ChatGPT“克星”：用AI識別AI生成的文本，英語論文閱讀筆記都能測出
學(xué)會辨別“人話”和“AI生成”
蕭簫 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
ChatGPT的出現(xiàn)，讓不少人看到了交期末大作業(yè)的曙光（手動狗頭）。
無論是英語論文、還是閱讀筆記，只要在ChatGPT的知識范圍內(nèi)，都可以拜托它幫忙完成，寫出來的內(nèi)容也有理有據(jù)。
不過，有沒有想過你的老師也準(zhǔn)備用“AI文本檢測器”一類的東西來防止你作弊？
像這樣輸入一段看起來沒毛病的筆記，經(jīng)過它一番檢測，認(rèn)為這段文字“由AI編寫”（Fake）的可能性為99.98%！
△文本由ChatGPT生成
換個數(shù)學(xué)論文試試？ChatGPT的輸出看起來沒啥問題，卻仍然被它準(zhǔn)確識破了：
△文本由ChatGPT生成
這可不是靠瞎蒙或猜測，畢竟對方同樣是個AI，還是個訓(xùn)練有素的AI。
看到這有網(wǎng)友調(diào)侃：用魔法打敗魔法？
用AI寫的東西來訓(xùn)練新AI
這個AI檢測器名叫GPT-2 Output Detector，是OpenAI聯(lián)合哈佛大學(xué)等高校和機構(gòu)一起打造的。（沒錯，OpenAI自家做的）
輸入50個以上字符（tokens）就能較準(zhǔn)確地識別AI生成的文本。
但即便是專門檢測GPT-2的模型，用來檢測其他AI生成文本效果也同樣不錯。
作者們先是發(fā)布了一個“GPT-2生成內(nèi)容”和WebText（專門從國外貼吧Reddit上扒下來的）數(shù)據(jù)集，讓AI理解“AI語言”和“人話”之間的差異。
隨后，用這個數(shù)據(jù)集對RoBERTa模型進行微調(diào)，就得到了這個AI檢測器。
RoBERTa（Robustly Optimized BERT approach）是BERT的改進版。原始的BERT使用了13GB大小的數(shù)據(jù)集，但RoBERTa使用了包含6300萬條英文新聞的160GB數(shù)據(jù)集。
其中，人話一律被識別為True，AI生成的內(nèi)容則一律被識別為Fake。
例如這是一段從Medium英文博客上復(fù)制的內(nèi)容。從識別結(jié)果來看，很顯然作者是親自寫的（手動狗頭）：
△文字來源Medium@Megan Ng
當(dāng)然，這個檢測器也并非100%準(zhǔn)確。
AI模型參數(shù)量越大，生成的內(nèi)容越不容易被識別，例如1.24億參數(shù)量的模型“被抓包”的概率就比15億參數(shù)更高。
同時，模型生成結(jié)果隨機性越高，AI生成內(nèi)容被檢測出來的概率也會更低。
但即便將模型調(diào)整到生成隨機性最高（Temperature=1，越接近0生成隨機性越低），1.24億參數(shù)模型被檢測出的概率仍然是88%，15億參數(shù)模型被檢測出的概率仍然有74%。
這是OpenAI兩年前發(fā)布的模型，當(dāng)時對GPT-2生成的內(nèi)容就“一打一個準(zhǔn)”。
現(xiàn)在面對升級版的ChatGPT，檢測英文生成內(nèi)容的效果依舊能打。
但面對ChatGPT生成的中文，它的識別能力就不那么好了。例如讓ChatGPT來一段作文：
AI檢測器給出是人寫的概率為99.96%……
當(dāng)然話說回來，ChatGPT也能檢測自己生成的文本。
所以，不排除老師將你的作業(yè)直接交給ChatGPT來識別：
One More Thing
值得一提的是，ChatGPT表示自己并不能訪問互聯(lián)網(wǎng)來搜索信息。
顯然，它還意識不到GPT-2 Output Detector這個AI檢測器的存在：
所以能不能像網(wǎng)友所說，讓ChatGPT生成一段“不被AI檢測器測出來的”內(nèi)容呢？
很遺憾不能：
所以大作業(yè)還是自己寫吧……
參考鏈接：
[1]https://weibo.com/1402400261/Mj7QtwRoH
[2]https://github.com/openai/gpt-2-output-dataset/tree/master/detector
[3]https://chat.openai.com/
[4]https://medium.com/user-experience-design-1/how-chatgpt-is-blowing-google-out-of-the-water-a-ux-breakdown-784340c25d57
相關(guān)閱讀
布.png)
