சுருக்கமான பதில்: செயற்கை நுண்ணறிவு கண்டறிவான்கள் ஒரு படைப்பை யார் எழுதினார்கள் என்பதை "நிரூபிப்பதில்லை"; மாறாக, ஒரு பத்தியானது நன்கு அறியப்பட்ட மொழி-மாதிரி வடிவங்களுடன் எவ்வளவு நெருக்கமாகப் பொருந்துகிறது என்பதை அவை மதிப்பிடுகின்றன. பெரும்பாலானவை வகைப்படுத்திகள், முன்கணிக்கக்கூடிய சமிக்ஞைகள் (குழப்பம்/திடீர் வெளிப்பாடு), நடையியல் அளவீடு மற்றும், அரிதான சந்தர்ப்பங்களில், நீர்க்குறிச் சரிபார்ப்புகள் ஆகியவற்றின் கலவையைச் சார்ந்துள்ளன. மாதிரி சிறியதாகவோ, மிகவும் முறைசார்ந்ததாகவோ, தொழில்நுட்பம் சார்ந்ததாகவோ, அல்லது ஆங்கிலம் இரண்டாம் மொழியாகக் கொண்ட (ESL) எழுத்தாளரால் எழுதப்பட்டதாகவோ இருந்தால், அந்த மதிப்பெண்ணை ஒரு தீர்ப்பாகக் கருதாமல், மீளாய்வு செய்வதற்கான ஒரு குறிப்பாகக் கருதுங்கள்.
முக்கிய குறிப்புகள்:
நிகழ்தகவு, நிரூபணம் அல்ல: சதவீதங்களை உறுதியானவையாகக் கருதாமல், “செயற்கை நுண்ணறிவு போன்ற” அபாய சமிக்ஞைகளாகக் கருதுங்கள்.
தவறான சுட்டிக்காட்டல்கள்: முறைசார்ந்த, தொழில்நுட்ப, வார்ப்புருவாக்கப்பட்ட அல்லது தாய்மொழி அல்லாத எழுத்து நடைகள் அடிக்கடி தவறாகக் கண்டறியப்படுகின்றன.
முறைகளின் கலவை: கருவிகள் வகைப்படுத்திகள், குழப்பம்/திடீர் தன்மை, நடையியல் அளவியல் மற்றும் அரிதான நீர்முத்திரைச் சோதனைகளை ஒன்றிணைக்கின்றன.
வெளிப்படைத்தன்மை: ஒரு தனி எண்ணை மட்டும் வெளிப்படுத்தாமல், பரவல் வரம்புகள், அம்சங்கள் மற்றும் நிச்சயமற்ற தன்மையையும் வெளிப்படுத்தும் கண்டறிவான்களை விரும்புங்கள்.
எதிர்த்து வாதிடும் தன்மை: தகராறுகள் மற்றும் மேல்முறையீடுகளுக்காக வரைவுகள்/குறிப்புகள் மற்றும் செயல்முறை ஆதாரங்களைக் கைவசம் வைத்திருக்கவும்.
இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:
🔗 சிறந்த AI கண்டறிப்பான் எது?
சிறந்த AI கண்டறிதல் கருவிகள் அவற்றின் துல்லியம், அம்சங்கள் மற்றும் பயன்பாட்டுச் சூழல்களின் அடிப்படையில் ஒப்பிடப்பட்டுள்ளன.
🔗 AI டிடெக்டர்கள் நம்பகமானவையா?
நம்பகத்தன்மை, தவறான நேர்மறை முடிவுகள் மற்றும் முடிவுகள் ஏன் அடிக்கடி மாறுபடுகின்றன என்பதை விளக்குகிறது.
🔗 டர்னிடின் AI ஐக் கண்டறிய முடியுமா?
டர்னிடின் AI கண்டறிதல், வரம்புகள் மற்றும் சிறந்த நடைமுறைகள் குறித்த முழுமையான வழிகாட்டி.
🔗 QuillBot AI கண்டறிப்பான் துல்லியமானதா?
துல்லியம், பலம், பலவீனங்கள் மற்றும் நிஜ உலகச் சோதனைகள் குறித்த விரிவான ஆய்வு.
1) ஒரு சுருக்கமான யோசனை - ஒரு AI கண்டறிப்பான் உண்மையில் என்ன செய்கிறது ⚙️
பெரும்பாலான AI கண்டறியும் கருவிகள், ஒரு வலை மீனைப் பிடிப்பதைப் போல AI-ஐப் பிடிப்பதில்லை. அவை மிகவும் சாதாரணமான ஒன்றைச் செய்கின்றன:
-
ஒரு உரைப்பகுதி, ஒரு மொழி மாதிரியிலிருந்து உருவானது போலவோ (அல்லது அதன் பெரும் உதவியைப் பெற்றது போலவோ) தோன்றுவதற்கான நிகழ்தகவை அவர்கள் மதிப்பிடுகிறார்கள். (LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு; OpenAI)
-
அவை உங்கள் உரையை, பயிற்சித் தரவுகளில் காணப்படும் வடிவங்களுடன் (மனித எழுத்து மற்றும் மாதிரி உருவாக்கிய எழுத்து) ஒப்பிடுகின்றன. ( LLM-உருவாக்கிய உரையைக் கண்டறிதல் குறித்த ஒரு ஆய்வு )
-
அவர்கள் ஒரு மதிப்பெண்ணை (பெரும்பாலும் ஒரு சதவீதம்) வெளியிடுகிறார்கள், அது உறுதியானது போல் தோன்றும்... ஆனால் பொதுவாக அப்படி இருப்பதில்லை. (டர்னிடின் வழிகாட்டிகள்)
உண்மையைச் சொல்வதானால், பயனர் இடைமுகம் (UI) “92% AI” என்பது போன்ற ஒரு செய்தியைக் காட்டும், உங்கள் மூளையும் “சரி, இது ஒரு உண்மைதானே” என்று நினைக்கும். அது உண்மையல்ல. அது, ஒரு மாடல் மற்றொரு மாடலின் கைரேகைகளைப் பற்றிக் கணித்தது. இது, நாய்கள் மற்ற நாய்களை முகர்ந்து பார்ப்பதைப் போல, சற்றே வேடிக்கையானது 🐕🐕
2) AI கண்டறிவான்கள் செயல்படும் விதம்: மிகவும் பொதுவான “கண்டறிதல் இயந்திரங்கள்” 🔍
கண்டறிபவர்கள் பொதுவாக இந்த அணுகுமுறைகளில் ஒன்றை (அல்லது கலவையை) பயன்படுத்துகிறார்கள்: (LLM-உருவாக்கிய உரை கண்டறிதல் பற்றிய ஒரு ஆய்வு)
அ) வகைப்படுத்தி மாதிரிகள் (மிகவும் பொதுவானவை)
ஒரு வகைப்படுத்தி, குறியிடப்பட்ட எடுத்துக்காட்டுகளைக் கொண்டு பயிற்சி அளிக்கப்படுகிறது:
-
மனிதனால் எழுதப்பட்ட மாதிரிகள்
-
செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட மாதிரிகள்
-
சில நேரங்களில் “கலப்பின” மாதிரிகள் (மனிதனால் திருத்தப்பட்ட செயற்கை நுண்ணறிவு உரை)
பின்னர் அது குழுக்களைப் பிரிக்கும் வடிவங்களைக் கற்றுக்கொள்கிறது. இதுவே இயந்திர கற்றலின் பாரம்பரிய அணுகுமுறையாகும், மேலும் அது சிறப்பாகச் செயல்படாத வரை, ஆச்சரியமூட்டும் வகையில் நன்றாகவே இருக்கும். (LLM-ஆல் உருவாக்கப்பட்ட உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
B) குழப்பம் மற்றும் “திடீர்த்தாக்கம்” மதிப்பெண் 📈
சில கண்டறிவான்கள், ஒரு உரை எந்த அளவிற்கு 'முன்கூட்டியே கணிக்கக்கூடியது' என்பதைக் கணக்கிடுகின்றன.
