


ChatGPT の「宿敵」が登場!記事の作者は人間ですか、それとも AI ですか? それを検出するのに数秒かかりました。中国人の男が正月休み中にそれを完了しました。サーバーはすでに過密状態でした。
ChatGPT について話しているのですが、書き込まれている内容は区別できないほど現実的です? ######それは問題ではありません!
さあ、その「宿敵」が登場です—
ある中国人の男が、テキストが AI によって書かれたのか人間によって書かれたのかを識別するこのような Web サイトを作成しました。
対応するコンテンツを貼り付けるだけで、結果は数秒以内に分析されます。
それ:「やっぱりAIだった。」
このような魔法のツールは、登場するやいなや、たちまちすべての人の心を掴んだと言えるでしょう。
#いいえ、サーバーが直接クラッシュします (幸いなことに、予備のサーバーがあります)。
さて、ChatGPT を使って宿題をする「いたずらっ子」も被害を受けることになるでしょうか?
それは人間ですか、それとも ChatGPT ですか? GPTZero: 私の
を見てください。この Web サイトは GPTZero と呼ばれます。
与えられたコンテンツを誰が書いたかを判断する指標として、主に「perplexity」、つまりテキストの「わかりにくさ」に依存します。
NLP 分野の友人は、この指標が言語モデルの品質を評価するために使用されていることを知っています。
ここで、GPTZero にテスト コンテンツをフィードすると、それぞれ次の計算が行われます:
1. テキスト全体の混乱
この値が大きいほど、その可能性が高くなります。人間の手によって作られました。
#2. すべての文の平均混乱度
文が長くなるほど、通常、この値は低くなります。
3. 各文の混乱レベル
# は棒グラフの形式で表示されます。各ボックスの上にマウスを置くと、内容が表示されます。対応する文は. (今回入力したテスト内容は 2 文だけなので、ここには 2 つしかありません)。
著者は、このような棒グラフが描かれる理由についても説明しています:
# 以上がルールです。実技テストをしてみましょう。 テスト 1: 成功対照的に、機械生成されたテキストでは、困惑度は均等に分散され、常に低くなります。
さらに、GPTZero は、混乱の程度が最も高い文 (つまり、最も人間らしい文) も選択します。
最初に最新の英語ニュースが表示されます (中国語は現在サポートされていません):
###############ビンゴ。
テスト 2: 失敗しました
コンテンツをテスト ボックスに貼り付けると、この段落のテキストの混乱の合計は 31、文の混乱の平均は 76.67、各文の混乱グラフは長くなっています。このように:
となり、最も混乱が大きかった文の値は 99 になります。
それぞれの混乱値は上記とはかなり異なっているようですが、AIが書いたものであることが推測できるはずです。
明らかに、この段落には十分な単語がありますが、GPTZero が ChatGPT の「偽装」を一目で見破るには十分な文がありません。
テスト 3: 成功
今回は内容も長く、文章量も十分です。
案の定、問題ありません。GPTZero は直接答えました:
彼は実際にいくつかのトリックを見つけたようです:
つまり、単語の数が多い一方で、GPTZero がヒストグラムの分布を通じて認識し、最終的な精度を向上させるためには、文の数も多く、少なくとも 5 文にする必要があります。
# 人間が書いたニュースを AI が判断する:
この場合、上記のヒントに従って、さらにコンテンツを追加すると結果が戻る可能性があります。
(可能性があることに注意してください。上記のニュースについては、すべての内容を貼り付けましたが、ノーと表示され、さらに要求されました。)
彼は現在 Microsoft でインターンとして働いており、BBC、Bellingcat、その他の企業向けに技術記事を執筆しており、地図ツール Representable の創設チームにも参加しています。
彼は在学中、4週間の都市研究セミナーに参加するために清華大学に来ました。
その他のChatGPTキラー
実際、ChatGPTを嫌っているのはこの男だけではありません。 AI テキスト検出器、別名 ChatGPT キラーを開発した人間の組織は他にもあります。
一般的な考え方は似ており、「魔法を使って魔法を倒す」というものであり、AI によって書かれたものを新しい AI のトレーニングに使用します。
少し前、OpenAI はハーバード大学や他の大学と協力して、GPT-2 Output Detector という検出器を共同作成しました。
著者らは、AI が「AI 言語」を理解できるようにするために、「GPT-2 で生成されたコンテンツ」と WebText (特に外国の投稿バーである Reddit から取得した) データ セットを最初にリリースしました。 「 」と「人間の音声」の違い。
その後、このデータセットを使用して RoBERTa モデルを微調整し、AI 検出器を取得しました。人間の音声は常に True として認識され、AI が生成したコンテンツは常に Fake として認識されます。
(RoBERTa は BERT の改良版です。オリジナルの BERT は 13GB のデータセットを使用していましたが、RoBERTa は 6,300 万件の英語ニュースを含む 160GB のデータセットを使用しました。)
もう 1 つ 代表的なプレーヤーこの新たな展開により、初期の頃のことも再び言及されました。
MIT-IBM Watson AI Laboratory と Harvard NLP Laboratory によって開発された GLTR モデルです。
主にテキストの統計分析と視覚化を実行し、元々テキストの生成に使用されたものと同じまたは類似のモデルを検出するために使用されます。現在、主に GPT-2 と BERT の 2 つのモデルをサポートしています。
出力はモデルが認識しているすべての単語のランキングであるため、テキストの各単語はランキングに従って色分けされます。上位 10 は緑色、上位 100 は黄色、上位 1000 は赤、紫はあまり良くない、という言葉が考えられます。
テキストに黄緑色が多すぎる場合、このテキストは主に AI によって生成されています。
今回も GPTZero が登場し、多くのネチズンが「信じられないほど素晴らしい作品だ!」と叫びました。
しかし、テキスト検出器は単なる軍拡競争の失敗であり、実際の結果は良くないと言う人もいます。 ChatGPT の開発を止めることはできません。
#同時に、一部のネットユーザーは「記事がAIによって書かれたのか、それとも人間によって書かれたのかを明確に示す必要があるか」の必要性について議論した。
ソングライターはこれが必要であると信じています。雑誌を読むときに「広告」とマークされるのと同じで、これは単純な要件であるはずです。
しかし、一部のネチズンはすぐに反対を表明しました。これは、PS を使用してから Adobe ウォーターマークを追加するようなもので、製品には何のメリットもありません。
この問題についてどう思いますか?
トライアルリンク:
https://etedward-gptzero-main-zqgfwb.streamlit.app/
参考リンク:
[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/
以上がChatGPT の「宿敵」が登場!記事の作者は人間ですか、それとも AI ですか? それを検出するのに数秒かかりました。中国人の男が正月休み中にそれを完了しました。サーバーはすでに過密状態でした。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Apollo Researchの新しいレポートによると、高度なAIシステムの未確認の内部展開は、重大なリスクをもたらします。 主要なAI企業の間で一般的なこの監視の欠如は、Uncontに及ぶ潜在的な壊滅的な結果を可能にします

