Sprawdzanie tekstu z wykorzystaniem sztucznej inteligencji: usługi online do wykrywania plagiatu

Spis treści:

• Narzędzia do analizy tekstu tworzonego przez sztuczną inteligencję
• Metody, za pomocą których sieci neuronowe rozpoznają różnice między tekstami tworzonymi przez ludzi i maszyny
• Metody samodzielnego sprawdzania tekstu bez korzystania z usług online
• Wnioski

Sztuczne sieci neuronowe aktywnie tworzą różnorodne materiały tekstowe, w tym artykuły, posty w mediach społecznościowych, eseje, dokumenty urzędowe, ogłoszenia, a nawet wiadomości osobiste. Ich wpływ jest odczuwalny wszędzie. W tym kontekście pojawia się pytanie: czy możemy z pewnością odróżnić teksty tworzone przez maszyny od tekstów tworzonych przez ludzi? Przetestowaliśmy trzy usługi służące do identyfikacji tekstów generowanych, a także poprosiliśmy sieci neuronowe o rozróżnienie tekstów pisanych przez ludzi od tekstów tworzonych przez roboty. W rezultacie stworzyliśmy listę charakterystycznych cech, które pomogą wizualnie rozpoznać, kiedy tekst jest dziełem sieci neuronowej.

Spis treści

• Narzędzia do analizy tekstu generowanego przez sztuczną inteligencję.
• Jak sieci neuronowe określają, czy tekst został napisany przez człowieka, czy przez maszynę?
• Istnieje kilka metod sprawdzania tekstu pod kątem błędów i zgodności bez korzystania z usług online. Jedną z najprostszych metod jest uważne czytanie. Czasami warto przeczytać tekst na głos, aby wychwycić drobne błędy i nienaturalne sformułowania. Warto również przekazać tekst do oceny innej osobie; świeże spojrzenie może ujawnić błędy, które mogły umknąć uwadze.

  Inną skuteczną metodą jest skorzystanie z edytora tekstu. Możesz na przykład skorzystać z wbudowanych funkcji sprawdzania pisowni w edytorach tekstu, takich jak Microsoft Word czy Dokumenty Google. Programy te zazwyczaj oferują narzędzia do identyfikacji błędów ortograficznych i gramatycznych.

  Warto również zwrócić uwagę na strukturę tekstu. Sprawdź logiczną strukturę akapitów, kolejność myśli i obecność łączników. Ważne jest, aby tekst był zrozumiały i czytelny.

  Nie zapomnij o zasadach gramatycznych i normach stylistycznych. Znajomość zasad interpunkcji i składni pomoże Ci uniknąć typowych błędów. W razie wątpliwości można skorzystać z podręczników lub książek językowych.

  Zatem staranna redakcja, wykorzystanie możliwości edytorów tekstu i odwołanie się do klasycznych materiałów źródłowych pomogą w dokładnym sprawdzeniu tekstu bez konieczności korzystania z usług online.

Narzędzia do analizy tekstu generowanego przez sztuczną inteligencję

Istnieje wiele platform zaprojektowanych do analizy tekstów pod kątem ich tworzenia z wykorzystaniem sieci neuronowych. Warto jednak zauważyć, że tekst wygenerowany na podstawie starannie sformułowanego zapytania może być bardzo podobny do dzieła napisanego przez człowieka. Jeśli autor zna zasady działania generatywnej sztucznej inteligencji, może sformułować instrukcje, które nadadzą tekstowi cechy charakterystyczne dla jego indywidualnego stylu. Na przykład może stanowić wzór do naśladowania, ustalać zasady interpunkcji, składni, złożoności języka i innych ważnych aspektów.

Być może autora nie należy potępiać za korzystanie z sieci neuronowych, jeśli włożył znaczny wysiłek w stworzenie tekstu, który trudno odróżnić od dzieła ludzkiego.

Czytaj także:

Efektywne zapytania dla sieci neuronowych: zalecenia dotyczące formułowania pytań dla ChatGPT i innych modeli sztucznej inteligencji

Aby przetestować usługi, przetestujemy dwa teksty poświęcone historii Bitcoina: jeden napisany przez autora, a drugi utworzony za pomocą Gemini. Każdy tekst będzie kolejno przesyłany do serwisu w celu oceny jego jakości. Test uznamy za pomyślny, jeśli usługa zidentyfikuje tekst autora jako dzieło ludzkie, a wygenerowany jako wynik działania sieci neuronowej.

Jeśli chcesz odtworzyć nasze doświadczenie, oto materiały: jeden stworzony przez człowieka, a drugi za pomocą generatora.

Usługa Sber koncentruje się wyłącznie na tekstach w języku rosyjskim i z powodzeniem realizuje to zadanie. Gdy projekt wystartował latem 2024 roku, twórcy gwarantowali poziom dokładności do 94,7%.

Obecnie GigaCheck jest dostępny bezpłatnie zarówno na oficjalnej stronie internetowej, jak i za pośrednictwem bota Telegrama. Deweloperzy udzielają odpowiedzi na prośby o integrację zgodnie z przesłanymi wnioskami. Maksymalny rozmiar tekstu do analizy wynosi 10 000 znaków.

Jest jeszcze jedna darmowa usługa warta przetestowania. Copyleaks obsługuje 30 różnych języków i gwarantuje imponującą dokładność ponad 99%. Umożliwia sprawdzanie tekstów o długości do 25 000 znaków. Usługa posiada również rozszerzenie do Dokumentów Google, które umożliwia sprawdzanie bezpośrednio w dokumencie. Usługa ta jest jednak płatna za regularne korzystanie.

PR-CY to kolejna rosyjska usługa internetowa, która zbiera pozytywne recenzje w sieci. To zasób płatny i niestety pełne testy z dużą ilością danych nie mogą być przeprowadzone bez opłat. Aby uprościć testowanie dwóch tekstów, postanowiliśmy je nieco skrócić.

AI Detector Writer to bezpłatne narzędzie online do wykrywania sztucznej inteligencji. Twórcy udostępnili użytkownikom szerokie możliwości: usługa może przetwarzać teksty o długości do 350 000 znaków i umożliwia przesyłanie plików tekstowych.

GPTZero to jedno z pierwszych narzędzi do wykrywania sztucznej inteligencji. Usługa oferuje wsparcie dla różnych języków, w tym rosyjskiego. Jeśli tekst przekracza limity pola wprowadzania, użytkownicy mogą przesłać plik tekstowy o wymaganym rozmiarze. Ponadto ta usługa ma rozszerzenie dla Dokumentów Google.

Przeprowadźmy praktyczny test detektora, używając tych samych tekstów.

Nasze badanie nie jest dogłębną analizą — przetestowaliśmy tylko dwa teksty za pomocą detektorów. Nie braliśmy pod uwagę materiałów częściowo wygenerowanych przez sztuczną inteligencję ani tekstów stworzonych za pomocą sieci neuronowych, które były edytowane przez ludzi. Jednak wyniki tego testu sugerują, że należy zachować ostrożność w korzystaniu z usług do wykrywania obecności sztucznej inteligencji w tekstach.

Przeczytaj także:

Siedem sieci neuronowych dla programistów: sposoby na przyspieszenie i usprawnienie procesu kodowania.

Jeśli chcesz skorzystać z naszych doświadczeń, Oto teksty: jeden jest oryginalny, a drugi wygenerowany.

Metody, za pomocą których sieci neuronowe rozpoznają różnice między tekstami tworzonymi przez ludzi i maszyny

Poprośmy sieci neuronowe o ustalenie autora tekstu.

Pierwszy tekst, stworzony przez człowieka, został scharakteryzowany przez ChatGPT jako tekst tworzony przez sieć neuronową.

Ten tekst został stworzony za pomocą sieci neuronowej, a oto powody.

