文 編輯｜VickyXiao

OpenAI的聊天機(jī)器人 ChatGPT自從發(fā)布以來，正變得越來越強(qiáng)大，從接受普通網(wǎng)友 的“調(diào)戲”，到“低空飛過”明尼蘇達(dá)大學(xué)法學(xué)院和沃頓商學(xué)院的課程考試，甚至通過了醫(yī)學(xué)考試，以至于開始成為學(xué)校老師的“公敵”。 如果不加以限制，ChatGPT將會變成史上最強(qiáng)大的作弊工具——幫助學(xué)生們寫作業(yè)，甚至是完成考試論文。

(資料圖片)

正如我們之前所說的，越來越多的學(xué)校和老師已經(jīng)表達(dá)了對ChatGPT作弊能力的擔(dān)憂。 紐約市和西雅圖的公立學(xué)校已經(jīng)禁止學(xué)生和教師在學(xué)區(qū)的網(wǎng)絡(luò)和設(shè)備上使用ChatGPT。

但是，靠著老師和學(xué)校的盯梢，想要讓學(xué)生們避開ChatGPT的誘惑，幾乎是不可能的事。 所以，打開了潘多拉盒子的OpenAI，只好自己出馬，用魔法來打敗魔法。

| 用魔法打敗魔法

今天，OpenAI官宣推出 一 個(gè)新 工具，立馬又上了頭條： 一個(gè)名為AI Text Classifier 的文件檢測器， 來幫助人們檢測一段文本是由人類自己創(chuàng)作，還是由AI編寫的。

不過有點(diǎn)戲劇性的是，這個(gè)檢測器也同樣是基于GPT模型。 根據(jù)OpenAI的介紹，這個(gè)AI文本分類器是一個(gè)經(jīng)過微調(diào)的GPT模型，可以檢測一段文本是否是來自于市面上的各種AI工具， 包括但不限于ChatGPT。

該工具包含一個(gè)文本框，用戶可以在其中輸入至少 1000 個(gè)字符長的文本， 點(diǎn)擊提交后， 每個(gè)文檔會被判斷為“非常不可能”、“不太可能”、“不清楚是否是”、“可能是”AI生成的。

根據(jù)OpenAI的說明，這個(gè)檢測器也有不少限制，包括：

? 至少需要 1,000 個(gè)字符，即大約 150 - 250 個(gè)單詞。

? 結(jié)果也并不能保證完全準(zhǔn)確； 它可能會錯(cuò)誤標(biāo)記 AI 生成的文本和人工編寫的文本。

? 人類用戶可以簡單編輯 AI 生成的文本，以避開檢測。

? 檢測器有可能會錯(cuò)判兒童寫的文本和非英語文本上，因?yàn)樗饕轻槍Τ扇藭鴮懙挠⒄Z內(nèi)容進(jìn)行訓(xùn)練的。

那 到底ChatGPT和ChatGPT檢測器，誰厲害？ 硅星人進(jìn)行了測試。

我們先要求 ChatGPT 寫一篇超過1200字的關(guān)于無人駕駛汽車的文章，然后全文輸入檢測器，檢測器很準(zhǔn)確地識別出來，將其判斷為“可能由 AI 生成”。

圖片來源：ChatGPT

但是隨后，我們又用ChatGPT 生成了一篇同樣主題的972字的文章，自己在文章后加入了一兩句無關(guān)緊要的話，以滿足檢測器1000字的要求，就這樣小小的操作，檢測器就受到了迷惑，返回的結(jié)果表示“無法判斷是否由AI生成”。

在硅星人的小樣本量測試上，這個(gè)檢測器雖然有一定程度的準(zhǔn)確性，但是要迷惑它，對于狡猾的人類來說，簡直是輕而易舉。

OpenAI 顯然也意識到了這個(gè)工具的局限性，因?yàn)樗诓┛屠飶?qiáng)調(diào)，不要僅僅憑借這個(gè)檢測器來確定內(nèi)容的真實(shí)性，“在確定文檔是否由 AI 生成時(shí)，檢測結(jié)果可能會有所幫助，但不應(yīng)成為唯一的證據(jù)。 ”

