انسان‌ساز هوش مصنوعی برای پژوهشگران جنوب آفریقا که به انگلیسی می‌نویسند

جنوب آفریقا بیش از هر کشور دیگری در قاره آفریقا پژوهش منتشر می‌کند؛ با توان واقعی در علوم بهداشتی، نجوم، بوم‌شناسی و علوم اجتماعی. تقریباً همهٔ آن کارها به انگلیسی نوشته و ارسال می‌شوند. با این حال، انگلیسی زبانِ مادریِ فقط اقلیتی از جنوب آفریقایی‌هاست و برای بیشتر پژوهشگران، در کنار آفریکانس، isiZulu یا isiXhosa به‌عنوان زبان دوم قرار می‌گیرد.

اینجا همان شکافِ کوچکی است که یک مشکل معمولی از آن شروع می‌شود. شما یک بخش روش‌شناسی دقیق می‌نویسید، آن را به یک همکارِ نویسنده می‌دهید، اما یک آشکارساز هوش مصنوعی باز هم آن را به‌عنوان تولیدِ ماشینی علامت می‌زند. انسان‌ساز هوش مصنوعی برای پژوهشگران جنوب آفریقا دقیقاً برای چنین لحظه‌ای ساخته شده است: تا انگلیسی آکادمیکِ دقیق و استاندارد، به‌اشتباه «خوانده» نشود، بدون اینکه آنچه واقعاً گفته‌اید تغییر کند.

بخش ناخوشایند ماجرا این است. آشکارسازهای اصلی عمدتاً روی متن‌های ایالات متحده و بریتانیا آموزش دیده‌اند. انگلیسی آکادمیکِ دقیقِ جنوب آفریقا، و نیز انگلیسیِ استانداردِ زبانِ دوم، هر دو مانند نثرِ قابل پیش‌بینی و با «پراکندگی/پِرپلکسیته» پایین به نظر می‌رسند؛ و نثرِ قابل پیش‌بینی همان چیزی است که یک آشکارساز آن را به‌عنوان نوشتهٔ ماشینی امتیازدهی می‌کند.

انگلیسیِ جنوب آفریقا یک گونه است، نه یک اشتباه

انسان‌ساز ما طراحی شده تا به پژوهشگران جنوب آفریقا کمک کند هنگام انتشار به انگلیسی، «صدا»، اصطلاحات و استنادهایی را حفظ کنند که به کار شما تعلق دارد. انگلیسیِ جنوب آفریقا یک گونهٔ تثبیت‌شده با هنجارهای خاص خودش است، نه یک پیش‌نویسِ ناشیانه از انگلیسیِ بریتانیایی یا آمریکایی. افزون بر آن، بیشتر پژوهشگران ریتمِ زبانِ اول را در نثر خود وارد می‌کنند؛ چه «پیش‌روندهٔ busy» از آفریکانس باشد، چه الگوهای حرفِ تعریف/مقاله در isiZulu و isiXhosa.

هیچ‌یک از این موارد خطا نیست. صرفاً انگلیسی‌ای است که توسط انسان‌هایی نوشته شده که در چارچوب محدودِ متنی‌ای که یک آشکارساز از آن آموخته، بزرگ نشده‌اند. مشکل این است که آشکارساز نمی‌تواند میان «اشتباه» و «نا‌آشنا» تمایز قائل شود؛ بنابراین برای هر دو، یک حکم یکسان صادر می‌کند.

همچنین آفریکانس، isiZulu و isiXhosa را تشخیص می‌دهد و «انسان‌سازی» می‌کند

شما به انگلیسی ارسال می‌کنید، اما زبان مادری‌تان در ابزار پذیرفته می‌شود. اگر در آفریکانس، isiZulu یا isiXhosa پیش‌نویس بنویسید، ProofreaderPro تشخیص می‌دهد متن انگلیسی نیست و آن را از مسیر یک مدلِ آگاه از زبان عبور می‌دهد؛ مدلی که اصطلاحات و استنادها را دقیقاً همان‌طور که نوشته‌اید حفظ می‌کند. این کار به شما اجازه می‌دهد قبل از ترجمه، متن را انسان‌سازی کنید؛ درحالی‌که معنا در مسیر ورود به نسخهٔ انگلیسیِ مقاله حفظ می‌شود. تشخیص خودکارِ مشابه بیش از شصت زبان را پوشش می‌دهد، بنابراین هر زبانی را که از آن شروع می‌کنید، به‌حقِ همان زبان رسیدگی می‌شود.

