pateikia trumpą apmąstymą (tarkime, porą šimtų žodžių).
Detektorius išmeta užtikrintai atrodantį balą.
Visi puola į paniką.
Tada sužinote, kad pati priemonė įspėja, jog trumpi pateikti darbai gali būti mažiau patikimi ir kad balas neturėtų būti naudojamas kaip vienintelis neigiamų veiksmų pagrindas. [3]
„Turnitin“ savo gairėse (išleidimo pastabose / dokumentacijoje) aiškiai įspėja, kad trumpesni nei 300 žodžių pateikti darbai gali būti mažiau tikslūs , ir primena įstaigoms nenaudoti dirbtinio intelekto balo kaip vienintelio pagrindo imtis neigiamų veiksmų prieš studentą. [3]
Klaidingi teigiami rezultatai taip pat dažniausiai rodomi, kai rašoma:
-
pernelyg formalus
-
pasikartojantis dizainas (rubrikosai, ataskaitos, prekės ženklo šablonai)
-
trumpas (mažesnis signalas, daugiau spėlionių)
-
kruopščiai redaguota ir nušlifuota
Detektorius iš esmės gali pasakyti: „Tai atrodo kaip tekstas, kurį mačiau iš dirbtinio intelekto“, net jei taip nėra. Tai nėra piktavališka. Tai tiesiog šablonų atitikimas naudojant patikimumo slankiklį.
Klaidingai neigiami rezultatai (dirbtinis intelektas nepažymėtas) 🫥
Jei kas nors naudoja dirbtinį intelektą ir šiek tiek redaguoja – pertvarko tekstą, perfrazuoja, įterpia žmogiškų trūkumų – detektoriai gali to nepastebėti. Be to, įrankiai, suderinti taip, kad būtų išvengta klaidingų kaltinimų, dažnai tiesiog praleis daugiau dirbtinio intelekto teksto (tai yra ribinis kompromisas). [1]
Taigi, galite gauti blogiausią derinį:
-
nuoširdūs rašytojai kartais yra pažymimi
-
ryžtingi sukčiai dažnai to nedaro
Ne visada. Bet pakankamai dažnai, kad detektorių naudojimas kaip „įrodymas“ yra rizikingas.
Kas lemia „gerą“ detektoriaus sąranką (net jei detektoriai nėra tobuli) ✅🧪
Jei vis tiek ketinate jį naudoti (nes institucijos atlieka su institucijomis susijusius veiksmus), gera sistema labiau primena „teisėjas + prisiekusieji“, o „triažas + įrodymai“
Atsakingas įrengimas apima:
-
Skaidrūs apribojimai (trumpi tekstiniai įspėjimai, sričių ribos, patikimumo intervalai) [1][3]
-
Aiškios ribos + neapibrėžtumas kaip pagrįstas rezultatas („mes nežinome“ neturėtų būti tabu)
-
Žmogaus atlikta peržiūra ir proceso įrodymai (juodraščiai, metmenys, pataisymų istorija, cituojami šaltiniai)
-
Politikos, kurios aiškiai atgraso nuo baudžiamųjų, tik balais pagrįstų sprendimų [3]
-
Privatumo apsauga (neįtraukite jautrios informacijos į eskizinius ataskaitų suvestines)
Palyginimo lentelė: aptikimo ir patvirtinimo metodai 📊🧩
Šis stalas tyčia turi nedidelių keistenybių, nes taip paprastai atrodo stalai, kai juos gamina žmogus gurkšnodamas šaltą arbatą ☕.
| Įrankis / metodas | Auditorija | Įprastas naudojimas | Kodėl tai veikia (ir kodėl ne) |
|---|---|---|---|
| Stiliumi pagrįsti dirbtinio intelekto detektoriai (bendrieji „dirbtinio intelekto vertinimo“ įrankiai) | Visi | Greitas triažas | Greita ir paprasta, bet gali supainioti stilių su kilme – ir paprastai būna ne toks efektyvus trumpuose arba labai redaguotuose tekstuose. [1] |
| Instituciniai detektoriai (integruoti į LMS) | Mokyklos, universitetai | Darbo eigos žymėjimas | Patogu atrankai, bet rizikinga, kai vertinama kaip įrodymas; daugelis įrankių aiškiai įspėja apie tik balais pagrįstus rezultatus [3] |
| Kilmės standartai (turinio akreditacijos / C2PA stilius) | Platformos, naujienų redakcijos | Atsekti kilmę + redagavimus | Stipresnis, kai taikomas nuo pradžios iki galo; pasikliauja metaduomenimis, išliksiančiais platesnėje ekosistemoje. [4] |
| Vandenženklių ekosistemos (pvz., skirtos tiekėjui) | Įrankių tiekėjai, platformos | Signalais pagrįstas patvirtinimas | Veikia, kai turinys gaunamas iš vandenženklių įrankių ir gali būti aptiktas vėliau; ne universalus, o detektoriai vis tiek turi klaidų dažnį. [2][5] |
Detektoriai švietime 🎓📚
Švietimas yra sunkiausia aplinka detektoriams, nes žala yra asmeninė ir tiesioginė.
