Чому AI-детектори позначають роботу іншомовних авторів (хибні спрацювання)

Ви написали кожне слово своєї роботи. Ви процитували джерела, двічі її відредагували й подали з чистою совістю. Звіт повернувся позначеним як імовірно AI — і тепер вам доводиться спростовувати негативне твердження щодо власного письма. Якщо англійська для вас друга мова, це аж ніяк не випадкова «невдача». Це задокументований шаблон.

І ось неприємна правда: хибне спрацювання AI-детектора значно ймовірніше влучає в іншомовного автора, ніж у носія мови. Це не тому, що іншомовне письмо гірше. Причина в тому, що ці інструменти вимірюють статистичну «текстуру» мови, а зрозуміле, ретельне письмо другою мовою випадково має риси, схожі на машинний текст, на який вони були натреновані, щоб його виявляти.

Це не марксова скарга від розчарованих студентів. Це висновок рецензованих досліджень; саме тому кілька великих університетів відступили від цих інструментів; і саме тому суди та адміністратори почали ставитися до результатів детекторів із реальною обережністю. Ось що фактично говорить доказова база — і що робити, якщо детектор помилився.

Що з’ясувало дослідження Стенфорда про упередженість детекторів

Найсильніші докази ґрунтуються на дослідженні 2023 року від Liang та колег зі Стенфорда, опублікованому в журналі Cell Press Patterns. У назві — прямо, без евфемізмів: "GPT detectors are biased against non-native English writers."

Дослідники пропустили есе через сім широко вживаних детекторів. Для робіт, написаних іншомовними авторами англійською (взятих із корпусу TOEFL), детектори в середньому позначали приблизно 61% як згенеровані AI. Для есе носіїв англійської хибно-позитивний показник становив близько 5%. Майже кожне п’яте з іншомовних есе — близько 19,8% — було одностайно позначене як AI кожним детектором у тесті. У всіх випадках це були людські роботи.

Механізм — найцікавіша частина, бо він пояснює, чому упередженість «вшита» в сам процес, а не є випадковістю. Багато детекторів спираються на сигнал, який називають перплексіті (perplexity): це міра того, наскільки «несподіваними» є вибори слів тексту для мовної моделі. Текст, набитий поширеними словами та передбачуваними формулюваннями, дає низьке перплексіті — і саме низьке перплексіті детектор «читає» як машиноподібне. Автори другою мовою часто використовують більш обмежений і більш усталений словник — не тому, що їхні ідеї прості, а тому що вони пишуть уважно в мові, яка не є їхньою першою. Детектор бачить гладеньку поверхню й називає її штучною.

Це й є ядро проблеми справедливості. Ті самі звички, які роблять ретельний текст другою мовою водночас ясним і правильним, ці інструменти були створені покарати.

Чому іншомовне письмо провокує хибні спрацювання AI-детекторів

Варто затриматися на причині цього, бо розуміння трохи знімає гостроту від поганої мітки.

Носій мови, який пише швидко, розкидає ідіоми, незвичні вибори слів, дивні ритми й час від часу — граматичні «ярлики». Така непередбачуваність реєструється як високе перплексіті і сприймається як людське. Іншомовний автор, або зрештою будь-який дисциплінований академічний письменник, часто тяжіє до точних, стандартних конструкцій і керованого словника. Великі мовні моделі також «люблять» точні, стандартні конструкції та контрольований словник. Детектор не може відрізнити уважного людського автора від уважної машини, бо на конкретній осі, яку він вимірює, вони виглядають однаково.

Ніщо з цього не означає, що письмо має нижчу якість. Ясність — це чеснота академічного стилю, а не недолік. Це лише означає, що детектор вимірює не те, і робить впевнений висновок з цього.

Саме ця впевненість і небезпечна. Інструмент, що видає чіткий відсоток, здається авторитетним — навіть якщо число ґрунтується на сигналі, який системно шкодить цілій групі справжніх авторів.

Університети, які відступили від AI-детекторів

Заклади помітили проблему доволі швидко, і кілька з них уже вжили дії.

У серпні 2023 року Vanderbilt University вимкнув AI-детектор Turnitin і опублікував незвично докладне пояснення щодо цього. Там зазначили, що, хоча твердження про хибно-позитивний показник близько 1% не було б суттєвим щодо всієї роботи, з огляду на приблизно 75 000 подань на рік, факт, що це було показано як таке, що дає упереджені результати проти іншомовних авторів англійської, у поєднанні з непрозорістю процесів, означає, що близько 750 робіт могли б опинитися помилково позначеними. Michigan State, University of Texas at Austin, Northwestern та University of Pittsburgh зробили подібні кроки. Southern Methodist University відступив від цього в грудні 2023 року, а University of Waterloo — у вересні 2025 року після виявлення, що людсько написаний текст отримував оцінку як «повністю AI».