چرا پژوهشگران جنوب آفریقا توسط آشکارسازهای هوش مصنوعی علامت می‌خورند

مطالعهٔ ۲۰۲۳ استنفورد توسط Liang و همکاران که در مجلهٔ Cell Press با عنوان Patterns منتشر شد، این موضوع را دقیقاً به‌صورت مستقیم آزمود. پژوهشگران انشاهای TOEFL نوشته‌شده توسط انسان را از طریق هفت آشکارساز پرکاربرد به اجرا گذاشتند. به‌طور متوسط حدود ۶۱٪ از انشاهای غیرمادری به‌عنوان هوش مصنوعی علامت خوردند، در مقابل حدود ۵٪ برای نویسندگان انگلیسیِ مادری. تقریباً از هر پنج نفر یک نفر، یعنی حدود ۱۹.۸٪، توسط هر یک از آشکارسازها به‌طور یکسان علامت خوردند. همهٔ این انشاها توسط یک انسان نوشته شده بود.

مکانیسم «پراکندگی/پِرپلکسیته» است. بسیاری از آشکارسازها امتیاز می‌دهند که انتخاب هر واژه تا چه حد برای یک مدل زبانی «غیرمنتظره/غافلگیرکننده» است. نویسندهٔ دقیقِ زبانِ دوم سراغ واژه‌های رایج و عبارت‌بندی‌های استاندارد و قابل پیش‌بینی می‌رود؛ همین باعث «پراکندگی/پِرپلکسیته» پایین می‌شود و آشکارساز آن را به‌عنوان متنِ ماشینی می‌خواند. دقیقاً همان عادت‌هایی که نوشتار شما را روشن و شفاف می‌کند، عادت‌هایی است که این ابزارها برای مجازات‌کردنشان ساخته شده‌اند. ما مکانیسم کامل را در why AI detectors flag non-native writers قدم‌به‌قدم توضیح می‌دهیم.

این موضوع در جنوب آفریقا مهم‌تر از عددهای خامی است که نشان می‌دهند، چون مانع زبانی آن را تشدید می‌کند. پژوهشگران انگلیسیِ غیرمادری پیشاپیش با نرخ‌های رد حدود ۲.۵ برابر بیشتر از گویندگان مادری روبه‌رو هستند، حدود ۵۱٪ زمان بیشتری برای نوشتن مقالاتشان صرف می‌کنند و حدود ۱۲.۵٪ بیشتر درخواستِ بازبینیِ مرتبط با زبان دریافت می‌کنند. یک «پرچم/علامت» نادرستِ هوش مصنوعی روی بار کاری‌ای می‌نشیند که از ابتدا سنگین‌تر بوده است.

الگوهای زبانِ اول در انگلیسیِ جنوب آفریقا که پشتِ علامت‌های نادرست قرار دارند

چند الگوی واقعی را در نظر بگیرید. هر کدام در زمینه درست و دقیق است و هر کدام دقیقاً از همان نوع ساختار استانداردی است که یک آشکارساز آن را پراکندگی/پِرپلکسیته پایین می‌خواند.

• پیش‌روندهٔ «busy» در آفریکانس: «I am busy writing the discussion.» این یک کاربرد طبیعی و تثبیت‌شده در جنوب آفریقاست و برای یک مدل نیز کاملاً قابل پیش‌بینی است.
• «Throw» به‌معنای hit یا strike؛ باز هم که از آفریکانس منتقل شده، ساده و غیرغافلگیرکننده به نظر می‌رسد.
• حرف‌های اضافه‌ای که از منطقِ زبان اول پیروی می‌کنند: «different than» یا «by» در حالی که یک داورِ ایالات متحده انتظار «at» را دارد. این حالت در محل استاندارد است، اما برای آشکارساز «صاف و بی‌تفاوت» می‌افتد.
• «The whole» که به‌جای «all» می‌ایستد، و نیز سوال‌های برچسبی مانند «is it?»، هر دو در انگلیسیِ جنوب آفریقا رایج‌اند.
• از isiZulu و isiXhosa، که در آن‌ها حرف تعریف ندارند، «the» یا «a» ممکن است حذف یا اضافه شوند، همراه با زمان و نمود/وجهی که از دستورِ زبانِ بانتو منتقل می‌شود.

