فحص محتوى الذكاء الاصطناعي: مدى فعاليته + الأدوات التي يمكنك استخدامها 

نرى أن من المهم جدًا أن تتسم الأدوات التي تتحقق مما إذا كان المحتوى قد أُنشئ بالذكاء الاصطناعي بالوضوح والصدق والمسؤولية. وينبغي لكل من يحتاج إلى معرفة ما إذا كان نص ما قد كُتب بالذكاء الاصطناعي أن يتمكن بسهولة من معرفة الأداة الأفضل لتلبية احتياجاته.

تُعد أدوات اكتشاف الذكاء الاصطناعي مهمة، لكنها لا تكون صحيحة دائمًا. ويحتاج الناس إلى معرفة ما تستطيع هذه الأدوات فعله وما تعجز عنه. كما ينبغي لمطوري هذه الأدوات أن يكونوا واضحين بشأن مدى كفاءتها.

تتوفر معلومات حول مدى كفاءة أداة Bypass Engine، بما في ذلك تقارير من دراسات مختلفة.

يمكنك اختبار أداة Bypass Engine مجانًا بالنقر هنا.

اكتشف كاشف الذكاء الاصطناعي لدينا 

يوضح لك هذا الدليل كيفية اختيار أفضل كاشف للمحتوى المُنشأ بالذكاء الاصطناعي. كما يشرح آلية عمل هذه الأدوات، ويوفر أدوات لاختبار مدى دقتها. ويتضمن:

• مجموعة بيانات يمكننا استخدامها معًا لاختبار مدى كفاءة أدوات اكتشاف الذكاء الاصطناعي.
• أداة بسيطة تتحقق من مدى كفاءة الذكاء الاصطناعي في التعرّف على المحتوى من مجموعات متنوعة.
• إرشادات وآلة حاسبة لاختيار أفضل الاختبارات لاكتشاف المحتوى المُنشأ بالذكاء الاصطناعي.
• تقارير واضحة تكشف الحقيقة باستخدام بيانات يمكن للجميع الاطلاع عليها.

يساعدك هذا الدليل على تعلم كيفية تقييم كاشفات الذكاء الاصطناعي، والتحقق من مدى كفاءتها، وإجراء تجاربك الخاصة، ومعرفة أداء كل أداة مقارنة بغيرها. 

هل لديك أي أسئلة؟ تواصل معنا!

باختصار:

• أصبح Lite الآن الخيار المفضل للجميع للحصول على مساعدة بسيطة من الذكاء الاصطناعي (مثل ما تقدمه Grammarly)، ليحل محل الإصدار Standard.
• Turbo 3.0.1 أداة فائقة الذكاء تكتشف حتى أصغر مؤشرات استخدام الذكاء الاصطناعي.
• اختر Turbo 3.0.1 لإنجاز أعمال خالية من الذكاء الاصطناعي.
• اختر Lite للحصول على مساعدة أسهل من الذكاء الاصطناعي مع أخطاء أقل.
• أصبح Bypass Engine أفضل من أي وقت مضى في فحص الأعمال، ليكون بذلك أدق أداة لاكتشاف الذكاء الاصطناعي.

لا يكون اكتشاف الذكاء الاصطناعي دقيقًا دائمًا. فبعضهم يرى أنه يكتشف كل شيء، بينما يعتقد آخرون أنه يفوّت الكثير. أما الحقيقة فتقع في مكان ما بين الرأيين. وما زلنا ننتظر لنرى ما إذا كانت OpenAI أو غيرها ستقدم لنا نتائج مختلفة.

– يُعد الوضوح والمسؤولية أمرين مهمين عند تطوير الذكاء الاصطناعي واستخدامه. 

– يمكن لكاشفات الذكاء الاصطناعي أن تساعد في الحد من بعض الآثار السلبية التي قد يتركها الذكاء الاصطناعي التوليدي على المجتمع.

يساعد جعل اكتشاف الذكاء الاصطناعي واضحًا ومسؤولًا في الحفاظ على العدالة والأمان للطلاب والعاملين. ويدعم Bypass Engine الاستخدام السليم للذكاء الاصطناعي، ويشجع على الانفتاح والشفافية، بما يضمن قدرة الناس على الثقة فيما يرونه أو يقرؤونه.

توصي FTC بتوخي الحذر عند تقديم ادعاءات حول مدى كفاءة الذكاء الاصطناعي في اكتشاف المحتوى المُنشأ بالذكاء الاصطناعي.

يجب أن تُثبت أدوات الذكاء الاصطناعي التي تتحقق من الحقائق أنها فعّالة حقًا في ذلك. وإذا ادّعت أنها جيدة من دون دليل، فقد يتسبب ذلك في مشكلات كبيرة للجميع. 

تقول لجنة التجارة الفيدرالية (FTC) إنه لا ينبغي أن نثق بالأدوات التي لا تستطيع إثبات أنها تعمل بشكل صحيح. ويتفق مطوّرو هذه الأدوات مع لجنة التجارة الفيدرالية، ويمكن لأي شخص التحقق من نتائجها. 

وقعت مشكلات بالفعل، مثل حالة معلّم رسب صفًا كاملًا عن طريق الخطأ بسبب هذه الأخطاء.

إن آثار المحتوى الذي ينشئه الذكاء الاصطناعي ولا يستطيع الناس تمييزه على أنه من إنشاء الذكاء الاصطناعي خطيرة. 