Tekst ma logiczną sekwencję i płynność, ale jego jednolitość budzi pewne wątpliwości. Frazy mają podobną długość, struktura zdań praktycznie się nie zmienia, a przejścia między akapitami są tworzone z taką starannością, że wydają się mechaniczne. Pisarz o rozwiniętym stylu ma zmiany intonacji, drobne pauzy w kontekście semantycznym i zróżnicowaną długość zdań. W tym przypadku mowa brzmi płasko i bez życia, jakby stworzona z predefiniowanego szablonu: stwierdzenie – wyjaśnienie – ilustracja – wniosek. Istnieje szereg charakterystycznych cech tekstów generowanych maszynowo. Po pierwsze, warto zwrócić uwagę na brak zabarwienia emocjonalnego: brak osobistych ocen autora, cieni wątpliwości, pytań retorycznych. Nawet tak doniosłe wydarzenia, jak kryzys finansowy z 2008 roku i pojawienie się Bitcoina, są przedstawiane z akademicką powściągliwością, przywodzącą na myśl reinterpretacje artykułów z Wikipedii. Po drugie, występuje powtarzalność struktur semantycznych. Na przykład fragmenty zawierające frazę „Problem niedopasowania…” sprawiają wrażenie, jakby algorytm po prostu skopiował szablon, nie urozmaicając form składniowych, czego człowiek raczej nie jest w stanie osiągnąć. Wreszcie, warto zwrócić uwagę na nadmierną moc wyjaśniającą: autor wyjaśnia oczywiste rzeczy w zbyt szczegółowy sposób, na przykład „mięso się psuje” lub „złoto nie traci swoich właściwości”. Jest to typowe dla materiałów edukacyjnych tworzonych dla niedoświadczonych czytelników.

Gdyby ten tekst został stworzony przez człowieka, na przykład dziennikarza, redaktora lub nauczyciela, można by dostrzec bardziej wyrazisty, osobisty styl. Przejście od starożytnych systemów wymiany do zjawisk takich jak Lehman Brothers i Bitcoin wydawałoby się mniej proste i bogatsze w narrację.

Z tego powodu można śmiało powiedzieć, że ten tekst został najprawdopodobniej stworzony przez sieć neuronową, choć mógł zostać nieznacznie zredagowany przez ludzi. Jednak podstawowa struktura i intonacja wyraźnie wskazują na pochodzenie maszynowe.

Gemini stworzył drugi tekst, który uznał za napisany przez człowieka.

Ten tekst, w przeciwieństwie do poprzedniego, został stworzony przez człowieka, choć możliwe, że wykorzystał on sieć neuronową jako pomoc. Pozwólcie, że wyjaśnię podstawy tego twierdzenia.

Po pierwsze, tekst jest przesiąknięty osobistym stylem autora i jest zorganizowany zgodnie z zasadami dziennikarstwa. Historia skonstruowana jest nie jak podręcznik, lecz jak wciągająca narracja, bogata w rytm, obrazowość i głębię historyczną. Już pierwsze zdanie – „Historia Bitcoina to nie tylko kronika wzlotów i upadków…” – nadaje ton narracji, zmieniając ją w opowieść, a nie instrukcję obsługi. Świadczy to o mistrzowskiej intonacji autora, który dąży do przyciągnięcia uwagi czytelnika, a nie tylko do przedstawienia faktów.

Tekst zawiera akcenty kontekstowe, które sieci neuronowe zazwyczaj ignorują. Na przykład, wspomniano o ideologii cypherpunków, zacytowano Erica Hughesa, a poprzez nawiązanie do nagłówka z gazety „The Times” przeprowadzono paralelę między Bitcoinem a klasycznym systemem finansowym. Świadczy to o głębokim zrozumieniu kontekstu kulturowego i historycznego, a nie o prostym zestawieniu informacji.

Tekst jest pełen dynamiki. Zdania różnią się długością, a logiczne przejścia naturalnie do siebie pasują, nie tworząc sztucznej symetrii. W części poświęconej Mt. Gox wyczuwalne jest napięcie, a w zakończeniu pojawia się refleksja filozoficzna: „Historia tego projektu jest doskonałym przykładem siły decentralizacji…”. W przeciwieństwie do tekstów generowanych maszynowo, które zazwyczaj kończą się bezosobowymi streszczeniami, ten ma zabarwienie emocjonalne i głębię znaczenia.

Kolejnym ważnym wskaźnikiem jest spójność stylistyczna. Autor stworzył tekst, uwzględniając specyfikę gatunku: czy to film dokumentalny, czy artykuł dla szerokiej publiczności, gdzie niezbędna jest zarówno jasna i precyzyjna prezentacja, jak i zdolność wywołania reakcji emocjonalnej.

Możemy zatem jednoznacznie stwierdzić: ten tekst został napisany przez człowieka, najprawdopodobniej dziennikarza lub scenarzystę, a nie przez sztuczną inteligencję.

W pierwszym tekście model bez wahania rozpoznał tekst jako wygenerowany przez człowieka.

Symptomy wskazujące na „ludzkie” pochodzenie.

1. Logiczna struktura historyczno-ewolucyjna. Tekst tworzy spójną narrację, która przechodzi od handlu barterowego do złota, następnie do ksiąg rachunkowych, kryzysu z 2008 roku, a wreszcie do bitcoina. Ta prezentacja krok po kroku jest charakterystyczną cechą publikacji popularnonaukowych, w których autor celowo prowadzi czytelnika od tego, co znane, do tego, co nowe.

2. Wyjaśnienia kontekstowe i przykłady ilustrujące

• Problematyka barteru jest analizowana na przykładach różnych sytuacji, takich jak „myśliwy”, „budowniczy” i „tusze zająca”.
• Kryzys związany z bankructwem Lehman Brothers jest uważany nie tylko za wydarzenie historyczne, ale również za wyraźny przykład mechanizmu „efektu domina”.
• Zasada działania blockchaina może być wyjaśniona za pomocą metafory reprezentującej „setki milionów autonomicznych węzłów”. Podobne analogie i szczegółowe przykłady są częstsze w tekstach pisanych przez ludzi, ponieważ sieci neuronowe często ulegają uogólnieniom i nie zawsze uwzględniają praktyczne ilustracje w swoich wyjaśnieniach.

Różnorodność stylistyczna

• Połączenie zdań o różnej długości.
• Użycie myślników dla podkreślenia intonacji („Jeśli myśliwy może zdobyć dom... – tego domu nie można przenieść...”).
• Użycie potocznych wyrażeń, takich jak „logiczny wniosek” lub „konsekwencje rozwinęły się jak efekt domina”, nadaje tekstowi dynamiczny rytm właściwy naturalnemu stylowi komunikacji.

4. Skup się na związku przyczynowo-skutkowym. Każdemu argumentowi towarzyszy wyjaśnienie jego przyczyn.

• Barter, pomimo swojej atrakcyjności, napotyka szereg trudności, które czynią go mniej wygodnym w użyciu. Po pierwsze, jednym z głównych wyzwań jest znalezienie partnera chętnego do wymiany dokładnie takiego dobra lub usługi, jakiej potrzebujesz. Może to być trudne, ponieważ nie zawsze łatwo znaleźć osobę z pożądaną ofertą, która jest chętna do wymiany.

  Po drugie, proces oceny wartości towarów i usług może być złożony. Strony transakcji mogą postrzegać wartość swoich ofert inaczej, co stwarza ryzyko nieporozumień i sporów.

  Trzecim wyzwaniem jest złożoność rachunkowości i planowania. W przeciwieństwie do rozliczeń gotówkowych, barter wymaga bardziej ostrożnego podejścia do rozliczania wymian, co może prowadzić do zamieszania i niewłaściwego zarządzania zasobami.

  Po trzecie, transakcje barterowe mają często ograniczony charakter i nie zawsze mogą w pełni zaspokoić potrzeby stron, co również zmniejsza ich wygodę w porównaniu z transakcjami gotówkowymi.

• Kryzys, który wybuchł w 2008 roku, poważnie wpłynął na zaufanie publiczne do sektora bankowego, głównie ze względu na wykorzystanie środków podatkowych. Sytuacja ta sprawiła, że ​​wielu obywateli zakwestionowało wiarygodność instytucji finansowych, ponieważ ich działalność w dużej mierze opierała się na wsparciu rządowym finansowanym przez podatników. Sytuacja ta wywołała niezadowolenie i niepokój wśród społeczeństwa, co z kolei podważyło reputację banków i ich zdolność do pozyskiwania klientów.
• Powód, dla którego blockchain wykazuje swoją odporność, leży w jego rozumieniu mechanizmu konsensusu. Ta metoda analityczna jest typowa dla specjalistów z dogłębną wiedzą w tej dziedzinie.

5. Umiarkowane użycie terminologii. Terminy specjalistyczne, takie jak PoW, konsensus i kapitalizacja, są wprowadzane stopniowo i opatrzone wyjaśnieniami. Sieci neuronowe czasami przeciążają tekst specyficzną terminologią lub używają jej nieprecyzyjnie.

Dlaczego nie sieć neuronowa?

