Creemos que es muy importante que las herramientas que comprueban si un contenido ha sido creado por IA sean claras, honestas y responsables. Cualquiera que necesite averiguar si algo fue escrito por IA debería poder descubrir fácilmente qué herramienta funciona mejor para sus necesidades.
Las herramientas de detección de IA son importantes, pero no siempre aciertan. Es necesario saber qué pueden hacer y qué no pueden hacer estas herramientas. Quienes las desarrollan deben explicar con claridad qué tan bien funcionan.
Hay información disponible sobre el rendimiento de Bypass Engine, incluidos informes de distintos estudios.
Puedes probar Bypass Engine gratis haciendo clic aquí.
Descubre nuestro detector de IA
Esta guía te muestra cómo elegir el mejor detector de contenido generado por IA. Explica cómo funcionan y ofrece herramientas para comprobar su precisión. Incluye:
- Un conjunto de datos que podemos utilizar para comprobar conjuntamente la eficacia de los detectores de IA.
- Una herramienta sencilla que comprueba qué tan bien reconoce la IA distintos elementos de varias colecciones.
- Instrucciones y una calculadora para elegir las mejores pruebas de detección.
- Informes claros que muestran la verdad mediante datos que todo el mundo puede consultar.
Esta guía te ayuda a aprender a identificar detectores de IA, comprobar si funcionan bien, realizar tus propios experimentos y comparar el rendimiento de distintas herramientas.
¿Tienes alguna pregunta? ¡Ponte en contacto con nosotros!
En pocas palabras:
- Lite es ahora la opción favorita de todos para obtener ayuda sencilla con la IA (como la que ofrece Grammarly), en sustitución de la versión Standard.
- Turbo 3.0.1 es una herramienta muy inteligente que detecta hasta las señales más pequeñas de IA.
- Elige Turbo 3.0.1 para trabajar sin IA.
- Elige Lite para recibir una ayuda más sencilla con la IA y cometer menos errores.
- Bypass Engine ha mejorado aún más a la hora de revisar textos, lo que lo convierte en la herramienta de IA más precisa que existe.
La detección de IA no siempre acierta. Algunos creen que lo detecta todo, mientras que otros piensan que se le escapan muchas cosas. La realidad está en un punto intermedio. Todos estamos esperando a ver si OpenAI, o cualquier otra empresa, puede mostrarnos algo diferente.
– Ser claros y responsables es importante al desarrollar y utilizar la IA.
– Los detectores de IA pueden ayudar a prevenir algunos de los efectos negativos que la IA generativa podría tener en la sociedad.
Hacer que la detección de IA sea clara y responsable ayuda a mantener la equidad y la seguridad para estudiantes y trabajadores. Bypass Engine respalda el uso correcto de la IA. Promueve la transparencia para garantizar que las personas puedan confiar en lo que ven o leen.
La FTC recomienda tener cuidado con las afirmaciones sobre la capacidad de la IA para detectar contenido generado por IA.
Las herramientas de IA que verifican hechos deben demostrar que realmente funcionan bien. Afirmar que son eficaces sin pruebas puede causar grandes problemas a todo el mundo.
La FTC afirma que no debemos confiar en herramientas que no puedan demostrar que funcionan correctamente. Quienes desarrollan estas herramientas coinciden con la FTC y permiten que cualquiera compruebe su trabajo.
Ha habido problemas, como el caso de un profesor que suspendió por error a toda una clase debido a estos fallos.
Las consecuencias del contenido generado por IA que las personas no pueden identificar como tal son graves.
Necesitamos herramientas capaces de detectar este contenido generado por IA. Por ahora, las herramientas y los estudios disponibles no son lo bastante sólidos para afrontar los grandes problemas que este contenido puede causar.
- Información engañosa ampliamente difundida.
- Historias falsas.
- Mensajes dañinos y no deseados.
- Copias injustas en la escuela / Trabajos copiados con IA.
- Creencias falsas.