Керівництво Turnitin також обережне. Його AI-індикатор знижує значення в діапазоні 1–19%, використовуючи зірочку (asterisk) замість числа, адже хибні спрацювання частіші на нижньому кінці шкали. Компанія також прямо попереджає, що оцінку не слід використовувати самостійно для рішень щодо академічної доброчесності. Тобто це підказка від постачальника установам не сприймати власний результат як доказ — а це сильний сигнал про те, скільки ваги взагалі варто надавати одиничному числу.

Якщо ваша школа все ще використовує ці інструменти, це не привід для паніки. Це привід знати свої права та зберігати докази — до цього ми повернемося нижче.

Реальні кейси, викладені просто

Кілька суперечок потрапили в новини, і їх варто розуміти точно, бо деталі мають значення, а заголовки часто змішують їх.

У справі Orion Newby з Adelphi University студентське есе позначили як повністю згенероване AI. Федеральний суддя переглянув матеріали й дійшов висновку, що таке твердження є "безпідставним" (without merit), наказавши прибрати його з академічного запису студента, як повідомлялося в лютому 2026 року. Ми розбираємо, що саме це рішення підтвердило і що не встановило в рішенні у справі Newby v. Adelphi. В UC Davis William Quarterman був позначений GPTZero і відстояв своє ім’я, використавши історію версій у Google Docs, яка показала, що есе створювали поступово, у часі. Це було адміністративне врегулювання, а не судовий позов.

Один момент треба проговорити напряму, бо багато онлайн-оглядів помиляються. Жоден із цих результатів не був юридичним рішенням проти компанії Turnitin, і жоден студент у цих випадках "под6ав позов до Turnitin і виграв". Суперечки стосувалися того, як школа застосувала мітку, а висновок — про процес і докази, а не про те, що постачальник детектора програв у суді. Якщо сформулювати коректно, головний висновок такий: оцінка детектора — це твердження, а не вирок, і справжні автори успішно оскаржують його.

Що робити, якщо вас помилково позначили

Якщо детектор позначив роботу, яку ви написали, ситуацію ще можна виправити. Автори, яким вдається це врегулювати добре, зазвичай роблять кілька однакових речей.

Зберігайте свої чернетки та історію версій. Google Docs і Word відстежують редагування з часом, і цей таймлайн — найпереконливіший доказ, який ви можете надати, так само, як це було в кейсі UC Davis. Запитайте ввічливо, яка саме оцінка спрацювала для мітки та як її трактує рецензент, адже прихована або гранична цифра є слабкою підставою для будь-якого рішення. Якщо вам потрібно обґрунтувати справедливість у письмовому вигляді, посилайтеся на дослідження та інституційну обережність вище. Наша покрокова інструкція про те, як оскаржити хибну мітку AI-детекції, проводить вас через весь процес.

У майбутньому мета не в тому, щоб обдурити інструмент. Мета — писати впевненою, природною англійською, щоб ваш власний ретельно написаний текст рідше хибно читали як AI, і розкривати будь-яку допомогу AI так, як того вимагає ваша установа. Наш AI text humanizer створено саме для цього, і якщо ви пишете англійською як друга мовою, наш окремий гайд для AI humanizer для ESL-дослідників розглядає процес глибше. Ціль — справедливість до тієї роботи, яку ви вже виконали, а не маскування.

До й після: виправляємо «плоску» текстуру, яка збиває детектор

Теорію легше приймати, коли вона видима на реальному абзаці. Ось уривок із результатами, який ESL-дослідник написав із допомогою AI, щоб вирівняти англійську. Він читається гладко, але детектор все одно його позначив.

До (позначено як імовірно AI):

"The results demonstrate that the intervention significantly reduced recovery time by 27% across all cohorts (Chen et al., 2021). This substantial improvement clearly highlights the effectiveness of the proposed approach. The findings confirm the hypothesis and underscore the importance of early intervention."

Три речення майже однакової довжини: кожна частина рухається в тому самому темпі. Словник безпечний і передбачуваний. Саме ця рівномірність детектор сприймає як низьке перплексіті та низьку burstiness, і це ж та текстура, яка позначає багато справжнього іншомовного письма як AI.

