เครื่องตรวจจับ AI แม่นยำแค่ไหนในปี 2026? เราทดสอบ 5 ตัว
เราทดสอบตัวอย่างข้อความ 50 ชิ้นผ่าน Turnitin, GPTZero, Copyleaks, ZeroGPT, และ Originality.ai นี่คือสิ่งที่เราพบเกี่ยวกับความแม่นยำในการตรวจจับ AI และผลบวกเท็จ
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
กังวลเกี่ยวกับผลบวกลวงหรือไม่?
Text humanizer ของเราจะเพิ่มความแตกต่างแบบธรรมชาติให้กับงานเขียนของคุณ ไม่ว่าจะใช้ความช่วยเหลือจาก AI หรือไม่ ลดความเสี่ยงของผลบวกลวงโดยไม่เปลี่ยนความคิดของคุณ
ลองใช้งานฟรีปัญหาผลบวกเท็จที่ไม่มีใครพูดถึง
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
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
ตรวจทานและขัดเกลาต้นฉบับของคุณด้วยการแก้ไขที่ถูกติดตาม ออกแบบมาเพื่อการเขียนเชิงวิชาการ
Moe is an NLP engineer with a PhD in natural language processing. His research covers computational linguistics, text analysis, and machine learning, and it fed directly into the editing and humanization models behind ProofreaderPro. He writes about the part of the process most people never see: how a language model reads a sentence, scores it, and decides what to change.
