ChatGPT“克星”：用AI识别AI生成的文本，英语论文阅读笔记都能测出

Ericcolin · 发表于 2023-6-27 20:24:19

萧箫发自凹非寺
量子位 | 公众号 QbitAI

ChatGPT的呈现，让不少人看到了交期末大作业的曙光（手动狗头）。
无论是英语论文、还是阅读笔记，只要在ChatGPT的常识范围内，都可以奉求它辅佐完成，写出来的内容也有理有据。
不外，有没有想过你的老师也筹备用“AI文本检测器”一类的东西来防止你作弊？
像这样输入一段看起来没短处的笔记，颠末它一番检测，认为这段文字“由AI编写”（Fake）的可能性为99.98%！

△文本由ChatGPT生成
换个数学论文尝尝？ChatGPT的输出看起来没啥问题，却仍然被它准确识破了：

△文本由ChatGPT生成
这可不是靠瞎蒙或猜测，毕竟对方同样是个AI，还是个训练有素的AI。
看到这有网友调侃：用魔法打败魔法？

用AI写的东西来训练新AI

这个AI检测器名叫GPT-2 Output Detector，是OpenAI联合哈佛大学等高校和机构一起打造的。（没错，OpenAI自家做的）

输入50个以上字符（tokens）就能较准确地识别AI生成的文本。
但即便是专门检测GPT-2的模型，用来检测其他AI生成文本效果也同样不错。
作者们先是发布了一个“GPT-2生成内容”和WebText（专门从国外贴吧Reddit上扒下来的）数据集，让AI理解“AI语言”和“人话”之间的差异。
随后，用这个数据集对RoBERTa模型进行微调，就得到了这个AI检测器。

RoBERTa（Robustly Optimized BERT approach）是BERT的改良版。原始的BERT使用了13GB大小的数据集，但RoBERTa使用了包含6300万条英文新闻的160GB数据集。

此中，人话一律被识别为True，AI生成的内容则一律被识别为Fake。
例如这是一段从Medium英文博客上复制的内容。从识别成果来看，很显然作者是亲自写的（手动狗头）：

△文字来源Medium@Megan Ng
当然，这个检测器也并非100%准确。
AI模型参数量越大，生成的内容越不容易被识别，例如1.24亿参数量的模型“被抓包”的概率就比15亿参数更高。
同时，模型生成成果随机性越高，AI生成内容被检测出来的概率也会更低。
但即便将模型调整到生成随机性最高（Temperature=1，越接近0生成随机性越低），1.24亿参数模型被检测出的概率仍然是88%，15亿参数模型被检测出的概率仍然有74%。
这是OpenAI两年前发布的模型，当时对GPT-2生成的内容就“一打一个准”。
此刻面对升级版的ChatGPT，检测英文生成内容的效果依旧能打。
但面对ChatGPT生成的中文，它的识别能力就不那么好了。例如让ChatGPT来一段作文：

AI检测器给出是人写的概率为99.96%……

当然话说回来，ChatGPT也能检测本身生成的文本。
所以，不排除老师将你的作业直接交给ChatGPT来识别：

One More Thing

值得一提的是，ChatGPT暗示本身并不能访谒互联网来搜索信息。
显然，它还意识不到GPT-2 Output Detector这个AI检测器的存在：

所以能不能像网友所说，让ChatGPT生成一段“不被AI检测器测出来的”内容呢？

很遗憾不能：

所以大作业还是本身写吧……
参考链接：
[1]https://weibo.com/1402400261/Mj7QtwRoH
[2]https://github.com/openai/gpt-2-output-dataset/tree/master/detector
[3]https://chat.openai.com/
[4]https://medium.com/user-experience-design-1/how-chatgpt-is-blowing-google-out-of-the-water-a-ux-breakdown-784340c25d57
—完—
@量子位 · 追踪AI技术和产物新动态
深有感到的伴侣，欢迎附和、存眷、分享三连վ'ᴗ' ի ❤

pptp · 发表于 2023-6-27 20:24:26

gan 模型在chatGPT上的运用

薅诅屠胎8f1 · 发表于 2023-6-27 20:24:56

遭了，以后论文不但要查重，还要查AI[惊喜]

tian吴霞 · 发表于 2023-6-27 20:25:32

如果不明确要求不能用AI生成文章并且AI平台生成的文章的版权归用户就可以用AI写。

		自动登录	找回密码
密码			立即注册

ChatGPT“克星”：用AI识别AI生成的文本，英语论文阅读笔记都能测出

本帖子中包含更多资源