Studentai dažnai mokomi rašyti taip, kad atrodytų „formuliškai“, nes jie tiesiogine prasme vertinami pagal struktūrą:
-
tezės
-
pastraipų šablonai
-
nuoseklus tonas
-
formalūs perėjimai
Taigi, detektoriai gali nubausti mokinius už... taisyklių laikymąsi.
Jei mokykloje naudojami detektoriai, labiausiai pagrįstas metodas paprastai apima:
-
detektoriai tik kaip triažo priemonė
-
jokių baudų be žmogaus peržiūros
-
galimybės studentams paaiškinti savo procesą
-
juodraščio istorija / metmenys / šaltiniai kaip vertinimo dalis
-
žodiniai tolesni veiksmai, jei reikia
Taip, žodiniai tolesni pokalbiai gali atrodyti kaip tardymas. Tačiau jie gali būti teisingesni nei „robotas sako, kad sukčiavai“, ypač kai pats detektorius įspėja apie sprendimus, grindžiamus tik balais. [3]
Detektoriai įdarbinimui ir rašymui darbo vietoje 💼✍️
Darbo vietoje rašymas dažnai būna toks:
-
šabloninis
-
poliruotas
-
pasikartojantis
-
redagavo keli žmonės
Kitaip tariant: jis gali atrodyti algoritminis net tada, kai jį kuria žmogus.
Jei samdote darbuotoją, geresnis požiūris nei pasikliauti detektoriaus balu yra:
-
prašyti rašto, susijusio su realiomis darbo užduotimis
-
pridėti trumpą tiesioginį tolesnį įrašą (net 5 minutes)
-
vertinkite samprotavimus ir aiškumą, o ne tik „stilių“
-
leisti kandidatams iš anksto atskleisti dirbtinio intelekto pagalbos taisykles
Bandymas „aptikti dirbtinį intelektą“ šiuolaikiniuose darbo procesuose yra panašus į bandymą nustatyti, ar kas nors naudojo rašybos tikrinimo įrankį. Galiausiai supranti, kad pasaulis pasikeitė, kol tu nežiūrėjai. [1]
Leidėjų, SEO ir moderavimo detektoriai 📰📈
Detektoriai gali būti naudingi atliekant grupinį turinio triažą : pažymint įtartinus turinio krūvas, kad jas peržiūrėtų žmonės.
Tačiau kruopštus žmogus-redaktorius dažnai pastebi „dirbtinio intelekto“ problemas greičiau nei detektorius, nes redaktoriai pastebi:
-
neaiškūs teiginiai be konkrečių detalių
-
užtikrintas tonas be jokių įrodymų
-
trūksta betono tekstūros
-
„Surinkta“ frazė, kuri neskamba įprastai
Ir štai esmė: tai ne magiška supergalia. Tai tik redaktoriaus instinktas, skirtas pasitikėjimo signalams .
Geresnės alternatyvos nei vien tik aptikimas: kilmė, procesas ir „parodykite savo darbą“ 🧾🔍
Jei detektoriai kaip įrodymai yra nepatikimi, geresni variantai dažniausiai atrodo ne kaip vienas balas, o labiau kaip sluoksniuoti įrodymai.