الگوی پشتِ الگو را ببینید. هیچ‌کدام از این‌ها خطاهایی نیستند که ارزش حذف‌شدن و نامرئی‌شدن را داشته باشند. این‌ها ویژگی‌های نوشتار واقعی و دقیق‌اند، و یک آشکارساز فقط «غافلگیری» را می‌سنجد، نه ویژگی‌ها را. یک انسان‌ساز که به «صدا»ی شما احترام می‌گذارد، ریتم و انتخاب واژه را طوری تغییر می‌دهد که شفافیت دیگر با متنِ ماشینی اشتباه گرفته نشود؛ در عین حال، معنا دست‌نخورده باقی می‌ماند.

زمینهٔ آشکارسازی هوش مصنوعی در جنوب آفریقا و Turnitin

Turnitin در بسیاری از دانشگاه‌های جنوب آفریقا به‌طور گسترده استفاده می‌شود و بیشتر پایان‌نامه‌ها و نسخه‌خطی‌ها پیش از اینکه وارد مسیر دیگری شوند، از یک بررسی تشابه عبور می‌کنند. به‌طور فزاینده، همین سامانه‌ها نشانگرهای هوش مصنوعی را در کنار نمرهٔ تشابه وزن‌دهی می‌کنند. یک پرچم/علامت، اثباتِ تخلف نیست. یک ادعاست، و یک ادعا می‌تواند به چالش کشیده شود.

نهادها شروع کرده‌اند این موضوع را آشکارا بگویند. Universities South Africa (USAf) و دانشگاه‌های منفرد، راهنمایی‌هایی دربارهٔ تولیدِ هوش مصنوعی منتشر کرده‌اند، و تأمین‌کنندگان مالی و مجلات به‌طور فزاینده از شما می‌خواهند توضیح دهید چگونه از هوش مصنوعی در کارتان استفاده کرده‌اید. مسیر حرکت، «افشا» است نه «ممنوعیت»، و همین زمینِ صادقانه‌ای است که یک انسان‌ساز هوش مصنوعی باید روی آن بایستد.

بد نیست تصویر بزرگ‌تر را هم به خاطر بیاوریم. چند نهاد شناخته‌شده در خارج از کشور، از جمله Vanderbilt، آشکارساز هوش مصنوعیِ Turnitin را به دلیل خطاهای مثبتِ کاذب و سوگیری علیه نویسندگان غیرمادری غیرفعال کرده‌اند. خودِ Turnitin نیز نمره‌های بسیار پایین را سرکوب می‌کند و هشدار می‌دهد که عددِ آن نباید به‌تنهایی تعیین‌کنندهٔ یک پروندهٔ درستکاری باشد. هر علامتی را به چشمِ شروعِ یک گفت‌وگو ببینید، نه پایانِ آن.

برترین دانشگاه‌های جنوب آفریقا و اینکه بررسی‌های هوش مصنوعی کجا ظاهر می‌شود

همهٔ دانشگاه‌های پژوهشیِ جنوب آفریقا پایان‌نامه‌ها و نسخه‌خطی‌ها را از نظر تشابه بررسی می‌کنند، معمولاً با Turnitin، و به‌طور فزاینده نشانگرهای هوش مصنوعی را نیز وزن‌دهی می‌کنند. اگر در هر یک از اینجاها تحصیل یا کار کنید، ارسال شما از همین مسیر عبور می‌کند:

• University of Cape Town (UCT)، در کیپ‌تاون
• University of the Witwatersrand (Wits)، در ژوهانسبورگ
• Stellenbosch University (SU)، در استلن‌بوش
• University of KwaZulu-Natal (UKZN)، در دوربان و پیتِرمارییتسبورگ
• University of Pretoria (UP)، در پرتوریا
• University of Johannesburg (UJ)، در ژوهانسبورگ
• Rhodes University، در ماخانداه
• University of the Western Cape (UWC)، در کیپ‌تاون
• North-West University (NWU)، در پوتشفستروم
• University of the Free State (UFS)، در بلومفونتین
• University of South Africa (UNISA)، دانشگاهِ آموزش از راه دور مستقر در پرتوریا
• Nelson Mandela University، در گکوبرها

بررسی در همه‌جا داستان یکسانی دارد. نوشتارِ دقیق وارد می‌شود، یک نمرهٔ احتمالی بیرون می‌آید، و نویسندهٔ زبانِ دوم احتمال بیشتری دارد که ببیند این نمره بالا برمی‌گردد. این یک اظهار نظر دربارهٔ کیفیت پژوهش شما نیست. اظهار نظر دربارهٔ اینکه آشکارساز برای انتظار داشتن «کدام انگلیسی» آموزش دیده است.