نحتاج إلى أدوات تستطيع اكتشاف هذا المحتوى المُنشأ بالذكاء الاصطناعي. أما الأدوات والدراسات المتاحة حاليًا، فليست قوية بما يكفي للتعامل مع المشكلات الكبيرة التي قد يسببها هذا المحتوى.

1. معلومات مضللة منتشرة على نطاق واسع. 
2. قصص غير صحيحة. 
3. رسائل ضارة وغير مرغوب فيها. 
4. نسخ غير نزيه في الدراسة / نسخ الأعمال باستخدام الذكاء الاصطناعي. 
5. معتقدات زائفة.
6. كُتّاب يغشّون. 
7. شركات تغشّ.
8. إشادات مختلقة بالمنتجات.
9. نماذج توظيف مختلقة. 
10. مقالات قبول جامعي مختلقة.
11. طلبات منح دراسية مختلقة.

سجل إصدارات Originality.ai:

نوفمبر 2022 : أطلقوا نسخة تجريبية. وصدرت قبل ChatGPT. وكانت قادرة على اكتشاف GPT-2 وGPT-NEO وGPT-J وGPT-3. لكن كان من الممكن تجاوزها بإجراء بعض التغييرات البسيطة.

أبريل 2023 : أصبحت أفضل في تحديد ما إذا كان ChatGPT قد أنشأ المحتوى، حتى لو غيّر شخص ما كلماته. وأصبحت الأخطاء أقل الآن.

أغسطس 2023 : جعلوا الأداة أكثر دقة، وحسّنوا قدرتها على اكتشاف المحتوى الذي عدّله الذكاء الاصطناعي. كما أتاحوا مجموعة بيانات مجانية وبدؤوا أداة جديدة لفحص أدوات الكشف عن الذكاء الاصطناعي.

فبراير 2024 : حسّنوا Turbo 3.0 باستخدام تقنيات ذكاء اصطناعي جديدة مثل Grok وMixtral وGPT-4 Turbo وGemini وClaude 2. وأصبح أداؤه ممتازًا، إذ بلغت دقته 98.8% مع عدد أقل من الأخطاء.

يوليو 2024 : أطلقوا Lite 1.0.0. وتبلغ دقته 98%، مع نسبة أخطاء تقل عن 1%. كما يساعد على اكتشاف ما إذا كان النص قد استعان بالذكاء الاصطناعي، مثل Grammarly.

سبتمبر 2024 : اختاروا Lite بوصفه أفضل نموذج، وتوقفوا عن استخدام النماذج القديمة.

أكتوبر 2024 : أطلقوا Turbo 3.0.1. ونادرًا ما يخطئ، إذ تقل نسبة أخطائه عن 3%. وقد صُمم بحيث لا ينخدع بحيل الذكاء الاصطناعي، ما يجعله قويًا جدًا في مواجهتها.

كيف يعمل كاشف الذكاء الاصطناعي لدينا: دليل مبسّط

لدينا نظام يستطيع تحديد ما إذا كان شيء ما مكتوبًا بواسطة حاسوب أم بواسطة شخص.

يتحسن النظام من خلال دراسة عدد كبير من الأمثلة التي كتبها الذكاء الاصطناعي والبشر. ويتعلم اكتشاف ما يميز بينهما باستخدام نموذج قوي.

هل تشعر بالفضول لمعرفة كيفية اكتشاف النصوص التي تكتبها الحواسيب؟

كيف تكتشف الآلات النصوص التي يكتبها الذكاء الاصطناعي 

إليك شرحًا مبسطًا للطرق الرئيسية الثلاث التي يمكن للأداة، والتي تُسمى غالبًا «المصنِّف» في مجال التعلم الحاسوبي، من خلالها تحديد ما إذا كان النص مكتوبًا بواسطة الذكاء الاصطناعي أو بواسطة شخص.

1. استخدام السمات لحل المشكلات

• يكتشف الأنماط الموجودة في النصوص التي ينشئها الذكاء الاصطناعي وحدها.
• التذبذب يوضح مدى تكرارنا للكلمات معًا. يكرر البشر بعض العبارات كثيرًا، بينما ينوّع الذكاء الاصطناعي كلماته أكثر.
• مؤشر الالتباس يقيس مدى سهولة تخمين الكلمة التالية. فعادةً ما يكون النص الذي ينشئه الذكاء الاصطناعي سهل التنبؤ به (أقل التباسًا)، بينما يصعب فهم النص الذي يكتبه البشر (أكثر التباسًا).
• خصائص التكرار – تدرس مدى ظهور الكلمات أو العبارات. وقد تشير الأنماط غير المعتادة إلى مساهمة الذكاء الاصطناعي في كتابة النص.
• أظهرت الدراسات أن النصوص التي ينشئها الذكاء الاصطناعي، وخاصة الأنواع القديمة منها، تكون عادةً سهلة الفهم.
• يستخدم الذكاء الاصطناعي علامات الترقيم بشكل صحيح، لكن أسلوبه قد لا يبدو طبيعيًا مثل أسلوب الكتابة البشرية.
• المزايا: سريع، ويوفر المال، وجيد مع أنظمة الذكاء الاصطناعي الأقدم.
• العيوب: يواجه صعوبة مع النماذج المعقدة مثل GPT-4 وBard.
• أمثلة: GPTZero، Winston AI

2. نهج دون أمثلة سابقة

• يطابق الذكاء الاصطناعي النص مع أسلوب كتابته.
• المزايا: سهل الاستخدام، ولا يتطلب تعلمًا إضافيًا.
• العيوب: يسهل التحايل عليه بإعادة صياغة النص.
• أمثلة: GPTZero، ZeroGPT

