快速解答
AI 偵測器會評估一段文字是否類似於 AI 生成或人類撰寫的內容範例。現代系統可能使用深度學習分類器、句子級模型、統計特徵、語言模式或這些方法的組合。確切的架構因供應商而異，且通常是專有的。由於輸出是機率性的，偵測器可能會產生誤報和漏報，特別是對於簡短、經過編輯、混合或多語言的文字。
現代偵測不只關乎困惑度和突發性
困惑度（Perplexity）和突發性（Burstiness）是解釋文字可預測性和變化的有用歷史概念，但不應將其視為當前 AI 偵測器背後的通用引擎。例如，GPTZero 表示在採用基於深度學習的架構後，已不再使用困惑度和突發性進行 AI 偵測。其他供應商可能使用不同或專有的方法。
從文字到機率
偵測器通常會將文字轉換為模型可讀的特徵，評估從人類和 AI 範例中學習到的模式，並產生文件級或句子級的機率。確切的分數並非關於作者身份的事實；它是模型在其自身的訓練數據、閾值和假設下的估計。
結果為何不同
結果可能因樣本長度、語言、用於創建草稿的 AI 模型、人工編輯量、特定領域寫作以及偵測器的當前版本而異。這就是為什麼同一個段落會從不同服務獲得不同分數的原因。
常見問題
AI 偵測器知道是誰寫的文字嗎？
不。它們分類提交文字中的模式；它們不觀察寫作過程。
為什麼不同的偵測器會意見不合？
它們使用不同的模型、閾值、訓練數據和文件規則。
困惑度和突發性還在使用嗎？
有些系統可能使用相關的統計特徵，但它們並非現代 AI 偵測的通用描述。
相關閱讀
來源
