萧箫 发自 凹非寺
量子位 | 公众号
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：
[1]
[2]
[3]
[4]
— 完 —
科技前沿进展日日相见~
相关文章