• Brak „puchu” Sieci neuronowe nie używają ogólnych i abstrakcyjnych wyrażeń, takich jak „jak wiadomo”, „warto to podkreślić” czy „w obecnej rzeczywistości”.
• Przejście od dyskusji o historii finansów do tematu blockchain jest spójne i logiczne. Jednocześnie sieci neuronowe czasami wykazują nagłe zmiany między różnymi tematami.
• Zwroty takie jak „w ten sposób” i „dlatego” są używane rzadko i jest to zrozumiałe.
• Dokładne informacje w szczegółach. Data publikacji białej księgi Bitcoina, 1 listopada 2008 r., nazwisko jej twórcy, Satoshi Nakamoto, oraz koncepcja Proof of Work są przedstawione bezbłędnie, co jest typowe dla sieci neuronowych.

Wnioski

Tekst wykazuje:

• dogłębne zrozumienie tematu,
• umiejętność tworzenia narracji,
• świadomość znaczenia przykładów i ich kontekstu,
• bogactwo stylistyczne.

Ten tekst wyraźnie pokazuje charakter pisma osoby, najprawdopodobniej profesjonalisty z branży finansowej lub IT, która kieruje swoje treści do szerokiego grona odbiorców. Chociaż teoretycznie sieć neuronowa mogłaby stworzyć coś podobnego, prawdopodobnie popełniłaby szereg drobnych błędów logicznych lub stylistycznych, których w tym przypadku nie ma.

W drugim punkcie zacząłem się wahać:

Dość trudno jest jednoznacznie określić, czy tekst został stworzony przez człowieka, czy sztuczną inteligencję, ponieważ współczesne modele potrafią tworzyć materiały przypominające ludzkie. Istnieją jednak pewne cechy, które mogą wskazywać na to, że autorem jest maszyna:

• Nadmierna formalizacja i schematyczność. Sieci neuronowe mają tendencję do tworzenia tekstów o typowej strukturze: jasny wstęp, podział na punkty, wyliczenia, płynne przejścia między akapitami i niezmienne zakończenie. Ten tekst prezentuje spójny przekaz myśli, ale jest pozbawiony nadmiernej formalności.
• Brak głębi i bogactwa emocjonalnego. Teksty tworzone przez sztuczną inteligencję często nie zawierają osobistych uczuć, kontrowersyjnych poglądów ani oryginalnych rozwiązań. Skupiają się na neutralności i uniwersalności. Materiał, o którym mowa, zawiera elementy analityczne, ale nie widać wyraźnego podtekstu emocjonalnego.
• Zbędne wyrażenia i powtórzenia idei. Sieci neuronowe mogą czasami zwiększyć objętość tekstu, parafrazując tę ​​samą ideę w różnych sformułowaniach, bez wprowadzania niczego nowego. W tym konkretnym przykładzie tekst jest przedstawiony zwięźle i nie zawiera oczywistych powtórzeń.
• Sztuczna inteligencja czasami stosuje nadmiernie formalny styl, używając wyrażeń takich jak „według danych” lub „na podstawie powyższych”. Tekst zawiera specjalistyczne terminy, takie jak „zdecentralizowany system płatności”, które są w tym kontekście całkowicie adekwatne.
• Nienaganna gramatyka i poprawna interpunkcja. Teksty pisane przez ludzi często zawierają literówki lub drobne błędy stylistyczne, podczas gdy generatory wspomagane przez sztuczną inteligencję tworzą zazwyczaj „dopracowane” materiały. Ten tekst nie zawiera oczywistych błędów, jednak nie dowodzi to definitywnie, że został napisany przez maszynę.
• Brak osobistych narracji lub indywidualnych doświadczeń. Sieci neuronowe nie potrafią czerpać z własnych doświadczeń, dlatego ich prace często nie zawierają przykładów z życia wziętych ani osobistych opinii. W omawianym tekście brakuje takich elementów, co jest powszechne w gatunku literatury historycznej.
• Niespójności strukturalne i brak logiki. Czasami sztuczna inteligencja może nagle zmieniać tematy lub ignorować kontekst. W tym konkretnym przypadku prezentacja jest spójna i inteligentna.

Możliwe jest użycie specjalistycznych detektorów, takich jak GPTZero i AI Text Classifier, w celu dokładniejszej oceny. Warto jednak zauważyć, że wyniki uzyskane z ich pomocą nie zawsze są wiarygodne.

Wniosek: Na podstawie dostępnych cech nie można z całą pewnością stwierdzić, że ten tekst został napisany przez sztuczną inteligencję. Mógł go napisać ktoś posiadający dogłębną wiedzę w tej dziedzinie i umiejętność kompetentnego porządkowania informacji. Jednak bez dalszych informacji lub analizy innych prac tego samego autora nie da się ustalić, kto dokładnie stworzył dany tekst.

Jeśli masz dodatkowe pytania lub chcesz sprawdzić inne materiały, wyjaśnij, czym dokładnie jesteś zainteresowany.

Model całkiem dobrze poradził sobie z pierwotnym tekstem.

Doskonałe pytanie! Ten tekst doskonale ilustruje, jak zacierają się granice między kreatywnością człowieka a maszyn.

Po dokładnej analizie doszedłem do wniosku, że ten tekst najprawdopodobniej został stworzony przez człowieka, ale na podstawie materiału źródłowego, który mógł zostać przygotowany lub znacząco zmodyfikowany przez sztuczną inteligencję.

Oto argumenty na poparcie każdego z punktów widzenia:

Istnieje szereg cech, które mogą wskazywać, że tekst został napisany przez człowieka lub poddany znacznej edycji.

• Struktura tego tekstu jest logiczna i spójna, co sprawia, że ​​przypomina on rozdział z podręcznika lub wykładu. Tekst rozpoczyna się od omówienia podstawowego problemu barteru, a następnie analizuje możliwe rozwiązania, takie jak pieniądz, złoto i różne księgi rachunkowe. Na koniec tekst logicznie przechodzi do pojawienia się Bitcoina, który pojawił się jako odpowiedź na kryzys zaufania w 2008 roku. Jest to powszechnie stosowana technika pedagogiczna.
• Związek między historią pieniądza, kryzysem finansowym spowodowanym bankructwem Lehman Brothers i pojawieniem się Bitcoina to nie tylko zbiór faktów, ale raczej utworzenie logicznego łańcucha przyczynowo-skutkowego, co wymaga dogłębnego zrozumienia tematu.
• Przykłady: Sytuacje myśliwego, zwierzęcia i robotnika budowlanego stanowią wyraziste ilustracje problemów związanych z barterem. Te przykłady zostały wybrane, aby udostępnić złożone koncepcje ekonomiczne osobom bez specjalistycznej wiedzy.
• Obecność pewnych „etykiet” w procesie uczenia się: Zwroty takie jak „omówimy to na lekcji górnictwa” i „nauczymy się o tym na kolejnych lekcjach” wyraźnie wskazują, że tekst ten jest częścią większego kursu stworzonego przez eksperta w dziedzinie edukacji lub metodologii.

Istnieje kilka cech, które mogą wskazywać na udział sieci neuronowych w tym procesie.

• Styl pisania, charakteryzujący się encyklopedyczną precyzją, obejmuje jasne i spójne przedstawienie faktów, bez nadmiernego eksponowania osobistych emocji, intonacji ani oryginalnych metafor. Jest to podejście typowe dla systemów sieci neuronowych, które tworzą informacje tekstowe w oparciu o analizę dużych ilości danych.
• Optymalna organizacja danych: Ten tekst przypomina wysokiej jakości artykuł SEO lub fragment podręcznika wiki, w którym kluczowe jest jasne i uporządkowane przedstawienie informacji. Sieci neuronowe są szczególnie skuteczne w tego typu zadaniach – potrafią gromadzić i logicznie prezentować fakty pochodzące z różnych źródeł.
• Brak specjalistycznych informacji: Problemy związane z barterem, a także podstawowe zasady blockchaina, są omawiane na dość ogólnym poziomie, który, choć poprawny, nie zagłębia się w szczegóły techniczne. W tekście brakuje złożonych niuansów ani odniesień do rzadkich badań, które mogłyby zademonstrować ekspercką opinię kryptografa.

Werdykt

Z dużym prawdopodobieństwem mamy do czynienia z hybrydowym modelem pracy.

• Scenariusz 1 (najbardziej prawdopodobny): Instruktor, będąc autorem kursu, opracował strukturę i logikę prezentacji materiału. Postanowił zacząć od opowieści o początkach pieniądza, przeanalizować wady barteru, następnie przejść do kryzysu zaufania i na koniec przedstawić Bitcoina jako możliwe rozwiązanie tych problemów. Aby stworzyć pojedyncze fragmenty tekstu, takie jak akapity dotyczące trudności związanych z barterem lub charakterystyki blockchaina, nauczyciel mógłby wykorzystać sieć neuronową do pomocy w początkowym tekście. Nauczyciel mógłby następnie edytować powstałe materiały, nadając im większą spójność i dodając elementy edukacyjne, takie jak odniesienia do tematów poruszanych na przyszłych lekcjach.
• Scenariusz 2: Tekst jest w całości stworzony przez człowieka, ale autor nie jest wąskim ekspertem w dziedzinie kryptowalut, lecz na przykład metodologiem lub copywriterem, który gruntownie zapoznał się z tematem i przedstawił informacje w zrozumiałej formie. Dzięki temu tekst nabrał swoistej „podręcznikowej” neutralności.

