ابزاری جدید می‌تواند متن آکادمیک تولید شده توسط ChatGPT را با دقت ۹۹٪ تشخیص دهد

دانشمندان یک ابزار تشخیص هوش مصنوعی با دقت 99 درصد را توسعه داده‌اند. این ابزار متون علمی را با استفاده از هوش مصنوعی شناسایی می‌کند. ابزار تشخیص که به طور منحصر به فردی با استفاده از مجموعه‌ داده‌ها و بینش انسانی برای تشخیص هوش مصنوعی از نوشته‌های انسانی طراحی شده است. تمرکز خود را به نوشته‌های علمی خاص موجود در مجلات معتبر محدود می‌کند و دقت بیشتری نسبت به سایر ابزارها ارائه می‌دهد.

Heather Desaire، شیمیدان دانشگاه کانزاس که از یادگیری ماشینی در مطالعات زیست پزشکی استفاده می‌کند، ابزار جدیدی ایجاد کرده است که می‌تواند متن علمی تولید شده توسط ChatGPT، را با دقت 99 درصد شناسایی کند.

مطالعه اخیر که در مجله معتبر Cell Reports Physical Science منتشر شده است، کارآمدی روش تشخیص هوش مصنوعی را نشان می‌دهد.

Desaire، کرسی شیمی Keith D. Wilner در KU، گفت که ابزارهای دقیق تشخیص هوش مصنوعی برای بررسی علمی ضروری هستند.

«در انتشارات علمی دانشگاهی – نوشته‌هایی درباره اکتشافات جدید – ما واقعاً نمی‌توانیم ادبیات را با دروغ‌های باورپذیر آلوده کنیم. اگر معمولاً از ابزار هوش مصنوعی استفاده شود، قطعا به انتشارات راه پیدا می‌کنند. تا آن‌جا که من می‌دانم، هیچ راه بدون خطای تشخیص به‌طور خودکار وجود ندارد. وقتی شروع به بررسی حقایق علمی واقعی با ابزار ساختگی هوش مصنوعی کنید که کاملاً باورپذیر به نظر می‌رسند، آن نشریات کمتر قابل اعتماد و ارزشمند خواهند شد.»

او گفت که موفقیت این روش تشخیص، بستگی به محدود کردن دامنه نوشتار دارد. البته منظور نوشته‌هایی است که با توجه به متون علمی رایج در مجلات معتبر تنظیم می‌شود. این امر دقت را نسبت به ابزارهای تشخیص هوش مصنوعی موجود، مانند آشکارساز RoBERTa، که هدف آن تشخیص هوش مصنوعی در نوشتار عمومی‌تر است، بهبود می‌بخشد.

Desaire گفت، شما به راحتی می‌توانید از ChatGPT به‌عنوان ابزار نوشتن ایجاد کنید که بسیار دقیق است. آشکارسازهای هوش مصنوعی موجود معمولاً به عنوان ابزارهای عمومی برای استفاده از هر نوع متن نوشتاری طراحی می‌شوند. آن‌ها برای هدف مورد نظرشان مفید هستند، اما برای هر نوع نوشته‌ای دقیق نیستند.

Desaire گفت که مدرسان دانشگاه، نهادهای اعطاکننده کمک هزینه و ناشران همگی به روشی دقیق برای تشخیص خروجی هوش مصنوعی که به عنوان تقلیدی از ذهن انسان ارائه می‌شود، نیاز دارند.

Desaire گفت: «هوش مصنوعی از نظر رعایت قوانین سرقت ادبی، تا 90 درصد دقیق نیست. شما نمی‌توانید افراد را به استفاده پنهانی از هوش مصنوعی متهم کنید. اما برای بالا بردن دقت، مبادله اطلاعات حائز اهمیت است.

همکاران Desaire همگی از گروه تحقیقاتی KU بودند: Romana Jarosova، استادیار پژوهشی شیمی در KU. David Huax، تحلیلگر سیستم‌های اطلاعاتی؛ و دانشجویان تحصیلات تکمیلی Aleesa E. Chua و Madeline Isom.

موفقیت Desaire و تیمش در بررسی متون توسط هوش مصنوعی می‌تواند ناشی از سطح بالای بینش انسانی (در مقابل تشخیص الگوی یادگیری ماشینی) باشد که برای ابداع کد انجام شد.

Desaire گفت: “ما از مجموعه داده‌های بسیار کوچک و مداخلات انسانی بسیار بیشتری برای شناسایی تفاوت‌های کلیدی آشکارسازمان استفاده کردیم.” “به طور دقیق، ما استراتژی خود را با استفاده از تنها 64 سند نوشته شده توسط انسان و 128 سند هوش مصنوعی به عنوان داده‌های آموزشی خود ساخته‌ایم. این شاید 100000 برابر کوچکتر از اندازه مجموعه داده‌های مورد استفاده برای آموزش آشکارسازهای دیگر باشد. افراد اغلب اعداد را نادیده می‌گیرند.