- Escritores que hacen trampa.
- Empresas que hacen trampa.
- Elogios inventados para productos.
- Formularios de empleo inventados.
- Ensayos de admisión universitaria inventados.
- Solicitudes de becas inventadas.
Historial de versiones de Originality.ai:
Noviembre de 2022 : Lanzaron una versión de prueba. Salió antes que ChatGPT. Podía detectar GPT-2, GPT-NEO, GPT-J y GPT-3. Sin embargo, con algunos pequeños cambios era posible eludirlo.
Abril de 2023 : Mejoró a la hora de determinar si ChatGPT había creado algo, incluso cuando alguien cambiaba las palabras. Ahora cometía menos errores.
Agosto de 2023 : Mejoraron la precisión y la capacidad para detectar contenido modificado por IA. También ofrecieron un conjunto de datos gratuito y pusieron en marcha una nueva herramienta para comprobar los detectores de IA.
Febrero de 2024 : Mejoraron Turbo 3.0 utilizando nuevas tecnologías de IA como Grok, Mixtral, GPT-4 Turbo, Gemini y Claude 2. Alcanzó una gran precisión: acertaba el 98.8% de las veces y cometía menos errores.
Julio de 2024 : Lanzaron Lite 1.0.0. Tiene una precisión del 98% y una tasa de errores inferior al 1%. También ayuda a detectar si un texto utiliza asistencia de IA, como Grammarly.
Septiembre de 2024 : Eligieron Lite como el mejor modelo y dejaron de utilizar los anteriores.
Octubre de 2024 : Lanzaron Turbo 3.0.1. Casi nunca se equivoca, con una tasa de errores inferior al 3%. Está diseñado para no dejarse engañar por la IA y ofrece una gran resistencia a los intentos de manipulación.
Cómo funciona nuestro detector de IA: una guía sencilla
Tenemos un sistema capaz de determinar si algo ha sido escrito por un ordenador o por una persona.
El sistema mejora estudiando numerosos ejemplos escritos por IA y por personas. Aprende a identificar sus diferencias mediante un modelo avanzado.
¿Te interesa detectar textos escritos por ordenadores?
Cómo detectan las máquinas los textos escritos por IA Máquinas
Esta es una explicación sencilla de las tres formas principales en que una herramienta (a menudo llamada «clasificador» en el ámbito del aprendizaje automático) puede determinar si un texto ha sido escrito por una IA o por una persona.
1. Uso de características para resolver problemas
- Detecta patrones que solo aparecen en los textos generados por IA.
- La variación muestra cuánto repetimos las palabras juntas. Las personas utilizan algunas frases con frecuencia, pero la IA cambia más las palabras.
- La confusión mide si podemos predecir fácilmente la siguiente palabra. El texto creado por IA suele ser fácil de predecir (menos confuso), mientras que el texto escrito por personas es más difícil de anticipar (más confuso).
- Características de frecuencia – Analizan cuánto aparecen determinadas palabras o frases. Los patrones inusuales pueden indicar que la IA ha intervenido.
- Los estudios han demostrado que el texto generado por IA, especialmente el de los modelos más antiguos, suele ser fácil de entender.
- La IA utiliza correctamente la puntuación, pero puede no resultar tan natural como la forma de escribir de las personas.
- Ventajas: Rápido, económico y eficaz con sistemas de IA antiguos.
- Desventajas: Tiene dificultades con modelos complejos como GPT-4 y Bard.
- Ejemplos: GPTZero, Winston AI
2. Un enfoque de cero ejemplos
- La IA compara el texto con su propia forma de escribir.
- Ventajas: Fácil de usar, sin necesidad de aprendizaje adicional.
- Desventajas: Es fácil de eludir reformulando el texto
- Ejemplos: GPTZero, ZeroGPT
3. Mejorar la forma de hacer que la IA sea más inteligente
- Analiza programas inteligentes (como BERT y RoBERTa) para identificar qué diferencia la escritura de la IA de la escritura humana.
