丰色 杨净 发自 凹非寺量子位 | 公众号 QbitAI

你说ChatGPT，它写的东西逼真到傻傻分不清？

没关系！

现在，它的“克星”来了——

一位华人小哥专门搞了这么一个网站，专门鉴别文字到底是出自于AI还是人类。

你只需要把相应的内容粘进去，几秒内就能分析出结果。

比如这段从新闻网站里摘出来的。

它：“妥妥的人类～”

至于这段从推特上摘下来的文段。

它：“就知道是AI。”

如此神器一出，可谓迅速俘获大家的芳心。

这不，直接把服务器都给挤崩喽（好在还有个备用的）。

这下，那些用ChatGPT写作业的“熊孩子”也要惨啦？

是人还是ChatGPT？GPTZero：看我的

这个网站名叫GPTZero。

它主要靠“perplexity”，即文本的“困惑度”作为指标来判断所给内容到底是谁写的。

NLP领域的朋友们都知道，这个指标就是用来评价一个语言模型的好坏的。

在这里，每当你喂给GPTZero一段测试内容，它就会分别计算出：

1、文字总困惑度

这个值越高，就越可能出自人类之手。

2、所有句子的平均困惑度

句子越长，这个值通常就越低。

3、每个句子的困惑度

通过条形图的方式呈现，鼠标悬浮到各个方块就可以查看相应的句子是什么（这里就两块，因为我此时输入的测试内容就俩句子）。

之所以要绘制这样的条形图，作者也作出了解释：

根据最新的一些研究：人类书写的一些句子可能具有较低的困惑度（前面说过，人类的困惑度是比较高的），但随着继续写，困惑度势必会出现峰值。相反，用机器生成的文本，其困惑度是均匀分布的，并且总是很低。

除此之外，GPTZero还会挑出困惑度最高的那个句子（也就是最像人写的）。

规则就是这些，接下来实际测一测。

测试1：成功

首先来一段最新的英文新闻（目前还不支持测中文）：

将它粘贴进测试框（需注意每句至少5个单词，建议每段能有10个句子，结果会更准一些）。

很快，GPTZero计算出这段文字的总文字困惑度为27，句子平均困惑度为171.2，每条句子的困惑度图长这样：

以及困惑度最高的句子的值为476。

看这个结果，估计你也猜出了GPTZero的答案：

是人类写的。

答对了。

测试2：失败

来一段ChatGPT的。

将内容粘贴进测试框，得出这段文字的总文字困惑度为31，句子平均困惑度为76.67，每条句子的困惑度图长这样：

以及困惑度最高的句子的值为99。

看起来，每项困惑度值都和上面那段差距都挺大的，应该能猜出来是AI写的吧。

不过遗憾的是，GPTZero无法给出答案，还希望我们再多加一点文字试试。

显然，这段话字数够多，但句子不够多，无法让GPTZero一眼识破ChatGPT的“伪装”。

测试3：成功

那我们再来一段ChatGPT的试试。

这回内容够长，句子也够多。

果然没问题了，GPTZero直接答对：

好像确实摸出来一点门道：

那就是字多的同时，句子数量也一定要多，至少5句，好让GPTZero通过直方图的分布加码识别，最后的准确率就可以提高一些。

另外还需要提的是，我们发现在挑战失败的情况中，除了上面这种识别不出来的时候，也有直接识别错误的——

比如把AI写的判断成人写的：

把人写的新闻判断成AI的：

这种情况按照上面所说的窍门，再多加点内容可能就能将结果扳回来。

（注意是可能哈，就上面这段新闻，我们把所有内容都粘进去了，它也说不行，还说要再多来点。）

普林斯顿华人小哥出品

创建该网站的，是一个22岁的华人小哥Edward Tian，来自加拿大多伦多。

目前是美国普林斯顿CS专业大四学生，辅修认知科学和新闻学，对软件工程、机器学习等有浓厚的兴趣。

他现在微软实习，曾在BBC、贝灵猫等公司撰写过科技稿件，还曾加入到地图工具Representable的创始团队。

学习期间，他曾来到清华大学参加为期四周的城市研究研讨会。

据他表示，这个应用程序是新年假期在咖啡店完成的。

之所以想要开发这款应用程序，简而言之就是因为有太多ChatGPT炒作，人类应该知道有哪些是AI写的文章。

目前仍处于准系统阶段，预计在接下来几周内改进模型和分析。

除此之外，他还透露，正在测试由学生撰写的新闻文章数据集，并希望最终能发表论文。

更多ChatGPT杀手

事实上，也不只有这位小哥看ChatGPT不顺眼了。还有其他人类组织也相应开发了AI文本检测器，AKA ChatGPT杀手。

大体思路也都差不多，那就是“用魔法打败魔法”，用AI写的东西来训练新AI。

前阵子，OpenAI自己联合哈佛等高校机构联合打造了一款检测器：GPT-2 Output Detector。

作者们先是发布了一个“GPT-2生成内容”和WebText（专门从国外贴吧Reddit上扒下来的）数据集，让AI理解“AI语言”和“人话”之间的差异。

随后，用这个数据集对RoBERTa模型进行微调，就得到了这个AI检测器。其中人话一律被识别为True，AI生成的内容则一律被识别为Fake。

（RoBERTa是BERT的改进版。原始的BERT使用了13GB大小的数据集，但RoBERTa使用了包含6300万条英文新闻的160GB数据集。）

另一位早年代表选手，也因为这次新进展再次被提及。

它就是MIT-IBM沃森AI实验室的以及哈佛NLP实验室开发的GLTR模型。

它主要通过对文本进行统计分析和可视化，而用来检测的是最初用来生成文本的相同or类似模型。目前主要支持GPT-2和BERT两个模型。

由于输出是模型知道的所有单词排名，根据排名对文本每个单词进行颜色编码，前10名是绿色，前100名是黄色，前1000名是红色，紫色则是不太可能出现的词。

如果一段文本黄绿色过多，那么这段文字主要是由AI生成的。

此番GPTZero再度亮相，不少网友惊叹：Incredible work！

但也有人表示，文本检测器根本就是一场失败的军备竞赛，他们的实际效果并不好。也阻挡不了ChatGPT的发展。

与此同时，还有网友探讨起关于「文章是否需要明确指示由AI还是人类编写」的必要性。

有位词曲创作者认为，这是有必要的，就像在看杂志时会标注“广告”，这应该是一个简单的要求。

但有网友立即表示反对，为什么要设置障碍？这就跟使用PS然后加上Adobe水印，对产品没有任何益处。

对于这个问题，你怎么看呢？

试玩链接：https://etedward-gptzero-main-zqgfwb.streamlit.app/参考链接：[1]https://brackets.substack.com/about[2]https://www.reddit.com/r/programming/comments/102hxlg/gptzero_an_app_to_efficiently_tell_if_an_essay_is/[3]https://twitter.com/Marc__Watkins/status/1601746409203863553[4]http://gltr.io/