1) Proceso įrodymai (neglamūringas herojus) 😮💨✅
-
juodraščiai
-
pataisymų istorija
-
užrašai ir metmenys
-
citatos ir šaltinių pėdsakai
-
versijų kontrolė profesionaliam rašymui
2) Autentiškumo patikrinimai, kurie nėra „aiškūs“ 🗣️
-
„Kodėl pasirinkote šią struktūrą?“
-
„Kokią alternatyvą atmetėte ir kodėl?“
-
„Paaiškinkite šią pastraipą jaunesniam žmogui.“
3) Kilmės standartai + vandens ženklai, jei įmanoma 🧷💧
C2PA turinio kredencialai skirti padėti auditorijai atsekti kilmę ir redagavimo istoriją (pagalvokite apie „maistinės vertės etiketės“ koncepciją žiniasklaidai). [4]
Tuo tarpu „Google“ „SynthID“ ekosistema daugiausia dėmesio skiria vandens ženklų žymėjimui ir vėlesniam turinio, sugeneruoto naudojant palaikomus „Google“ įrankius (ir aptikimo portalą, kuris nuskaito įkėlimus ir paryškina galimas vandens ženklų sritis), aptikimui. [5]
Tai labiau verifikaciniai metodai – netobuli, neuniversalūs, bet nukreipiantys aiškesne linkme nei „spėjimas iš nuotaikų“. [2]
4) Aiški politika, atitinkanti realybę 📜
„Dirbtinis intelektas uždraustas“ yra paprasta... ir dažnai nerealu. Daugelis organizacijų juda link:
-
„DI leido kurti idėjas, o ne galutinį teksto projektą“
-
„DI leidžiama, jei atskleidžiama“
-
„Dirbtinis intelektas leido išlaikyti gramatiką ir aiškumą, tačiau originalūs samprotavimai turi būti jūsų.“
Atsakingas būdas naudoti dirbtinio intelekto detektorius (jei būtina) ⚖️🧠
-
Detektorius naudokite tik kaip vėliavėlę
. Tai nėra nuosprendis. Tai nėra bausmės priežastis. [3] -
Patikrinkite teksto tipą
: trumpas atsakymas? sąrašas su ženkleliais? labai redaguotas? tikėkitės triukšmingesnių rezultatų. [1][3] -
Ieškokite pagrįstų įrodymų:
juodraščių, nuorodų, nuoseklaus balso laikui bėgant ir autoriaus gebėjimo paaiškinti pasirinkimus. -
Tarkime, kad mišri autorystė dabar yra normalu.
Žmonės + redaktoriai + gramatikos įrankiai + dirbtinio intelekto pasiūlymai + šablonai yra... antradienis. -
Niekada nepasikliaukite vienu skaičiumi.
Pavieniai rezultatai skatina tingius sprendimus – o tingūs sprendimai yra priežastis, kodėl kyla melagingi kaltinimai. [3]
Baigiamasis žodis ✨
Taigi, patikimumo vaizdas atrodo taip:
-
Patikimas kaip apytikslė užuomina: kartais ✅
-
Patikimas įrodymas: ne ❌
-
Saugu kaip vienintelis pagrindas bausmei ar pašalinimui: tikrai ne 😬
Elkitės su detektoriais kaip su dūmų detektoriumi:
-
tai gali reikšti, kad turėtumėte atidžiau pažiūrėti
-
negali tiksliai pasakyti, kas nutiko
-
Jis negali pakeisti tyrimo, konteksto ir proceso įrodymų
Vieno paspaudimo tiesos mašinos dažniausiai skirtos mokslinei fantastikai. Arba reklaminiams klipams.
DUK
Ar dirbtinio intelekto teksto detektoriai yra patikimi įrodymams, kad kažkas naudojo dirbtinį intelektą?
Dirbtinio intelekto teksto detektoriai nėra patikimas autorystės įrodymas. Jie gali būti greitas signalas, kad kažkas gali būti verta peržiūros, ypač ilgesnių pavyzdžių atveju, tačiau tas pats balas gali būti klaidingas bet kuria kryptimi. Didelės rizikos situacijose straipsnyje rekomenduojama detektoriaus išvestį laikyti užuomina, o ne įrodymu, ir vengti bet kokio sprendimo, kuris priklauso nuo vieno skaičiaus.
Kodėl dirbtinio intelekto detektoriai žmogaus rašymą žymi kaip dirbtinį intelektą?
Klaidingai teigiami rezultatai gaunami, kai detektoriai reaguoja į stilių, o ne į kilmę. Formalus, šabloninis, labai išbaigtas ar trumpas rašymas gali būti skaitomas kaip „statistinis“ ir sukelti patikimus balus, net jei jį parašė visiškai žmogus. Straipsnyje pažymima, kad tai ypač dažnai pasitaiko tokiose aplinkose kaip mokykla ar darbas, kur vertinama struktūra, nuoseklumas ir aiškumas, o tai gali netyčia priminti modelius, kuriuos detektoriai sieja su dirbtinio intelekto išvestimi.
Koks rašymo būdas sumažina dirbtinio intelekto aptikimo tikslumą?
Trumpi pavyzdžiai, smarkiai redaguotas tekstas, techninis arba griežtas akademinis formatavimas ir ne gimtąja kalba vartojamos frazės paprastai duoda triukšmingesnius rezultatus. Straipsnyje pabrėžiama, kad kasdieniame rašyme yra daug painiavos veiksnių – šablonų, korektūros ir mišrių rengimo įrankių – kurie painioja šablonais pagrįstas sistemas. Tokiais atvejais „DI balas“ yra labiau netikslus spėjimas nei patikimas matavimas.
Ar kas nors gali apeiti dirbtinio intelekto teksto detektorius perfrazuodamas?
