的出现，让不少人看到了交期末大作业的曙光（手动狗头）。
无论是英语论文、还是阅读笔记，只要在 的知识范围内，都可以拜托它帮忙完成，写出来的内容也有理有据。
不过，有没有想过你的老师也准备用“AI 文本检测器”一类的东西来防止你作弊？
像这样输入一段看起来没毛病的笔记，经过它一番检测，认为这段文字“由 AI 编写”（Fake）的可能性为 99.98%！
△ 文本由 生成
换个数学论文试试？ 的输出看起来没啥问题，却仍然被它准确识破了：
△ 文本由 生成
这可不是靠瞎蒙或猜测，毕竟对方同样是个 AI，还是个训练有素的 AI。
看到这有网友调侃：用魔法打败魔法？
用 AI 写的东西来训练新 AI
这个 AI 检测器名叫 GPT-2 ，是 联合哈佛大学等高校和机构一起打造的。（没错， 自家做的）
输入 50 个以上字符（）就能较准确地识别 AI 生成的文本。
但即便是专门检测 GPT-2 的模型，用来检测其他 AI 生成文本效果也同样不错。
作者们先是发布了一个“GPT-2 生成内容”和 （专门从国外贴吧 上扒下来的）数据集，让 AI 理解“AI 语言”和“人话”之间的差异。
随后，用这个数据集对 模型进行微调，就得到了这个 AI 检测器。
（ BERT ）是 BERT 的改进版。原始的 BERT 使用了 13GB 大小的数据集，但 使用了包含 6300 万条英文新闻的 160GB 数据集。
其中，人话一律被识别为 True，AI 生成的内容则一律被识别为 Fake。
例如这是一段从 英文博客上复制的内容。从识别结果来看，很显然作者是亲自写的（手动狗头）：
△ 文字来源 @Megan Ng
当然，这个检测器也并非 100% 准确。
AI 模型参数量越大，生成的内容越不容易被识别，例如 1.24 亿参数量的模型“被抓包”的概率就比 15 亿参数更高。
同时，模型生成结果随机性越高，AI 生成内容被检测出来的概率也会更低。
但即便将模型调整到生成随机性最高（=1，越接近 0 生成随机性越低），1.24 亿参数模型被检测出的概率仍然是 88%，15 亿参数模型被检测出的概率仍然有 74%。
这是 两年前发布的模型，当时对 GPT-2 生成的内容就“一打一个准”。
现在面对升级版的 ，检测英文生成内容的效果依旧能打。
但面对 生成的中文，它的识别能力就不那么好了。例如让 来一段作文：
AI 检测器给出是人写的概率为 99.96%……
当然话说回来， 也能检测自己生成的文本。
所以，不排除老师将你的作业直接交给 来识别：
One More Thing
值得一提的是， 表示自己并不能访问互联网来搜索信息。
显然，它还意识不到 GPT-2 这个 AI 检测器的存在：
所以能不能像网友所说，让 生成一段“不被 AI 检测器测出来的”内容呢？
很遗憾不能：
所以大作业还是自己写吧……
参考链接：
相关文章