-
குழப்பம்: தோராயமாக, ஒரு மொழி மாதிரி அடுத்த வார்த்தையைக் கேட்டு எவ்வளவு ஆச்சரியப்படுகிறது என்பது. (பாஸ்டன் பல்கலைக்கழகம் - குழப்பம் குறித்த பதிவுகள்)
-
குறைந்த குழப்பம், உரை மிகவும் கணிக்கக்கூடியது என்பதைக் குறிக்கலாம் (இது AI வெளியீடுகளில் நிகழலாம்). (DetectGPT)
-
"வெடிப்புத்தன்மை" என்பது வாக்கியத்தின் சிக்கல்தன்மை மற்றும் தாளத்தில் எவ்வளவு வேறுபாடு உள்ளது என்பதை அளவிட முயல்கிறது. (GPTZero)
இந்த அணுகுமுறை எளிமையானது மற்றும் வேகமானது. இதைக் குழப்புவதும் எளிது, ஏனென்றால் மனிதர்களாலும் கணிக்கக்கூடிய வகையில் எழுத முடியும் (உதாரணமாக, பெருநிறுவன மின்னஞ்சல்கள்). (ஓப்பன்ஏஐ)
சி) ஸ்டைலோமெட்ரி (எழுத்து கைரேகை) ✍️
ஸ்டைலோமெட்ரி பின்வரும் வடிவங்களை ஆராய்கிறது:
-
வாக்கிய நீளம்
-
நிறுத்தற்குறி பாணி
-
செயல்பாட்டுச் சொற்களின் பயன்பாட்டு அதிர்வெண் (the, and, but…)
-
சொற்களஞ்சிய வகை
-
வாசிப்புத்திறன் மதிப்பெண்கள்
இது உரைக்கான “கையெழுத்துப் பகுப்பாய்வு” போன்றது. சில சமயங்களில் இது உதவும். சில சமயங்களில் இது, ஒருவரின் காலணிகளைப் பார்த்து சளியைக் கண்டறிவது போன்றது. (நடை அளவியல் மற்றும் தடயவியல்: ஒரு இலக்கிய ஆய்வு; நூலாசிரியர் உரிமைச் சுட்டலில் பயன்படும் சொற்கள்)
D) நீர்முத்திரை கண்டறிதல் (அது இருக்கும் பட்சத்தில்) 🧩
சில மாதிரி வழங்குநர்கள் உருவாக்கப்பட்ட உரையில் நுட்பமான வடிவங்களை (“வாட்டர்மார்க்”) உட்பொதிக்க முடியும். ஒரு கண்டறிவானுக்கு வாட்டர்மார்க் திட்டம் தெரிந்தால், அது அதைச் சரிபார்க்க முயற்சி செய்யலாம். (பெரிய மொழி மாதிரிகளுக்கான ஒரு வாட்டர்மார்க்; SynthID Text)
ஆனால்… எல்லா மாடல்களும் வாட்டர்மார்க் இடுவதில்லை, எல்லா வெளியீடுகளும் திருத்தங்களுக்குப் பிறகு வாட்டர்மார்க்கைத் தக்கவைத்துக் கொள்வதில்லை, மேலும் எல்லா கண்டறிப்பான்களுக்கும் அந்த இரகசிய சூத்திரத்தை அணுகும் வசதி இருப்பதில்லை. எனவே இது ஒரு உலகளாவிய தீர்வு அல்ல. (பெரிய மொழி மாடல்களுக்கான வாட்டர்மார்க்குகளின் நம்பகத்தன்மை குறித்து; OpenAI)
3) ஒரு நல்ல AI கண்டறியும் கருவியின் அம்சங்கள் யாவை ✅
(பதிப்பாசிரியர் பணிகளுக்காகப் பல கண்டறிப்பான்களை அருகருகே வைத்துச் சோதித்த என் அனுபவத்தில்) ஒரு “நல்ல” கண்டறிப்பான் என்பது, மிக உரத்தக் குரலில் அலறுவது அல்ல. அது பொறுப்புடன் நடந்துகொள்வதுதான்.
ஒரு AI கண்டறியும் கருவியை உறுதியானதாக மாற்றுவது இதுதான்:
-
அளவிடப்பட்ட நம்பகத்தன்மை: 70% என்பது ஒரு சீரான தன்மையைக் குறிக்க வேண்டுமே தவிர, வெற்றுப் பேச்சாக இருக்கக்கூடாது. (LLM-ஆல் உருவாக்கப்பட்ட உரை கண்டறிதல் குறித்த ஒரு கணக்கெடுப்பு)
-
குறைந்த தவறான நேர்மறைகள்: தாய்மொழி அல்லாத ஆங்கிலம், சட்ட எழுத்துகள் அல்லது தொழில்நுட்பக் கையேடுகள் பிழையின்றி இருப்பதால் மட்டுமே அவற்றை "செயற்கை நுண்ணறிவு" (AI) எனக் கொடியிடக் கூடாது. (ஸ்டான்ஃபோர்ட் HAI; லியாங் மற்றும் பலர். (arXiv))
-
தெளிவான வரம்புகள்: அது நிச்சயமற்ற தன்மையை ஒப்புக்கொண்டு வரம்புகளைக் காட்ட வேண்டுமே தவிர, எல்லாம் அறிந்ததைப் போல் பாசாங்கு செய்யக்கூடாது. (ஓப்பன்ஏஐ; டர்னிடின்)
-
கள விழிப்புணர்வு: சாதாரண வலைப்பதிவுகளில் பயிற்சி பெற்ற கண்டறிவான்கள் பெரும்பாலும் கல்விசார் உரைகளில் சிரமப்படுகின்றன, அதேபோல் நேர்மாறாகவும். (LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
-
குறுந்தகவல் கையாளுதல்: சிறந்த கருவிகள் மிகச்சிறிய மாதிரிகளின் அடிப்படையில் அதீத நம்பிக்கையூட்டும் மதிப்பெண்களை வழங்குவதைத் தவிர்க்கின்றன (ஒரு பத்தி என்பது ஒரு பிரபஞ்சம் அல்ல). (ஓப்பன்ஏஐ; டர்னிடின்)
-
திருத்த உணர்திறன்: இது மனிதத் திருத்தங்களை, உடனடியாகப் பொருளற்ற முடிவுகளாகச் சிதைந்துவிடாமல் கையாள வேண்டும். (LLM-ஆல் உருவாக்கப்பட்ட உரையைக் கண்டறிதல் குறித்த ஒரு ஆய்வு)
நான் பார்த்ததிலேயே சிறந்தவர்கள் சற்றே பணிவானவர்களாக இருக்கிறார்கள். மோசமானவர்களோ, மனதைப் படிப்பது போல நடந்துகொள்கிறார்கள் 😬
4) ஒப்பீட்டு அட்டவணை - பொதுவான AI கண்டறிப்பான் “வகைகள்” மற்றும் அவற்றின் சிறந்து விளங்கும் இடங்கள் 🧾
கீழே ஒரு நடைமுறை ஒப்பீடு கொடுக்கப்பட்டுள்ளது. இவை வணிகப் பெயர்கள் அல்ல - நீங்கள் எதிர்கொள்ளக்கூடிய முக்கியப் பிரிவுகள் இவை. (LLM-ஆல் உருவாக்கப்பட்ட உரை கண்டறிதல் குறித்த ஒரு கணக்கெடுப்பு)
| கருவி வகை (போன்ற) | சிறந்த பார்வையாளர்கள் | விலை உணர்வு | அது ஏன் வேலை செய்கிறது (சில நேரங்களில்) |
|---|---|---|---|
| பெர்பிளெக்சிட்டி செக்கர் லைட் | ஆசிரியர்கள், விரைவான சோதனைகள் | இலவசம் | முன்கணிப்புக்கான சமிக்ஞை விரைவாகக் கிடைக்கும் - ஆனால் அது நிலையற்றதாக இருக்கக்கூடும்… |
| கிளாசிஃபையர் ஸ்கேனர் புரோ | ஆசிரியர்கள், மனிதவளம், இணக்கம் | சந்தா | குறியிடப்பட்ட தரவுகளிலிருந்து வடிவங்களைக் கற்றுக்கொள்கிறது - நடுத்தர நீள உரையில் சிறப்பாகச் செயல்படும் |
| ஸ்டைலோமெட்ரி பகுப்பாய்வி | ஆராய்ச்சியாளர்கள், தடயவியல் வல்லுநர்கள் | $$$ அல்லது ஒரு குறிப்பிட்ட பிரிவு | எழுதும் கைரேகைகளை ஒப்பிடுகிறது - விசித்திரமானது ஆனால் விரிவான பார்வையில் பயனுள்ளது |
| வாட்டர்மார்க் ஃபைண்டர் | தளங்கள், உள் குழுக்கள் | பெரும்பாலும் தொகுக்கப்பட்டவை | வாட்டர்மார்க் இருந்தால் வலுவானது - இல்லையென்றால், அது தோள்களைக் குலுக்குவது போலத்தான் |
| ஹைப்ரிட் எண்டர்பிரைஸ் சூட் | பெரிய நிறுவனங்கள் | ஒரு இருக்கைக்கான, ஒப்பந்தங்கள் | பல சமிக்ஞைகளை ஒருங்கிணைக்கிறது - சிறந்த பரவல், சரிசெய்வதற்கு அதிக கட்டுப்பாடுகள் (மேலும் தவறாக உள்ளமைப்பதற்கான அதிக வழிகளும் உண்டு, அச்சச்சோ) |
“விலை உணர்வு” என்ற பத்தியைக் கவனியுங்கள். ஆமாம், அது அறிவியல் பூர்வமானது அல்ல. ஆனால் அது வெளிப்படையானது 😄
5) கண்டறியும் கருவிகள் தேடும் முக்கிய சமிக்ஞைகள் - அதாவது, ‘அடையாளங்கள்’ 🧠
பல கண்டறி கருவிகள் உள்ளுக்குள் அளவிட முயற்சிப்பது இதுதான்:
முன்கணிப்புத்தன்மை (டோக்கன் நிகழ்தகவு)
மொழி மாதிரிகள், அடுத்து வரக்கூடிய சொற்களைக் கணிப்பதன் மூலம் உரையை உருவாக்குகின்றன. அது பொதுவாக பின்வருவனவற்றை உருவாக்குகிறது:
-
மென்மையான மாற்றங்கள்
-
குறைவான வியப்பூட்டும் வார்த்தைத் தேர்வுகள்
-
தேவையற்ற கிளைக்கதைகள் குறைவு (தூண்டப்பட்டால் தவிர)
-
சீரான தொனி (பாஸ்டன் பல்கலைக்கழகம் - குழப்பப் பதிவுகள்; டிடெக்ட்ஜிபிடி)
மறுபுறம், மனிதர்கள் பெரும்பாலும் முன்னும் பின்னுமாக அலைகிறார்கள். நாம் நமக்கு நாமே முரண்படுகிறோம், சம்பந்தமில்லாத பக்கக் கருத்துக்களைச் சேர்க்கிறோம், சற்றே பொருத்தமற்ற உருவகங்களைப் பயன்படுத்துகிறோம் - உதாரணமாக, ஒரு செயற்கை நுண்ணறிவு கண்டறியும் கருவியை, கவிதைகளை மதிப்பிடும் ஒரு டோஸ்டருடன் ஒப்பிடுவது போல. அந்த உருவகம் மோசமானதுதான், ஆனாலும் உங்களுக்குப் புரிகிறது.