3. تحسين طريقة جعل الذكاء الاصطناعي أكثر ذكاءً

• يجري فحوصًا باستخدام برامج ذكية مثل BERT وRoBERTa لاكتشاف ما يميز كتابة الذكاء الاصطناعي عن الكتابة البشرية.
• المزايا: أفضل طريقة لمعرفة الجهة التي كتبت النص.
• العيوب: مكلف وبطيء في مواكبة أحدث نماذج الذكاء الاصطناعي.
• أمثلة: Originality.ai AI Detector، OpenAI Text Classifier (أُوقف)

يختبر الاختبار الذي نتحدث عنه مدى كفاءة أجهزة الكشف المختلفة، باستخدام جميع الاستراتيجيات التي ذكرناها سابقًا.

خطة الاختبارات:

اختبرنا أداة Bypass Engine الجديدة لفحص محتوى الذكاء الاصطناعي من خلال تنفيذ بعض الخطوات:

1. فحصنا ثلاثة أنواع مختلفة باستخدام عدد كبير من الأمثلة. 

2. اختبرنا مدى أدائها على مجموعة بيانات صغيرة وصعبة. 

3. جرّبناها باستخدام أدواتنا الخاصة، وأدخلنا المعلومات يدويًا عندما تعذر استخدام الأدوات الآلية. 

4. استخدمنا مصادر بيانات معروفة لمعرفة مدى كفاءة Originality.ai حقًا. 

يمكننا أيضًا إعادة إجراء الاختبار الثاني باستخدام أداة متاحة للجميع ومجموعات بيانات خاصة. 

تعرّف على مجموعة بياناتنا الجديدة للكشف عن الذكاء الاصطناعي الخصومي:

نشارك مجموعة بيانات خاصة لاختبار مدى كفاءة أجهزة كشف الذكاء الاصطناعي وإظهار الجوانب التي تكون أقل قدرة فيها. وهي تتضمن:

• قصص صعبة كتبها روبوت (مثل كتابات ChatGPT-4 أو كلمات الروبوتات المُعاد صياغتها). ونصوص كتبها أشخاص لمعرفة الفرق.

تأتي هذه البيانات من مجموعة كبيرة، لكنها لم تُختر للاختبارات الرئيسية. وهي تساعد على ضمان عدالة الاختبارات وخلوّها من التحيّز.

اطّلع على الجدول أدناه، فهو يتضمن قائمة بمجموعات البيانات ووصفًا موجزًا لكل منها. 

يمكنك تنزيل مجموعة البيانات بالنقر هنا.

ما أفضل طريقة للتحقق؟ جرّب استخدام بياناتك!

يساعد استخدام أدوات الذكاء الاصطناعي مع بياناتك على جعلها أكثر دقة. لكن قد تحتاج إلى ضبطها قليلًا لاكتشاف المنشورات المزيّفة. جرّب أداتنا المجانية للتحقق من مدى كفاءة الكاشف مع بياناتك.

التعرّف على الطريقة واكتشاف الأدوات المجانية للجميع:

طوّر أشخاص أدوات تساعد على اكتشاف المحتوى المكتوب بالذكاء الاصطناعي بصورة أفضل. وهي توفر المعلومات والأرقام والتفاصيل الواضحة. وتعمل أفضل أدواتهم مع كواشف الذكاء الاصطناعي باستخدام رمز خاص، ما يجعل عملية التحقق سهلة ودقيقة.

1. إجراء جميع الاختبارات تقريبًا في الوقت نفسه خلال يوم واحد.
2. التأكد من حصول كل أداة على النص نفسه تمامًا، من دون أي تغييرات في تنسيقه.
3. اختبار مجموعات البيانات بسرعة فور ظهورها.
4. السماح للعملاء المحتملين أو الباحثين بتجربة بياناتهم لتحديد أفضل كاشف للذكاء الاصطناعي يناسب احتياجاتهم.

تظهر نماذج LLM جديدة بسرعة كبيرة، وكذلك تتحسن تقنيات اكتشاف الذكاء الاصطناعي. وهذا يعني أنه إذا استغرق نشر دراسة 4 أشهر، فستكون قديمة جدًا عند نشرها. 

ميزات هذه الأداة:

• مجانية ويمكنك الحصول عليها من دون دفع أي رسوم
• تتحقق من كمية كبيرة من النصوص باستخدام كواشف مختلفة للذكاء الاصطناعي 
• تقدم لك المعلومات بسرعة 
• تحدد تلقائيًا مدى كفاءة الكواشف (مثل دقتها والأخطاء التي ترتكبها وغير ذلك)

اطّلع على الرابط التالي للوصول إلى أداة رائعة: https://github.com/OriginalityAI/AI-detector-research-

أداة. 

أضفنا أيضًا ثلاث طرق سهلة لاستخدام أداتنا مع مجموعات البيانات الخاصة بك.

1. البحث عن المحتوى المُنشأ بالذكاء الاصطناعي في Microsoft Excel
2. البحث عن المحتوى المُنشأ بالذكاء الاصطناعي في Google Sheets. 
3. العثور على محتوى الذكاء الاصطناعي في AirTable.

رؤيتنا حول استخدام كواشف الذكاء الاصطناعي في المدارس ومشكلة الأخطاء

قد يؤدي الاعتماد على درجات الذكاء الاصطناعي وحدها لتحديد ما إذا كان شخص ما قد ارتكب مخالفة إلى نتائج خاطئة. 

