Πόσο ακριβείς είναι οι ανιχνευτές AI το 2026; Δοκιμάσαμε 5 από αυτά

Μια φοιτήτρια διδακτορικού στο δίκτυό μας επισήμανε την εισαγωγή της διατριβής της ως 67% τεχνητής νοημοσύνης που δημιουργήθηκε από το σύστημα ανίχνευσης του πανεπιστημίου της. Έγραφε κάθε λέξη η ίδια για τέσσερις μήνες. Χωρίς εργαλεία AI, χωρίς γραμματικούς ελέγχους, ούτε καν ορθογραφικό έλεγχο.

Πέρασε δύο εβδομάδες ξαναγράφοντας ενότητες για να μειώσει τη βαθμολογία. Λειτούργησε — αλλά η ξαναγραμμένη έκδοση ήταν χειρότερη από την αρχική.

Αποφασίσαμε να μάθουμε πόσο αξιόπιστα είναι στην πραγματικότητα αυτά τα εργαλεία. Έτσι δοκιμάσαμε πέντε από αυτά.

Η μεθοδολογία δοκιμών μας: 50 δείγματα σε 5 ανιχνευτές

Συγκεντρώσαμε 50 δείγματα κειμένου, το καθένα από 500 έως 800 λέξεις. Τα δείγματα χωρίστηκαν σε πέντε κατηγορίες:

• 10 ακαδημαϊκά κείμενα αμιγώς γραμμένα από τον άνθρωπο — δημοσιευμένα άρθρα σε περιοδικά από το 2018–2022, γραμμένα πριν από την ευρεία διαθεσιμότητα του LLM
• **10 κείμενα που δημιουργούνται καθαρά από AI ** — παράγονται από το GPT-4o με ακαδημαϊκές προτροπές, χωρίς επεξεργασία
• 10 κείμενα που δημιουργούνται από AI με ελαφριά χειροκίνητη επεξεργασία — Προσχέδια AI με ανθρώπινες διορθώσεις για ακρίβεια και φωνή
• 10 κείμενα που δημιουργούνται από την τεχνητή νοημοσύνη και υποβάλλονται σε επεξεργασία μέσω του Text Humanizer — πλήρες πάσο εξανθρωπισμού και μη αυτόματη αναθεώρηση
• 10 ανθρωπογραφικά κείμενα από μη φυσικούς ομιλητές της αγγλικής γλώσσας — δημοσιευμένες εργασίες από ερευνητές που γράφουν στη δεύτερη ή την τρίτη γλώσσα τους

Τρέξαμε κάθε δείγμα μέσω της μονάδας ανίχνευσης AI του Turnitin, GPTZero, Copyleaks, ZeroGPT και Originality.ai. Κάθε εργαλείο επέστρεψε μια βαθμολογία πιθανότητας AI. Καταγράψαμε κάθε βαθμολογία και υπολογίσαμε μετρήσεις ακρίβειας.

Τα αποτελέσματα μας εξέπληξαν. Όχι επειδή τα εργαλεία απέτυχαν εντελώς — αλλά επειδή τα πρότυπα αποτυχίας ήταν τόσο ασυνεπή.

Ανίχνευση Turnitin AI: αποτελέσματα ακρίβειας

Ο Turnitin προσδιόρισε σωστά 9 από τα 10 κείμενα που δημιουργήθηκαν καθαρά από την τεχνητή νοημοσύνη, βαθμολογώντας τα πάνω από 80%. Αυτή είναι σταθερή απόδοση στην προφανή έξοδο AI.

Όπου δυσκολεύτηκε: ψευδώς θετικά. Τρία από τα 10 ακαδημαϊκά κείμενά μας που γράφτηκαν από τον άνθρωπο σημείωσαν βαθμολογία άνω του 20% στον δείκτη AI του Turnitin. Ένα - μια επίσημη βιβλιογραφική ανασκόπηση από ένα περιοδικό χημείας - σημείωσε 38%.

Στο εξανθρωπισμένο κείμενο, η απόδοση του Turnitin έπεσε σημαντικά. Μόνο 3 στα 10 εξανθρωπισμένα δείγματα σημείωσαν βαθμολογία πάνω από το όριο του 20%. Οι υπόλοιποι 7 σημείωσαν μεταξύ 2% και 17%.

Η μη εγγενής αγγλική γραφή ήταν η χειρότερη κατηγορία. Τέσσερα από τα 10 μη εγγενή δείγματα επισημάνθηκαν πάνω από 20%. Ο ένας σημείωσε 52%. Αυτές ήταν πραγματικές δημοσιευμένες εργασίες από πραγματικούς ανθρώπους ερευνητές.