மீண்டும் மீண்டும் வருதல் மற்றும் கட்டமைப்பு வடிவங்கள்
செயற்கை நுண்ணறிவின் எழுத்துமுறை நுட்பமான திரும்பத் திரும்ப நிகழ்தலைக் காட்டக்கூடும்:
-
மீண்டும் மீண்டும் வரும் வாக்கியக் கட்டமைப்புகள் (“முடிவாக…”, “கூடுதலாக…”, “அதுமட்டுமின்றி…”)
-
ஒத்த பத்தி நீளங்கள்
-
சீரான வேகக்கட்டுப்பாடு (LLM-ஆல் உருவாக்கப்பட்ட உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
ஆனால், ஏராளமான மனிதர்கள், குறிப்பாகப் பள்ளி அல்லது பெருநிறுவனச் சூழல்களில், அப்படித்தான் எழுதுவார்கள். எனவே, திரும்பத் திரும்பச் செய்வது ஒரு துப்புதான், நிரூபணம் அல்ல.
அதீதத் தெளிவும் “மிகவும் நேர்த்தியான” உரைநடையும் ✨
இது ஒரு விசித்திரமான விஷயம். சில கண்டறிப்பான்கள், 'மிகவும் நேர்த்தியான எழுத்து' என்பதை மறைமுகமாகச் சந்தேகத்திற்குரியதாகக் கருதுகின்றன. (ஓப்பன்ஏஐ)
இது சங்கடமாக இருக்கிறது, ஏனென்றால்:
-
நல்ல எழுத்தாளர்கள் இருக்கிறார்கள்
-
பதிப்பாசிரியர்கள் இருக்கிறார்கள்
-
எழுத்துப்பிழை சரிபார்ப்பு உள்ளது
ஆகவே, செயற்கை நுண்ணறிவு கண்டறிவான்கள் எவ்வாறு செயல்படுகின்றன என்று நீங்கள் யோசித்தால் , அதற்கான பதிலின் ஒரு பகுதி இதுதான்: சில சமயங்களில் அவை முரட்டுத்தனத்திற்கு வெகுமதி அளிக்கின்றன. இது... ஒரு விதத்தில் தலைகீழானது.
சொற்பொருள் அடர்த்தி மற்றும் பொதுவான சொற்றொடர்
கண்டறிவான்கள் பின்வருமாறு தோற்றமளிக்கும் உரையை கொடியிடலாம்:
-
மிகவும் பொதுவானது
-
குறிப்பிட்ட வாழ்க்கை விவரங்கள் குறைவாக உள்ளன
-
சமச்சீரான, நடுநிலையான கூற்றுகள் நிறைந்தது (LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
செயற்கை நுண்ணறிவு பெரும்பாலும் நம்பத்தகுந்ததாகத் தோன்றும், ஆனால் சற்றே மெருகூட்டப்பட்ட உள்ளடக்கத்தை உருவாக்குகிறது. பார்ப்பதற்கு அழகாக இருக்கும், ஆனால் எந்தவொரு தனித்துவமும் இல்லாத ஒரு ஹோட்டல் அறையைப் போல 🛏️
6) வகைப்படுத்தி அணுகுமுறை - அது எவ்வாறு பயிற்சி அளிக்கப்படுகிறது (மற்றும் ஏன் செயலிழக்கிறது) 🧪
ஒரு வகைப்படுத்தி கண்டறிவான் பொதுவாக இவ்வாறு பயிற்சி அளிக்கப்படுகிறது:
-
மனிதர்கள் எழுதிய உரைகளின் (கட்டுரைகள், ஆவணங்கள், மன்றங்கள் போன்றவை) தரவுத்தொகுப்பைச் சேகரிக்கவும்
-
செயற்கை நுண்ணறிவு உரையை உருவாக்குங்கள் (பல்வேறு தூண்டுதல்கள், பாணிகள், நீளங்கள்)
-
மாதிரிகளுக்கு லேபிள் இடவும்
-
அம்சங்கள் அல்லது உட்பொதிவுகளைப் பயன்படுத்தி அவற்றை பிரித்தெடுக்க ஒரு மாதிரியைப் பயிற்றுவிக்கவும்
-
ஒதுக்கி வைக்கப்பட்ட தரவுகளில் அதைச் சரிபார்க்கவும்
-
அதை அனுப்பு... பிறகு யதார்த்தம் அதன் முகத்தில் குத்துகிறது (LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
யதார்த்தம் ஏன் அதைத் தாக்குகிறது:
-
கள மாற்றம்: பயிற்சித் தரவு உண்மையான பயனர் எழுத்துடன் பொருந்தவில்லை
-
மாதிரி மாற்றம்: புதிய தலைமுறை மாதிரிகள் தரவுத்தொகுப்பில் உள்ள மாதிரிகளைப் போல செயல்படுவதில்லை
-
படத்தொகுப்பு விளைவுகள்: மனிதத் திருத்தங்கள் வெளிப்படையான வடிவங்களை நீக்கக்கூடும், ஆனால் நுட்பமானவற்றைத் தக்கவைத்துக் கொள்ளும்.
-
மொழி வேறுபாடு: வட்டார வழக்குகள், ESL எழுத்துமுறை, மற்றும் முறையான நடைகள் தவறாகப் புரிந்துகொள்ளப்படுகின்றன (LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு; லியாங் மற்றும் பலர். (arXiv))
அவற்றின் சொந்த டெமோ தொகுப்பில் “சிறப்பாக” இருந்த கண்டறிப்பான்கள், பின்னர் உண்மையான பணியிட எழுத்துப் பணியில் தோல்வியடைவதை நான் பார்த்திருக்கிறேன். இது, ஒரு மோப்ப நாய்க்கு ஒரே ஒரு வகை பிஸ்கட்களை மட்டும் வைத்துப் பயிற்சி அளித்துவிட்டு, அது உலகில் உள்ள எல்லா தின்பண்டங்களையும் கண்டுபிடித்துவிடும் என்று எதிர்பார்ப்பதைப் போன்றது 🍪
7) குழப்பமும் திடீர் உத்வேகமும் - கணித குறுக்குவழி 📉
இந்தக் கண்டறிவான்களின் குடும்பம், மொழி மாதிரி மதிப்பெண் முறையைச் சார்ந்திருக்க முனைகிறது:
-
ஒவ்வொரு அடுத்த டோக்கனும் வருவதற்கான சாத்தியக்கூறு எவ்வளவு என்பதை மதிப்பிடும் ஒரு மாதிரி மூலம் அவர்கள் உங்கள் உரையைச் செயல்படுத்துகிறார்கள்.