- Ventajas: Es la mejor manera de determinar quién creó el texto.
- Desventajas: Es caro y lento a la hora de mantenerse al día con los modelos de IA más recientes.
- Ejemplos: Originality.ai AI Detector, OpenAI Text Classifier (fuera de servicio)
La prueba de la que hablamos analiza el rendimiento de distintos detectores utilizando todas las estrategias que hemos mencionado anteriormente.
Plan de las pruebas:
Probamos el nuevo comprobador de contenido de IA de Bypass Engine de varias formas:
1. Analizamos tres tipos diferentes con muchos ejemplos.
2. Comprobamos qué tal funcionaba con un conjunto de datos pequeño y exigente.
3. Lo probamos con nuestras propias herramientas e introdujimos la información manualmente cuando no pudimos usar procesos automáticos.
4. Utilizamos conjuntos de datos conocidos para comprobar lo bueno que es realmente Originality.ai.
También podemos repetir la segunda prueba con una herramienta de acceso público y conjuntos de datos especiales.
Descubre nuestro nuevo conjunto de datos para probar detectores de IA:
Compartimos un conjunto de datos especial para comprobar el rendimiento de los detectores de IA y mostrar sus limitaciones. Incluye:
- Textos difíciles generados por robots, como textos escritos por ChatGPT-4 o contenido generado por robots y posteriormente modificado. También incluye textos escritos por personas para poder comparar las diferencias.
Estos datos proceden de un grupo amplio, pero no se seleccionaron para las pruebas principales. Esto ayuda a garantizar que las pruebas sean justas y no estén sesgadas.
Consulta la tabla siguiente. Incluye una lista de conjuntos de datos y una breve descripción de cada uno.
Puedes descargar el conjunto de datos haciendo clic aquí.
¿Cuál es la mejor forma de comprobarlo? ¡Usa tus propios datos!
Usar herramientas de IA con tu información ayuda a mejorar su precisión. Sin embargo, es posible que tengas que ajustarlas un poco para detectar contenido falso. Prueba nuestra herramienta gratuita para comprobar qué tal funciona el detector con tus datos.
Cómo descubrirlo y encontrar herramientas gratuitas para todos:
Se han creado herramientas para detectar mejor el contenido escrito por IA. Proporcionan información, métricas y detalles claros. Su mejor herramienta funciona con detectores de IA mediante un código especial que facilita unas comprobaciones sencillas y precisas.
- Realizar todas las pruebas prácticamente al mismo tiempo, en un solo día.
- Asegurarnos de que cada herramienta reciba exactamente el mismo texto, sin cambios en su formato.
- Probar rápidamente los conjuntos de datos a medida que aparecen.
- Permitir que posibles clientes o investigadores prueben sus datos para determinar cuál es el mejor detector de IA según sus necesidades.
Los nuevos LLM aparecen muy rápido, y la detección de IA también mejora a gran velocidad. Esto significa que, si un estudio tarda 4 meses en publicarse, para entonces ya estará desactualizado.
Funciones de esta herramienta:
- Gratuita y disponible sin pagar
- Puede analizar mucho texto con distintos detectores de IA
- Te proporciona la información rápidamente
- Determina automáticamente el rendimiento de los detectores, incluida su precisión, sus errores y mucho más
Consulta el enlace de esta interesante herramienta: https://github.com/OriginalityAI/AI-detector-research-
herramienta.
También hemos añadido tres métodos sencillos para usar nuestra herramienta con tus conjuntos de datos.
- Busca contenido generado por IA en Microsoft Excel
- Busca contenido creado por IA en Google Sheets.
- Encuentra contenido generado por IA en Airtable.
Nuestra opinión sobre el uso de detectores de IA en las escuelas y el problema de los errores
Tomar decisiones basándose únicamente en las puntuaciones de IA puede llevar a errores al determinar si alguien ha hecho algo incorrecto.
