检出率只有26%

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

没有公告，OpenAI悄然关闭了AI文本检测工具，页面直接404了。

官方对此没有公开回应，几天后才有人找到一则简短说明，藏在半年前工具发布的博客页面中。

……AI检测器由于准确率较低而不再可用……我们正在研究更有效的文本检测技术，并承诺开发音频和视觉检测技术。

对于CloseAIOpenAI不发公告就杀死一个产品这种行为，很多网友是不满意的。

但是对关闭AI检测器本身倒是有不少人表示赞同，特别是学生群体。

太多老师相信这玩意有效，大量冤枉学生用AI作弊，已经变成了一场猎巫运动。

准确率和瞎猜差不多

这个官方检测工具，准确率究竟有多低呢？

OpenAI自己给出的数据，只能正确识别26%的AI生成文本，同时冤枉9%的人类编写文本。

1月份刚发布时就被网友总结为“和瞎猜差不多”。

另外有人做过实验发现，市面上各种检测工具会把圣经、美国宪法等历史文本都被判定可能为AI编写，总不能写下这些内容的历史人物都是时间穿越者吧？

但还是有很多老师试图用各种检测方法来检查学生作业。

最著名的一次，得克萨斯农工大学一位教授差点判定半个班的学生延毕。

目前最新的趋势是，教师要求学生用在线文档写作业并检查编辑记录，但聪明的学生也能找到规避办法。

最终对于教育领域，有人提出可能大作业/课程论文将成为历史，闭卷考试或口语考试将成为主流。

目前的检测方法都能规避

网友指出，OpenAI同时开发生成和检测工具本身就是矛盾的。

如果一边做的好就意味着另一边没做好，同时还有可能存在利益冲突。

但是第三方开发的检测方法，可靠性也不高。

最早被称为“ChatGPT克星”的是普林斯顿本科生Edward Tian开发的GPTZero，用复杂性和长短句的变化来衡量文章是否由AI生成。

当时GPTZero计划专为教育工作者打造，老师可以把全班学生的作业丢进去检测。

但到了7月份，作者承认已放弃了检测学生作弊这个方向，计划下个版本的GPTZero将不再检测文本是否由AI生成，而是突出最像人写的部分。

另外一个很受关注的检测方法，是马里兰大学开发的水印法，要求大模型在生成文本的时候就藏下记号，并用统计方法识别。

但是规避的办法也很简单，比如有人开发了简单的同义词替换工具，就能破坏统计特征。

甚至有人开始怀疑，人们到底是为了什么非要区分这个。

就像数字到底是人计算的还是计算机完成的，早就没人在意了。

演讲者的稿是自己写的还是秘书写的，不是也没人在意吗。

人类行为学研究，正在用AI充当被试

无法区分AI和人类的内容，似乎也不全是坏事。

已经有心理实验用AI代替人类被试加速研究了。

Cell子刊上一篇文章指出，在精心设计的实验场景中，ChatGPT的反应与大约95%的人类参与者的反应呈相关性。

并且机器被试不会疲倦，使科学家能以前所未有的速度收集数据并测试有关人类行为的理论。

而在最近一篇Science主刊的观点文章上，滑铁卢大学心理学教授Igor Grossman认为：

“人工智能可以改变社会科学研究的游戏规则，谨慎的偏见管理和数据保真度是关键。”

参考链接：
[1]https://twitter.com/KevinAFischer/status/1683898199981928450
[2]https://www.reddit.com/r/ChatGPT/comments/159j8rc/openai_quietly_kills_its_own_ai_classifier_citing/
[3]https://news.ycombinator.com/item?id=36862850
[4]https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613(23)00098-0
[5]https://www.science.org/doi/10.1126/science.adi1778
[6]https://theconversation.com/beyond-the-hype-how-ai-could-change-the-game-for-social-science-research-208086