لتجنب الأخطاء، قدم المطورون دليلًا للكتّاب والطلاب، بالإضافة إلى أداة مجانية لمتصفح Chrome للتحقق من أصالة العمل.

أُعدّت النسخة الجديدة، 1.0.0 Lite، للمدارس لمساعدتها على إجراء التصحيحات البسيطة بسهولة باستخدام أدوات مشابهة لـ Grammarly.

كيفية التحقق من دقة كواشف الذكاء الاصطناعي

إليك الطريقة التي نحدد بها مدى جودة كواشف الذكاء الاصطناعي المخصصة لاكتشاف المحتوى المُنشأ بالذكاء الاصطناعي. قد تصبح الأمور تقنية قليلًا، لكن إذا أردت التعمق أكثر، فقد أعددنا لك مزيدًا من التفاصيل. 

لا يفيدنا رقم واحد يوضح مدى جودة الكاشف كثيرًا! 

لا ينبغي أن تصدّق درجة «الدقة» وحدها من دون معرفة المزيد عنها. 

لنستعرض الطرق المختلفة التي يمكننا بها معرفة مدى كفاءة هذه الكواشف…

مصفوفة الالتباس 

توضح لنا مصفوفة الالتباس ودرجة F1 مدى قدرة نموذج الذكاء الاصطناعي على التمييز بين المحتوى الحقيقي والمُنشأ بالذكاء الاصطناعي. ويمكنك رؤية ذلك بسرعة في صورة واحدة فقط.

• الإيجابي الحقيقي (TP) يعني أنه اكتشف النص المُنشأ بالذكاء الاصطناعي بشكل صحيح.
• الحالة الفائتة (FN) – أخطأ كاشف الذكاء الاصطناعي، فصنّف محتوى الذكاء الاصطناعي على أنه من كتابة شخص. 
• الإيجابي الكاذب (FP) – أخطأ كاشف الذكاء الاصطناعي، فذكر أن المحتوى الذي كتبه شخص من إنشاء الذكاء الاصطناعي. 
• السلبي الحقيقي – يحدد بشكل صحيح المحتوى الذي كتبه البشر.

فهم مصفوفة الالتباس باستخدام GPT-4 وبيانات بشرية، الإصدار السهل 1.4

معدل الإيجابيات الحقيقية — اكتشاف النصوص المكتوبة بالذكاء الاصطناعي

يكتشف هذا النصوص المكتوبة بالذكاء الاصطناعي بشكل صحيح بنسبة x% من المرات. ويُسمى معدل الإيجابيات الحقيقية، أو TPR، أيضًا الحساسية أو معدل الإصابة أو الاستدعاء.

• معدل الإيجابيات الحقيقية TPR = TP / (TP & FN)

معدل السلبيات الحقيقية — اكتشاف الكتابة البشرية:

يتحقق هذا مما إذا كان المحتوى من إنشاء شخص بشكل صحيح بنسبة x% من المرات. ويُسمى معدل السلبيات الحقيقية TNR أيضًا النوعية أو الانتقائية.

• معدل السلبيات الحقيقية TNR = TN / (TN & FP) = 1- FPR

الدقة:

لا تقتصر الأهمية على أن تكون النتيجة صحيحة — فقد تدّعي بعض الأدوات التي تكتشف الكتابة بالذكاء الاصطناعي أنها دقيقة جدًا، لكنها لا توضّح طريقة عملها.

• الدقة = صحيح / (صحيح + خطأ) = (TP + TN) / (TP + TN + FB +FN)

F1:

درجة تجمع بشكل متوازن بين الدقة والقدرة على اكتشاف جميع العناصر المهمة، لتقييم أدوات اكتشاف الذكاء الاصطناعي بعدل.

• F1 = 2 x (PPV x TPR) / (PPV + TPR) حيث إن الدقة (PPV) = TP / (TP + FP)

المقاييس التي أخذناها في الاعتبار ولم نستخدمها:

• لم نضمّن ROC وAUROC لأننا لا نستطيع تغيير مدى حساسية الأدوات الأخرى، كما أن بعض الأدوات لا تستخدم درجات مئوية.
• لم تُستخدم الدقة، التي تعني PPV =TP /(TP+FP)، أيضًا.

إذًا، ما الذي يُعدّ محتوى من إنشاء الذكاء الاصطناعي تحديدًا؟

ما الذي يُعدّ محتوى من إنشاء الذكاء الاصطناعي وما الذي لا يُعدّ كذلك؟ مع تزايد الكتابة التي ينفذها البشر ومساعدو الذكاء الاصطناعي، يصبح من الصعب معرفة ما إذا كان المحتوى مكتوبًا بالكامل بالذكاء الاصطناعي! 

اتخذت بعض الأبحاث خيارات غريبة بشأن ما تعتبره كتابة بشرية حقيقية أو كتابة من إنشاء الذكاء الاصطناعي. 

فعلى سبيل المثال، تناولت إحدى الدراسات نصوصًا كتبها بشر بلغات مختلفة، ثم ترجمتها إلى الإنجليزية باستخدام الذكاء الاصطناعي، ومع ذلك اعتبرتها عملًا بشريًا أصيلًا. 

