カンザス大学がアカデミックライティング検出用の高度な AI 検出器を導入

bySrikanth2023 年 6 月 9 日、午後 1 時 2 分279ビュー

カンザス大学の化学者ヘザー・デゼア氏は、ChatGPT によって生成された科学テキストを 99% という驚異的な精度で検出できる最先端のテクノロジーを導入しました。 この画期的な技術は、人工知能 (AI) テキスト ジェネレーターを利用しています。 Desaire 氏の目覚ましい成果は、著名な査読誌「Cell Reports Physical Science」に記録され、そこで彼女は AI 検出手法の有効性を実証しただけでなく、他の人がこの画期的なツールを複製するために必要なソース コードも提供しました。

KU のキース D. ウィルナー化学教授であるヘザー・デザイア氏は、科学的完全性を維持するために正確な AI 検出ツールが緊急に必要であると強調しました。 Desaire 氏は、ChatGPT のような AI テキスト ジェネレーターについて懸念を表明し、事実を捏造していると述べました。 画期的な発見や人類の知識の最前線が共有される学術科学出版の分野では、文献を汚す可能性のある信じられないような虚偽が含まれないようにすることが極めて重要です。 Desaire 氏は、「幻覚」として知られるこれらの欺瞞的な要素を識別する確実な自動化方法が存在しないことを認めました。 本物の科学的事実が、AI によって生成された説得力はあるものの捏造されたコンテンツと混合されると、出版物の信頼性と価値は必然的に低下します。

彼女は、自身の検出方法の有効性は、査読付きジャーナルで一般的に見られる科学的文章に特に焦点を当てることに依存していると説明しました。 このように範囲を狭めることにより、彼女のアプローチは、より一般的な種類の文章から AI を識別することを目的とした RoBERTa 検出器などの既存の AI 検出ツールと比較して、より高い精度を実現します。

Desaire氏は、人間の書き込みとChatGPTの書き込みを区別するための非常に正確な方法を開発することが実現可能であると述べた。 ただし、そのような精度を達成するには、分析を、独特の方法で書く人間の特定のグループに限定する必要があります。 これに対し、既存の AI 検出器は、さまざまな種類の書き込みに適用できる汎用ツールとして設計されています。 これらは本来の目的を十分に果たしますが、特定の狭い目的に特化して調整されたツールほど正確ではありません。

デゼール氏は研究の中で、AIを密かに利用している個人を告発する際の正確性の重要性を強調し、頻繁な誤認を避ける必要性を強調した。 ただし、正確性を達成するには一般化可能性が犠牲になることが多いことを彼女は認めました。 デゼール氏は、化学の助教授であるロマーナ・ジャロソワ氏、情報システムアナリストのデイビッド・フアックス氏、大学院生のアリッサ・E・チュア氏とマデリーン・イソム氏を含む大学の研究グループと協力した。 AI テキストの検出におけるチームの成功は、機械学習によるパターン検出への依存を超えて、コードの考案に人間の洞察を組み込んだことに起因している可能性があります。

Desaire 氏は、彼らのアプローチには、検出器の重要な違いを特定するために、大幅に小さいデータセットと高度な人間の介入が必要であることを明らかにしました。 具体的には、人間が書いた 64 件の文書と AI が生成した 128 件の文書のみをトレーニング データとして使用して戦略を構築しました。 このデータセットのサイズは、他の検出器のトレーニングに通常使用されるデータセットのサイズよりも約 100,000 分の 1 です。

デゼール氏は、この違いの重要性を、一杯のコーヒーの値段と家の値段の違いと同等だと強調しました。 小規模なデータセットの利点は、迅速な処理能力であり、すべての文書を人間が徹底的にレビューできることでした。 人間の知性を活用することで、人間が生成したコンテンツと AI が生成したコンテンツを区別するために以前に開発された戦略だけに依存するのではなく、ドキュメント セット内の貴重な違いを特定することができました。

KU が述べたように、Desaire のアプローチは、以前の AI 検出方法で使用されていた戦略に依存せず、独自に開発されました。 その結果、彼らの技術は、AI テキスト検出の分野に完全に固有の明確な要素を備えています。 Desaire 氏は、独自の機能ツールを開発するまで、AI テキスト検出に関する既存の文献を参照することさえしなかったことを認めました。 彼らは、テキスト検出におけるコンピューター科学者の従来の考え方に従うのではなく、何が効果的かを判断するために自分たちの直観に頼り、その型破りなアプローチにわずかな当惑の感情さえ表していました。

デゼール氏と彼女のチームは、これまでの研究とは異なる方法で AI 検出手法にアプローチしました。 彼らは、AI が生成したテキストの分析に焦点を当てるのではなく、人間が書いたテキストの独特の特徴を理解することに注意を移しました。 ほとんどの研究者は、AI が生成したテキストがどのようなものかを解読することに集中していますが、デゼール氏とそのチームは、特定の文脈における人間の文章が AI テキストとどのように異なるかを自問しました。 AI の文章は最終的には人間の文章に由来しますが、AI によって生成されたテキスト、特に ChatGPT によって生成されたテキストは、さまざまなソースから統合された一般化された構成になる傾向があります。 デゼール氏とそのチームは、人間の筆記特性の研究を優先することで、AI 検出技術の開発に新たな視点をもたらしました。

彼女は科学者の文章の独特な性質を強調し、特殊な形式として一般的な人間の文章と区別しています。 彼女は、コンピューター プログラミングの背景を持たない個人が AI および AI 検出に取り組むことを奨励することを望んで、チームの AI 検出コードをオープンにアクセスできるようにしました。 Desaire 氏は、ChatGPT のようなテクノロジーとその広範な普及の画期的な影響を認識しながらも、適切な指導と努力があれば、高校生でもその成果を再現できると強調します。

AIニュース

人々の生活に革命的な変化をもたらす新興テクノロジーに関する情熱的なテクノロジーブロガー。最新のガジェットや Saas プログラムを探索することに興味があります。