Η συνολική ακρίβεια του Turnitin στη δοκιμή μας: 72%. Αυτό ακούγεται αποδεκτό μέχρι να συνειδητοποιήσετε ότι το ποσοστό σφάλματος 28% σημαίνει ότι περίπου 1 στις 4 κρίσεις μπορεί να είναι λάθος.

GPTZero vs Copyleaks vs ZeroGPT: head-to-head

Δοκιμάσαμε τους τρεις πιο δημοφιλείς αυτόνομους ανιχνευτές τεχνητής νοημοσύνης σε σχέση με το πλήρες σετ δειγμάτων μας.

Ο GPTZero ήταν ο πιο επιθετικός ανιχνευτής. Έπιασε 10 από τα 10 ακατέργαστα κείμενα AI — τέλεια ανάκληση. Ωστόσο, επισήμανε επίσης 4 κείμενα που γράφτηκαν από άνθρωπο και 5 κείμενα μη εγγενούς αγγλικής γλώσσας ως κυρίως δημιουργημένα από AI. Το ποσοστό ψευδώς θετικού του ήταν το υψηλότερο στη δοκιμή μας στο 12%.

Το Copyleaks ακολούθησε μια πιο συντηρητική προσέγγιση. Αναγνώρισε σωστά 8 από τα 10 κείμενα τεχνητής νοημοσύνης, αλλά επισήμανε εσφαλμένα μόνο 1 δείγμα που γράφτηκε από ανθρώπους. Σε εξανθρωπισμένο κείμενο, έπιασε 4 στα 10 — καθιστώντας το την καλύτερη απόδοση ενάντια στον εξανθρωπισμό, αλλά εξακολουθεί να λείπει περισσότερο από το μισό.

Το ZeroGPT ήταν το λιγότερο αξιόπιστο. Επισήμανε σωστά 7 από τα 10 κείμενα τεχνητής νοημοσύνης, αλλά και λανθασμένα 3 κείμενα που γράφτηκαν από άνθρωπο. Ακόμη χειρότερα, οι βαθμολογίες του παρουσίαζαν διακυμάνσεις — εκτελέσαμε το ίδιο δείγμα δύο φορές και πήραμε διαφορετικά αποτελέσματα το 30% των φορών. Η συνέπεια έχει σημασία σε ένα εργαλείο ανίχνευσης και το ZeroGPT δεν το παρέδωσε.

Το Originality.ai είχε καλή απόδοση σε ακατέργαστο κείμενο AI (εντοπίστηκε 9/10) και είχε χαμηλό ποσοστό ψευδώς θετικών σε ανθρώπινο κείμενο (1/10 επισημάνθηκε εσφαλμένα). Σε εξανθρωπισμένο κείμενο, έπιασε 5 στα 10 — στη μέση του πακέτου.

Ακολουθεί η άβολη περίληψη: κανένας ανιχνευτής δεν πέτυχε συνολική ακρίβεια άνω του 80% σε όλες τις κατηγορίες δειγμάτων.

Το ψευδώς θετικό πρόβλημα για το οποίο κανείς δεν μιλάει

Τα ψευδώς θετικά είναι η αθόρυβη κρίση στον εντοπισμό τεχνητής νοημοσύνης. Όταν ένας ανιχνευτής επισημαίνει εσφαλμένα κείμενο που έχει γραφτεί από ανθρώπους ως δημιουργημένο από τεχνητή νοημοσύνη, φέρει το βάρος της απόδειξης στον συγγραφέα. "Αποδείξετε ότι δεν χρησιμοποιήσατε AI" είναι μια σχεδόν αδύνατη απαίτηση.

Η δοκιμή μας βρήκε σταθερά μοτίβα στα οποία ανθρώπινα κείμενα επισημάνθηκαν ψευδώς:

Υψηλά δομημένη επίσημη γραφή. Όσο πιο οργανωμένη και εκλεπτυσμένη η πεζογραφία σας, τόσο πιο πιθανό είναι ένας ανιχνευτής να την επισημάνει. Σαφείς προτάσεις θέματος, λογική εξέλιξη της παραγράφου, συνεπής ορολογία — όλα αυτά είναι μοτίβα που μοιράζονται η καλή ανθρώπινη γραφή και η παραγωγή τεχνητής νοημοσύνης.

Τυπολογικές ενότητες. Οι ενότητες μεθόδων, οι διαδικαστικές περιγραφές και οι ανασκοπήσεις βιβλιογραφίας ακολουθούν πρότυπα για συγκεκριμένο κλάδο. Κάθε ερευνητής γράφει «τα δεδομένα συλλέχθηκαν χρησιμοποιώντας ημιδομημένες συνεντεύξεις» με τον ίδιο τρόπο. Οι ανιχνευτές δεν μπορούν να διακρίνουν τη συμβατική από τη γενιά.