وصف مجموعة البيانات:

القول إن مجموعة البيانات التي أنشأها الذكاء الاصطناعي تبدو وكأن شخصًا كتبها؟؟؟

https://arxiv.org/pdf/2306.15666.pdf

يجب أن تتمكن أدوات اكتشاف الذكاء الاصطناعي من معرفة متى خضع النص الذي أنشأه الذكاء الاصطناعي لتغييرات كبيرة. حتى التعديلات البسيطة قد تخفي حقيقة أن الذكاء الاصطناعي أنشأه. لذلك نصنّف المحتوى الذي لامسه الذكاء الاصطناعي بطرق مختلفة.

• كتابة من إنشاء الذكاء الاصطناعي = من إنشاء الذكاء الاصطناعي
• كتابة أنشأها الذكاء الاصطناعي وحسّنها أشخاص = من إنشاء الذكاء الاصطناعي
• محتوى أنشأه الذكاء الاصطناعي مع تغييرات بشرية كبيرة = من إنشاء الذكاء الاصطناعي
• خطة وضعها الذكاء الاصطناعي، لكن أنشأها أشخاص وعدّلوها بشكل كبير = من إنشاء الذكاء الاصطناعي
• كتابة بشرية مع مساعدة بسيطة من الذكاء الاصطناعي = يعتمد على الحالة
• دراسات أجراها الذكاء الاصطناعي، لكن كتبها أشخاص = من إنشاء بشري حقيقي
• الكتابة والمراجعة كلتاهما من تنفيذ أشخاص = من إنشاء بشري حقيقي

كلما زاد استخدامنا للذكاء الاصطناعي في الكتابة، أصبح من الأسهل ملاحظة أنها مكتوبة بالذكاء الاصطناعي. بحثت الصحفية Kristi Hines وآخرون في هذا الأمر، وشاركوا نتائجهم في Search Engine Journal.

نختبر مدى تفرّد إصدار Lite الجديد من Bypass Engine في تحديث يوليو 2024.

وأخيرًا! حان وقت إجراء بعض الاختبارات

تظهر باستمرار نماذج LLM جديدة وأفضل، لذا علينا تحديث نماذجنا وطريقة اختبارها. 

تعرّفوا إلى الإصدار Lite 1.0.0.

يقدّم إصدار يوليو 2024 الإصدار Lite 1.0.0. تعرّفوا إلى أداء نموذج Lite الجديد هذا في اختباراتنا.

1. يتميز إصدار Lite بقدرة عالية جدًا على اكتشاف المحتوى الذي كتبه أشخاص، مع ارتكاب أخطاء قليلة، حتى عند اكتشاف التغييرات الطفيفة التي أجراها الذكاء الاصطناعي.
2. أداء مجموعات البيانات المختلفة

• يستطيع الإصدار Lite 1.0.0 معرفة ما إذا كان المحتوى قد خضع لبعض التعديلات بالذكاء الاصطناعي أو أُنشئ بالكامل بواسطته.
• لديه احتمال منخفض جدًا، لا يتجاوز 1%، للخطأ عندما يقرر أن المحتوى أُنشئ بالذكاء الاصطناعي (وهذا أفضل من الإصدار الأقدم 2.0.0). كما أنه جيد في عدم تفويت المحتوى المُنشأ بالذكاء الاصطناعي، إذ لا يتجاوز احتمال ذلك 2%. 
• كان الأكثر دقة في 4 من أصل 10 اختبارات للذكاء الاصطناعي خضع لها.

3. أهم النقاط: معدل أخطاء منخفض جدًا وقدرة ممتازة على اكتشاف المحتوى الذي أُجريت عليه تعديلات بسيطة بالذكاء الاصطناعي.

يتميز الإصدار Lite 1.0.0 بقدرة فائقة على اكتشاف التعديلات التي تجريها أدوات الذكاء الاصطناعي مثل Grammarly، ونادرًا ما يخطئ. وهذا يجعله خيارًا ممتازًا للمدارس والتعليم.

مراجعة 6 أدوات لاكتشاف الذكاء الاصطناعي المتخفي

بعد ذلك، سنختبر أدوات مختلفة لاكتشاف الذكاء الاصطناعي لمعرفة مدى فعاليتها.

ولإجراء هذه الاختبارات مرارًا وتكرارًا، استخدمنا…

1.  تعرّفوا على أداتنا الجديدة كليًا: أداة مفتوحة المصدر للتحقق من دقة اكتشاف الذكاء الاصطناعي. 
2. إليك مجموعات البيانات المجانية التي يمكنك استخدامها لمعرفة مدى أداء الأدوات مقارنةً ببعضها:

• معيار مفتوح المصدر لاختبار اكتشاف الذكاء الاصطناعي المت adversarial
• مجموعة بيانات التحيز الخاصة بكاشف ChatGPT

الاختبار رقم 2 معقد. فهو يستخدم إعدادات صعبة وبيانات من GPT-3 وGPT-4 وChatGPT وأداة Paraphraser. وهذا يختلف عن معظم أدوات اكتشاف الذكاء الاصطناعي التي تختبر محتوىً مولدًا بالذكاء الاصطناعي في صورته المعتادة.

تعرّف على الاختبار رقم 2 — ما توصلنا إليه 

يمكنك الاطلاع على النتائج والبيانات والتفاصيل عبر تنزيلها من هنا:

• https://drive.google.com/drive/folders/14uCk9s8ypSp63Yd-M4EGYr9uDyO4U9D0?usp=drive_link

الاختبار رقم 2 – نتائج التحقق من قدرة الذكاء الاصطناعي على اكتشاف النصوص التي أنشأها الذكاء الاصطناعي:

أجرينا هذا الاختبار باستخدام الإصدار الأقدم 2.0.0، لكننا لم نعد نستخدمه. 

