Представь два способа выяснить, как появился материал. Первый: загрузить готовый файл в детектор и получить цветную шкалу. Второй: открыть историю правок, посмотреть исходные данные и спросить автора, почему он изменил спорный абзац. Проверка текста на ChatGPT часто начинается с первого способа. Я бы начинала со второго, потому что шкала описывает свойства файла, а история работы может показать, откуда взялись конкретные решения.
Я как редактор люблю быстрые сигналы. Когда материал нужно принять к вечеру, хочется нажать кнопку и получить «да» или «нет». Но в спорной ситуации цена ошибки высока: можно без оснований обвинить человека или пропустить выдуманную цифру в гладком тексте. Я однажды потратила 15 минут на сравнение версий заметки и нашла объяснение странному абзацу: автор вставил утверждённую юридическим отделом формулу. По одной манере письма я бы этого не узнала. Пришлось признать, что я слишком быстро заподозрила автора.
Что умеет проверка текста на ChatGPT через детектор?
Обычно такой сервис анализирует готовую последовательность слов и выдаёт оценку похожести на тексты, которые он считает машинными. Он не наблюдал за автором и не видел весь процесс создания, если ты сам не передал версии. Даже когда интерфейс показывает процент, это не процент доказанной вины. Чтобы понять смысл числа, нужно знать, на каких текстах проверяли инструмент, какой язык был в тесте и сколько ложных срабатываний он допускает.
OpenAI когда-то выпускала собственный классификатор ИИ-текста, а затем сняла его из-за низкой точности. В описании прямо говорилось, что оценку нельзя использовать как главный инструмент решения. Для меня это полезный ориентир, но не универсальная оценка всех детекторов: продукты и их версии различаются. Если сервис обещает абсолютную точность, я прошу данные о его проверке на текстах, похожих на мой материал.
Сравни четыре вида сведений:
Что есть · Какой вопрос помогает решить · Чего не устанавливает