OpenAI在這個(gè)檢測器里，使用了來自多個(gè)來源的 AI 生成的文本樣本和人工編寫的樣本來訓(xùn)練模型。

AI 生成的文本樣本方面，他們使用了包括 OpenAI在內(nèi)的 5 個(gè)不同機(jī)構(gòu)開發(fā)的 34 個(gè)模型生成的文本來進(jìn)行訓(xùn)練。 而人工編寫的文本有三個(gè)來源，包括一個(gè)新的維基百科數(shù)據(jù)集、2019 年收集的WebText 數(shù)據(jù)集，以及訓(xùn)練InstructGPT時(shí)收集的部分?jǐn)?shù)據(jù)。

OpenAI也對檢測器在進(jìn)行測試時(shí)的準(zhǔn)確性進(jìn)行了詳細(xì)說明：

- 大約 5% 的人工撰寫的文本和 2% 的人工智能生成的文本，被判定為“非常不可能由 AI 生成”；

- 大約 15% 的人工編寫文本和 10% 的人工智能生成的文本，被歸為“不太可能是 AI 生成”；

- 大約 50% 的人工編寫的文本和 34% 的人工智能生成的文本，被歸為“不清楚是不是AI生成”；

- 大約 -21% 的人工編寫的文本和 28% 的人工智能生成的文本被歸為“可能是 AI 生成”；

- 大約 9% 的人工編寫的文本和 26% 的人工智能生成的文本，被歸為“可能由 AI 生成”。

可以看出來，想要靠這個(gè)檢測器全部抓住AI槍手，可能真的有些困難了。

| 檢測器成為剛需

正如前文所說的，ChatGPT在學(xué)校里已經(jīng)如野火一般蔓延開來。一款簡單易用的檢測器成為老師們翹首以盼的東西。

早在OpenAI推出自己的檢測器之前，一位年僅22歲的普林斯頓大學(xué)的學(xué)生Edward Tian，就自行開發(fā)了一款檢測器——GPTZero。

同樣的，用戶只需將文本復(fù)制并粘貼到GPTZero中。 檢測器會從文本的復(fù)雜性、創(chuàng)造性和變化性幾個(gè)方面來進(jìn)行評估。 然后，GPTZero 會給出一個(gè)分?jǐn)?shù)，并最終得出一個(gè)結(jié)果： 該文本是由 ChatGPT 生成的，還是由人類撰寫的。

Edward Tian 主修計(jì)算機(jī)科學(xué)，輔修新聞學(xué)，他利用寒假的一部分時(shí)間創(chuàng)建了 GPTZero，可以“快速有效地”破譯一篇文章是人類還是 ChatGPT 撰寫的。他在Twitter上稱， 創(chuàng)建該機(jī)器人的動機(jī)是為了對抗他認(rèn)為越來越多的 AI 剽竊行為。

圖片來源：Twitter

為了確定文章是否由機(jī)器人編寫，GPTZero 使用兩個(gè)指標(biāo)： “困惑度（Perplexity）”和“突發(fā)性（Burstiness）”。

一個(gè)指標(biāo)是用困惑度衡量文本的復(fù)雜性。如果 GPTZero 對文本感到困惑，那么該文本具有很高的復(fù)雜性并且更有可能是人工編寫的。 然而，如果文本對機(jī)器人來說更熟悉——因?yàn)樗呀?jīng)接受過此類數(shù)據(jù)的訓(xùn)練——那么它的復(fù)雜性就會很低，因此更有可能是由 AI 生成的。

另外一個(gè)指標(biāo)是用突發(fā)性比較句子的變化。 人類傾向于以更大的突發(fā)性寫作，例如會綜合使用一些較長或復(fù)雜的句子與較短的句子，而 AI 的句子往往更統(tǒng)一。

1 月 3 日，該網(wǎng)站上線，一周內(nèi)立馬就有超過 3萬 人試用，以至于程序都崩潰了，更有超過 700 萬人在 Twitter 上觀看了演示視頻。老師們也馬上注意到這款工具，紛紛聯(lián)系他。 現(xiàn)在，他正在開發(fā)一款專為教育工作者設(shè)計(jì)的工具， 已經(jīng)有3.3萬名教師加入了這款還未開發(fā)完成的工具的等待名單（waitlist）。

