当你被AI无辜扣上「作弊」的帽子，作何感想？
这件事恰恰发生在了一位高三学生Lucy Goetz身上。原本她写的一篇社会主义原创论文得了最高分。
但是，Turnitin公司的AI写作检测器竟说，Goetz论文结尾是用ChatGPT生成的。
Goetz震惊道，「我很高兴能和老师们保持良好的关系」。
简言之，还好老师了解我，不然跳进黄河都洗不清了。
而更令人惊讶的是，这个ChatGPT检测器现在已经被210万名教师使用。
AI无法打败AI
Goetz的论文中被标记出的部分属于异常情况，但这表明检测器有时会出错。
显然，AI是无法打败AI的。这对许多学生来说可能产生灾难性的后果。
为了测试Turnitin的检测器，记者Geoffrey A. Fowler对Goetz在内的5名高中生进行了测试。
他们创作了16篇涵盖真实、AI生成，以及混合来源的论文样本。
结果如何呢？
Turnitin的检测器至少在一半以上的样本中出现错误，仅是准确识别出了其中6篇，但在3篇上的检测都失败了。其中就包括对Goetz原创论文中8%内容的标记错误。
对于剩下的7篇，Fowler称，「我只会给它部分分数，因为它的判断大致正确，但错误识别了一些ChatGPT生成或混合来源的写作部分。」
然而，Turnitin声称其检测器的整体准确率达到98%。该公司还表示，在其自身测试中，类似Goetz论文的情况（即假阳性）发生的概率不到1%。
Turnitin的AI检测器详细页面会分配一个总分，并突出显示疑似AI生成的句子。该公司表示，它故意用蓝色而非红色标记疑似AI生成的段落，并在得分下方链接教师资源。
加州康科德市Goetz的AP英语课老师Rebecca Dell表示，Turnitin标记AI文本的系统并不总是有效，这令人担忧。
与抄袭指控不同，AI作弊没有源文件作为证据，这最容易让老师对学生带有偏见。
或许并不是每个人都像Goetz那么幸运。
Goetz表示，「对于学生来说，被指控AI作弊尤其令人恐惧。除非你的老师了解你的写作风格，或者对你非常信任，否则没有办法证明你没有作弊」。
AI检测为何如此困难
自ChatGPT面世以来，已经被许多高校的学生和老师用在日常的作业和教学中。
然而，如果不加以限制，ChatGPT将会变成史上最强大的作弊工具，可以帮助学生们写作业，甚至是完成考试论文。
为了反侦察，一款简单易用的检测器成为老师期盼的东西。一位22岁普林斯顿大学的学生Edward Tian，就自行开发了一款检测器——GPTZero。
甚至，OpenAI官宣推出一个新工具，名为AI Text Classifier的文件检测器。
但是，这些检测器的表现并不如人意。
检测出AI创作的内容听起来很简单。但当给你一封手写邮件和ChatGPT生成的邮件后，我们几乎无法辨别。
Turnitin的人工智能副总裁Eric Wang称，用软件检测人工智能写作涉及统计学。从统计学的角度来看，人工智能与人类的区别在于它极其稳定地处于平均水平。
直白点讲，AI水平很稳定。然而，实际上并非这样一个道理。
「像ChatGPT这样的系统就像是自动补全的高级版本，寻找下一个最可能要写的单词。这实际上就是它为什么读起来如此自然的原因。AI写作是人类写作中最可能的子集。」
Turnitin的检测器便会「识别出书写过于一致的平均情况」。挑战就在于，有时候有时人类的写作可能确实看起来处于平均水平。
在经济学、数学和实验室报告中，学生倾向于遵循固定的写作风格，这意味着他们更有可能被误认为是AI写作。
这可能就是为什么Turnitin错误地标记了Goetz的论文，因为它的内容涉及到经济学。
Wang表示，Turnitin努力调整其系统，在标记某个句子为AI生成之前需要更高的置信度，以便在这方面犯错。
并称，自己家的软件已经有了很大的进展。「我首次在1月下旬测试Goetz的论文时，该软件识别出其中大约50%是AI生成的。Turnitin在3月下旬再次通过其系统运行我的样本，那时只标记了Goetz论文中的8%为AI生成的。」
Turnitin的检测器也面临其他重要的技术限制。
在它完全检测正确的6个样本中，它们都明显是100%的学生作品，或由ChatGPT生成的。
但是当用混合AI和人类来源的论文进行测试时，它经常错误识别单个句子，或完全漏掉人类部分。而且它无法在通过Quillbot（一个可以重新组合句子的改写程序）处理的论文中发现ChatGPT的痕迹。
此外，Turnitin的检测器可能已经落后于当前的人工智能技术水平。
因为就拿ChatGPT来说吧，现在已经得到了GPT-4的加持，而且具有更多的创造性和风格化能力。
英伟达科学家Jim Fan称，我认为检测器在长期内是不可靠的。人工智能会变得越来越好，并且会以越来越像人类的方式进行写作。可以肯定地说，随着时间的推移，这些语言模型的小怪癖都会减少。
用AI检测，是个好主意吗？
既然有出错的潜在可能性（即使只有1%），为什么还要发布人工智能检测器呢？
Chechitelli说，「教师希望有威慑作用」。然而，一些教育工作者担心这实际上会提高学生的紧张程度。
4月4日，Turnitin已经为大约10,700所中等教育和高等教育机构激活了这款ChatGPT检测器，对学生作业进行「由AI生成」的评分以及逐句分析。
密歇根大学迪尔伯恩分校的数字教育副教务长Mitchel Sollenberger请求Turnitin不要在初始发布时为其校园激活AI检测。
他担忧的是，每学期约2万份学生论文，通过Turnitin进行检测的教师可能会因误报，从而导致毫无根据的学术诚信调查。教师不应该成为第三方软件系统的专家。
