看到今年的畢業(yè)季，估計王勃會氣得從地里爬出來，把開發(fā)AIGC檢測模型的人電腦插頭拔了。
事情是這樣的：
今年很多學(xué)校為了防止學(xué)生用AI寫畢業(yè)論文，在論文送審時加了一項“AIGC檢測”，意思就是檢測你文章里多少內(nèi)容是由AI生成的。
起初，這條公告并沒有掀起什么波瀾。
但直到最近，大伙的論文都接近尾聲了，才發(fā)現(xiàn)這玩意兒讓大伙的畢業(yè)季變成了走馬燈。
“我寫的內(nèi)容會被識別成AI，而AI寫的反而不會被識別成AI，因此AI檢測論文就是在檢測誰能把話說的更不像人話。”25屆畢業(yè)生小蛋如是說，此處內(nèi)含臟話過濾器。
大伙發(fā)在網(wǎng)上的評論，更是一個比一個離譜。
因為自己寫得太專業(yè)，被檢測成AI寫的。
有給導(dǎo)師改一遍，AI生成疑似度反而漲了的。
甚至有人把《滕王閣序》塞進(jìn)去，發(fā)現(xiàn)其AI生成疑似度高達(dá)驚人的99.2%。
這下合理了，原來咱勃哥開的是AI掛，我就知道沒人能即興寫出這么好的文章。
我估計是因為，這文章寫得太華麗了，對仗工整，用典密集，信息密度巨大，跟現(xiàn)在的AI文章確實是有點相似之處的。
而且，你猜怎么著？AI生成疑似度的檢測，也是由AI進(jìn)行的。
這活兒，別說碳基生物了，硅基生物都想不到，自己被設(shè)計出來，要幫人寫文章，改文章，還要幫你猜猜這文章是不是人寫的？？早知道上輩子爛在服務(wù)器里了。
為了和廣大畢業(yè)生感同身受，咱也掏出了同事珍藏已久的畢業(yè)論文，用了大伙的同款工具來試試水。
從結(jié)果來看還可以，能勉強(qiáng)能達(dá)到畢業(yè)要求，看來論文含金（shi）量還是有的。
但從過程來看，就有點搞笑了。
比如，這段就是單純的名詞解釋，你讓人來寫和AI來寫都是這么個解釋，客觀規(guī)律不以人類意志為轉(zhuǎn)移。
但它覺得是AI生成的，意思是我還得加點修辭手法嗎？
而這段呢，是我對前人工作的總結(jié)，看過論文的人都知道，包不可能一個字一個字看的呀。這個部分其實是我把文獻(xiàn)丟給AI讓AI總結(jié)，最后一句一句拼起來的。然而，它并沒有檢測出來。
所以說，要是同事畢業(yè)那年有這指標(biāo)，還真得開罵，這結(jié)果根本就不準(zhǔn)啊。
更何況一共四萬多字，就要了我84塊。如果有人AI生成疑似度死活降不下去的話，我能感受到一種砸鍋賣鐵的絕望。
而且，這股潮流不光在國內(nèi)涌動。身處英國的老樹同學(xué)表示：“基本上所有小組作業(yè)都要檢測一遍，而且相當(dāng)不準(zhǔn)。身邊同學(xué)都挺煩這玩意的。”
可以說全世界都籠罩在AI的烏云之下。
而之前，咱也就試了一下論文這種專業(yè)性強(qiáng)的東西，我就很好奇啊，它是不是啥也不準(zhǔn)。于是我當(dāng)場手碼了一段文字，讓AI給我檢測下。
看這無敵的邏輯性，就知道AI肯定寫不出來。
然后提交上去。
于是，我的努力和汗水化為了一串冰冷的97.77%。
所以，檢測AI生成疑似度的原理到底是啥？不能AI說啥就是啥吧？
沒想到吧，還真是。
當(dāng)你把文字輸入檢測工具時，它會分析這段文字的各種語言特征，包括詞匯、句子結(jié)構(gòu)、段落銜接方式等等。
然后，它會將這些特征與AI的寫作模式進(jìn)行對比。
對比分析后，檢測工具就會得出一個判斷，并不是絕對地告訴你“是”或“不是”，而是一個基于語言特征的概率推斷。
但這種玩意其實就沒準(zhǔn)過。
像OpenAI在ChatGPT剛發(fā)布時，就推出了自己的AI文本識別工具AI Text Classifier。
但準(zhǔn)確性就很拉了，只有約26%，還把莎士比亞的作品當(dāng)成AI生成的。
這種文本分類器的原理也很簡單，本質(zhì)上就是一個經(jīng)過特殊訓(xùn)練的模型，用來捕捉AI與人類文本之間的差異。
