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/