-
அவர்கள் ஒட்டுமொத்த “ஆச்சரியத்தை” (குழப்பத்தை) கணக்கிடுகிறார்கள். (பாஸ்டன் பல்கலைக்கழகம் - குழப்பம் குறித்த பதிவுகள்)
-
தாளம் மனிதத்தன்மையுடன் உள்ளதா என்பதைப் பார்க்க, அவர்கள் மாறுபாட்டு அளவீடுகளை ("திடீர் திடீர் எழுச்சி") சேர்க்கலாம். (ஜிபிடிஜீரோ)
இது சில சமயங்களில் ஏன் வேலை செய்கிறது:
-
மூல AI உரை மிகவும் மென்மையாகவும் புள்ளிவிவர ரீதியாகக் கணிக்கக்கூடியதாகவும் இருக்க முடியும் (DetectGPT)
அது ஏன் தோல்வியடைகிறது:
-
குறுகிய மாதிரிகள் இரைச்சல் மிக்கவை
-
முறையான எழுத்துமுறை கணிக்கக்கூடியது
-
தொழில்நுட்ப எழுத்து கணிக்கக்கூடியது
-
தாய்மொழி அல்லாதவர்களின் எழுத்துமுறை கணிக்கக்கூடியதாக இருக்கலாம்
-
பெரிதும் திருத்தப்பட்ட செயற்கை நுண்ணறிவு உரை மனிதனைப் போலத் தோற்றமளிக்கலாம் (OpenAI; Turnitin)
ஆகவே, செயற்கை நுண்ணறிவு கண்டறியும் கருவிகள் செயல்படும் விதம், சில சமயங்களில் மிதிவண்டிகளையும் மோட்டார் சைக்கிள்களையும் குழப்பிக்கொள்ளும் ஒரு வேகக் கண்டறியும் கருவியைப் போல இருக்கிறது. ஒரே சாலை, வெவ்வேறு இயந்திரங்கள் 🚲🏍️
8) நீர்முத்திரைகள் - “மையில் படியும் கைரேகை” என்ற கருத்து 🖋️
நீர்முத்திரையிடல் ஒரு நேர்த்தியான தீர்வாகத் தெரிகிறது: செயற்கை நுண்ணறிவு உரையை உருவாக்கும்போதே அதில் குறியிட்டு, பின்னர் அதைக் கண்டறியலாம். (பெரிய மொழி மாதிரிகளுக்கான ஒரு நீர்முத்திரை; SynthID Text)
நடைமுறையில், நீர்முத்திரைகள் எளிதில் சேதமடையக்கூடியவை:
-
மாற்றி எழுதுவது அவற்றை பலவீனப்படுத்தக்கூடும்
-
மொழிபெயர்ப்பு அவற்றை உடைக்கக்கூடும்
-
பகுதியளவு மேற்கோள் காட்டுதல் அவற்றை அகற்ற முடியும்
-
பல்வேறு மூலங்களைக் கலப்பது வடிவத்தை மங்கச் செய்யலாம் (பெரிய மொழி மாதிரிகளுக்கான நீர்முத்திரைகளின் நம்பகத்தன்மை குறித்து)
மேலும், வாட்டர்மார்க் கண்டறிதல் பின்வரும் நிபந்தனைகள் பூர்த்தி செய்யப்பட்டால் மட்டுமே செயல்படும்:
-
ஒரு நீர்முத்திரை பயன்படுத்தப்படுகிறது
-
அதை எப்படிச் சோதிப்பது என்று கண்டறியும் கருவிக்குத் தெரியும்
-
உரை பெரிதாக உருமாற்றப்படவில்லை (OpenAI; SynthID Text)
ஆம், வாட்டர்மார்க்ஸ் சக்தி வாய்ந்ததாக இருக்கலாம், ஆனால் அவை காவல்துறையின் ஒரு பொதுவான அடையாளச் சின்னம் அல்ல.
9) தவறான நேர்மறை முடிவுகளும் அவை ஏன் நிகழ்கின்றன என்பதும் (வேதனையான பகுதி) 😬
இதற்கென ஒரு தனிப் பிரிவு தேவை, ஏனெனில் பெரும்பாலான சர்ச்சைகள் இங்குதான் உள்ளன.
பொதுவான தவறான நேர்மறை தூண்டிகள்:
-
மிகவும் முறையான தொனி (கல்விசார், சட்ட, இணக்க எழுத்து)
-
தாய்மொழி அல்லாத ஆங்கிலம் (எளிய வாக்கிய அமைப்புகள் “மாதிரி” போலத் தோன்றலாம்)
-
வார்ப்புரு அடிப்படையிலான எழுத்துப்பணி (முகப்புக் கடிதங்கள், செயல்பாட்டுத் திட்ட அறிக்கைகள், ஆய்வக அறிக்கைகள்)
-
குறுகிய உரை மாதிரிகள் (போதுமான சமிக்ஞை இல்லை)
-
தலைப்புக் கட்டுப்பாடுகள் (சில தலைப்புகள் திரும்பத் திரும்ப வரும் சொற்றொடர்களைப் பயன்படுத்தக் கட்டாயப்படுத்துகின்றன) (லியாங் மற்றும் பலர் (arXiv); டர்னிடின்)
யாராவது மிகச் சிறப்பாக எழுதுவதற்காகக் கண்டிக்கப்படுவதை நீங்கள் எப்போதாவது பார்த்திருக்கிறீர்களா… ஆம். அது நடக்கும். மேலும் அது மிகவும் கொடுமையானது.
ஒரு டிடெக்டர் மதிப்பெண்ணை பின்வருமாறு கையாள வேண்டும்:
-
இது ஒரு புகை எச்சரிக்கை மணி, நீதிமன்றத் தீர்ப்பு அல்ல 🔥
இது “வழக்கு முடிந்தது” என்று கூறாமல், “சரிபார்க்கலாம்” என்றுதான் சொல்கிறது. (ஓப்பன்ஏஐ; டர்னிடின்)
10) டிடெக்டர் மதிப்பெண்களை ஒரு முதிர்ந்தவரைப் போல எப்படிப் புரிந்துகொள்வது 🧠🙂
முடிவுகளைப் படிப்பதற்கான ஒரு நடைமுறை வழி இதோ:
கருவி ஒரு சதவீதத்தை மட்டும் காட்டினால்
இதை ஒரு தோராயமான ஆபத்து சமிக்ஞையாகக் கருதுங்கள்:
-
0-30%பெரும்பாலும் மனிதனால் உருவாக்கப்பட்டதாகவோ அல்லது பெருமளவில் திருத்தப்பட்டதாகவோ இருக்கலாம்
-
30-70%: தெளிவற்ற பகுதி - எதையும் ஊகிக்க வேண்டாம்
-
70-100%: பெரும்பாலும் செயற்கை நுண்ணறிவு போன்ற வடிவங்களாக இருக்கலாம், ஆனால் இதுவும் நிரூபணம் அல்ல (டர்னிடின் வழிகாட்டிகள்)
அதிக மதிப்பெண்கள் கூட தவறாக இருக்கலாம், குறிப்பாக பின்வரும் விஷயங்களில்:
-
தரப்படுத்தப்பட்ட எழுத்து
-
குறிப்பிட்ட வகைகள் (சுருக்கங்கள், வரையறைகள்)
-
ESL எழுத்து (லியாங் மற்றும் பலர் (arXiv))
வெறும் எண்களை மட்டுமல்ல, விளக்கங்களையும் தேடுங்கள்
மேம்பட்ட கண்டறி கருவிகள் வழங்குபவை:
-
சிறப்பித்துக் காட்டப்பட்ட பகுதிகள்
-
அம்சக் குறிப்புகள் (கணிக்கக்கூடிய தன்மை, மீண்டும் மீண்டும் வருதல் போன்றவை)
-
நம்பக இடைவெளிகள் அல்லது நிச்சயமற்ற தன்மை மொழி (LLM-உருவாக்கிய உரை கண்டறிதல் பற்றிய ஒரு ஆய்வு)
ஒரு கருவி எதையும் விளக்க மறுத்து, உங்கள் நெற்றியில் ஒரு எண்ணை மட்டும் குத்தினால்... நான் அதை நம்ப மாட்டேன். நீங்களும் நம்பக்கூடாது.