當(dāng)AI寫出的文本越來越像人類，分類器也越來越難跟上這種變化，導(dǎo)致它的判斷完全不準(zhǔn)確，甚至比瞎蒙還不準(zhǔn)確。
就算它看出來了，你隨便加一點，它也就看不出來了。
再說了，刨去準(zhǔn)不準(zhǔn)的事兒不提，AI本身就是用來模仿人的寫作風(fēng)格的。把人類的文章拿來訓(xùn)練AI，再把AI拿來檢驗人類寫出的文章像不像AI，本身就有一種“爸爸像兒子”般的荒謬。
意思是AI學(xué)會了我的寫作風(fēng)格，我就再也不能用這種風(fēng)格了嗎？那留給人類的時間不多了。
而且，擁有不確定性，就意味著一定會導(dǎo)致誤傷。
拿這個作為畢業(yè)指標(biāo)，是不是有點拼運(yùn)氣了？這一整，沒有大保底，非酋怕是畢不了業(yè)了，肄業(yè)原因是臉太黑。
于是，大家只能費盡心思，把自己的文章改得越來越不像人。
但，查完這個AI生成疑似率，才算邁過了第一道坎兒。
寫過論文的朋友們都知道，很多大學(xué)都有自己的檢測系統(tǒng)，卻不喜歡給學(xué)生試用，為了順利畢業(yè)，學(xué)生只能自掏腰包去第三方網(wǎng)站自查。
查重降重這種東西本來就要花錢。而現(xiàn)在又多了一項指標(biāo)，就意味著要花錢的地方又多了一頭。
但有個非常奇特的現(xiàn)象，用不同網(wǎng)站測同一篇文章，AI生成疑似度完全不一樣，甚至相同網(wǎng)站不同時間的結(jié)果也不一樣。
這導(dǎo)致學(xué)生被迫成了無頭蒼蠅——誰主張誰舉證，這些網(wǎng)站都在主張你疑似使用AI，但根本沒有證據(jù)，甚至沒有一個統(tǒng)一的標(biāo)準(zhǔn)。所以，到底要怎么改呢？
這時，你再點進(jìn)這些網(wǎng)站，就會發(fā)現(xiàn)從AI寫作，AI查重，AI降重，AIGC檢測，到降A(chǔ)I生成疑似度，所有需求，一站滿足，哪里不會點哪里，結(jié)果嘛就是都要掏錢。
甚至有的網(wǎng)站還會故意拉高這些數(shù)字，目的嘛，也就可想而知了。
所以，畢業(yè)論文，真有必要檢測AI生成疑似度嗎？我們來看看教育部對畢業(yè)設(shè)計的要求：
可以看出，本質(zhì)上，就是檢驗?zāi)愦髮W(xué)四年有沒有學(xué)到真東西，擁有發(fā)現(xiàn)問題、解決問題的能力。
所以，理論上只要把活老老實實干完，保證實驗嚴(yán)謹(jǐn)，數(shù)據(jù)真實，就達(dá)到要求了。
用AI把我的工作，用學(xué)術(shù)風(fēng)格寫出來又怎么了？
AI的發(fā)明就是用來減輕人類負(fù)擔(dān)的，它們早已成為很多研究者工作中的一部分。
中科院理化研究所的楊曉濤博士就曾表示過，單位和導(dǎo)師都鼓勵科學(xué)家學(xué)習(xí)使用AI工具，也會讓他們思考如何與科研結(jié)合。
而高校卻不允許我們的學(xué)生使用AI，又怎么能接近真正的研究者呢。
當(dāng)然，或許真的有這種學(xué)生，基本全篇都用AI生成，確實是在蒙混過關(guān)。
但，這其實也很好解決。AI用多了，你就會發(fā)現(xiàn)，肉眼辨AI基本上就夠用了。
太離譜的文章，一眼能看出來是AI一作的，肯定是過不了關(guān)的。但一眼看不出來的，說明和人寫的已經(jīng)所差無幾了——只要內(nèi)容詳實，又何必在意詞句？
與其糾結(jié)AI生成疑似度，不如把目光放到內(nèi)容真實性上來，一篇論文中包含的努力和汗水，才是其中最寶貴的東西。
總之，AI被發(fā)明的初衷是服務(wù)人類，現(xiàn)在讓大家和AI斗智斗勇，屬實是有點沒事找事了。
處在AIGC元年的大伙，在此刻也終于理解了王勃——時運(yùn)不齊，命途多舛；三尺微命，一介書生。
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。