والآن، لنلقِ نظرة على مدى أداء أحدث إصداراتنا، Lite، في هذه الاختبارات.

• يرتب الجدول النتائج وفق مقياس خاص يُسمى F1. ويوضح هذا المقياس مدى قدرة الأداة على اكتشاف المحتوى المُنشأ بالذكاء الاصطناعي وتمييزه عن المحتوى البشري.
• أبلت كل أداة بلاءً حسنًا نسبيًا في تجنب الخلط بين الأنواع، إذ تراوحت معدلات الخطأ بين 0.8% و7.6%.
• تفاوتت قدرتها على اكتشاف المحتوى المُنشأ بالذكاء الاصطناعي بدرجة كبيرة، من 19.8% إلى 98.4%.

الاختبار رقم 2 — كيف يحدد كل كاشف للذكاء الاصطناعي المحتوى المربك:

فهم البيانات مع Bypass Engine — نظرة مبسطة على تجربتنا الثانية باستخدام مجموعات بيانات صعبة 

[Turbo Model 3.0.1]

[Lite Model 1.0.0]

Winston.AI — تجربة — التجربة الثانية باستخدام بيانات صعبة

Winston.ai F1 = 52.0

Tree.AI — جدول الالتباس — التحقق من بيانات التحدي في التجربة رقم 2

Sapling.ai F1 = 37.9

GPTZero في مواجهة الالتباس – الجولة الثانية: اختبار باستخدام بيانات صعبة

GPTZero F1 = 34.2

استكشاف Content at Scale – فهم الالتباس – التجربة رقم 2: اختبار بيانات التحدي

ContentatScale F1 = 33.4

CopyLeaks: تجربة الاختبارات على مجموعات بيانات معقدة

CopyLeaks F1 = 32.9

مشكلات الاختبار رقم 2:

تسهيل إدخال البيانات: اضطررنا إلى فحص بعض أدوات الذكاء الاصطناعي مثل ContentAtScale وTurnItIn وWinstonAI يدويًا، لأن أجهزة الكمبيوتر لم تستطع إنجاز كل شيء. وقد تكون هناك بعض الأخطاء، لكننا راجعنا البيانات التي لم نكن متأكدين منها مرتين.

جودة البيانات: جاءت مجموعة البيانات من مجموعة أكبر بكثير ولم تُنقَّ بالكامل، لذلك قد لا تكون بعض الأمثلة مثالية.

في 13 فبراير 2024، اختبرنا كاشف الذكاء الاصطناعي الجديد لدينا، كما أجرينا اختبارات في الفترة من 24 إلى 28 يوليو 2023. توضّح هذه الاختبارات مستوى أدائه في ذلك الوقت، لكنها قد لا تعكس أداءه لاحقًا.

يقول فريقنا المتخصص في دراسة الذكاء الاصطناعي إن استخدام 2,000 اختبار فقط لا يوضّح لنا كل شيء عن طريقة عمله.

هل تحتاج إلى التحقق من مدى دقته باستخدام معلومات متنوعة؟ استخدم أداتنا المجانية التي تدعم أنواعًا عديدة من البيانات.

• أداة مقارنة كواشف الذكاء الاصطناعي ومجموعة البيانات مفتوحة المصدر: متاحة الآن

الاختبار رقم 3 – مجموعات بيانات أخرى لكشف الذكاء الاصطناعي و5 اختبارات إضافية:

إليك المزيد من البيانات لتجربتها. 

لم نختبر جميع الأدوات باستخدام هذه البيانات، لكننا اختبرنا Bypass Engine عليها. إليك أداء Bypass Engine.

جميع هذه البيانات مأخوذة من أوراق بحثية يمكن لأي شخص قراءتها.

نستعرض أدناه الفروقات بين نموذجي Lite وTurbo.

الاختبار 3-A: ما مدى تشابه ChatGPT مع الخبراء البشريين الحقيقيين؟

• تُظهر الدراسة أن النموذج يتفوق على المحكّمين البشريين وحتى أفضل الخبراء بنسبة 8.8%. كما يحقق نتائج أفضل في اختبارات مختلفة مقارنةً بالنماذج الأخرى التي شملها البحث.
• https://arxiv.org/pdf/2301.07597.pdf
• https://huggingface.co/datasets/Hello-SimpleAI/HC3

اختبار Bypass Engine رقم 3-A: تحويل كلمات ChatGPT إلى أسلوب بشري

[Turbo Model 3.0.1]

‍

[Lite Model 1.0.0]

الاختبار 3-B: التحقق من إمكانية اكتشاف المقالات العلمية التي كتبتها الحواسيب

• https://aclanthology.org/2023.trustnlp-1.17.pdf.
• https://huggingface.co/datasets/tum-nlp/IDMGSP
• نموذجنا أكثر دقة من أربعة نماذج أخرى وفقًا لمقياس الاختبار. ولا يحتاج إلى التعلّم من الأوراق البحثية. لكن إذا تعلّمت النماذج الثلاثة الأخرى من جميع أنواع بيانات الاختبار تقريبًا، فإنها تتفوق على نموذجنا بفارق بسيط. 