Para evitar errores, los creadores han proporcionado una guía para escritores y estudiantes, además de una herramienta gratuita para Chrome que permite comprobar si un trabajo es original.
La nueva versión, 1.0.0 Lite, está diseñada para centros educativos y facilita pequeñas correcciones con herramientas similares a Grammarly.
Cómo comprobar si los detectores de IA son precisos
Así determinamos si los detectores de IA que identifican contenido generado por IA son realmente eficaces. Puede resultar un poco técnico, pero si quieres profundizar, tenemos más detalles preparados para ti.
¡Un único número que indique lo bueno que es un detector no resulta de mucha ayuda!
No deberías confiar en una sola puntuación de «precisión» sin conocer más detalles sobre ella.
Veamos las distintas formas de comprobar qué tan bien funcionan estos detectores…
Matriz de confusión
La matriz de confusión y la puntuación F1 nos muestran qué tan bien un modelo de IA distingue entre contenido real y contenido generado por IA. Puedes verlo rápidamente en una sola imagen.
- Verdadero positivo (TP) significa que identifica correctamente el texto generado por IA.
- Falso negativo (FN): el detector de IA se equivoca y marca como escrito por una persona algo que fue generado por IA.
- Falso positivo (FP): el detector de IA se equivoca y afirma que algo escrito por una persona fue generado por IA.
- Verdadero negativo: identifica correctamente el contenido escrito por humanos.
Cómo entender una matriz de confusión con GPT-4 y datos humanos, versión sencilla 1.4
Tasa de verdaderos positivos — Detección de texto generado por IA
Identifica correctamente el texto escrito por IA el x% de las veces. La tasa de verdaderos positivos, o TPR, también se conoce como sensibilidad, tasa de aciertos o exhaustividad.
- Tasa de verdaderos positivos TPR = TP / (TP & FN)
Tasa de verdaderos negativos — Detección de textos escritos por humanos:
Determina correctamente si el contenido fue creado por una persona el x% de las veces. La tasa de verdaderos negativos TNR (también llamada especificidad o selectividad).
- Tasa de verdaderos negativos TNR = TN / (TN & FP) = 1- FPR
Exactitud:
Acertar no lo es todo: algunas herramientas que detectan textos generados por IA pueden afirmar que son muy buenas, pero no muestran cómo funcionan.
- Exactitud = Verdadero / (Verdadero + Falso) = (TP + TN) / (TP + TN + FB +FN)
F1:
Una puntuación que combina de forma equilibrada la exactitud y la detección de todos los elementos importantes para evaluar de manera justa los detectores de IA.
- F1 = 2 x (PPV x TPR) / (PPV + TPR), donde Precisión (PPV) = TP / (TP + FP)
Métricas que consideramos, pero no utilizamos:
- No incluimos ROC ni AUROC porque no podemos modificar el nivel de sensibilidad de otras herramientas y algunas no utilizan puntuaciones porcentuales.
- La precisión, que significa PPV =TP /(TP+FP), tampoco se utiliza.
Entonces, ¿qué se considera exactamente contenido generado por IA?
¿Qué se considera contenido generado por IA y qué no? A medida que tanto las personas como los asistentes de IA escriben más contenido, resulta difícil determinar qué es contenido creado exclusivamente por IA.
Algunas investigaciones han tomado decisiones extrañas sobre lo que consideran texto escrito genuinamente por humanos o generado por IA.
Por ejemplo, un estudio analizó textos escritos por personas en varios idiomas, los tradujo al inglés con IA y aun así los consideró trabajo humano auténtico.
Descripción del conjunto de datos:
¿Afirmar que el conjunto de datos generado por IA parece escrito por una persona???
Los detectores de IA deben saber identificar cuándo un texto generado por IA ha sido modificado considerablemente. Incluso unos pequeños cambios pueden ocultar que el texto fue creado por IA. Por eso, clasificamos de distintas formas el contenido en el que intervino la IA.
