เครื่องตรวจจับ AI แม่นยำแค่ไหนในปี 2026? เราทดสอบ 5 ตัว

นักศึกษาปริญญาเอกในเครือข่ายของเราถูกตั้งค่าว่า 67% เป็นข้อความที่สร้างโดย AI โดยระบบตรวจจับของมหาวิทยาลัยของเธอ เธอเขียนทุกคำด้วยตัวเองในระยะเวลา 4 เดือน ไม่มีเครื่องมือ AI ไม่มีการตรวจสอบไวยากรณ์ แม้แต่การตรวจสอบการสะกดคำ

เธอใช้เวลาสองสัปดาห์ในการเขียนใหม่บางส่วนเพื่อลดคะแนน มันได้ผล — แต่เวอร์ชันที่เขียนใหม่กลับแย่กว่าต้นฉบับ

เราตัดสินใจที่จะหาว่าเครื่องมือเหล่านี้เชื่อถือได้แค่ไหน ดังนั้นเราจึงทดสอบห้าตัว

วิธีการทดสอบของเรา: ตัวอย่าง 50 ชิ้นผ่าน 5 เครื่องตรวจจับ

เรารวบรวมตัวอย่างข้อความ 50 ชิ้น แต่ละชิ้นมีความยาวระหว่าง 500 ถึง 800 คำ ตัวอย่างเหล่านี้แบ่งออกเป็นห้าหมวดหมู่:

• 10 ข้อความทางวิชาการที่เขียนโดยมนุษย์ล้วน — บทความในวารสารที่เผยแพร่ตั้งแต่ปี 2018–2022 ที่เขียนก่อนที่ LLM จะมีให้ใช้งานอย่างแพร่หลาย
• 10 ข้อความที่สร้างโดย AI ล้วน — ผลิตโดย GPT-4o ด้วยคำสั่งทางวิชาการ ไม่มีการแก้ไข
• 10 ข้อความที่สร้างโดย AI ที่มีการแก้ไขด้วยมือเล็กน้อย — ร่าง AI ที่มีการแก้ไขจากมนุษย์เพื่อความถูกต้องและน้ำเสียง
• 10 ข้อความที่สร้างโดย AI ที่ผ่านการประมวลผลด้วย text humanizer — การทำให้เป็นมนุษย์เต็มรูปแบบพร้อมการตรวจสอบด้วยมือ
• 10 ข้อความที่เขียนโดยมนุษย์ที่ไม่ใช่เจ้าของภาษาอังกฤษ — เอกสารที่เผยแพร่โดยนักวิจัยที่เขียนในภาษาที่สองหรือสามของพวกเขา

เราทดสอบทุกตัวอย่างผ่านโมดูลการตรวจจับ AI ของ Turnitin, GPTZero, Copyleaks, ZeroGPT, และ Originality.ai เครื่องมือแต่ละตัวให้คะแนนความน่าจะเป็นของ AI เราบันทึกคะแนนทุกคะแนนและคำนวณเมตริกความแม่นยำ

ผลลัพธ์ทำให้เราประหลาดใจ ไม่ใช่เพราะเครื่องมือเหล่านี้ล้มเหลวโดยสิ้นเชิง — แต่เพราะรูปแบบของความล้มเหลวไม่สอดคล้องกันเลย

การตรวจจับ AI ของ Turnitin: ผลลัพธ์ความแม่นยำ

Turnitin ระบุข้อความที่สร้างโดย AI ได้ถูกต้อง 9 จาก 10 ข้อความ โดยให้คะแนนสูงกว่า 80% นั่นคือผลการดำเนินงานที่แข็งแกร่งในผลลัพธ์ที่ชัดเจนจาก AI

จุดที่มันประสบปัญหา: ผลบวกเท็จ ข้อความทางวิชาการที่เขียนโดยมนุษย์ 3 จาก 10 ข้อความให้คะแนนสูงกว่า 20% บนตัวชี้วัด AI ของ Turnitin หนึ่งในนั้น — การทบทวนวรรณกรรมอย่างเป็นทางการจากวารสารเคมี — ให้คะแนน 38%

ในข้อความที่ทำให้เป็นมนุษย์ ประสิทธิภาพของ Turnitin ลดลงอย่างมาก มีเพียง 3 จาก 10 ตัวอย่างที่ทำให้เป็นมนุษย์ที่ให้คะแนนสูงกว่า 20% ที่เหลือ 7 ให้คะแนนระหว่าง 2% ถึง 17%

การเขียนภาษาอังกฤษที่ไม่ใช่เจ้าของภาษาคือหมวดหมู่ที่แย่ที่สุด ข้อความที่ไม่ใช่เจ้าของภาษาสี่จาก 10 ข้อความถูกตั้งค่าว่าสูงกว่า 20% หนึ่งในนั้นให้คะแนน 52% นี่คือเอกสารที่เผยแพร่จริงโดยนักวิจัยที่เป็นมนุษย์จริงๆ