Podsumowując, można stwierdzić, że tekst z powodzeniem spełnia swój cel – jasno i zrozumiale przedstawia główne idee. Jakość materiału pozostaje wysoka, niezależnie od tożsamości autora. Jednak obecność znaczników uczenia się i wyraźna logiczna organizacja wskazują, że ostateczna wersja i koncepcja zostały prawdopodobnie opracowane przez człowieka, który prawdopodobnie wykorzystał sieć neuronową jako narzędzie pomocnicze w procesie pisania.

Jednak zapytana o drugi tekst, odpowiedziała tak samo jak w przypadku pierwszego:

Wniosek: Istnieje duże prawdopodobieństwo, że ten tekst został stworzony przez człowieka, ale istnieje również możliwość, że sieć neuronowa została wykorzystana jako narzędzie pomocnicze do weryfikacji faktów lub tworzenia pewnych wyrażeń.

Jednak gdyby okazało się, że to dzieło zostało w całości wygenerowane przez sieć neuronową, nie byłbym bardzo zaskoczony. Poziom wykonania jest naprawdę imponujący, a współczesne duże modele językowe (LLM) są w stanie dokonać podobnych wyczynów.

Oto argumenty za autorstwem ludzkim i argumenty przeciwko niemu.

Charakterystyczne cechy wskazujące na to, że tekst jest autorstwa człowieka (lub jest wysokiej jakości dziełem skoncentrowanym na człowieku).

1. Struktura i narracja: Niniejszy tekst nie jest prostym zbiorem faktów, lecz esejem historycznym z wyraźnie zarysowaną fabułą. Opowiada on „opowieść” (o której mowa w pierwszym akapicie), zaczynając od przesłanki (cypherpunki), przechodząc przez punkt kulminacyjny (upadek Mount Gox) i kończąc na rozwiązaniu (wyznanie na Wall Street). Wymaga to nie tylko dogłębnego zrozumienia badanego tematu, ale także percepcji wydarzenia przez autora.

Tekst ten posługuje się żywymi i niemal poetyckimi frazami, które nadają mu szczególne bogactwo emocjonalne i głębię stylistyczną.

• „duch protestu cypherpunkowego”
• „droga Bitcoina okazała się złożona i pełna wydarzeń”
• „powściągliwy komentarz na temat wad ugruntowanego systemu finansowego”
• „uderzający przykład siły decentralizacji”

3. Akcenty semantyczne i interpretacja: Autor nie ogranicza się do prostego wskazania powstania bloku genesis, ale przedstawia również własną wizję osadzonego w nim nagłówka z „The Times”, określając go jako „sprytny komentarz”. Podkreśla to analityczny charakter jego myślenia.

4. Analiza kontekstu: Powiązanie publikacji białej księgi Bitcoina z fazą szczytową globalnego kryzysu finansowego to nie tylko fakt, ale także istotne tło historyczne i ideologiczne, które autor podkreśla, aby podkreślić swoją historię.

5. Wnioski: Ostatni akapit nie tylko podsumowuje, ale także służy jako retoryczny akord, który sprowadza nas z powrotem do punktu wyjścia („Od pomysłu w korespondencji cypherpunkowej…”), jednocześnie przedstawiając autorską interpretację znaczenia tego zjawiska. To podejście jest tradycyjną techniką w sztuce pisania.

Istnieją pewne cechy, które mogą wskazywać, że za tym zadaniem stoi model sieci neuronowej.

• Absolutna dokładność faktów: każda data, nazwa, kwota i zdarzenie są prezentowane bezbłędnie i we właściwej kolejności. Sieci neuronowe doskonale radzą sobie z kompilowaniem i organizowaniem publicznie dostępnych danych.
• Wniosek wydaje się dość standardowy: stwierdzenie „Przyszłość Bitcoina jest przedmiotem wielu dyskusji, ale jego historia wywarła już dramatyczny wpływ na finanse i technologię” to powszechny slogan w podsumowaniach analiz historycznych. Sztuczna inteligencja często generuje takie „bezpieczne” i uogólnione wnioski.
• W ostatnim zdaniu występuje wyraźna niespójność: stwierdzenie „Ten film przedstawia krótki, ale pouczający przegląd…” brzmi jak dyrektywa dla redaktora wideo lub adnotacja do filmu. Stanowi to ostry kontrast ze stylem reszty tekstu i prawdopodobnie zostało dodane osobno przez redaktora lub jest wynikiem kopiowania i wklejania. Gdyby sieć neuronowa tworzyła tekst od podstaw w formacie artykułu, jest mało prawdopodobne, aby zawierał on taką notatkę.

Przepraszam, ale nie mogę spełnić Państwa prośby.

• Tekst przypomina fragment podręcznika. Przepełniony jest suchym, akademickim językiem i koncentruje się na wyjaśnieniu podstawowych pojęć, takich jak kwestie barteru i charakterystyka blockchaina.
• Tekst ten można scharakteryzować jako dzieło dziennikarskie lub esej historyczny. Jest bogaty w emocje, ma charakter narracyjny i kładzie nacisk na chronologiczny rozwój wydarzeń, znaczące postacie i decydujące momenty.

Wnioski

Tekst ten charakteryzuje się wyrazistym stylem autorskim, przejrzystą strukturą narracyjną i głębokim podejściem analitycznym, co przekonująco wskazuje, że jego autor posiada znaczącą wiedzę w omawianej dziedzinie.

Jednak nienaganna merytoryczność i logiczna struktura tekstu wcale nie wykluczają możliwości, że autor skorzystał z pomocy sieci neuronowej. To narzędzie mogło służyć do gromadzenia danych, weryfikacji dat, a nawet do wstępnego napisania fragmentów pracy, które następnie były dopracowywane i poprawiane stylistycznie.

Ostatecznie dochodzę do wniosku, że tekst ten najprawdopodobniej został stworzony przez człowieka — dziennikarza, historyka technologii lub po prostu pasjonata, być może z pomocą jakiejś technologii, ale z wyraźnym naciskiem na ludzkie podejście do prezentowania informacji.

Grok bez wahania zidentyfikował pierwszy tekst jako stworzony przez człowieka.

Ten tekst jest stworzony przez człowieka, a nie przez sztuczną inteligencję. Oto powody:

1. Spersonalizowane podejście i fabuła

• Fabuła tekstu rozwija się sekwencyjnie, zaczynając od barteru, następnie przechodząc do wykorzystania złota, następnie do powstania systemu bankowego, po czym rozważane są konsekwencje kryzysu finansowego z 2008 roku, a kulminacją jest wzmianka o Bitcoinie.
• Tekst zawiera sugestywne metafory, takie jak „mięso się zepsuje”, „królicze tusze”, „efekt domina” i „połowa komputerów plus jeden”. To nie są suche fakty z encyklopedii, ale przystępne i angażujące wyjaśnienie skierowane do początkujących.

2. Dostosowane do potrzeb użytkowników rosyjskojęzycznych

• Lehman Brothers to kamień milowy w historii katastrof finansowych, a jego bankructwo w 2008 roku odcisnęło znaczące piętno na światowej gospodarce. Dla czytelników z krajów postsowieckich wydarzenie to może być znane jako jeden z etapów globalnego kryzysu, którego konsekwencje odczuwało wiele krajów, w tym Rosja i inne kraje WNP. Doprowadziło to do poważnych wstrząsów gospodarczych, powodujących spadki na rynkach, pogłębiające się problemy finansowe i pogarszające się standardy życia. Upadek Lehman Brothers stał się symbolem szerszych problemów systemowych w systemie finansowym i stał się katalizatorem zmian w podejściu do regulacji i nadzoru nad instytucjami finansowymi.
• Zwrot „Satoshi Nakamoto opublikował krótką pracę” odnosi się do białej księgi, ale jest przedstawiony w formie „programisty ukrywającego się za pseudonimem”, co jest typowe dla programów edukacyjnych w języku rosyjskim.

Elementy strukturalne nieodłącznie związane z tekstami pisanymi przez ludzi.