- Texto generado por IA = Generado por IA
- Texto generado por IA mejorado por personas = Generado por IA
- Generado por IA con grandes modificaciones humanas = Generado por IA
- Planificado por IA, pero creado y modificado considerablemente por personas = Generado por IA
- Texto escrito por personas, con poca ayuda de la IA = Depende
- Investigación realizada con IA, pero texto escrito por personas = Creado genuinamente por personas
- Texto y revisión realizados por personas = Creado genuinamente por personas
Cuanto más usamos la IA al escribir, más fácil es notar que un texto ha sido escrito por IA. Kristi Hines, periodista, y otras personas investigaron este tema. Compartieron sus conclusiones en Search Engine Journal.
Estamos comprobando lo original que es la nueva versión Lite de Bypass Engine en su actualización de julio de 2024.
¡Por fin! Es hora de hacer algunas pruebas
Siguen apareciendo LLM nuevos y mejores, así que tenemos que actualizar nuestros modelos y la forma en que los probamos.
Conoce la versión Lite 1.0.0.
Nuestro lanzamiento de julio de 2024 presenta la versión Lite 1.0.0. Descubre cómo le fue a este nuevo modelo Lite en nuestras pruebas.
- La versión Lite es muy buena detectando contenido escrito por personas y comete pocos errores, incluso al identificar pequeños cambios realizados por la IA.
- Rendimiento con distintos conjuntos de datos
- Lite Version 1.0.0 puede determinar si un contenido tiene algunas modificaciones hechas por IA o si ha sido creado completamente por IA.
- Tiene una probabilidad muy baja, de solo un 1 %, de equivocarse cuando indica que algo ha sido creado por IA (mejor que la antigua Version 2.0.0). También detecta bastante bien el contenido creado por IA, con solo un 2 % de casos que no identifica.
- Fue el más preciso en 4 de las 10 pruebas de IA que realizó.
- Puntos clave: tasa de errores muy baja y excelente capacidad para detectar contenido con pequeñas modificaciones de IA.
Version Lite 1.0.0 es muy buena detectando cambios realizados por herramientas de IA como Grammarly y casi nunca se equivoca. Esto la convierte en una excelente opción para escuelas y entornos educativos.
Análisis de 6 herramientas para detectar IA oculta
A continuación, comprobaremos mediante pruebas el funcionamiento de distintos detectores de IA.
Para repetir estas pruebas una y otra vez, utilizamos…
- Te presentamos nuestra herramienta completamente nueva: Open Source AI Detector Accuracy Checker.
- Consulta estos conjuntos de datos gratuitos para comparar el rendimiento de las herramientas:
- Punto de referencia de detección de IA adversarial de código abierto
- Conjunto de datos de sesgo para el detector de ChatGPT
La prueba n.º 2 es complicada. Utiliza configuraciones exigentes para datos de GPT-3, GPT-4, ChatGPT y Paraphraser. No es igual que la mayoría de las herramientas de reconocimiento de IA, que trabajan con contenido de IA convencional.
Descubre la prueba n.º 2: esto es lo que encontramos
Puedes consultar las puntuaciones, los datos y los detalles descargándolos aquí:
- https://drive.google.com/drive/folders/14uCk9s8ypSp63Yd-M4EGYr9uDyO4U9D0?usp=drive_link
Prueba número 2: resultados de la comprobación de si la IA puede detectar textos escritos por IA:
Realizamos esta prueba con una versión anterior, 2.0.0, pero ya no la utilizamos.
Ahora veamos qué tal funcionó nuestra versión más reciente, llamada Lite, en estas pruebas.
- La tabla ordena los resultados según una medida especial llamada F1. Esta medida muestra qué tan bien detecta el contenido de IA y reconoce lo que ha sido creado por personas.
- Todas las herramientas tuvieron un rendimiento bastante bueno al evitar confusiones, con tasas de error de entre el 0,8 % y el 7,6 %.
- Su capacidad para identificar contenido de IA varió mucho, desde el 19,8 % hasta el 98,4 %.