Bypass Engine: الاختبار رقم 3-B لاكتشاف المقالات التي كتبها الذكاء الاصطناعي

[Turbo Model 3.0.1]

[Lite Model 1.0.0]

‍مجموعة البيانات والنتائج

الاختبار 3-C: اكتشاف النصوص التي كتبتها أنظمة الذكاء الاصطناعي الكبيرة

• أظهرت الورقة البحثية أن التفرد تفوق على جميع الكواشف التي خضعت للاختبار.
• الورقة البحثية: https://arxiv.org/pdf/2305.15047.pdf
• مجموعة البيانات: https://github.com/vivek3141/ghostbuster (2,895 عينة)

اختبار Ghostbuster — مخطط الالتباس — Bypass Engine، الاختبار 3-C

[Turbo Model 3.0.1]

[Lite Model 1.0.0]

‍مجموعة البيانات والنتائج

الاختبار 3-D — تعلّم كيفية اكتشاف الذكاء الاصطناعي للمقالات التي أنشأها

• حصلنا على نتيجة مثالية بنسبة 100% في كلتا الفئتين.
• توضح المقالات التي كتبها طلاب سويديون يتعلمون الإنجليزية مدى جودة أداء نموذجنا مع متعلمي اللغة الإنجليزية.
• تفوقنا على كل نموذج ذُكر هنا.
• https://www.mdpi.com/2076-3417/13/13/7901
• https://github.com/rcorizzo/one-class-essay-detection

Bypass Engine — فهم جدول الالتباس — الاختبار رقم 3-D — اكتشاف المقالات التي كتبها الذكاء الاصطناعي

[Turbo Model 3.0.1]

‍مجموعة البيانات والنتائج

الاختبار 3-E — اكتشف الذكاء الاصطناعي: العثور على المقالات المدرسية التي كتبها ChatGPT باستخدام CheckGPT

• كان نظامنا بارعًا جدًا في اكتشاف النصوص التي أنشأها الذكاء الاصطناعي، إذ أصاب في 96.7% من الحالات. ويشمل ذلك موضوعات صعبة مثل الفيزياء وعلوم الحاسوب والدراسات الاجتماعية، وهي موضوعات لم نركّز عليها عند إنشاء النظام. أما GPTZero فبلغت دقته 61.2%.
• فحصنا 9,000 مثال، وتمكّنا من تحديدها بشكل صحيح في 94.5% من الحالات، وهي نتيجة تكاد تضاهي أفضل دراسة مماثلة. ورغم أننا أجرينا الاختبارات بطرق مختلفة، فقد حققنا أداءً ممتازًا وتفوّقنا بفارق كبير على GPTZero في تحديد ما إذا كان المحتوى قد أُنشئ بواسطة الذكاء الاصطناعي.
• https://arxiv.org/pdf/2306.05524.pdf
• https://huggingface.co/datasets/julianzy/GPABenchmark

TryMe Originality – لغز الالتباس – الاختبار #3-E – هل يمكنك اكتشافي؟

[Turbo Model 3.0.1]

‍مجموعة البيانات والنتائج

دراسات أخرى 

الدراسات والبيانات التي لم نتحدث عنها تواجه المشكلات نفسها…

• اختبارات محدودة (استخدام 100 عينة لا يكفي على الإطلاق!)
• فترات الانتظار الطويلة — إذا استغرق نشر دراسة وقتًا طويلًا، فهذه مشكلة لأن الأمور تتغير بسرعة.
• عدم مشاركة البيانات — عندما لا تشارك الدراسات بياناتها، يكون ذلك مخيبًا للآمال دائمًا.
• مقارنة الأدوات — عند مقارنة الأدوات أو مستوى الدقة، يجب مشاركة البيانات المستخدمة. 
• اختبارات ذكاء اصطناعي بسيطة — من الصعب والمكلف إعداد اختبارات تميّز بوضوح بين الذكاء الاصطناعي والبشر، لكن إعداد اختبارات سهلة يكون تبسيطًا مفرطًا. فالاختبار الذي يستخدم بيانات أنشأها GPT-2 لا يقدم لنا معلومات كثيرة.
• اختبارات أخرى تستحق الاطلاع عليها:
• كاشف الذكاء الاصطناعي HuggingChat 
• مدقق الانتحال في النصوص المعاد صياغتها

أجرت جهات مستقلة ست دراسات إضافية، ووجدت أن Original هو الخيار الأكثر دقة.

• استكشاف مدى قدرتنا على اكتشاف النصوص المكتوبة بالذكاء الاصطناعي
• دراسة طرق اكتشاف النصوص التي أنشأها الذكاء الاصطناعي
• ما مدى كفاءة البرامج في اكتشاف النصوص المكتوبة بالذكاء الاصطناعي؟
•  نظرة معمّقة على دراسة «RAID» 
• عندما يكتب الذكاء الاصطناعي في الموضوعات الطبية
• بحث حول دور الذكاء الاصطناعي في تلخيص العلوم
• التحقق من استخدام الطلاب للذكاء الاصطناعي في واجباتهم المنزلية

استخدمنا بياناتنا الخاصة وبيانات أخرى متاحة للجميع. وتُظهر الاختبارات باستمرار أن Originality.ai بارع في اكتشاف المحتوى المُنشأ بالذكاء الاصطناعي.

كل أداة لاكتشاف النصوص المُنشأة بالذكاء الاصطناعي

إليك دليلًا مبسطًا للعثور على أدوات التحقق من المحتوى المُنشأ بالذكاء الاصطناعي. وإذا أردت مقارنة المزيد من أدوات التحقق من الذكاء الاصطناعي ومعرفة وظائفها، فاطّلع على هذا المقال: «22 أداة لاكتشاف المحتوى المُنشأ بالذكاء الاصطناعي». 