• Lista cech blockchaina, przedstawiona w postaci ponumerowanych punktów (od 1 do 5), to tradycyjna metoda stosowana zarówno przez edukatorów, jak i autorów materiałów edukacyjnych.
• Zwrot „omówimy algorytm bardziej szczegółowo na lekcji o górnictwie” wyraźnie wskazuje na obecność szeregu lekcji, co jest charakterystyczną cechą nauki online, takiej jak kursy GeekBrains, Skillbox czy szkolenia korporacyjne.

4. Drobne „ludzkie” niuanse

• Częste używanie terminu „aktualizacja” w kontekście blockchain nie stanowi poważnego problemu, ale nie osiąga też poziomu nieskazitelnej dokładności, jak w przypadku sztucznej inteligencji.
• Drobna niespójność stylistyczna: sformułowanie „problem przestrzenny – domu nie można przenieść” jest postrzegane bardziej jako spontaniczna wypowiedź nauczyciela niż wynik przemyślanego myślenia.

5. Brak typowych artefaktów związanych ze sztuczną inteligencją.

• Unikaj zbędnej uprzejmości, takiej jak „Mam nadzieję, że to było pomocne” i staraj się nie powtarzać tych samych zwrotów ani nie wymieniać faktów bez logicznego związku między nimi.
• Nie ma halucynacji, takich jak fikcyjne nazwiska czy daty.

Wniosek:

Ten tekst jest częścią programu edukacyjnego stworzonego przez nauczyciela specjalistę lub copywritera dla odbiorców rosyjskojęzycznych; to prawdopodobnie fragment lekcji o kryptowalutach.

Najprawdopodobniej źródłem tej wiedzy była szkoła online, szkolenie firmowe lub kurs z książki.

W razie potrzeby mogę pomóc w znalezieniu konkretnego źródła. Na przykład styl może przypominać kursy Tinkoff Investments lub Netology.

Jednak drugi tekst również zrobił na nim wrażenie, jakby został napisany przez człowieka. Grock nie wahał się i stwierdził z pełnym przekonaniem:

Tekst został prawdopodobnie stworzony przez specjalistę od copywritingu lub edycji treści, który współpracuje z kanałami YouTube lub platformami edukacyjnymi. Oto kilka oznak tego.

1. Typ: Skrypt wideo

Ten film zapewnia zwięzły, ale pouczający przegląd…

To standardowe wezwanie do działania (CTA) w adnotacji do filmu na YouTube.

• Tytuł „Krótka historia Bitcoina” na końcu to podwójny tytuł, często używany w optymalizacji SEO treści wideo.
• Struktura:

• To nie jest tylko opowieść o wzlotach i upadkach; to wciągająca podróż pełna nieoczekiwanych zwrotów akcji i głębokich emocji. Zanurzymy się w świecie, w którym triumf i tragedia przeplatają się, tworząc wyjątkową historię, która skłania nas do refleksji nad tym, co tak naprawdę znaczy pokonywać trudności i świętować sukces.
• Narracja kronikarska, pełna dramatycznych elementów.
• Emocjonalne akcenty, takie jak „legenda”, „cierniowa ścieżka” i „żywe świadectwo”, odnoszą się do narracji wideo, a nie do tworzenia materiałów z wykorzystaniem sztucznej inteligencji.

Oczywiście będę mówić o ludzkim stylu opowiadania historii. To podejście charakteryzuje się naturalnością i bliskością z czytelnikiem. Opiera się na prostym, zrozumiałym języku i sugestywnych obrazach, co pomaga stworzyć poczucie dialogu między autorem a odbiorcą. Ważne jest, aby tekst był bogaty w emocje i osobiste doświadczenia, co czyni go bardziej angażującym i zapadającym w pamięć. Ten styl często zawiera anegdoty, przykłady z życia i sugestywne detale, pozwalając czytelnikowi łatwiej zanurzyć się w historii i wczuć się w bohaterów. Styl ludzki pomaga zatem nawiązać bliższą więź z czytelnikiem i przekazać informacje nie tylko za pomocą faktów, ale także za pomocą uczuć.

• Dziękuję za wyjaśnienie. Proszę podać tekst, który chcesz przepisać.

• „Historia dziesięcioleci... duch buntu... pełna trudności i bogata w dramatyczne momenty”.
• „Tworzenie mitu”, „jedna z największych tajemnic XXI wieku” – to sformułowania typowe dla scenariuszy, które można zobaczyć w filmach popularnonaukowych (w duchu Kurzgesagt, ale po rosyjsku).

• Subtelna ironia i odniesienia kulturowe:

• Sformułowanie „Kanclerz stoi u progu drugiej ratunkowych inwestycji bankowych” to nie tylko stwierdzenie faktu, ale raczej aluzja do sytuacji politycznej.
• Historia „pizzy za 10 000 BTC” jest owiana mitami, wywołującymi silne emocje i przypominającymi nam, że te pieniądze reprezentują dziś setki milionów.

3. Wytyczne dotyczące struktury osobowości

4. Luki w obszarze artefaktów sztucznej inteligencji

• W wyniku analizy możemy wyciągnąć wnioski, które zapewniają głębsze zrozumienie rozważanego tematu. Podsumowując informacje, widzimy, że kluczowe aspekty mają znaczący wpływ na ogólny obraz. Stosując różne metody i podejścia, uzyskujemy pełniejszy obraz sytuacji. Każdy ze zidentyfikowanych czynników wnosi swój wkład, a ich interakcja odgrywa decydującą rolę. Podkreśla to potrzebę holistycznego podejścia do badania problemu.
• Brak nadmiernej uprzejmości.
• Tekst jest jasny i bogaty, a jednocześnie łatwy do zrozumienia.
• Wyraźnie odczuwalne jest zaangażowanie emocjonalne: „przyszłość nadal generuje aktywne dyskusje” – brzmi to jak odzwierciedlenie ludzkich uczuć.

5. Kim jest autor? Potencjalne źródło informacji.

Proszę o podanie tekstu, który chcesz przepisać, a pomogę Ci w jego przepisaniu.

• Niektóre kanały to m.in. „Crypto from Scratch”, „Belkovsky”, „Financial Avatar”, „Tinkoff Investments”, „CryptoCat” i inne.
• Giełdy kryptowalut, takie jak Bybit, Binance i OKX, nadal wywierają znaczący wpływ na rynek aktywów cyfrowych. W tym filmie przyjrzymy się bliżej ich najnowszym osiągnięciom i innowacjom, które pomagają użytkownikom w pełni wykorzystać potencjał handlu i inwestowania.

  Bybit, znany ze swojej intuicyjnej platformy, wdrożył szereg nowych funkcji mających na celu poprawę komfortu użytkowania. Należą do nich zaawansowane narzędzia analityczne i zaktualizowane wykresy, które pozwalają inwestorom dokładniej oceniać trendy rynkowe i podejmować świadome decyzje.

  Binance, jedna z największych giełd kryptowalut na świecie, dotrzymuje kroku konkurencji. Wprowadzono nowe funkcje stakingu i farmingu, umożliwiając użytkownikom zarabianie na swoich kryptowalutach. Firma aktywnie rozwija również swoje inicjatywy edukacyjne, oferując kursy i webinaria zarówno dla początkujących, jak i doświadczonych traderów.

  OKX z kolei kładzie nacisk na bezpieczeństwo i transparentność. Platforma wdrożyła dodatkowe środki ochrony środków użytkowników i ulepszyła system monitorowania transakcji, co zwiększa poziom zaufania wśród klientów.

  W tym filmie zagłębimy się w szczegóły każdej z tych giełd, omówimy ich unikalną ofertę i to, jak stale dostosowują się do dynamicznie zmieniającego się świata kryptowalut. Nie przegap okazji, aby dowiedzieć się więcej o tym, jak te platformy zmieniają krajobraz finansów cyfrowych i otwierają nowe horyzonty dla traderów i inwestorów.

Wniosek:

Tworzenie edukacyjnych treści wideo na YouTube lub kursy online wymaga nie tylko profesjonalizmu ze strony autora, ale także umiejętności przekazywania informacji w przystępnej formie. Ważne jest, aby każdy materiał, niezależnie od tego, czy jest to film, czy lekcja tekstowa, był napisany z myślą o potrzebach odbiorców. Oznacza to użycie jasnego języka, ustrukturyzowanej prezentacji i angażującego przekazu. W ten sposób widzowie lub studenci mogą nie tylko przyswoić materiał, ale także czerpać przyjemność z procesu nauki.

To prawdopodobnie fragment serii „Krótka historia…”, która powstała w latach 2024-2025.

Jeśli podasz link do filmu, będę mógł dokładnie określić, do jakiego stylu należy.