11) செயற்கை நுண்ணறிவு கண்டறிவான்கள் செயல்படும் விதம்: ஒரு எளிய மன மாதிரி 🧠🧩
நீங்கள் சுத்தமான உணவை எடுத்துச் செல்ல விரும்பினால், இந்த மன மாதிரியைப் பயன்படுத்துங்கள்:
-
செயற்கை நுண்ணறிவு கண்டறிவான்கள் , இயந்திரத்தால் உருவாக்கப்பட்ட உரையில் பொதுவாகக் காணப்படும் புள்ளிவிவர மற்றும் நடையியல் வடிவங்களைத் தேடுகின்றன . ( LLM-ஆல் உருவாக்கப்பட்ட உரையைக் கண்டறிதல் குறித்த ஒரு ஆய்வு )
-
அவர்கள் அந்த வடிவங்களை, பயிற்சி எடுத்துக்காட்டுகளிலிருந்து தாங்கள் கற்றுக்கொண்டவற்றுடன் ஒப்பிடுகிறார்கள். (LLM-ஆல் உருவாக்கப்பட்ட உரை கண்டறிதல் குறித்த ஒரு கணக்கெடுப்பு)
-
அவை ஒரு நிகழ்தகவு போன்ற யூகத்தை வெளியிடுகின்றன , உண்மையான மூலக்கதையை அல்ல. ( ஓப்பன்ஏஐ )
-
இந்த யூகமானது வகை, தலைப்பு, நீளம், திருத்தங்கள் மற்றும் கண்டறிவானின் பயிற்சித் தரவு ஆகியவற்றைப் பொறுத்து அமைகிறது . ( LLM-ஆல் உருவாக்கப்பட்ட உரைக் கண்டறிதல் குறித்த ஒரு ஆய்வு )
வேறு வார்த்தைகளில் சொல்வதானால், செயற்கை நுண்ணறிவு கண்டறிவான்கள் செயல்படும் விதம் என்னவென்றால், அவை ஒரு படைப்பை உருவாக்கியவர் யார் என்பதை அல்ல, மாறாக அதன் ஒற்றுமையை மட்டுமே மதிப்பிடுகின்றன. அதாவது, ஒருவர் தன் உறவினரைப் போலவே இருக்கிறார் என்று சொல்வது போல. இது ஒரு டிஎன்ஏ பரிசோதனைக்குச் சமமானதல்ல... மேலும் டிஎன்ஏ பரிசோதனைகளிலும்கூட சில சிக்கலான சூழ்நிலைகள் உண்டு.
12) தற்செயலான தவறுகளைக் குறைப்பதற்கான நடைமுறை ஆலோசனைகள் (விளையாட்டுத்தனமின்றி) ✍️✅
"கண்டறியும் கருவிகளை ஏமாற்றுவது எப்படி என்பதல்ல." மாறாக, உண்மையான படைப்பாற்றலைப் பிரதிபலிக்கும் வகையிலும், விசித்திரமான தவறான புரிதல்களைத் தவிர்க்கும் வகையிலும் எழுதுவது எப்படி என்பதே.
-
திட்டவட்டமான விவரங்களைச் சேர்க்கவும்: நீங்கள் உண்மையில் பயன்படுத்திய கருத்துருக்களின் பெயர்கள், நீங்கள் எடுத்த நடவடிக்கைகள், நீங்கள் பரிசீலித்த சமரசங்கள்
-
இயற்கையான மாறுபாட்டைப் பயன்படுத்துங்கள்: குறுகிய மற்றும் நீண்ட வாக்கியங்களைக் கலந்து பயன்படுத்துங்கள் (மனிதர்கள் சிந்திக்கும்போது செய்வது போல)
-
உண்மையான கட்டுப்பாடுகளைச் சேர்க்கவும்: கால வரம்புகள், பயன்படுத்தப்பட்ட கருவிகள், என்ன தவறு நடந்தது, நீங்கள் வேறுவிதமாக என்ன செய்திருப்பீர்கள்
-
வார்ப்புருவில் உள்ள வார்த்தைகளைத் தவிர்த்து, அதற்குப் பதிலாக நீங்கள் இயல்பாகச் சொல்லக்கூடிய ஒன்றைப் பயன்படுத்துங்கள்
-
வரைவுகளையும் குறிப்புகளையும் பத்திரமாக வைத்திருங்கள்: ஒருவேளை எப்போதாவது தகராறு ஏற்பட்டால், உள்ளுணர்வை விட செயல்முறைச் சான்றுகளே அதிக முக்கியத்துவம் பெறும்
உண்மையில், சிறந்த தற்காப்பு என்பது உண்மையாக இருப்பதுதான். குறைகளுடன் கூடிய உண்மையே தவிர, விளம்பரச் சிற்றேட்டில் உள்ளதைப் போன்ற கச்சிதமான உண்மையல்ல.
முடிவுரை 🧠✨
செயற்கை நுண்ணறிவு கண்டறிவான்கள் மதிப்புமிக்கவையாக இருக்கலாம், ஆனால் அவை உண்மை கண்டறியும் இயந்திரங்கள் அல்ல. அவை, எழுத்து நடைகள் தொடர்ந்து ஒன்றுடன் ஒன்று மேற்பொருந்தும் ஒரு உலகில் இயங்கும், முழுமையற்ற தரவுகளில் பயிற்சி பெற்ற வடிவப் பொருத்திகள் ஆகும். (ஓப்பன்ஏஐ; எல்எல்எம்-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
சுருக்கமாக:
-
கண்டறிபவர்கள் வகைப்படுத்திகள், குழப்பம்/திடீர்த் தன்மை, நடையியல் அளவியல், மற்றும் சில சமயங்களில் நீர்க்குறிகளைச் சார்ந்துள்ளனர் 🧩 (LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு)
-
அவர்கள் உறுதியை அல்ல, மாறாக “செயற்கை நுண்ணறிவு போன்ற தன்மையை” மதிப்பிடுகிறார்கள் (OpenAI).
-
முறையான, தொழில்நுட்ப, அல்லது தாய்மொழி அல்லாத எழுத்துக்களில் தவறான முடிவுகள் அடிக்கடி ஏற்படுகின்றன 😬 (லியாங் மற்றும் பலர் (arXiv); டர்னிடின்)
-
கண்டறிப்பான் முடிவுகளை ஒரு தீர்ப்பாக அல்லாமல், மதிப்பாய்வு செய்வதற்கான ஒரு தூண்டுகோலாகப் பயன்படுத்தவும் (டர்னிடின்).
ஆம்... யாராவது மீண்டும், 'செயற்கை நுண்ணறிவு கண்டறிவான்கள் எப்படி வேலை செய்கின்றன?' என்று கேட்டால் , நீங்கள் அவர்களிடம் இப்படிச் சொல்லலாம்: “அவை சில வடிவங்களின் அடிப்படையில் யூகிக்கின்றன - சில சமயங்களில் புத்திசாலித்தனமாக, சில சமயங்களில் வேடிக்கையாக, எப்போதும் வரம்புக்குட்பட்டதாக.”
நடைமுறை உதாரணம்: அவசரப்பட்டுத் தீர்ப்பளிக்காமல், சுட்டிக்காட்டப்பட்ட மாணவர் கட்டுரையை மதிப்பாய்வு செய்தல் 🧑🏫
சூழ்நிலை
ஒரு பல்கலைக்கழக எழுத்துப் பயிற்றுவிப்பாளர், 1,200 வார்த்தைகள் கொண்ட ஒரு வரலாற்று கட்டுரையைப் பெறுகிறார் என்று கற்பனை செய்து பாருங்கள். அந்தக் கட்டுரையை ஒரு செயற்கை நுண்ணறிவு கண்டறியும் கருவி, “86% செயற்கை நுண்ணறிவுக்கான சாத்தியக்கூறு உள்ளது” என்று குறிப்பிடுகிறது. அந்தக் கட்டுரை முறைப்படியாகவும், நேர்த்தியான கட்டமைப்போடும் உள்ளது. மேலும், “இது சுட்டிக்காட்டுகிறது” மற்றும் “இதை வாதிடலாம்” போன்ற சொற்றொடர்களை அது மீண்டும் மீண்டும் பயன்படுத்துகிறது. முதல் பார்வையில், அது சந்தேகத்திற்குரியதாகத் தோன்றலாம்.