ความแม่นยำโดยรวมของ Turnitin ในการทดสอบของเรา: 72%. ฟังดูน่าพอใจจนกว่าคุณจะตระหนักว่าความผิดพลาด 28% หมายความว่าประมาณ 1 ใน 4 การตัดสินใจอาจผิด

GPTZero vs Copyleaks vs ZeroGPT: การเปรียบเทียบแบบตัวต่อตัว

เราทดสอบเครื่องตรวจจับ AI ที่ได้รับความนิยมสามตัวกับชุดตัวอย่างทั้งหมดของเรา

GPTZero เป็นเครื่องตรวจจับที่ดุเดือดที่สุด มันจับข้อความ AI ดิบได้ 10 จาก 10 ข้อความ — การเรียกคืนที่สมบูรณ์แบบ แต่ก็ยังตั้งค่าว่าข้อความที่เขียนโดยมนุษย์ 4 ข้อความและข้อความภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา 5 ข้อความเป็นข้อความที่สร้างโดย AI โดยส่วนใหญ่ อัตราผลบวกเท็จของมันสูงที่สุดในทดสอบของเราที่ 12%

Copyleaks ใช้แนวทางที่ระมัดระวังมากขึ้น มันระบุข้อความ AI ได้ถูกต้อง 8 จาก 10 ข้อความ แต่ตั้งค่าว่าข้อความที่เขียนโดยมนุษย์เพียง 1 ตัวอย่างเท่านั้นที่ไม่ถูกต้อง ในข้อความที่ทำให้เป็นมนุษย์ มันจับได้ 4 จาก 10 — ทำให้มันเป็นผู้แสดงที่ดีที่สุดในการตรวจจับการทำให้เป็นมนุษย์ แต่ยังคงพลาดมากกว่าครึ่ง

ZeroGPT เป็นเครื่องที่ไม่น่าเชื่อถือที่สุด มันตั้งค่าว่าข้อความ AI ได้ถูกต้อง 7 จาก 10 ข้อความ แต่ก็ยังตั้งค่าว่าข้อความที่เขียนโดยมนุษย์ 3 ข้อความไม่ถูกต้อง แย่กว่านั้น คะแนนของมันมีความผันผวน — เราทดสอบตัวอย่างเดียวกันสองครั้งและได้ผลลัพธ์ที่แตกต่างกัน 30% ของเวลา ความสอดคล้องมีความสำคัญในเครื่องมือการตรวจจับ และ ZeroGPT ไม่สามารถให้สิ่งนั้นได้

Originality.ai ทำงานได้ดีในข้อความ AI ดิบ (9/10 ตรวจจับ) และมีอัตราผลบวกเท็จต่ำในข้อความที่เขียนโดยมนุษย์ (1/10 ตั้งค่าว่าผิด) ในข้อความที่ทำให้เป็นมนุษย์ มันจับได้ 5 จาก 10 — อยู่ในระดับกลาง

นี่คือสรุปที่ไม่สบายใจ: ไม่มีเครื่องตรวจจับใดที่ทำได้สูงกว่า 80% ในความแม่นยำโดยรวมในทุกหมวดหมู่ตัวอย่าง

ปัญหาผลบวกเท็จที่ไม่มีใครพูดถึง

ผลบวกเท็จคือวิกฤตเงียบในด้านการตรวจจับ AI เมื่อเครื่องตรวจจับตั้งค่าว่าข้อความที่เขียนโดยมนุษย์เป็นข้อความที่สร้างโดย AI มันทำให้ผู้เขียนต้องพิสูจน์ "พิสูจน์ว่าคุณไม่ได้ใช้ AI" เป็นคำขอที่แทบจะเป็นไปไม่ได้

การทดสอบของเราพบรูปแบบที่สอดคล้องกันซึ่งข้อความของมนุษย์ถูกตั้งค่าว่าผิด:

การเขียนที่มีโครงสร้างสูงอย่างเป็นทางการ ยิ่งการเขียนของคุณมีระเบียบและมีความเป็นมืออาชีพมากเท่าไหร่ เครื่องตรวจจับก็ยิ่งมีแนวโน้มที่จะตั้งค่าว่าผิดมากขึ้นเท่านั้น ประโยคหัวข้อที่ชัดเจน ความก้าวหน้าของย่อหน้าที่มีเหตุผล การใช้คำศัพท์ที่สอดคล้องกัน — ทั้งหมดนี้เป็นรูปแบบที่แบ่งปันโดยการเขียนที่ดีของมนุษย์และผลลัพธ์จาก AI