Ten tekst, w przeciwieństwie do swojego poprzednika, został stworzony przez człowieka, choć możliwe, że jako pomoc wykorzystano sieć neuronową. Pozwól, że wyjaśnię podstawę tego stwierdzenia.

Przede wszystkim tekst wyróżnia się autorskim stylem i dziennikarską strukturą. Jest skonstruowany nie w formie streszczenia kursu, ale jako narracja, pełna rytmu, obrazów i kontekstu historycznego. Już w pierwszym zdaniu – „Historia Bitcoina to nie tylko kronika wzlotów i upadków…” – wyczuwalny jest głos narratora, a nie instruktora. Świadczy to o biegłości autora w intonacji i jego chęci przyciągnięcia uwagi czytelnika, a nie tylko przedstawienia faktów.

Tekst zawiera akcenty kontekstowe, które sieci neuronowe zazwyczaj pomijają. Na przykład, wspomniano o ideologii cypherpunków, zacytowano Erica Hughesa i przeprowadzono paralelę między Bitcoinem a tradycyjnym systemem finansowym, cytując nagłówek z „The Times”. Podkreśla to świadomość kontekstu kulturowego i historycznego, a nie proste zestawienie informacji.

Tekst ma dynamiczne tempo. Zdania różnią się długością, a logiczne przejścia są sprytnie wykonane, unikając mechanicznej symetrii. Rozdział poświęcony Mt. Gox ma pewien dramatyczny charakter, a zakończenie oferuje filozoficzną refleksję: „Ta historia jest doskonałym przykładem siły decentralizacji…”. W przeciwieństwie do tekstów generowanych maszynowo, które często kończą się nudnym podsumowaniem bez emocjonalnego ciężaru, tutaj obecna jest głębia i intonacja.

Kolejnym ważnym wskaźnikiem jest spójność stylistyczna. Autor stworzył tekst z myślą o gatunku: czy to film dokumentalny, czy artykuł przeznaczony dla szerokiej publiczności, gdzie kluczowe są zarówno przejrzystość przekazu, jak i reakcja emocjonalna.

Można zatem śmiało stwierdzić, że tekst ten został napisany przez człowieka, najprawdopodobniej dziennikarza lub scenarzystę, a nie przez sztuczną inteligencję.

Istnieje znaczna trudność w dokładnym określeniu, czy tekst został stworzony przez człowieka, czy sieć neuronową, ponieważ współczesna sztuczna inteligencja jest w stanie tworzyć materiały przypominające ludzkie. Można jednak zidentyfikować kilka charakterystycznych cech, które mogą wskazywać na to, że autorem jest maszyna:

• Nadmierna formalizacja i podejście oparte na szablonach. Sieci neuronowe mają tendencję do generowania tekstów o z góry określonej strukturze: jasny wstęp, podział na punkty, listy, płynne przejścia między akapitami i zakończenie. Tekst ten ma logiczną sekwencję prezentacji, ale jednocześnie brakuje mu nadmiernej formalności.
• Brak głębi i bogactwa emocjonalnego. Teksty generowane przez sztuczną inteligencję często pozbawione są osobistych odczuć, kontrowersyjnych opinii lub oryginalnych poglądów. Ich głównym celem jest osiągnięcie neutralności i uniwersalności. Chociaż omawiany tekst zawiera elementy podejścia analitycznego, nie obserwuje się w nim wyraźnie wyrażonego komponentu emocjonalnego. Sieci neuronowe czasami są redundantne, zniekształcając znaczenie poprzez powtarzanie tych samych idei, używając innych sformułowań, bez wprowadzania niczego nowego. W tym kontekście tekst wyróżnia się zwięzłością i brakiem oczywistych powtórzeń. Sztuczna inteligencja często ucieka się do nadmiernie formalnego stylu, używając zwrotów takich jak „według danych” lub „na podstawie powyższych”. W niektórych przypadkach teksty zawierają konkretne terminy, takie jak „zdecentralizowany system płatności”, które mimo to są istotne dla omawianego tematu. Doskonałe przestrzeganie norm gramatycznych i zasad interpunkcji. Teksty ludzkie mogą zawierać literówki lub drobne błędy stylistyczne, podczas gdy teksty stworzone przez sztuczną inteligencję są często płynne i kompletne. Materiał ten nie zawiera oczywistych błędów, ale niekoniecznie oznacza to, że został napisany przez maszynę.
• Brak indywidualnych narracji lub osobistych doświadczeń. Sztuczne sieci neuronowe nie potrafią czerpać z własnych doświadczeń, co oznacza, że ​​ich dziełom często brakuje przykładów z życia wziętych lub osobistych opinii. W omawianym tekście brakuje takich aspektów, ale jest to całkowicie zgodne z charakterystyką gatunku historycznego.
• Niespójności w strukturze i brak logiki. Czasami sztuczna inteligencja dokonuje gwałtownych przeskoków między różnymi tematami lub ignoruje kontekst. W tym konkretnym przypadku prezentacja wydaje się spójna i logicznie zweryfikowana.

Aby uzyskać bardziej wiarygodną ocenę, można skorzystać ze specjalistycznych narzędzi detekcyjnych, takich jak GPTZero lub AI Text Classifier. Warto jednak pamiętać, że ich wyniki nie zawsze są bardzo dokładne.

Wniosek: Na podstawie dostępnych cech nie można z całkowitą pewnością stwierdzić, że ten tekst został wygenerowany przez sieć neuronową. Mógł on zostać napisany przez osobę posiadającą dogłębną wiedzę w tej dziedzinie i umiejętności porządkowania informacji. Jednak bez dodatkowego kontekstu lub porównania z innymi pracami tego samego autora nie można z całą pewnością ustalić, kto jest autorem.

Jeśli masz dodatkowe pytania lub potrzebujesz analizy innych materiałów, doprecyzuj swoją prośbę.

Wniosek: Jest wysoce prawdopodobne, że ten tekst został stworzony przez człowieka, chociaż możliwe, że do weryfikacji danych lub wygenerowania poszczególnych fraz użyto sieci neuronowej.

Niemniej jednak, gdybym dowiedział się, że ta praca została wygenerowana w całości przez sieć neuronową, nie byłbym zbyt zaskoczony. Poziom wydajności jest naprawdę imponujący, a współczesne duże modele językowe mają takie możliwości.

Poniżej przedstawiono argumenty przemawiające za ideą ludzkiego autorstwa, a także kontrargumenty.

Argumenty przemawiające za ludzkim autorstwem:

1. Ekspresja twórcza. Ludzie są zdolni do tworzenia unikalnych dzieł sztuki, literatury i muzyki w oparciu o swoje emocje, doświadczenia i postrzeganie świata.

2. Głębia myśli. Ludzkie myślenie obejmuje złożone procesy, takie jak analiza, myślenie krytyczne i intuicja, których maszyna nie jest w stanie w pełni odtworzyć.

3. Kontekstualizacja. Ludzie potrafią zrozumieć kontekst sytuacji kulturowych, historycznych i społecznych, który wpływa na tworzenie dzieł i ich interpretację.

4. Połączenie emocjonalne. Ludzcy autorzy potrafią nawiązać emocjonalną więź z odbiorcami, co nadaje ich dziełom głębszy sens i znaczenie.

5. Etyka i odpowiedzialność. Ludzie ponoszą odpowiedzialność za własne dzieła, podczas gdy maszyny działają w oparciu o algorytmy i programowanie, pozbawione świadomości moralnej.

Argumenty przeciw:

1. Postęp technologiczny. Sztuczna inteligencja z roku na rok staje się coraz bardziej zaawansowana i jest w stanie generować teksty, muzykę i obrazy porównywalne z ludzkimi.

2. Autonomia algorytmiczna. Niektóre algorytmy potrafią uczyć się i adaptować samodzielnie, co pozwala im tworzyć oryginalne dzieła bez polegania na ludzkich szablonach.

3. Kryteria oryginalności. Pytanie o to, co stanowi dzieło oryginalne, staje się coraz bardziej niejasne, zwłaszcza w środowisku, w którym maszyny mogą łączyć istniejące pomysły w nowe formaty.

4. Produktywność. Maszyny są w stanie stworzyć ogromną ilość treści w krótkim czasie, co może podważać wartość ludzkiego autorstwa w niektórych dziedzinach.

5. Zacieranie się granic. Wraz z postępem technologii coraz trudniej określić, gdzie kończy się autorstwo ludzkie, a zaczyna maszynowe, co podważa tradycyjne pojęcie kreatywności.

Charakterystyczne cechy wskazujące na to, że dzieło zostało stworzone przez człowieka (lub reprezentuje wysokiej jakości, „skoncentrowane na człowieku”).