ஆனால் அந்த மாணவர் ஒரு ஆங்கில மொழி எழுத்தாளர்; அவர் வகுப்பிலிருந்து ஒரு கண்டிப்பான கட்டுரை வார்ப்புருவைப் பயன்படுத்தி, இலக்கணச் சரிபார்ப்பு மென்பொருளைக் கொண்டு தனது வரைவைத் திருத்தியுள்ளார். வேறுவிதமாகக் கூறினால், இது போன்ற நேர்வுகளில்தான் ஒரு பிழை கண்டறியும் மதிப்பெண் தண்டனைக்கு அல்ல, மாறாக மறுஆய்வுக்கு வழிவகுக்க வேண்டும்.
மாணவரைக் ‘கண்டுபிடிப்பது’ இதன் நோக்கம் அல்ல. அந்த மதிப்பெண்ணை மற்ற சான்றுகள் ஆதரிக்கின்றனவா என்பதைத் தீர்மானிப்பதே இதன் நோக்கம்.
மதிப்பாய்வாளருக்கு என்ன தேவை
எந்தவொரு முடிவையும் எடுப்பதற்கு முன், பயிற்றுவிப்பாளர் பின்வருவனவற்றைச் சேகரிக்கிறார்:
-
கண்டறிதல் அறிக்கை, கிடைக்கப்பெற்றால் சிறப்பித்துக் காட்டப்பட்ட பத்திகள் உட்பட
-
கட்டுரைச் சுருக்கம் மற்றும் மதிப்பீட்டு முறை
-
மாணவரின் வரைவு வரலாறு, குறிப்புகள், சுருக்க வரைவு அல்லது நூற்பட்டியல்
-
பாடநெறிக் கொள்கையில் பட்டியலிடப்பட்டுள்ள, அனுமதிக்கப்பட்ட எந்தவொரு எழுத்து ஆதரவுக் கருவிகளும்
-
கொள்கை அனுமதித்தால், அதே மாணவரின் ஒன்று அல்லது இரண்டு முந்தைய எழுத்து மாதிரிகள்
-
மாணவரின் எழுதும் செயல்முறை குறித்த ஒரு சிறு விளக்கம்
இது முக்கியமானது, ஏனெனில் கண்டறியும் கருவி இறுதி உரையை மட்டுமே பார்க்கிறது. மாணவர் நான்கு நாட்கள் வரைவு தயாரித்தாரா, ஒரு வார்ப்புருவைப் பயன்படுத்தினாரா, வகுப்பில் பயன்படுத்தப்பட்ட சொற்றொடர்களை நகலெடுத்தாரா, குறிப்புகளை மொழிபெயர்த்தாரா, அல்லது பின்னூட்டத்துடன் திருத்தம் செய்தாரா என்பது அதற்குத் தெரியாது.
எடுத்துக்காட்டு அறிவுறுத்தல்
ஒரு பயிற்றுநர், இந்த வழக்கை மதிப்பிடும்போது இந்த மீளாய்வு வழிமுறையைப் பயன்படுத்தலாம்:
இந்தக் கட்டுரையை, செயற்கை நுண்ணறிவு (AI) பயன்பாட்டிற்கான ஆதாரமாக அல்லாமல், எழுதும் செயல்முறையைச் சரிபார்க்கும் ஒரு சோதனையாக மதிப்பாய்வு செய்யவும். கண்டறிப்பான் சுட்டிக்காட்டிய பகுதிகளை மாணவரின் குறிப்புகள், வரைவு வரலாறு, ஆதாரப் பட்டியல் மற்றும் முந்தைய எழுத்து மாதிரியுடன் ஒப்பிடவும். எந்தப் பகுதிகள் உண்மையாகவே சந்தேகத்திற்குரியவை, எவை வெறுமனே சம்பிரதாயமானவை, வார்ப்புரு அடிப்படையிலானவை அல்லது ஆங்கிலம் இரண்டாம் மொழியாகக் (ESL) சார்ந்தவை என்பதைக் கண்டறியவும். ஆதாரங்களை மூன்று குழுக்களாகப் பிரிக்கவும்: கண்டறிப்பான் சமிக்ஞை, எழுதும் செயல்முறை ஆதாரம் மற்றும் மனித மதிப்பீடு. கண்டறிப்பான் மதிப்பெண்ணைத் தாண்டி தெளிவான துணை ஆதாரம் இருந்தால் தவிர, ஒழுங்கு நடவடிக்கையைப் பரிந்துரைக்க வேண்டாம்.
அதை எப்படி சோதிப்பது
ஒரு நியாயமான மதிப்பாய்வு செயல்முறைக்கு மூன்று எளிய சோதனைகள் தேவைப்படலாம்:
-
மாணவரிடம் இரண்டு பத்திகளை வாய்மொழியாக விளக்குமாறு கேளுங்கள்.
அவர்களால் தங்கள் வாதம், ஆதாரங்கள் மற்றும் அதை ஏன் அவ்வாறு அமைத்தார்கள் என்பதை விளக்க முடிந்தால், அது ஒரு மதிப்புமிக்க செயல்முறைச் சான்றாகும். -
குறியிடப்பட்ட பகுதிகளைக் கட்டுரை வார்ப்புருவுடன் ஒப்பிடுக.
கண்டறியும் கருவி பெரும்பாலும் வார்ப்புரு பாணியிலான சொற்றொடர்களை முன்னிலைப்படுத்தினால், அந்த மதிப்பெண் படைப்பினை விட அதன் கட்டமைப்பிற்கே முக்கியத்துவம் அளிப்பதாக இருக்கலாம். -
மிகச் சிறிய துணுக்குகளை அல்ல, நீண்ட பகுதிகளை மட்டும் மீண்டும் இயக்கவும்
. ஒரு ஒற்றைப் பத்தி தெளிவற்றதாக இருக்கலாம். மூன்று தனித்தனி வாக்கியங்களைக் காட்டிலும், 600-900 வார்த்தைகள் கொண்ட ஒரு மாதிரி பொதுவாக அதிக அர்த்தமுள்ள ஒரு செய்தியைத் தரும்.
முடிவு
விளக்க முடிவு: ஐந்து கட்டுரைகளைக் கொண்ட ஒரு மீள்பார்வைப் பயிற்சியில், ஒரு பயிற்றுநர் இந்த செயல்முறைப் படிவத்தைப் பயன்படுத்துவதற்கு முன்பும் பின்பும் அந்தச் செயல்முறையின் நேரத்தைக் கணக்கிடுகிறார்.
பணிப்பாய்வுக்கு முன்பு, குறியிடப்பட்ட ஒவ்வொரு கட்டுரையையும் மதிப்பாய்வு செய்ய சுமார் 35 நிமிடங்கள் ஆனது, ஏனெனில் பயிற்றுவிப்பாளர் எதைச் சரிபார்ப்பது என்பதைப் புதிதாக முடிவு செய்ய வேண்டியிருந்தது.
பணிப்பாய்வைப் பயன்படுத்திய பிறகு, ஒவ்வொரு மதிப்பாய்வும் சுமார் 18 நிமிடங்கள் எடுத்தது:
-
டிடெக்டரின் சிறப்பம்சங்களைப் படிக்க 5 நிமிடங்கள்
-
வரைவுகள், குறிப்புகள் மற்றும் மூலங்களைச் சரிபார்க்க 6 நிமிடங்கள்
-
முந்தைய எழுத்து அல்லது வார்ப்புரு மொழியை ஒப்பிட்டுப் பார்க்க 4 நிமிடங்கள்
-
ஒரு சிறு விமர்சனக் குறிப்பை எழுத 3 நிமிடங்கள்
இதன் மூலம் ஒவ்வொரு கட்டுரைக்கும் தோராயமாக 17 நிமிடங்களும், அல்லது சுட்டிக்காட்டப்பட்ட ஐந்து கட்டுரைகளுக்கு 85 நிமிடங்களும் சேமிக்கப்படும். இந்த அளவீட்டைச் சரிபார்ப்பது எளிது: ஒவ்வொரு மதிப்பாய்வுக்கும் நேரம் குறித்து, எத்தனை வழக்குகளுக்கு அடுத்தகட்ட நடவடிக்கை தேவைப்பட்டது என்பதைக் கணக்கிட்டு, இறுதி முடிவு கண்டறிதல் மதிப்பெண்ணை மட்டுமே சார்ந்திருந்ததா அல்லது துணை ஆதாரங்களைச் சார்ந்திருந்ததா என்பதைப் பதிவு செய்யுங்கள்.
ஒரு சிறந்த வெற்றி அளவுகோல் என்பது “எத்தனை மாணவர்கள் பிடிபட்டனர்” என்பதல்ல. மாறாக, தெளிவான ஆதாரங்களுடனும், குறைவான அவசர அனுமானங்களுடனும், எத்தனை சந்தேகத்திற்குரிய மதிப்பெண்கள் சீராக மதிப்பாய்வு செய்யப்பட்டன என்பதே ஆகும்.