ส่วนที่เป็นสูตร ส่วนวิธีการ คำอธิบายขั้นตอน และการทบทวนวรรณกรรมจะปฏิบัติตามแม่แบบเฉพาะทาง ทุกนักวิจัยเขียนว่า "ข้อมูลถูกเก็บรวบรวมโดยใช้การสัมภาษณ์ที่มีโครงสร้างกึ่งหนึ่ง" ในลักษณะเดียวกัน เครื่องตรวจจับไม่สามารถแยกแยะระเบียบจากการสร้างได้

คำศัพท์ที่มีเอนโทรปีต่ำ บางสาขา — กฎหมาย การแพทย์ วิศวกรรมศาสตร์ — ใช้คำศัพท์เฉพาะที่มีตัวเลือกคำพ้องความหมายจำกัด เมื่อคุณต้องใช้คำเฉพาะซ้ำ ๆ ข้อความของคุณจะดู "คาดเดาได้" มากขึ้นต่อเครื่องตรวจจับที่อิงจากความสับสน

ภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา เรากลับมาที่เรื่องนี้อีกครั้งเพราะมันเป็นผลการค้นหาที่น่ากังวลที่สุด นักวิจัยที่เขียนในภาษาที่สองของพวกเขาผลิตข้อความที่มีความหลากหลายทางศัพท์ต่ำและมีโครงสร้างที่เป็นสูตรมากขึ้น — รูปแบบที่เครื่องตรวจจับเชื่อมโยงกับ AI นี่สร้างผลลัพธ์ที่ไม่เป็นธรรมซึ่งสถาบันส่วนใหญ่ยังไม่ได้จัดการ

นี่หมายความว่าอย่างไรสำหรับนักวิจัยที่ใช้เครื่องมือ AI

หากคุณใช้ AI เป็นผู้ช่วยในการเขียน — ร่าง ปรับโครงสร้าง ปรับแต่ง — ภูมิทัศน์การตรวจจับสร้างปัญหาที่แท้จริง แม้แต่ข้อความที่คุณเขียนด้วยมือทั้งหมดอาจถูกตั้งค่า AI ข้อความที่ใช้ AI จะถูกตั้งค่าเกือบแน่นอนเว้นแต่คุณจะดำเนินการเพื่อทำให้มันเป็นมนุษย์

คำแนะนำของเราตามการทดสอบนี้:

อย่าเชื่อมั่นในคำตัดสินของเครื่องตรวจจับเพียงตัวเดียว เราเห็นตัวอย่างที่ให้คะแนน 5% ในเครื่องมือหนึ่งและ 68% ในอีกเครื่องมือหนึ่ง หากสถาบันของคุณใช้เครื่องตรวจจับตัวเดียว นั่นคือสิ่งที่สำคัญสำหรับการปฏิบัติตาม — แต่คะแนนเดียวไม่ใช่หลักฐานการใช้ AI

ทำให้เป็นมนุษย์อย่างมีกลยุทธ์ ผลลัพธ์ AI ดิบสามารถตรวจจับได้ ข้อความที่ทำให้เป็นมนุษย์ได้ดีส่วนใหญ่ไม่สามารถตรวจจับได้ หากคุณใช้ความช่วยเหลือจาก AI ให้ร่างของคุณผ่าน เครื่องมือการทำให้เป็นมนุษย์คุณภาพ และเพิ่มเสียงส่วนตัวของคุณ การทดสอบของเราแสดงให้เห็นว่าการรวมกันนี้ลดคะแนนการตรวจจับให้ต่ำกว่า 15% ในเครื่องมือทั้งห้าตัว

เก็บร่างของคุณไว้ บันทึกเวอร์ชันระหว่างทางของงานของคุณ ประวัติการเรียกดู บันทึกการสนทนา ChatGPT PDF ที่มีการบันทึกหมายเหตุ — ทั้งหมดนี้ให้หลักฐานเกี่ยวกับกระบวนการเขียนของคุณหากคุณถูกตั้งคำถาม

สนับสนุนให้มีนโยบายของสถาบันที่ดีขึ้น เครื่องมือการตรวจจับ AI ไม่เชื่อถือได้พอที่จะใช้เป็นหลักฐานเพียงอย่างเดียวของการไม่ซื่อสัตย์ทางวิชาการ หากมหาวิทยาลัยของคุณถือคะแนน AI ของ Turnitin เป็นหลักฐาน ให้ผลักดันกลับ — ด้วยข้อมูล แบ่งปันการศึกษาเช่นการศึกษานี้

สำหรับขั้นตอนที่เป็นรูปธรรมในการจัดการกับข้อความที่ถูกตั้งค่าว่าผิด โปรดดูคำแนะนำของเราที่ นักวิจัยกำลังหลีกเลี่ยงการตรวจจับ AI โดยไม่โกง