Prueba n.º 2: qué aspectos confusos identifica cada detector de IA:
Comprender los datos con Bypass Engine: una mirada sencilla a nuestro segundo experimento con conjuntos de datos desafiantes
[Turbo Model 3.0.1]
[Lite Model 1.0.0]
Winston.AI: prueba del segundo experimento con datos desafiantes
Winston.ai F1 = 52.0
Tree.AI: tabla de confusiones, comprobación del experimento n.º 2 con datos desafiantes
Sapling.ai F1 = 37.9
GPTZero se enfrenta a la confusión – Ronda 2: pruebas con datos difíciles
GPTZero F1 = 34.2
Explorando Content at Scale – Entender la confusión – Experimento n.º 2: probando datos desafiantes
ContentatScale F1 = 33.4
CopyLeaks: probando con conjuntos de datos complejos
CopyLeaks F1 = 32.9
Problemas con la prueba n.º 2:
Facilitamos la introducción de datos: Tuvimos que comprobar manualmente algunas herramientas de IA, como ContentAtScale, TurnItIn y WinstonAI, porque los ordenadores no podían hacerlo todo. Puede que haya algunos errores, pero revisamos dos veces todo aquello de lo que no estábamos seguros.
Calidad de los datos: El conjunto de datos procedía de otro mucho más grande y no se había depurado por completo, por lo que algunos ejemplos podrían no ser perfectos.
El 13 de febrero de 2024, comprobamos nuestro nuevo detector de IA y también realizamos comprobaciones del 24 al 28 de julio de 2023. Estas pruebas muestran cómo funcionaba entonces, pero puede que no indiquen cómo funcionará más adelante.
Nuestro equipo especializado en IA afirma que utilizar únicamente 2.000 pruebas no muestra todo lo relacionado con su funcionamiento.
¿Necesitas comprobar su precisión con información diferente? Utiliza nuestra herramienta gratuita con muchos tipos de datos.
- Herramienta y conjunto de datos de código abierto para comparar detectores de IA: ya disponibles
Prueba n.º 3 – Otros conjuntos de datos para detectar IA y 5 pruebas adicionales:
Aquí tienes más datos para probar.
No probamos todas las herramientas con estos datos, pero sí comprobamos Bypass Engine con ellos. Este fue el resultado de Bypass Engine.
Todos estos datos proceden de artículos de investigación que cualquiera puede leer.
A continuación, analizamos las diferencias entre los modelos Lite y Turbo.
Prueba 3-A: ¿Hasta qué punto se parece ChatGPT a los expertos humanos reales?
- El estudio demuestra que el modelo supera a los jueces humanos e incluso a los mejores expertos en un 8,8 %. También obtiene mejores resultados en distintas pruebas que otros modelos analizados en la investigación.
- https://arxiv.org/pdf/2301.07597.pdf
- https://huggingface.co/datasets/Hello-SimpleAI/HC3
Prueba 3-A de Bypass Engine: convertir las palabras de ChatGPT en un lenguaje humano
[Turbo Model 3.0.1]
[Lite Model 1.0.0]
Prueba 3-B: comprobación de cómo detectar artículos científicos escritos por ordenadores
- https://aclanthology.org/2023.trustnlp-1.17.pdf.
- https://huggingface.co/datasets/tum-nlp/IDMGSP
- Según la escala de la prueba, nuestro modelo es más preciso que otros cuatro. No necesita aprender de artículos de investigación. Sin embargo, si los otros tres modelos aprenden de casi todos los tipos de datos de prueba, obtienen resultados ligeramente mejores que el nuestro.
Bypass Engine: prueba n.º 3-B para detectar ensayos escritos por IA
[Turbo Model 3.0.1]
[Lite Model 1.0.0]
Conjunto de datos y resultados
Prueba 3-C: detectar textos escritos por grandes sistemas de IA
- El artículo demostró que ser único superó a todos los detectores probados.