1. Struktura i prezentacja: Tekst nie jest prostym ciągiem faktów, lecz ma strukturę eseju historycznego z jasną fabułą. Opowiada „historię” (jak wspomniano w pierwszym akapicie), zaczynając od wstępu z udziałem cypherpunków, kulminując w upadku Mt. Gox i kończąc na rozwiązaniu związanym z uznaniem na Wall Street. Takie podejście wymaga dogłębnego zrozumienia tematu i indywidualnej perspektywy autorskiej.

2. Intensywność emocjonalna i styl: Ten utwór posługuje się żywym, wręcz artystycznym językiem.

• „duch buntu cypherpunku”
• „historia Bitcoina jest pełna trudności i wydarzeń”.
• „czuły komentarz na temat wad klasycznego systemu finansowego”.
• „świetny przykład potęgi decentralizacji”.

3. Sensowne akcentowanie i interpretacja: Autor wykracza poza relację z powstania bloku genesis; oferuje również własną interpretację osadzonego w nim nagłówka z „The Times”, opisując go jako „elegancki komentarz”. Świadczy to o obecności analitycznego myślenia, charakterystycznego dla człowieka.

4. Związek między białą księgą Bitcoina a „szczytem globalnego kryzysu finansowego” to nie tylko prosty fakt; to istotne tło historyczne i ideologiczne, które autor podkreśla, aby wzmocnić swoją narrację.

5. Wnioski: Akapit końcowy służy nie tylko podsumowaniu, ale także stanowi retoryczną konkluzję, która sprowadza nas z powrotem do początku dyskusji („Od pomysłu w korespondencji cypherpunkowej…”), przedstawiając jednocześnie ocenę autora dotyczącą wagi omawianego zjawiska. Jest to tradycyjny zabieg w piśmiennictwie.

Sygnały, które mogą wskazywać na obecność sieci neuronowej.

• Doskonała dokładność faktograficzna: wszystkie daty, nazwy, kwoty i wydarzenia są przedstawione bezbłędnie i ułożone chronologicznie. Sieci neuronowe doskonale radzą sobie z kompilowaniem i systematyzowaniem publicznie dostępnych informacji.
• Wniosek jest dość standardowy: stwierdzenie „Przyszłość Bitcoina nadal budzi ożywioną debatę, ale jego dotychczasowe osiągnięcia radykalnie zmieniły już sferę finansową i technologiczną” to powszechny banał na zakończenie analiz historycznych. Sieci neuronowe często tworzą takie „bezpieczne” i uogólnione wnioski.
• W ostatnim zdaniu występuje niespójność: stwierdzenie „Ten film oferuje krótki, ale pouczający przegląd…” jest odbierane jako wskazówka dla redaktora lub opis pod filmem. Kontrastuje to z ogólnym stylem poprzedniego tekstu i prawdopodobnie zostało wstawione osobno przez redaktora lub powstało w wyniku kopiowania i wklejania. Gdyby sieć neuronowa tworzyła tekst od podstaw w formacie artykułu, jest mało prawdopodobne, aby zawierał taką uwagę.

Niestety, nie mogę spełnić Państwa prośby, ponieważ wymaga ona dostarczenia tekstu do przepisania. Proszę wkleić tekst, który chcą Państwo przekształcić, a z przyjemnością Państwu pomogę.

• Tekst przypomina fragment podręcznika. Jest pełen suchych, instruktażowych sformułowań i koncentruje się na wyjaśnieniu podstawowych pojęć, takich jak trudności związane z wymianą barterową i charakterystyka blockchaina.
• Tekst ma cechy charakterystyczne dla pracy dziennikarskiej lub analizy historycznej. Jest bogaty emocjonalnie, ma styl narracyjny i kładzie nacisk na następstwo czasowe, postacie znaczące i decydujące wydarzenia.

Wniosek

Ten tekst wykazuje wyraźny styl autorski, przejrzystą organizację narracji i dogłębną analizę, co stanowi przekonujący dowód na to, że jego autor ma wysoki poziom wiedzy w omawianej dziedzinie.

Jednak doskonała zgodność z faktami i harmonijna struktura tekstu nie wykluczają możliwości, że autor wykorzystał sieć neuronową jako skuteczny środek wyszukiwania informacji, sprawdzania chronologii wydarzeń, a nawet tworzenia wstępnych wersji poszczególnych sekcji, które później zostały sfinalizowane i ulepszone stylistycznie.

Ostatecznie dochodzę do wniosku, że tę pracę wykonała osoba – dziennikarz, historyk technologii lub po prostu pasjonat. Choć można tu stosować nowoczesne technologie, nadal widoczne jest wyraźne ludzkie podejście do prezentacji informacji.

Metody samodzielnego sprawdzania tekstu bez korzystania z usług online

Redaktor naczelny AI Redakcja Alisy w firmie Yandex.

Nawet w 2025 roku nadal można spotkać osoby przekonane, że teksty tworzone przez sieci neuronowe mają bezosobowy, „robotyczny” styl. Zwolennicy tej opinii uważają, że takie systemy nie są zdolne do odczuwania emocji, a zatem nie mogą tworzyć treści o charakterze emocjonalnym. Jest to jednak błędne przekonanie. Sieci neuronowe potrafią odtworzyć dowolny styl tekstu. Pod warunkiem, że są szkolone na treściach o charakterze emocjonalnym, są w stanie tworzyć dzieła o charakterze emocjonalnym. Na przykład posty w mediach społecznościowych są często pełne emocji, a sieci neuronowe doskonale sobie z nimi radzą.

Jednak im więcej wysiłku użytkownik włoży w napisanie tekstu, tym trudniej będzie mu rozpoznać go jako dzieło sztucznej inteligencji. Jeśli autor nie generuje długiego tekstu od razu, lecz tworzy go etapami, dostarczając sieci neuronowej przykłady pożądanego stylu, starannie usuwając charakterystyczne klisze i kontynuując pracę z modelem, aż do wyeliminowania wszystkich zbędnych elementów, odróżnienie takiego tekstu od tekstu pisanego przez człowieka będzie dość trudne.

Druga trudność polega na tym, że liczba sieci neuronowych wartych uwagi znacznie wzrosła i różnią się one znacząco stylem. Każda z nich stosuje unikalne podejście do rozwiązywania problemów i ma swój własny zestaw charakterystycznych cech. Większość prac poświęconych metodom rozpoznawania tekstu generowanym przez sieci neuronowe koncentruje się przede wszystkim na ChatGPT i jego specyficznych cechach. Podobnie, usługi zaprojektowane do identyfikacji tekstów tworzonych przez sieci neuronowe były trenowane głównie na danych wyjściowych z tego modelu, co może stwarzać trudności podczas pracy z tekstami generowanymi przez inne systemy.

Niemniej jednak, jeśli autor nie zadał sobie trudu przygotowania treści naprawdę wysokiej jakości, jego praca będzie znacząco różnić się od tekstu pisanego przez człowieka. Wystarczy odrobina doświadczenia i obserwacji.

Najoczywistszym sposobem identyfikacji tekstu wygenerowanego przez sieć neuronową jest porównanie go z kilkoma innymi pracami wykonanymi w ramach podobnego zadania, takimi jak eseje studenckie. Jeśli wszystkie te teksty wyglądają bardzo podobnie, jakby zostały napisane tą samą ręką, jest to wyraźny znak użycia sieci neuronowej. Właśnie dlatego nie należy polegać na generatorach sieci neuronowych podczas wykonywania zadań testowych na rozmowach kwalifikacyjnych: Twoja praca będzie łatwo rozpoznawalna, ponieważ nie będzie unikatowa i będzie podobna do prac innych kandydatów.

Użyj jednej ze znanych sieci neuronowych i poproś ją o wygenerowanie tekstu na podstawie zapytania, którego Twoim zdaniem mógł użyć autor. Zazwyczaj jest to coś dość trywialnego, na przykład: „Napisz esej o relacji Tatiany i Oniegina w dziele Puszkina”. Następnie porównaj powstały tekst z oryginałem. Zwróć uwagę na strukturę, kolejność akapitów, użyte przykłady, listy i wnioski. Chociaż sieci neuronowe nie zapisują wygenerowanych tekstów i nie tworzą ich od nowa za każdym razem, wyniki mogą być czasami bardzo podobne.

