Είστε γνωστοί για την ταχύτητά σας; Το πόσο καλή δουλειά κάνετε και το πόσο του the point είναι τα κείμενα που γεμίζετε τις λευκή οθόνη πριν στείλετε τα μέιλ σας; Είστε πονηροί, αυτό είστε. Όχι όλοι, αλλά αρκετοί από εσάς που θα διαβάσετε αυτό το κείμενο αφού, μια κουβέντα να ανταλλάξεις με μια παρέα, σίγουρα θα ακούσεις κάποιον να λέει ότι χρησιμοποιεί το ChatGPT ακόμα και για να γράψει μήνυμα στη μητέρα του. Σας ξέρουμε. Δυστυχώς, όμως, αργά ή γρήγορα θα σας τσακώσουν, ειδικά αν το χρησιμοπoιείτε για να σας κάνει τη δουλειά όσο εσείς παίζετε FIFA.
Κάτι ακόμα πιο πονηροί από εσάς, ερευνητές, ανέπτυξαν ένα εργαλείο για να αναγνωρίζεται με ακρίβεια τα ακαδημαϊκά επιστημονικά κείμενα (επιτυχία άνω του 99%) που γράφονται με τεχνητή νοημοσύνη. Την πατήσατε! Η μελέτη δημοσιεύθηκε στο περιοδικό «Cell Reports Physical Science» και μπορεί να υπάρχουν πολλοί ανιχνευτές κειμένου τεχνητής νοημοσύνης στο διαδίκτυο (με αρκετά καλές επιδόσεις), αλλά δεν έχουν κατασκευαστεί εργαλεία ειδικά για ακαδημαϊκή συγγραφή. Μέχρι σήμερα.
Η έρευνα επικεντρώθηκε σε ένα τύπο άρθρων που ονομάζονται Perspectives, τα οποία περιέχουν μια επισκόπηση συγκεκριμένων ερευνητικών θεμάτων που γράφονται από επιστήμονες. Η ομάδα επέλεξε 64 τέτοια άρθρα και δημιούργησε 128 άρθρα με το ChatGPT για τις ίδιες θεματικές. Όταν έκαναν σύγκριση των άρθρων, οι ερευνητές βρήκαν έναν δείκτη για τα άρθρα που γράφονται με τεχνητή νοημοσύνη: την προβλεψιμότητα -σαν τον Ρόμπεν που «έκλεινε» από τα αριστερά ένα πράγμα.
Σε αντίθεση με την τεχνητή νοημοσύνη, οι άνθρωποι έχουν πιο πολύπλοκες δομές παραγράφων, που ποικίλλουν ως προς τον αριθμό των προτάσεων και το σύνολο των λέξεων ανά παράγραφο, καθώς και ως προς το μήκος των προτάσεων. Οι προτιμήσεις στα σημεία στίξης και στο λεξιλόγιο κάνουν επίσης «μπαμ» με την ομάδα να συγκεντρώνει 20 χαρακτηριστικά που πρέπει να προσέχει το εργαλείο.
Όταν δοκιμάστηκε, το εργαλείο πέτυχε ποσοστό ακρίβειας 100% στο να ξεχωρίζει τα άρθρα που δημιουργούνται με τεχνητή νοημοσύνη, σε σχέση με αυτά που γράφονται από ανθρώπους. Για τον εντοπισμό μεμονωμένων παραγράφων μέσα στο άρθρο, το μοντέλο είχε ποσοστό ακρίβειας 92%.
Αλλά.
Το εργαλείο δεν σχεδιάστηκε για να καταλαβαίνει τις εκθέσεις των φοιτητών που δημιουργούνται με τεχνητή νοημοσύνη, αλλά, όπως σημειώνει η επικεφαλής συγγραφέας και καθηγήτρια στο Πανεπιστήμιο του Κάνσας, Χέδερ Ντεζάιρ, οι άνθρωποι μπορούν εύκολα να αντιγράψουν τις μεθόδους αυτές για να δημιουργήσουν μοντέλα για τους δικούς τους ερευνητικούς σκοπούς.