- Artículo: https://arxiv.org/pdf/2305.15047.pdf
- Conjunto de datos: https://github.com/vivek3141/ghostbuster (2,895 muestras)
Prueba de Ghostbuster — Gráfico de confusión — Bypass Engine, prueba 3-C
[Turbo Model 3.0.1]
[Lite Model 1.0.0]
Conjunto de datos y resultados
Prueba 3-D — Cómo aprende la IA a detectar los ensayos que ella misma ha creado
- Obtuvimos una puntuación perfecta del 100 % en ambas clases.
- Los artículos escritos por estudiantes suecos que aprenden inglés muestran lo bien que funciona nuestro modelo con quienes están aprendiendo inglés.
- Superamos a todos los modelos mencionados aquí.
- https://www.mdpi.com/2076-3417/13/13/7901
- https://github.com/rcorizzo/one-class-essay-detection
Bypass Engine — Entender la matriz de confusión — Prueba n.º 3-D — Detección de ensayos escritos por IA
[Turbo Model 3.0.1]
Datos y resultados
Prueba 3-E — Detecta la IA: encuentra los ensayos escolares de ChatGPT con CheckGPT
- Nuestro sistema detectó muy bien los textos generados por IA. Acertó el 96,7 % de las veces. Esto incluye temas complejos como física, informática y ciencias sociales, en los que no nos centramos al crear el sistema. GPTZero obtuvo un 61,2 %.
- Analizamos 9.000 ejemplos y acertamos el 94,5 % de las veces, casi tan bien como el mejor estudio similar al nuestro. Aunque hicimos las pruebas de distintas maneras, obtuvimos resultados excelentes y superamos ampliamente a GPTZero a la hora de determinar si un contenido había sido generado por IA.
- https://arxiv.org/pdf/2306.05524.pdf
- https://huggingface.co/datasets/julianzy/GPABenchmark
TryMe Originality — Rompecabezas de confusión — Prueba n.º 3-E — ¿Puedes detectarme?
[Turbo Model 3.0.1]
Datos y resultados
Otros estudios
Los estudios y datos de los que no hemos hablado presentan los mismos problemas…
- Pruebas pequeñas (¡utilizar 100 muestras no es suficiente!)
- Esperas prolongadas — Si un estudio tarda mucho en publicarse, es un problema porque las cosas cambian rápidamente.
- Falta de datos compartidos — Cuando los estudios no comparten sus datos, siempre es decepcionante.
- Comparación de herramientas — Siempre que se comparen herramientas o niveles de precisión, deben compartirse los datos utilizados.
- Pruebas de IA sencillas — Crear pruebas difíciles para distinguir entre IA y humanos es complicado y caro, pero las pruebas sencillas de IA son demasiado fáciles. Una prueba con datos generados por GPT-2 no nos aporta mucha información.
- Otras pruebas que conviene consultar:
- Detector de IA de HuggingChat
- Detector de plagio por paráfrasis
Grupos independientes realizaron otros seis estudios. Descubrieron que Originality es la opción más precisa.
- Exploramos la eficacia con la que podemos detectar textos escritos por IA
- Estudio sobre cómo detectar textos generados por IA
- ¿Qué eficacia tienen los programas para encontrar textos escritos por IA?
- Un análisis exhaustivo del estudio «RAID»
- Cuando la IA escribe sobre temas médicos
- Investigación sobre el papel de la IA en los resúmenes científicos
- Comprobación del uso de IA por parte de los estudiantes en sus tareas
Utilizamos nuestros propios datos y otros datos de acceso público. Las pruebas siguen demostrando que Originality.ai detecta eficazmente los textos generados por IA.
Todas las herramientas que detectan textos generados por IA
Aquí tienes una guía sencilla para encontrar herramientas de detección de contenido de IA. Si quieres comparar más detectores de IA y conocer sus funciones, consulta este artículo: «22 herramientas de detección de contenido de IA».