என்ன தவறு நடக்கக்கூடும்?
கண்டறியும் கருவியின் சதவீதத்தையே முடிவாகக் கருதுவதுதான் மிகப்பெரிய தவறு. “86% செயற்கை நுண்ணறிவு சாத்தியம்” என்பது அதிகாரப்பூர்வமாகத் தோன்றினாலும், அது தவறாகவும் இருக்கலாம்.
மற்ற பொதுவான தவறுகள் பின்வருமாறு:
-
இறுதிக் கட்டுரையை மட்டும் சரிபார்த்து, வரைவுகளைப் புறக்கணித்தல்
-
நேர்த்தியான ESL எழுத்து "மிகவும் மென்மையாக" இருக்கிறது என்பதற்காக அதனைத் தண்டிப்பது
-
ஒரு கண்டறியும் கருவியை தடயவியல் கருவி போல பயன்படுத்துதல்
-
மிகச் சிறிய துணுக்குகளை இயக்கி, மதிப்பெண்ணை நம்பகமானதாகக் கருதுதல்
-
மாணவர்கள் என்ன ஆதாரங்களை வழங்கலாம் என்பதைத் தெரிவிக்கத் தவறுதல்
-
இலக்கணக் கருவிகள், வார்ப்புருக்கள் மற்றும் பின்னூட்டங்கள் நடையை மாற்றும் என்பதை மறந்துவிடுதல்
ஒரு நல்ல மதிப்பாய்வு செயல்முறை தனியுரிமையையும் பாதுகாக்க வேண்டும். கொள்கையில் தெளிவாக அனுமதிக்கப்பட்டால் தவிர, மாணவர்கள் தனிப்பட்ட குறிப்புகள், சொந்த செய்திகள் அல்லது தொடர்பில்லாத ஆவணங்களைப் பதிவேற்றும்படி கேட்கப்படக்கூடாது.
நடைமுறைப் பாடம்
செயற்கை நுண்ணறிவு கண்டறிப்பான்களை ஒரு உண்மை கண்டறியும் கருவியாகப் பயன்படுத்தாமல், அவற்றை வகைப்படுத்தும் ஒரு கருவியாகப் பயன்படுத்துங்கள். ஒரு வலுவான செயல்முறையானது, மதிப்பெண்ணை வரைவுகள், மூலச் சரிபார்ப்புகள், எழுத்து வரலாறு, மாணவர் விளக்கம் மற்றும் மனிதத் தீர்ப்பு ஆகியவற்றுடன் ஒருங்கிணைக்கிறது. அது, பள்ளிகள், பதிப்பாசிரியர்கள் மற்றும் மதிப்பாய்வாளர்களுக்கு, அச்சமூட்டும் ஒரு சதவீதத்தை விட மிகவும் மதிப்புமிக்க ஒன்றை வழங்குகிறது: அதாவது, அவர்களால் நம்பிக்கையுடன் நியாயப்படுத்தக்கூடிய ஒரு முடிவை.
அடிக்கடி கேட்கப்படும் கேள்விகள்
நடைமுறையில் செயற்கை நுண்ணறிவு கண்டறிவான்கள் எவ்வாறு செயல்படுகின்றன?
பெரும்பாலான செயற்கை நுண்ணறிவு கண்டறிவான்கள், ஒரு படைப்பின் ஆசிரியர் யார் என்பதை "நிரூபிப்பதில்லை". மொழி மாதிரிகளால் பொதுவாக உருவாக்கப்படும் வடிவங்களை உங்கள் உரை எவ்வளவு நெருக்கமாக ஒத்திருக்கிறது என்பதை அவை மதிப்பிட்டு, பின்னர் ஒரு நிகழ்தகவு போன்ற மதிப்பெண்ணை வெளியிடுகின்றன. உள்ளுக்குள், அவை வகைப்படுத்தி மாதிரிகள், பெர்பிளெக்சிட்டி பாணியிலான முன்கணிப்பு மதிப்பெண் முறை, நடையியல் அம்சங்கள் அல்லது நீர்க்குறிச் சரிபார்ப்புகளைப் பயன்படுத்தக்கூடும். இதன் முடிவை ஒரு திட்டவட்டமான தீர்ப்பாகக் கருதாமல், ஒரு இடர் சமிக்ஞையாகவே கருதுவது சிறந்தது.
செயற்கை நுண்ணறிவு கண்டறிவான்கள் எழுத்துகளில் என்னென்ன சமிக்ஞைகளைத் தேடுகின்றன?
பொதுவான அறிகுறிகளில், யூகிக்கக்கூடிய தன்மை (உங்கள் அடுத்த வார்த்தைகளைக் கேட்டு ஒரு மாதிரி எவ்வளவு "ஆச்சரியப்படுகிறது"), வாக்கிய அமைப்புகளில் மீண்டும் மீண்டும் வருதல், வழக்கத்திற்கு மாறாக சீரான நடை, மற்றும் உறுதியான விவரங்கள் குறைவாக உள்ள பொதுவான சொற்றொடர் அமைப்பு ஆகியவை அடங்கும். சில கருவிகள் வாக்கிய நீளம், நிறுத்தற்குறிப் பழக்கங்கள், மற்றும் வினைச்சொல் பயன்பாட்டு அதிர்வெண் போன்ற நடையியல் குறிகாட்டிகளையும் ஆராய்கின்றன. இந்த அறிகுறிகள், குறிப்பாக முறையான, கல்விசார் அல்லது தொழில்நுட்ப வகை எழுத்துக்களில், மனித எழுத்துடன் ஒன்றுடன் ஒன்று பொருந்தக்கூடும்.
AI டிடெக்டர்கள் மனித எழுத்தை AI எனக் குறிப்பது ஏன்?
மனித எழுத்து புள்ளிவிவரப்படி "சீராக" அல்லது வார்ப்புருவைப் போலத் தோற்றமளிக்கும்போது தவறான முடிவுகள் ஏற்படுகின்றன. முறையான தொனி, விதிமுறைகளுக்கு இணங்கப் பயன்படுத்தப்படும் சொற்கள், தொழில்நுட்ப விளக்கங்கள், சிறு மாதிரிகள் மற்றும் தாய்மொழி அல்லாத ஆங்கிலம் ஆகிய அனைத்தும் வேறுபாட்டைக் குறைப்பதால், செயற்கை நுண்ணறிவு போன்றவையாக தவறாகப் புரிந்துகொள்ளப்படலாம். இதனால்தான், ஒரு தெளிவான, நன்கு திருத்தப்பட்ட பத்தி அதிக மதிப்பெண்ணைப் பெற வழிவகுக்கிறது. ஒரு கண்டறியும் கருவி ஒற்றுமையை ஒப்பிடுகிறதே தவிர, மூலத்தை உறுதிப்படுத்துவதில்லை.
குழப்பம் மற்றும் திடீர் எழுச்சி கண்டறியும் கருவிகள் நம்பகமானவையா?
மூலமான, மிகவும் கணிக்கக்கூடிய செயற்கை நுண்ணறிவு வெளியீடாக உரை இருக்கும்போது, குழப்பத்தை அடிப்படையாகக் கொண்ட முறைகள் செயல்படக்கூடும். ஆனால் அவை பலவீனமானவை: சிறிய பத்திகள் தெளிவற்றவை, மேலும் பல முறையான மனித எழுத்து வகைகள் (சுருக்கங்கள், வரையறைகள், நிறுவன மின்னஞ்சல்கள், கையேடுகள்) இயல்பாகவே கணிக்கக்கூடியவை. திருத்துவதும் மெருகூட்டுவதும் முடிவுகளைப் பெருமளவில் மாற்றிவிடக்கூடும். இந்தக் கருவிகள் விரைவான வகைப்படுத்தலுக்குப் பொருத்தமானவை, ஆனால் தாங்களாகவே அதிக முக்கியத்துவம் வாய்ந்த முடிவுகளுக்கு அல்ல.
வகைப்படுத்திக் கண்டறியும் கருவிகளுக்கும் பாணி அளவியல் கருவிகளுக்கும் என்ன வேறுபாடு?