انسان‌ساز هوش مصنوعی برای پژوهشگران جنوب آفریقا چگونه کار می‌کند

جریان کار صادقانه است و با پیش‌نویس خودِ شما آغاز می‌شود. هر طور که فکر می‌کنید بهتر است بنویسید، حتی اگر آن را به زبان اولتان بنویسید و سپس ترجمه کنید، یا با کمک یک دستیار هوش مصنوعی که عبور از یک صفحهٔ خالی را برایتان آسان کند. ابتدا دستور زبان را اصلاح کنید. سپس متنِ نثرِ کمکیِ هوش مصنوعیِ خودتان را از مسیر انسان‌ساز عبور دهید تا نوشتارِ دقیق و استاندارد کمتر احتمال دارد اشتباه خوانده شود؛ درحالی‌که معنا، اصطلاحات فنی و استنادها دست‌نخورده حفظ می‌ماند.

این دقیقاً کاری است که انسان‌ساز انجام می‌دهد. ریتم جمله و انتخاب واژه را تغییر می‌دهد، آهنگ تکراری را می‌شکند، و نشانه‌های مکانیکی (از جمله خط تیره‌های em dashes سرگردان) را حذف می‌کند که پراکندگی/پِرپلکسیته را پایین می‌آورند. یافته‌های شما را بازنویسی نمی‌کند و منبعی هم اختراع نمی‌کند. text humanizer از بیش از ۶۰ زبان پشتیبانی می‌کند و متنِ غیرانگلیسی را از مسیر یک مدلِ آگاه از زبان هدایت می‌کند تا ساختار جمله و معنا حفظ شود.

در آزمون‌های خودمان، این فرایند به‌طور قابل توجه میزانِ «اشتباه خوانده شدن» انگلیسیِ غیرمادریِ دقیق توسط آشکارسازهای اصلی را کاهش می‌دهد (Turnitin، Originality.ai، GPTZero و نمونه‌های مشابه)، در حالی که معنا و دستور زبانِ آکادمیک حفظ می‌ماند. ما این را به‌عنوان چیزی که دیده‌ایم بیان می‌کنیم، نه یک وعده. هیچ ابزار صادقی نمی‌تواند تضمین کند که نوشتهٔ شما ۱۰۰٪ غیرقابل‌تشخیص خواهد بود؛ چون آشکارسازها هر چند ماه یک بار بازآموزی می‌شوند و هر کسی که برعکس ادعا کند، دارد چیزی را به شما می‌فروشد.

سپس افشا کنید. یک بیانیهٔ استفاده از هوش مصنوعی با فرمت مورد نیازِ مؤسسه و مجلهٔ هدف‌تان اضافه کنید. انسان‌سازیِ نوشتار خودتان و افشای استفادهٔ شما از هوش مصنوعی در تضاد با هم نیستند: هر دو شما را داخل چارچوب قوانین درستکاری نگه می‌دارند و در عین حال از نوشتارِ دقیقِ زبانِ دوم در برابر یک «علامتِ نادرست» محافظت می‌کنند. این پست درون multilingual AI humanizer hub ما قرار دارد و اگر ترجیح می‌دهید یک ویراستار انسانی در جریان باشد، از global academic editing hub ما شروع کنید.

نهادهای تأمین مالی محلی، مجلات، و انتظارات افشای AI

اگر کارتان تأمین مالی می‌شود، احتمالاً افشا ابتدا از سوی همان تأمین‌کننده به شما منتقل می‌شود. National Research Foundation (NRF) مهم‌ترین تأمین‌کنندهٔ عمومی است و نظام رتبه‌بندی پژوهشگران ملی را اجرا می‌کند. Department of Science and Innovation (DSI) سیاست‌های پژوهشی را تعیین می‌کند. South African Medical Research Council (SAMRC) پژوهش‌های سلامت را تأمین مالی می‌کند. هر کدام از این‌ها در همان جهتِ حرکتِ گستردهٔ حوزه در استفادهٔ مسئولانه از هوش مصنوعی حرکت می‌کنند، بنابراین داشتن یک عادتِ زودهنگامِ افشا برایتان سودمند خواهد بود.