Після (відредаговано в голосі автора):

"Recovery time fell by 27% across the three cohorts (Chen et al., 2021), a bigger drop than we had expected (n = 214). The effect held, though it was weaker in the oldest group. That pattern points to a real benefit from early intervention, but with a sample this size we would not push the claim further than the data allows."

Якщо читати їх одне за одним, друге звучить так, ніби це зробила жива людина.

Що змінилося і чому це важливо. Ми зберегли всі факти, які «тримають» аргументацію: цифру 27%, цитування (Chen et al., 2021), кількість когорт і розмір вибірки. Нічого в доказах не зрушило. Додалися лише варіації. Довжина речень тепер коливається від довгого до короткого і знов до довгого — це підвищує burstiness. Вибір слів менш передбачуваний — це підвищує перплексіті. Ми також повернули «хеджинг»: "points to," "we would not push the claim further." AI-чернетки прибирають таку обережність, як і надмірно згладжувальні інструменти; і саме тому відполірована англійська іншомовних авторів часто дрейфує в бік AI-профілю.

Це також якісне редагування, а не трюк. Версія «після» формулює стриманіше й більш захищене твердження, ніж «до», яке надмірно розіграло "demonstrate" і "confirm the hypothesis." На цьому ми й наполягаємо: редагування, яке знижує ризик хибної мітки, зазвичай те саме редагування, що пройшло б рецензування. Академічний humanizer може зробити перший прохід, захищаючи ваші цитування та цифри, але ви все одно маєте перечитати кожен рядок.

Одна застережність. Жодне редагування не гарантує чисту оцінку, а детектори продовжують змінюватися (Turnitin додав humanizer detection у серпні 2025). Орієнтуйтеся на письмо, яке відображає ваше власне міркування, розумійте що вимірює перплексіті і розкривайте допомогу AI відповідно до політики вашого журналу чи університету.

Часті запитання

П: Чому AI-детектори позначають іншомовних авторів англійської?

Більшість детекторів вимірюють, наскільки передбачувані вибори слів у тексті, і уважне письмо другою мовою часто використовує поширений, стандартний словник, який читається як низьке перплексіті. Така статистична «гладкість» виглядає машиноподібно для інструмента, який і видає хибне спрацювання AI-детектора, хоча кожне слово написав людина. Упередженість вбудована в те, що вимірює детектор, а не в якість письма.

П: Що з’ясувало дослідження Стенфорда про упередженість детекторів?

Дослідження Стенфорда 2023 року в Patterns протестувало сім детекторів і виявило, що вони позначали приблизно 61% іншомовних TOEFL-есе як AI, тоді як для носіїв мови це було близько 5%. Майже 20% іншомовних есе було одностайно позначено всіма детекторами. Усі есе були написані людьми.

П: Що мені робити, якщо мене помилково позначили як AI?

Збережіть історію чернеток із Google Docs або Word, адже видимий таймлайн написання — найсильніший доказ, який у вас є. Запитайте, яка оцінка спрацювала для мітки, наведіть дослідження про хибні спрацювання й дотримуйтесь чіткої процедури оскарження. Оцінка детектора — це твердження, яке можна оскаржити, а не остаточний вердикт.

П: Університети перестали використовувати AI-детектори?

Декілька установ або обмежили їх використання, або вимкнули. У 2023 році Vanderbilt вимкнув AI-детектор Turnitin через хибні спрацювання та занепокоєння щодо упередженості, і Michigan State, UT Austin, Northwestern, Pittsburgh, SMU та Waterloo зробили подібні кроки. Багато установ, які все ще використовують детектори, тепер трактують оцінку як один сигнал, а не як доказ.

П: Чи збільшує написання простішою англійською ризик того, що мене позначать як AI?

Певною мірою — так. Детектори читають простіші, більш передбачувані мовні конструкції як низьке перплексіті, тобто той самий статистичний сигнал, який вони асоціюють з AI. Тому чітке ESL-письмо часто провокує хибні спрацювання. Виправлення — не штучно роздувати словник, а повернути природну варіативність речень, а також ваш власний «хеджинг» і голос.

П: Чи можу я виправити хибну мітку AI, відредагувавши власне письмо замість використання humanizer?

Часто — так. Прочитайте чернетку вголос, варіюйте довжину речень і повертайте назад межі, які ви справді маєте на увазі. Це підвищить burstiness і зробить текст таким, ніби ви його писали. Інструмент може прискорити перший прохід, але мета — справжній голос, і ви все одно маєте розкривати будь-яку допомогу AI відповідно до політики вашого журналу чи університету.