اما 100000 بار – می‌تواند مانند تفاوتی بین هزینه یک فنجان قهوه و یک خانه باشد. ما این مجموعه داده کوچک را داشتیم که می‌توانست به سرعت پردازش شود و همه اسناد در واقع توسط افراد قابل خواندن بودند. ما از مغز انسان برای یافتن تفاوت‌های مفید در مجموعه‌های اسناد استفاده کردیم. همچنین به استراتژی‌هایی برای متمایز کردن انسان‌ها و هوش مصنوعی که قبلا توسعه داده شده بود، تکیه نکردیم.»

در واقع، محقق KU گفت که این گروه رویکرد خود را بدون تکیه بر استراتژی‌های گذشته برای تشخیص هوش مصنوعی ساخته است. تکنیک به دست آمده دارای عناصر کاملاً منحصر به فرد در زمینه تشخیص متن هوش مصنوعی است.

Desaire گفت: “من کمی خجالت می‌کشم که این را اعتراف کنم، اما ما حتی از ادبیات مربوط به تشخیص متن هوش مصنوعی استفاده نکردیم تا زمانی که ابزار کار خود را در دست داشتیم.” ما این کار را بر اساس نحوه تفکر دانشمندان رایانه در مورد تشخیص متن انجام نمی‌دادیم، بلکه از شواهد خود استفاده می‌کردیم.»

Desaire و گروهش اسکریپت را بر روی روش‌هایی که توسط تیم‌های قبلی که تشخیص هوش مصنوعی ساخته بودند، تغییر دادند.

او گفت: «ما متن هوش مصنوعی را در هنگام توسعه ویژگی‌های کلیدی مورد توجه قرار ندادیم. ما متن انسانی را در کانون توجه قرار دادیم. به نظر می‌رسد اکثر محققانی که آشکارسازهای هوش مصنوعی خود را می‌سازند از خود می‌پرسند، “متن تولید شده توسط هوش مصنوعی چگونه به نظر می‌رسد؟” ما پرسیدیم، “این گروه منحصر به فرد از نوشته‌های انسانی چگونه به نظر می‌رسد، و چه تفاوتی با متون هوش مصنوعی دارد؟”

در نهایت، نوشته‌ی هوش مصنوعی، نوشته انسانی است، زیرا مولدهای هوش مصنوعی با مخازن بزرگی از نوشته‌های انسانی ساخته شده‌اند که در کنار هم قرار می‌گیرند. اما نوشته هوش مصنوعی، از ChatGPT، نوشته‌های انسانی تعمیم یافته است که از منابع مختلف استخراج شده است.

«نوشته‌های دانشمندان، نوشته‌های انسانی تعمیم‌یافته نیست. این نوشته دانشمندان است و ما دانشمندان یک گروه بسیار ویژه هستیم.»

Desaire کد تشخیص هوش مصنوعی تیمش را به طور کامل برای محققانی که علاقه‌مند به ساخت آن هستند در دسترس قرار داده است. او امیدوار است که دیگران متوجه شوند که هوش مصنوعی در دسترس افرادی است که ممکن است اکنون خود را برنامه نویس رایانه نمی‌دانند.

ChatGPT واقعاً یک پیشرفت رادیکال است، و به سرعت توسط افراد زیادی پذیرفته شده است. به نظر می‌رسد که این یک نقطه عطف در اتکای ما به هوش مصنوعی است. اما واقعیت این است که با راهنمایی و تلاش، یک دانش‌آموز دبیرستانی می‌تواند کاری را که ما انجام دادیم انجام دهد.

«فرصت‌های زیادی برای افراد وجود دارد که با هوش مصنوعی درگیر شوند، حتی اگر مدرک علوم کامپیوتر نداشته باشند. هیچ یک از نویسندگان مقاله ما مدرکی در علوم کامپیوتر ندارند. یکی از نتایجی که می‌خواهم از این کار ببینم این است که افرادی که به هوش مصنوعی علاقه‌مند هستند می‌دانند که موانع توسعه محصولات واقعی و مفید، مانند محصولات ما، چندان زیاد نیست. با کمی دانش و کمی خلاقیت، افراد زیادی می‌توانند در این زمینه سهیم باشند.»

همچنین بخوانید:

منبع

مترجم: شقایق مرتاضی

از این مطلب چقدر راضی بودید؟

روی ستاره کلیک کنید تا نظرتون ثبت بشه