Zwróć szczególną uwagę na liczbę akapitów w każdej sekcji tekstu i zwróć uwagę na ich kolejność. Jeśli zauważysz, że nie tylko liczba akapitów, ale także treść są takie same w różnych tekstach, może to stanowić przekonujący dowód na to, że do ich stworzenia wykorzystano technologie sieci neuronowych. Wskaźnik ten pozostaje widoczny nawet po starannej edycji, ponieważ radykalna zmiana struktury tekstu jest złożonym zadaniem, a cel zastosowania sieci neuronowych może zostać utracony w trakcie tego procesu.

Niestety, brak wskaźników, że tekst został stworzony przez sieć neuronową, niekoniecznie oznacza, że ​​został napisany przez człowieka. Autor mógł po prostu użyć innego modelu sztucznej inteligencji. Aby zapewnić obiektywność badania, warto wziąć pod uwagę wszystkie znane systemy, takie jak ChatGPT, YaGPT, GigaChat, Gemini, DeepSeek i Grok.

Gdy tekst przekracza 10 000 znaków, sieć neuronowa może zacząć upraszczać swoje odpowiedzi, aby oszczędzać zasoby. Na początku i na końcu takiego tekstu można zauważyć argumenty i próby stworzenia spójnej narracji, ale w części centralnej materiał często staje się bardziej skondensowany, a argumentacja zanika, przez co tekst przypomina streszczenie. Taka sytuacja występuje jednak tylko wtedy, gdy długi tekst został wygenerowany jednorazowo. Jeśli autor uzyskuje dostęp do sieci neuronowej sekcjami, żądając każdej sekcji osobno, takie problemy nie występują.

Sieci neuronowe dążą do tego, aby ich myśli zostały zrozumiane, ale często nadmiernie koncentrują się na tym zadaniu. Systemy te potrafią logicznie przedstawić swoje idee, a następnie spróbować wyjaśnić je „zrozumiałym językiem”, co czasami jest trudniejsze niż w tekście oryginalnym. Mogą również tworzyć listy kluczowych terminów w sekcji i kończyć je tabelą porównawczą, w której porównują je ze sobą. Takie zachowanie występuje, ponieważ niektóre modele są trenowane do generowania przejrzystego i ustrukturyzowanego tekstu, ale błędnie interpretują te instrukcje. W rezultacie mogą bez końca powtarzać to samo, nawet jeśli nie ma potrzeby dalszych wyjaśnień.

Wiele sieci neuronowych woli wyróżniać ważne słowa w tekście za pomocą pogrubienia. W ten sposób czynią treść bardziej przejrzystą i przystępną.

Sieci neuronowe są szczególnie zainteresowane metaforami. Kiedy mają coś wyjaśnić w przystępny sposób, często używają ekscentrycznych i ekspresyjnych porównań. Poprośmy ChatGPT o wyjaśnienie prostym językiem, czym jest znacznik w HTML:

Wyobraź sobie, że czytasz książkę i chcesz wyróżnić pewne słowo, aby przyciągnąć swoją uwagę. Bierzesz zakreślacz i rysujesz wokół niego jasną obwódkę, aby od razu było jasne, że słowo ma szczególne znaczenie.

Znacznik pełni podobną funkcję w HTML, działając jak zakreślacz lub pogrubiony pisak do zaznaczania tekstu na stronie internetowej. Nie zmienia on treści, ale podkreśla słowa.

Na przykład:

Rano piję kawę.

Na stronie słowo „kawa” byłoby pogrubione, aby przyciągnąć na nie uwagę czytelnika.

Ludzki umysł jest zdolny do używania metafor do wyjaśniania złożonych idei, ale sieci neuronowe czasami uciekają się do tego zbyt często.

Inną charakterystyczną cechą tekstów generowanych przez sieci neuronowe jest nadmierna strukturyzacja. Sztuczna inteligencja błędnie interpretuje prawidłowe założenie, że teksty powinny być przejrzyste i w tym pragnieniu idzie za daleko. Kiedy fragment treści nieustannie przeplata się z listami, każda sekcja kończy się tabelą porównującą kluczowe cechy, a liczba sekcji przekracza wszelkie granice, to wyraźny znak, że działa sieć neuronowa. Człowiek byłby po prostu zbyt leniwy, aby tworzyć tak wiele list i elementów strukturalnych.

Można łatwo rozpoznać, że tekst został wygenerowany przez sieć neuronową po jego charakterystycznych wyrażeniach, a nawet określić, o którą sieć chodzi, jeśli się jej trochę przyjrzymy. Na przykład ChatGPT często używa zwrotu „nie tylko…”, który pojawia się w takich frazach jak „JavaScript to nie tylko język programowania, to potężne narzędzie do [jakiegoś celu]”. Nawiasem mówiąc, słowo „potężny” również jest w nim dość popularne. Dodatkowo, możesz zauważyć frazy w formacie „it's like”, takie jak „Python jest jak magiczny asystent, który ułatwia życie programistom...”.

Powszechnie uważa się, że jedną z cech charakterystycznych tekstów generowanych przez sieci neuronowe jest redundancja – nadmiar rozwlekłych wyrażeń, które można łatwo sprowadzić do kilku słów. Chociaż sieci neuronowe czasami uciekają się do tego stylu, ludzie często piszą podobnie, więc nie jest to jedyne kryterium. Ważne jest, aby zwracać uwagę nie tyle na obecność „bzdur”, co na dobór słów dokonywany przez modele.

Różne sieci neuronowe mają swoje własne charakterystyczne cechy, które łatwo zidentyfikować i zapamiętać podczas codziennej pracy. Osoby regularnie tworzące teksty za pomocą sieci neuronowych potrafią rozpoznać ich styl na pierwszy rzut oka.

Wniosek

Obecnie nie istnieje usługa umożliwiająca absolutną dokładność identyfikacji tekstów tworzonych za pomocą algorytmów generatywnych. Takie narzędzie prawdopodobnie nie powstanie w przyszłości, ponieważ technologie sieci neuronowych stale się rozwijają.

Najskuteczniejszym sposobem na identyfikację tekstów generowanych niskiej jakości jest praktyka. Twórz i dokładnie analizuj materiały generowane przez sieci neuronowe. Pozwoli Ci to samodzielnie rozpoznawać ich teksty, bez korzystania z narzędzi firm trzecich.

Dowiedz się więcej fascynujących faktów na temat programowania na naszym kanale Telegram. Dołącz do nas!

Czytaj również:

• Korzystanie ze sztucznej inteligencji Gemini AI firmy Google w Rosji jest możliwe, a aby to zrobić, wystarczy wykonać kilka prostych kroków. Najpierw potrzebujesz dostępu do internetu i urządzenia obsługującego aplikację lub wersję internetową.

  Aby rozpocząć, zarejestruj się lub zaloguj się na swoje konto Google, jeśli już je posiadasz. Następnie przejdź do oficjalnej strony internetowej lub aplikacji Gemini AI. Może być konieczne wybranie określonych ustawień lub preferencji, aby dostosować funkcjonalność do swoich potrzeb.

  Należy również pamiętać, że w niektórych przypadkach dostęp do niektórych funkcji może być ograniczony ze względu na politykę regionalną lub specyfikę usługi w Twoim kraju. Dlatego ważne jest, aby zapoznać się z aktualnymi warunkami korzystania i wszelkimi ograniczeniami.

  Po skonfigurowaniu możesz rozpocząć interakcję z Gemini AI, zadając pytania lub korzystając z wbudowanych narzędzi do wykonywania różnych zadań. Eksperymentuj z możliwościami, aby w pełni wykorzystać potencjał sztucznej inteligencji w życiu codziennym.

• Copilot, opracowany przez Microsoft, zapewnia bezpłatny dostęp do funkcji sieci neuronowych użytkownikom w Rosji.
• YandexGPT: funkcjonalność, zastosowania i możliwość zastąpienia ChatGPT

  YandexGPT to potężne narzędzie do przetwarzania języka opracowane przez Yandex. Potrafi generować tekst, odpowiadać na pytania i wykonywać wiele innych zadań związanych z komunikacją językową. Użytkownicy mogą z nim korzystać za pośrednictwem różnych interfejsów, w tym aplikacji internetowych i platform mobilnych.

  Pod względem funkcjonalności YandexGPT może obsługiwać pisanie artykułów, tworzenie tekstów reklamowych i prowadzenie rozmów na różne tematy. System ten jest trenowany na rozległych danych, co pozwala mu rozumieć kontekst i generować inteligentne odpowiedzi.

  Kwestia, czy YandexGPT może zastąpić ChatGPT, pozostaje otwarta. Chociaż oba modele mają podobne cele i mogą wykonywać podobne funkcje, każdy z nich ma unikalne cechy i zalety. Użytkownicy mogą wybierać między nimi w zależności od swoich wymagań i preferencji.