قائمة الأدوات:

1. HuggingFace
2. GLTR.io AI 
3. Passed.AI
4. Writer.com 
5. Willieai.com 
6. GPTZero
7. ContentAtScale
8. CopyLeaks
9. POE Poem of Quotes
10. DetectGPT
11. On-Page.AI
12. GPTRadar.com
13. Percent Human
14. Grover 
15. KazanSEO
16. Sapling
17. CrossPlag
18. CheckForAI.com
19. Draft & Goal
20. GPTkit.ai
21. ParaphrasingTool.ai 
22. مصنّف النصوص من OpenAI (تمت إزالته)
23. فحص الكتابة بالذكاء الاصطناعي
24. Winston AI
25. InkForAll
26. ContentDetector.ai
27. WriteFull
28. ZeroGPT
29. TurnItIn
30. Bypass Engine

أثبتت الاختبارات أن بعض الأدوات أفضل من غيرها! صُمّمت العديد من الأدوات بسرعة، وتستخدم ببساطة كاشف GPT-2 مفتوح المصدر واسع الانتشار (وقد سجّل 195 ألف عملية تنزيل الشهر الماضي).

لماذا يعمل نموذجنا بشكل أفضل؟

إليك سبب اعتقادنا بأن Originality.ai يؤدي مهمة أفضل بكثير في اكتشاف المحتوى المكتوب بالذكاء الاصطناعي مقارنةً بالخيارات الأخرى المتاحة:

1. يستهلك نموذج الذكاء الاصطناعي هذا قدرًا كبيرًا من الطاقة، ما يجعل تشغيله مكلفًا. لذلك، لا يمكن أن يكون مجانيًا أو مدعومًا بالإعلانات.
2. يساعد هذا الذكاء الاصطناعي الأشخاص الذين يكتبون على الإنترنت. ويتعلم من خلال قراءة المحتوى المنشور على الإنترنت لتحديد ما إذا كان الإنسان أو الذكاء الاصطناعي هو من كتبه. ولا ينظر إلى الكتب القديمة لأنها مكتوبة بطريقة مختلفة.
3. يتحسن الذكاء الاصطناعي من خلال دراسة الأسئلة الصعبة وطرق التحايل، كما يتغير للتعامل مع المشكلات الجديدة بدقة أكبر.

كلمة أخيرة 

عمل فريق Bypass Engine بجد كبير لتحسين أداة فحص المحتوى بالذكاء الاصطناعي، ويسعى إلى تحقيق أفضل أداء.

النتائج…

• يُطلق Bypass Engine الإصدار Lite 1.0.0.
  • يتميز Lite 1.0.0 بدقة عالية جدًا، إذ تبلغ نسبة نجاحه 98%. ولا يخطئ إلا في 1% من الحالات. ويمكنك أيضًا استخدامه لتحسين كتابتك، مثل الاستفادة من نصائح Grammarly. إنه مثالي للواجبات المدرسية.
• يُطلق Bypass Engine الإصدار Turbo 3.0.1
  • يحقق Turbo 3.0.1 نتائج صحيحة في معظم الأحيان تقريبًا، مع عدد قليل جدًا من الأخطاء، ومن الصعب خداعه.
  • إذا كنت لا تريد حقًا وجود أي أثر للذكاء الاصطناعي في كتابتك، فاختر الإصدار Turbo 3.0.1. 
  • إذا كنت لا تمانع في إصلاح بعض الأمور البسيطة، فاختر Lite.
• في ست دراسات مختلفة، كان أحدث إصدار من Bypass Engine الأفضل أداءً في اكتشاف النتائج الدقيقة في كل مرة.
• اختبرنا ست أدوات للتحقق مما إذا كانت الكتابة من إنتاج الذكاء الاصطناعي، وذلك باستخدام مجموعة اختبارات جديدة وصعبة. وكانت Bypass Engine الأفضل في اكتشاف المحتوى المكتوب بالذكاء الاصطناعي.
• أداة جديدة سهلة الاستخدام ومجموعة بيانات مخصصة لاختبار أدوات الكشف بسرعة، تم إنشاؤها ومشاركتها

نأمل أن يساعدك هذا المنشور على فهم أدوات الكشف عن الذكاء الاصطناعي ومدى دقتها بسهولة أكبر. ونريد تزويدك بالأدوات اللازمة للتحقق بنفسك إذا كنت مهتمًا. 

نحن نؤمن…

1. ينبغي أن نتحلى بالشفافية والمسؤولية عند تطوير الذكاء الاصطناعي واستخدامه.
2. يمكن لأدوات اكتشاف الذكاء الاصطناعي أن تساعد في الحد من بعض الآثار السلبية التي قد يتركها على المجتمع. 
3. يجب توضيح مدى دقة أدوات اكتشاف الذكاء الاصطناعي ومساحة خطئها بوضوح ومسؤولية، تمامًا كما نطالب بذلك عند تطوير الذكاء الاصطناعي واستخدامه.

نأمل أن تكون هذه الدراسة مفيدة. هل لديك أسئلة حول Bypass Engine؟ 

تواصل معنا.

هل تفكر في إجراء اختباراتك الخاصة؟ أخبرنا بذلك. سواء كنت طالبًا أو صحفيًا أو ترغب فقط في التعلّم، فنحن هنا لمساعدتك. 

تعرّف على مدى دقة Bypass Engine في دراسات مختلفة، وجرّب أداة الكشف عن الذكاء الاصطناعي بنفسك!