Λεξιλόγιο χαμηλής εντροπίας. Ορισμένοι τομείς — νομική, ιατρική, μηχανική — χρησιμοποιούν εξειδικευμένο λεξιλόγιο με περιορισμένες επιλογές συνωνύμων. Όταν πρέπει να χρησιμοποιείτε συγκεκριμένους όρους επανειλημμένα, το κείμενό σας φαίνεται πιο "προβλέψιμο" σε έναν ανιχνευτή που βασίζεται στην αμηχανία.

Μη μητρικά αγγλικά. Επιστρέφουμε συνεχώς σε αυτό γιατί είναι το πιο ανησυχητικό εύρημα. Οι ερευνητές που γράφουν στη δεύτερη γλώσσα τους παράγουν κείμενο με χαμηλότερη λεξιλογική ποικιλομορφία και περισσότερες δομικές δομές — ακριβώς τα μοτίβα που συνδέουν οι ανιχνευτές με την τεχνητή νοημοσύνη. Αυτό δημιουργεί ένα αποτέλεσμα που εισάγει διακρίσεις με το οποίο τα περισσότερα ιδρύματα δεν έχουν αντιμετωπίσει.

Τι σημαίνει αυτό για τους ερευνητές που χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης

Εάν χρησιμοποιείτε την τεχνητή νοημοσύνη ως βοηθό γραφής — σύνταξη, αναδιάρθρωση, στίλβωση — το τοπίο ανίχνευσης δημιουργεί ένα πραγματικό πρόβλημα. Ακόμη και το κείμενο που γράψατε εξ ολοκλήρου με το χέρι μπορεί να επισημανθεί. Το κείμενο υποβοηθούμενο από τεχνητή νοημοσύνη είναι σχεδόν βέβαιο ότι θα επισημανθεί εκτός εάν λάβετε μέτρα για να το εξανθρωπίσετε.

Οι συστάσεις μας που βασίζονται σε αυτή τη δοκιμή:

Μην εμπιστεύεστε την ετυμηγορία κανενός ανιχνευτή. Είδαμε δείγματα που σημείωσαν 5% σε ένα εργαλείο και 68% σε άλλο. Εάν το ίδρυμά σας χρησιμοποιεί έναν ανιχνευτή, αυτός είναι εκείνος που έχει σημασία για τη συμμόρφωση — αλλά μια ενιαία βαθμολογία δεν αποτελεί απόδειξη χρήσης τεχνητής νοημοσύνης.

Εξανθρωπισμός στρατηγικά. Η παραγωγή ακατέργαστου AI είναι ανιχνεύσιμη. Το καλά ανθρωποποιημένο κείμενο ως επί το πλείστον δεν είναι. Εάν χρησιμοποιήσατε βοήθεια AI, εκτελέστε το πρόχειρό σας μέσω ενός εργαλείου εξανθρωπισμού ποιότητας και προσθέστε την προσωπική σας φωνή. Η δοκιμή μας έδειξε ότι αυτός ο συνδυασμός μείωσε τις βαθμολογίες ανίχνευσης κάτω από 15% και στα πέντε εργαλεία.

Διατηρήστε τα πρόχειρά σας. Αποθηκεύστε τις ενδιάμεσες εκδόσεις της δουλειάς σας. Ιστορικό προγράμματος περιήγησης, αρχεία καταγραφής συνομιλιών ChatGPT, σχολιασμένα αρχεία PDF, χειρόγραφες σημειώσεις — όλα αυτά παρέχουν αποδεικτικά στοιχεία της διαδικασίας γραφής σας εάν σας ρωτήσουν ποτέ.

Υποστηρίξτε καλύτερες θεσμικές πολιτικές. Τα εργαλεία ανίχνευσης τεχνητής νοημοσύνης δεν είναι αρκετά αξιόπιστα ώστε να χρησιμεύσουν ως αποκλειστική απόδειξη ακαδημαϊκής ανεντιμότητας. Εάν το πανεπιστήμιό σας αντιμετωπίζει μια βαθμολογία Turnitin AI ως απόδειξη, πιέστε πίσω — με δεδομένα. Μοιραστείτε μελέτες όπως αυτή.

Για πρακτικά βήματα σχετικά με το χειρισμό επισημασμένου κειμένου, ανατρέξτε στον οδηγό μας σχετικά με το πώς οι ερευνητές παρακάμπτουν τον εντοπισμό τεχνητής νοημοσύνης χωρίς εξαπάτηση.