Lista de herramientas:
- HuggingFace
- GLTR.io AI
- Passed.AI
- Writer.com
- Willieai.com
- GPTZero
- ContentAtScale
- CopyLeaks
- POE Poem of Quotes
- DetectGPT
- On-Page.AI
- GPTRadar.com
- Percent Human
- Grover
- KazanSEO
- Sapling
- CrossPlag
- CheckForAI.com
- Draft & Goal
- GPTkit.ai
- ParaphrasingTool.ai
- Clasificador de texto de OpenAI (eliminado)
- AI Writing Check
- Winston AI
- InkForAll
- ContentDetector.ai
- WriteFull
- ZeroGPT
- TurnItIn
- Bypass Engine
Las pruebas demostraron que algunas herramientas son mejores que otras. Muchas se desarrollaron rápidamente y simplemente utilizan un detector de GPT-2 de código abierto bastante popular (recibió 195.000 descargas el mes pasado).
¿Por qué nuestro modelo funciona mejor?
Esto explica por qué creemos que Originality.ai detecta mucho mejor el contenido escrito por IA que las demás opciones disponibles:
- Este modelo de IA consume mucha energía, por lo que resulta caro de ejecutar. Por eso no puede ser gratuito ni financiarse con anuncios.
- Esta IA ayuda a quienes escriben en internet. Aprende leyendo contenido online para determinar si algo lo ha escrito una persona o una IA. No analiza libros antiguos porque están escritos de otra manera.
- La IA mejora al estudiar preguntas difíciles y distintos trucos, y se adapta para afrontar nuevos problemas con mayor precisión.
Palabras finales
El equipo de Bypass Engine ha trabajado mucho para mejorar su detector de contenido generado por IA y aspira a ofrecer un rendimiento de primer nivel.
Los resultados…
- Bypass Engine lanza Lite 1.0.0.
- Lite 1.0.0 es muy preciso, con una tasa de éxito del 98 %. Solo se equivoca el 1 % de las veces. También puedes usarlo para mejorar tu redacción, con sugerencias similares a las de Grammarly. Es perfecto para trabajos escolares.
- Bypass Engine lanza la versión Turbo 3.0.1
- Turbo 3.0.1 acierta prácticamente siempre, comete muy pocos errores y es difícil de engañar.
- Si de verdad no quieres que haya IA en tu texto, elige la versión Turbo 3.0.1.
- Si no te importa corregir algunos pequeños detalles, elige Lite.
- En seis estudios diferentes, la versión más reciente de Bypass Engine fue la que mejor rendimiento ofreció al identificar correctamente los resultados en todos los casos.
- Probamos seis herramientas que comprueban si un texto ha sido escrito por IA con un conjunto de pruebas nuevo y exigente. La mejor para detectar contenido escrito por IA fue Bypass Engine.
- Una herramienta nueva y fácil de usar, junto con un conjunto de datos especial para probar rápidamente detectores creados y compartidos
Esperamos que esta publicación te facilite conocer los detectores de IA y saber hasta qué punto son precisos. Queremos proporcionarte las herramientas necesarias para que puedas investigar por tu cuenta si te interesa.
Creemos que…
- Debemos actuar con transparencia y responsabilidad al crear y utilizar la IA.
- Las herramientas que detectan la IA pueden ayudar a reducir algunos de los efectos negativos que esta podría tener en la sociedad.
- La precisión de las herramientas que detectan IA debe comunicarse de forma clara y responsable, tal como exigimos en la creación y el uso de la IA.
Esperamos que este estudio te resulte útil. ¿Tienes preguntas sobre Bypass Engine?
Ponte en contacto con nosotros.
¿Estás pensando en hacer tus propias pruebas? Cuéntanoslo. Si eres estudiante, periodista o simplemente quieres aprender, estamos aquí para ayudarte.
Descubre qué precisión tiene Bypass Engine en distintos estudios y ¡prueba nuestro detector de IA por ti mismo!