Taip, klaidingai neigiami rezultatai yra dažni, kai dirbtinio intelekto tekstas yra šiek tiek redaguojamas. Straipsnyje aiškinama, kad sakinių tvarkos keitimas, perfrazavimas arba žmogaus ir dirbtinio intelekto teksto suliejimas gali sumažinti detektoriaus patikimumą ir leisti dirbtinio intelekto pagalbai praslysti pro akis. Detektoriai, suderinti taip, kad būtų išvengta klaidingų kaltinimų, dažnai dėl savo pobūdžio praleidžia daugiau dirbtinio intelekto turinio, todėl „nepažymėtas“ nereiškia „tikrai žmogaus“
Kokia saugesnė alternatyva pasikliauti dirbtinio intelekto detektoriaus balais?
Straipsnyje rekomenduojama rinktis proceso įrodymus, o ne spėlioti šablonus. Juodraščio istorija, metmenys, pastabos, cituojami šaltiniai ir redagavimo žurnalai suteikia konkretesnių autorystės įrodymų nei detektoriaus balas. Daugelyje darbo eigų „parodyti savo darbą“ yra ir teisingiau, ir sunkiau apgauti. Sluoksniuoti įrodymai taip pat sumažina riziką, kad tikras rašytojas bus nubaustas dėl klaidinančios automatinės klasifikacijos.
Kaip mokyklos turėtų naudoti dirbtinio intelekto detektorius nepakenkdamos mokiniams?
Švietimas yra didelės rizikos aplinka, nes pasekmės yra asmeninės ir tiesioginės. Straipsnyje teigiama, kad detektoriai turėtų būti tik atrankos metodas, o ne bausmių pagrindas be žmogaus peržiūros. Pateisinamas požiūris apima leidimą studentams paaiškinti savo procesą, juodraščių ir metmenų svarstymą bei tolesnių veiksmų naudojimą, kai to reikia, o ne vertinimą kaip verdiktą, ypač trumpų darbų atveju.
Ar dirbtinio intelekto detektoriai tinka samdant ir rašant pavyzdžius darbo vietoje?
Jie yra rizikingi kaip kontrolės įrankis, nes darbo vietoje rašomus tekstus dažnai tobulina, kuria šablonus ir redaguoja keli žmonės, o tai gali atrodyti „algoritmiškai“ net ir tada, kai juos kuria žmonės. Straipsnyje siūlomos geresnės alternatyvos: su darbu susijusios rašymo užduotys, trumpalaikiai tolesni veiksmai ir samprotavimo bei aiškumo vertinimas. Taip pat pažymima, kad mišri autorystė šiuolaikiniuose darbo eigose yra vis labiau įprasta.
Kuo skiriasi dirbtinio intelekto aptikimas nuo kilmės arba vandenženklio?
Aptikimo metodu bandoma nustatyti autorystę pagal teksto šablonus, o tai gali supainioti stilių su kilme. Kilmė ir vandenženkliai siekia patikrinti turinio kilmę naudojant metaduomenis arba įterptuosius signalus, kuriuos vėliau galima patikrinti. Straipsnyje pabrėžiama, kad net šie tikrinimo metodai nėra tobuli – signalai gali būti prarasti redaguojant arba pakartotinai paskelbiant – tačiau jie yra konceptualiai aiškesni, kai yra palaikomi nuo pradžios iki galo.
Kaip atrodo „atsakinga“ dirbtinio intelekto detektoriaus sąranka?
Straipsnyje atsakingas naudojimas apibrėžiamas kaip „triažas + įrodymai“, o ne „teisėjas + prisiekusieji“. Tai reiškia skaidrius apribojimus, neapibrėžtumo priėmimą, žmogaus atliekamą peržiūrą ir apeliacijų galimybę prieš taikant pasekmes. Taip pat raginama patikrinti teksto tipą (trumpas ar ilgas, redaguotas ar neapdorotas), teikti pirmenybę pagrįstiems įrodymams, pvz., juodraščiams ir šaltiniams, ir vengti baudžiamųjų, tik balais pagrįstų pasekmių, kurios gali lemti melagingus kaltinimus.
Nuorodos
[1] „OpenAI“ – naujas dirbtinio intelekto klasifikatorius, skirtas dirbtinio intelekto parašytam tekstui žymėti (apima apribojimus + vertinimo aptarimą) – skaitykite daugiau
[2] NIST – sintetinio turinio keliamos rizikos mažinimas (NIST AI 100-4) – skaitykite daugiau
[3] „Turnitin“ – dirbtinio intelekto rašymo aptikimo modelis (apima įspėjimus dėl trumpo teksto + balo nenaudojimą kaip vienintelio neigiamų veiksmų pagrindo) – skaitykite daugiau
[4] C2PA – C2PA / turinio kredencialų apžvalga – skaitykite daugiau
[5] „Google“ – „SynthID Detector“ – portalas, padedantis identifikuoti dirbtinio intelekto sukurtą turinį – skaitykite daugiau