Ο αγώνας εξοπλισμών ανίχνευσης AI δεν επιβραδύνεται. Οι ανιχνευτές θα βελτιωθούν. Αλλά το ίδιο θα κάνουν και τα εργαλεία γραφής με τη βοήθεια AI. Η μακροπρόθεσμη λύση δεν είναι η καλύτερη ανίχνευση - είναι καλύτερη πολιτική που αναγνωρίζει πώς συμβαίνει στην πραγματικότητα η γραφή τώρα.

Η δουλειά σου είναι αληθινή. Οι ιδέες σου είναι πραγματικές. Ένας ελαττωματικός αλγόριθμος δεν πρέπει να το κρίνει αυτό.

AI Proofreader for Research Papers

Proofread and polish your manuscript with tracked changes. Built for academic writing.

Συχνές ερωτήσεις

Ε: Ποιος ανιχνευτής AI είναι πιο ακριβής;

Στις δοκιμές μας, το Turnitin και το Originality.ai ισοδυναμούσαν με την υψηλότερη συνολική ακρίβεια με 72% και 74% αντίστοιχα σε όλες τις κατηγορίες δειγμάτων. Ωστόσο, η ακρίβεια διέφερε σημαντικά ανάλογα με τον τύπο κειμένου. Το Turnitin ήταν καλύτερο στο να συλλάβει ακατέργαστη παραγωγή AI, αλλά είχε περισσότερα ψευδώς θετικά σε μη εγγενές αγγλικό κείμενο. Το Originality.ai ήταν πιο ισορροπημένο αλλά λιγότερο αποτελεσματικό στο εξανθρωπισμένο κείμενο. Κανένας ανιχνευτής δεν πέτυχε ακρίβεια άνω του 80% σε όλες τις κατηγορίες, γεγονός που αποτελεί σημαντικό περιορισμό για τα εργαλεία που χρησιμοποιούνται για τη λήψη αποφάσεων ακαδημαϊκής ακεραιότητας.

Ε: Οι ανιχνευτές AI λειτουργούν στην ακαδημαϊκή γραφή;

Λειτουργούν καλύτερα σε ορισμένους τύπους ακαδημαϊκής γραφής από άλλους. Η ακατέργαστη, μη επεξεργασμένη παραγωγή τεχνητής νοημοσύνης σε ακαδημαϊκό στυλ συνήθως συλλαμβάνεται — τα ποσοστά ανίχνευσης κυμαίνονταν από 70% έως 100% στη δοκιμή μας. Ωστόσο, το επίσημο ακαδημαϊκό κείμενο που έχει γραφτεί από ανθρώπους προκαλεί ψευδώς θετικά αποτελέσματα σε σχετικά ποσοστά — έως και 12% στις δοκιμές μας. Τα τεχνικά πεδία με εξειδικευμένο λεξιλόγιο και μη εγγενείς αγγλικούς συγγραφείς επηρεάζονται δυσανάλογα. Η σύντομη απάντηση είναι: Οι ανιχνευτές τεχνητής νοημοσύνης λειτουργούν στην ακαδημαϊκή γραφή, αλλά όχι αρκετά αξιόπιστα για να χρησιμεύσουν ως αυτόνομα αποδεικτικά στοιχεία.

Ε: Πόσο συχνά επισημαίνουν οι ανιχνευτές τεχνητής νοημοσύνης την ανθρώπινη γραφή;

Στη δοκιμή μας με 20 δείγματα γραπτά από τον άνθρωπο (10 εγγενή αγγλικά, 10 μη εγγενή), 9 δείγματα — το 45% — έλαβαν βαθμολογία AI πάνω από 20% σε τουλάχιστον έναν ανιχνευτή. Τρία ανθρώπινα κείμενα σημείωσαν βαθμολογία άνω του 50% σε τουλάχιστον ένα εργαλείο. Το ποσοστό ψευδώς θετικών ανά ανιχνευτή κυμαινόταν από 4% έως 12%. Εάν δεν είστε γηγενής ομιλητής της αγγλικής γλώσσας που γράφει επίσημη ακαδημαϊκή πρόζα, οι πιθανότητες ψευδούς θετικού είναι ακόμη υψηλότερες. Αυτός είναι ο λόγος για τον οποίο συνιστούμε να διατηρείτε προσχέδια και να επεξεργάζεστε αποδεικτικά στοιχεία ανεξάρτητα από το αν χρησιμοποιήσατε εργαλεία τεχνητής νοημοσύνης.