การแข่งขันด้านการตรวจจับ AI ไม่ชะลอตัวลง เครื่องตรวจจับจะดีขึ้น แต่เครื่องมือการเขียนที่ใช้ AI ก็จะดีขึ้นเช่นกัน ทางออกระยะยาวไม่ใช่การตรวจจับที่ดีกว่า — แต่นโยบายที่ดีกว่าที่รับรู้ว่าการเขียนเกิดขึ้นจริงอย่างไรในตอนนี้

งานของคุณเป็นของจริง ความคิดของคุณเป็นของจริง อัลกอริธึมที่มีข้อบกพร่องไม่ควรเป็นผู้ตัดสินในเรื่องนี้

AI Proofreader สำหรับเอกสารวิจัย

ตรวจสอบและปรับแต่งต้นฉบับของคุณด้วยการเปลี่ยนแปลงที่ติดตาม สร้างขึ้นสำหรับการเขียนทางวิชาการ.

คำถามที่พบบ่อย

ถาม: เครื่องตรวจจับ AI ตัวไหนแม่นยำที่สุด?

ในการทดสอบของเรา Turnitin และ Originality.ai มีความแม่นยำโดยรวมสูงสุดที่ 72% และ 74% ตามลำดับในทุกหมวดหมู่ตัวอย่าง อย่างไรก็ตาม ความแม่นยำแตกต่างกันอย่างมากตามประเภทข้อความ Turnitin ทำได้ดีที่สุดในการจับผลลัพธ์ AI ดิบ แต่มีผลบวกเท็จมากขึ้นในข้อความภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา Originality.ai มีความสมดุลมากกว่าแต่มีประสิทธิภาพน้อยกว่าในข้อความที่ทำให้เป็นมนุษย์ ไม่มีเครื่องตรวจจับใดที่ทำได้สูงกว่า 80% ในความแม่นยำในทุกหมวดหมู่ ซึ่งเป็นข้อจำกัดที่สำคัญสำหรับเครื่องมือที่ใช้ในการตัดสินใจด้านความซื่อสัตย์ทางวิชาการ

ถาม: เครื่องตรวจจับ AI ใช้งานได้กับการเขียนทางวิชาการหรือไม่?

มันทำงานได้ดีกว่าสำหรับบางประเภทของการเขียนทางวิชาการมากกว่าประเภทอื่น ผลลัพธ์ AI ดิบที่ไม่ได้แก้ไขในรูปแบบทางวิชาการมักจะถูกจับได้ — อัตราการตรวจจับอยู่ระหว่าง 70% ถึง 100% ในการทดสอบของเรา แต่ข้อความทางวิชาการที่เขียนโดยมนุษย์อย่างเป็นทางการกระตุ้นผลบวกเท็จในอัตราที่น่ากังวล — สูงถึง 12% ในการทดสอบของเรา สาขาทางเทคนิคที่มีคำศัพท์เฉพาะและนักเขียนที่ไม่ใช่เจ้าของภาษามักได้รับผลกระทบมากเกินไป คำตอบสั้น ๆ คือ: เครื่องตรวจจับ AI ใช้งานได้กับการเขียนทางวิชาการ แต่ไม่เชื่อถือได้พอที่จะใช้เป็นหลักฐานเพียงอย่างเดียว

ถาม: เครื่องตรวจจับ AI ตั้งค่าว่าการเขียนของมนุษย์บ่อยแค่ไหน?

ในการทดสอบของเราที่มีตัวอย่างที่เขียนโดยมนุษย์ 20 ตัวอย่าง (10 เจ้าของภาษาอังกฤษ 10 ไม่ใช่เจ้าของภาษา) 9 ตัวอย่าง — 45% — ได้รับคะแนน AI สูงกว่า 20% ในเครื่องตรวจจับอย่างน้อยหนึ่งตัว ข้อความที่เขียนโดยมนุษย์สามข้อความให้คะแนนสูงกว่า 50% ในเครื่องมืออย่างน้อยหนึ่งตัว อัตราผลบวกเท็จต่อเครื่องตรวจจับอยู่ระหว่าง 4% ถึง 12% หากคุณเป็นผู้พูดภาษาอังกฤษที่ไม่ใช่เจ้าของภาษาและเขียนข้อความทางวิชาการอย่างเป็นทางการ โอกาสที่จะเกิดผลบวกเท็จจะสูงขึ้น นี่คือเหตุผลที่เราขอแนะนำให้เก็บร่างและหลักฐานกระบวนการไม่ว่าคุณจะใช้เครื่องมือ AI หรือไม่ก็ตาม