வகைப்படுத்தி கண்டறிவான்கள், மனித மற்றும் செயற்கை நுண்ணறிவு (சில நேரங்களில் கலப்பின) உரைகளின் குறியிடப்பட்ட தரவுத்தொகுப்புகளிலிருந்து கற்றுக்கொண்டு, உங்கள் உரை எந்தப் பிரிவை மிகவும் ஒத்திருக்கிறது என்பதைக் கணிக்கின்றன. நடையியல் அளவீட்டுக் கருவிகள், சொல் தேர்வு முறைகள், செயல்பாட்டுச் சொற்கள் மற்றும் வாசிப்புத்திறன் சமிக்ஞைகள் போன்ற எழுத்தின் "கைரேகைகளில்" கவனம் செலுத்துகின்றன; இவை விரிவான பகுப்பாய்வில் அதிகத் தகவல்களை அளிக்கக்கூடும். இந்த இரண்டு அணுகுமுறைகளுமே கள மாற்றத்தால் பாதிக்கப்படுகின்றன, மேலும் எழுத்து நடை அல்லது தலைப்பு அவற்றின் பயிற்சித் தரவுகளிலிருந்து வேறுபடும்போது சிரமப்படலாம்.
வாட்டர்மார்க்ஸ், செயற்கை நுண்ணறிவு கண்டறிதலை நிரந்தரமாகத் தீர்த்துவிடுகின்றனவா?
ஒரு மாடல் வாட்டர்மார்க்குகளைப் பயன்படுத்தும்போதும், கண்டறியும் கருவி அந்த வாட்டர்மார்க் திட்டத்தை அறிந்திருக்கும்போதும், அவை வலுவாக இருக்கக்கூடும். உண்மையில், எல்லா வழங்குநர்களும் வாட்டர்மார்க் இடுவதில்லை, மேலும் மாற்றுச் சொற்களில் எழுதுதல், மொழிபெயர்ப்பு, பகுதியளவு மேற்கோள் காட்டுதல் அல்லது மூலங்களைக் கலத்தல் போன்ற பொதுவான உருமாற்றங்கள் அந்த வடிவத்தை பலவீனப்படுத்தலாம் அல்லது உடைக்கலாம். முழுச் சங்கிலியும் சரியாகப் பொருந்தும் குறுகிய நேர்வுகளில் வாட்டர்மார்க் கண்டறிதல் சக்தி வாய்ந்ததாக இருக்கிறது, ஆனால் அது உலகளாவிய பாதுகாப்பு அளிப்பதில்லை.
“X% AI” மதிப்பெண்ணை நான் எவ்வாறு புரிந்துகொள்வது?
ஒற்றை சதவீதத்தை, அது செயற்கை நுண்ணறிவு உருவாக்கியதற்கான சான்றாகக் கருதாமல், “செயற்கை நுண்ணறிவுத் தன்மைக்கான” ஒரு தோராயமான குறிகாட்டியாகக் கருதுங்கள். நடுத்தர அளவிலான மதிப்பெண்கள் குறிப்பாகத் தெளிவற்றவை, மேலும் தரப்படுத்தப்பட்ட அல்லது முறையான எழுத்துக்களில் அதிக மதிப்பெண்கள் கூட தவறாக இருக்கலாம். சிறந்த கருவிகள், சிறப்பித்துக் காட்டப்பட்ட பகுதிகள், சிறப்புக் குறிப்புகள் மற்றும் நிச்சயமற்ற தன்மைக்கான மொழி போன்ற விளக்கங்களை வழங்குகின்றன. ஒரு கண்டறிப்பான் தன்னைத்தானே விளக்கிக் கொள்ளவில்லை என்றால், அந்த எண்ணை அதிகாரப்பூர்வமானதாகக் கருதாதீர்கள்.
பள்ளிகள் அல்லது பதிப்புப் பணிகளுக்கு ஒரு சிறந்த செயற்கை நுண்ணறிவு கண்டறியும் கருவியின் அம்சங்கள் யாவை?
ஒரு திறமையான கண்டறியும் கருவியானது அளவீடு செய்யப்பட்டு, தவறான நேர்மறைகளைக் குறைத்து, வரம்புகளைத் தெளிவாகத் தெரிவிக்கிறது. அது குறுகிய மாதிரிகளின் அடிப்படையில் அதீத நம்பிக்கையுள்ள கூற்றுகளைத் தவிர்க்க வேண்டும், வெவ்வேறு களங்களைக் (கல்வித்துறை, வலைப்பதிவு, தொழில்நுட்பம்) கையாள வேண்டும், மேலும் மனிதர்கள் உரையைத் திருத்தும்போது நிலையானதாக இருக்க வேண்டும். மிகவும் பொறுப்பான கருவிகள் பணிவுடன் நடந்துகொள்கின்றன: அவை மனதைப் படிப்பவர்களைப் போலச் செயல்படுவதற்குப் பதிலாக, சான்றுகளையும் நிச்சயமற்ற தன்மையையும் வழங்குகின்றன.
அமைப்பை ஏமாற்றாமல், தற்செயலான AI எச்சரிக்கைகளை நான் எப்படி குறைக்க முடியும்?
தந்திரங்களை விடுத்து, உண்மையான படைப்பாற்றலின் அடையாளங்களில் கவனம் செலுத்துங்கள். உறுதியான விவரங்களைச் சேர்க்கவும் (நீங்கள் எடுத்த நடவடிக்கைகள், கட்டுப்பாடுகள், விட்டுக்கொடுப்புகள்), வாக்கிய ஓட்டத்தை இயல்பாக மாற்றுங்கள், மேலும் நீங்கள் வழக்கமாகப் பயன்படுத்தாத, வார்ப்புருவாக்கப்பட்ட இணைப்புச் சொற்களைத் தவிர்க்கவும். வரைவுகள், குறிப்புகள் மற்றும் திருத்தங்களின் வரலாற்றைப் பாதுகாத்து வையுங்கள் - தகராறுகளில், ஒரு மதிப்பீட்டு மதிப்பெண்ணை விட செயல்முறைச் சான்றுகளே பெரும்பாலும் அதிக முக்கியத்துவம் பெறுகின்றன. இதன் நோக்கம், கச்சிதமான சிற்றேட்டு உரைநடை அல்ல, ஆளுமையுடன் கூடிய தெளிவே தவிர வேறொன்றுமில்லை.
குறிப்புகள்
-
கணக்கீட்டு மொழியியல் சங்கம் (ACL தொகுப்பு) - LLM-உருவாக்கிய உரை கண்டறிதல் குறித்த ஒரு ஆய்வு - aclanthology.org
-
OpenAI - செயற்கை நுண்ணறிவால் எழுதப்பட்ட உரையை வகைப்படுத்தும் புதிய செயற்கை நுண்ணறிவு வகைப்படுத்தி - openai.com
-
டர்னிடின் வழிகாட்டிகள் - கிளாசிக் அறிக்கை பார்வையில் AI எழுத்து கண்டறிதல் - guides.turnitin.com
-
டர்னிடின் வழிகாட்டிகள் - செயற்கை நுண்ணறிவு எழுத்து கண்டறிதல் மாதிரி - guides.turnitin.com
-
டர்னிடின் - எங்கள் AI எழுத்து கண்டறிதல் திறன்களுக்குள் தவறான நேர்மறைகளைப் புரிந்துகொள்வது - டர்னிடின்.காம்
-
arXiv - DetectGPT - arxiv.org
-
பாஸ்டன் பல்கலைக்கழகம் - குழப்பப் பதிவுகள் - cs.bu.edu
-
ஜிபிடிஜீரோ - குழப்பமும் திடீர் உத்வேகமும்: அது என்ன? - gptzero.me
-
பப்மெட் சென்ட்ரல் (NCBI) - நடையியல் அளவியல் மற்றும் தடயவியல்: ஒரு இலக்கிய மீளாய்வு - ncbi.nlm.nih.gov
-
கணக்கீட்டு மொழியியல் சங்கம் (ACL தொகுப்பு) - நூலாசிரியர் உரிமைப் பங்கீட்டில் செயல்பாட்டுச் சொற்கள் - aclanthology.org
-
arXiv - பெரிய மொழி மாதிரிகளுக்கான ஒரு நீர்முத்திரை - arxiv.org
-
டெவலப்பர்களுக்கான கூகிள் AI - SynthID உரை - ai.google.dev
-
arXiv - பெரிய மொழி மாதிரிகளுக்கான நீர்முத்திரைகளின் நம்பகத்தன்மை குறித்து - arxiv.org
-
OpenAI - நாம் இணையத்தில் காண்பவை மற்றும் கேட்பவற்றின் மூலத்தைப் புரிந்துகொள்ளுதல் - openai.com
-
ஸ்டான்ஃபோர்ட் HAI - தாய்மொழி அல்லாத ஆங்கில எழுத்தாளர்களுக்கு எதிராகப் பாரபட்சம் காட்டும் செயற்கை நுண்ணறிவு கண்டறிவான்கள் - hai.stanford.edu
-
arXiv - லியாங் மற்றும் பலர் - arxiv.org