از سوی انتشار، پژوهشگران جنوب آفریقا مجلات نمایه‌شده در Web of Science و Scopus را هدف می‌گیرند و Department of Higher Education and Training (DHET) فهرستِ تأییدشده‌ای را اعتباردهی می‌کند که یارانه را نیز به همراه دارد. SciELO South Africa میزبانیِ عنوان‌های ملی را بر عهده دارد. در همهٔ این موارد، یک خطِ افشای استفاده از AI به سرعت در حال تبدیل شدن به رویهٔ استاندارد است و text humanizer باید پیش از آن خط استفاده شود، نه به‌جای آن. نوشتارِ دقیق خودتان را انسان‌سازی کنید، ثبت را صادق نگه دارید و بگذارید داوران علم را قضاوت کنند.

پرسش‌های متداول

س: آیا استفاده از انسان‌ساز هوش مصنوعی برای پژوهشگران جنوب آفریقا تقلب محسوب می‌شود؟

خیر، به شرطی که شما خودتان پیش‌نویسِ همراه با هوش مصنوعی را انسان‌سازی کنید و سپس استفادهٔ خود از هوش مصنوعی را افشا نمایید. نکتهٔ اصلی، انصاف دربارهٔ کار واقعی است، نه پنهان‌کردن چیزی. شما معنا و استنادها را نگه می‌دارید و به مؤسسه و مجلهٔ خود می‌گویید هوش مصنوعی چگونه در این فرایند درگیر بوده است.

س: آیا انسان‌ساز استنادها یا نتایج مرا تغییر می‌دهد؟

خیر. این ابزار اصطلاحات فنی شما، استنادها و یافته‌هایتان را حفظ می‌کند. ریتم و انتخاب واژه را تغییر می‌دهد و نشانه‌های مکانیکی را پاک می‌کند، اما آنچه را ادعا کرده‌اید بازنویسی نمی‌کند و منبعی هم اختراع نمی‌کند.

س: آیا می‌تواند تضمین کند مقالهٔ من بررسی هوش مصنوعیِ Turnitin را پشت سر می‌گذارد؟

خیر، و مراقب کسانی باشید که می‌گویند چنین کاری ممکن است. آشکارسازها اغلب بازآموزی می‌شوند، بنابراین هیچ ابزار صادقی نمی‌تواند نتیجه‌ای را واقعاً تضمین کند. در آزمون‌های ما، انسان‌ساز به‌طور قابل توجه میزانِ بدخوانده‌شدنِ نوشتار دقیقِ غیرمادری را کاهش می‌دهد، اما یک علامت همواره یک ادعاست که باید به چالش کشیده شود، نه یک حکم قطعی.

س: آیا برای انگلیسیِ جنوب آفریقا و زبان مادریِ من هم کار می‌کند؟

بله. انسان‌ساز انگلیسیِ جنوب آفریقا را به‌عنوان همان گونهٔ تثبیت‌شده‌ای که هست در نظر می‌گیرد و از بیش از ۶۰ زبان پشتیبانی می‌کند؛ بنابراین نفوذ زبانِ اول از آفریکانس، isiZulu یا isiXhosa به‌عنوان یک نوشتارِ طبیعی مدیریت می‌شود، نه به‌عنوان «خطا».

س: حتی وقتی من تک‌تک کلمات را خودم نوشتم، پایان‌نامهٔ من علامت خورد. باید چه کار کنم؟

به یاد داشته باشید که نمرهٔ یک آشکارساز «احتمال» است، نه «اثبات»، و این سوگیری علیه نویسندگان غیرمادری به‌خوبی مستند شده است. پیش‌نویس‌ها و یادداشت‌هایتان را نگه دارید، با انسان‌سازیِ نوشتار خودتان میزان بدخوانده‌شدن را کاهش دهید، و استفادهٔ خود از هوش مصنوعی را افشا کنید تا ثبت شفاف باقی بماند.

پیش از ارسال، پیش نویس خود را انسانی تر کنید

پرچم گذاری های نادرستِ هوش مصنوعی را برای انگلیسی آکادمیک دقیقِ آفریقای جنوبی و انگلیسیِ زبان دوم کاهش دهید، در حالی که معنا، اصطلاحات و استنادات را حفظ می کنید.