當(dāng)然，Edward Tian 也承認(rèn)，他的檢測也并非百分之百準(zhǔn)確，一些用戶也報(bào)告了 GPTZero 檢測的錯(cuò)誤結(jié)果，不過他說他仍在努力提高模型的準(zhǔn)確性。

開源 AI 社區(qū)Hugging Face 也推出了一種工具來檢測文本是否由 GPT-2 創(chuàng)建。GPT-2 是用于開發(fā) ChatGPT 的 AI 模型的早期版本。 南卡羅來納州的一位哲學(xué)教授用這個(gè)工具抓獲了一名提交了 AI 編寫的作業(yè)的學(xué)生。

OpenAI 自己也已表示將致力于從源頭上提高AI生成文本的透明性。 此前，OpenAI 專注于 AI 安全的研究員 Scott Aaronson 透露，他們已經(jīng)在研究怎么用“不易察覺的秘密信號”，為 GPT 生成的文本“加水印”，以讓人們識別其來源。

另外，根據(jù)新聞網(wǎng)站Neowin的消息，包括 斯坦福大學(xué)在內(nèi)的一些機(jī)構(gòu)，聯(lián)合 提出一種名為DetectGPT的新方法，來區(qū)分AI生成的文章。

在相關(guān)網(wǎng)站上，該綜述稱，DetectGPT 的這種方法不需要訓(xùn)練單獨(dú)的分類器、收集真實(shí)或生成的段落的數(shù)據(jù)集，或顯式地為生成的文本加水印，就可以大檢測一段文本是否為機(jī)器編寫 。

如果該綜述為真，那很有可能人類終于可以再次抓住AI的小辮子，把主動權(quán)重新掌握在自己手中。

| ChatGPT再進(jìn)化

另外值得一提的是， 道高一尺，魔高一 丈。 雖然不少機(jī)構(gòu)和開發(fā)者開始推出“AI檢測器”，但是與此同時(shí)， OpenAI也在繼續(xù)推動ChatGPT的再進(jìn)化，進(jìn)一步補(bǔ)全ChatGPT的短板——數(shù)學(xué)。

本周，OpenAI推出了新版本的ChatGPT，表示經(jīng)過更新，已經(jīng)提升了準(zhǔn)確性和真實(shí)性，以及數(shù)學(xué)能 力，預(yù)計(jì) ChatGPT 的最新更新將使其能夠處理復(fù)雜的計(jì)算并提供更精確的答案。

此前，ChatGPT的數(shù)學(xué)飽受詬病，很多基礎(chǔ)數(shù)學(xué)問題都會犯錯(cuò)， 尤其是 在犯了知名的“老婆說的都是對的”錯(cuò)誤后，更是受到了全網(wǎng)群嘲。

在上一個(gè)版本中，有網(wǎng)友問它2+5等于幾，一開始ChatGPT給出了正確的回答，但是在網(wǎng)友回復(fù)說“我老婆說是8”之后，ChatGPT飛快改口，說自己搞錯(cuò)了。

圖片來源：Twitter

新版本發(fā)布后，至少這一點(diǎn)得到了糾正。

不過，新版本仍舊有不少錯(cuò)誤。 有記者問 ChatGPT，奧尼爾和姚明誰更高， 盡管給出了這兩個(gè)人的正確身高，ChatGPT仍然會出錯(cuò)。 有趣的是，這次在指出它的錯(cuò)誤后，它會自行改正。

圖片來源: searchenginejournal

可能一個(gè)明顯的進(jìn)步在于，ChatGPT 已經(jīng)能夠通過 SAT 的部分?jǐn)?shù)學(xué)試題，而且一如既往地，回答神速：

圖片來源: Twitter

看著它驚人的進(jìn)化速度，究竟ChatGPT和它的檢測器們，誰能跑的更快呢？

關(guān)鍵詞： chatgpt twitter 人工智能 gptzero