従来の嘘検出器は時代遅れです。リストバンドで接続されたポインターに依存すると、被験者のバイタルサインと身体的反応を印刷する嘘発見器は、嘘を識別するのに正確ではありません。これが、嘘の検出結果が通常裁判所で採用されない理由ですが、多くの罪のない人々が投獄されています。 対照的に、人工知能は強力なデータエンジンであり、その実用的な原則はすべての側面を観察することです。これは、科学者がさまざまな方法で真実を求めるアプリケーションに人工知能を適用できることを意味します。 1つのアプローチは、嘘発見器のように尋問されている人の重要な符号応答を分析することですが、より詳細かつ正確な比較分析を行います。 別のアプローチは、言語マークアップを使用して、人々が実際に言うことを分析し、論理と推論を使用することです。 ことわざにあるように、ある嘘は別の嘘を繁殖させ、最終的に

イノベーションの先駆者である航空宇宙産業は、AIを活用して、最も複雑な課題に取り組んでいます。 近代的な航空の複雑さの増加は、AIの自動化とリアルタイムのインテリジェンス機能を必要とします。

ロボット工学の急速な発展により、私たちは魅力的なケーススタディをもたらしました。 NoetixのN2ロボットの重量は40ポンドを超えており、高さは3フィートで、逆流できると言われています。 UnitreeのG1ロボットの重量は、N2のサイズの約2倍で、高さは約4フィートです。また、競争に参加している多くの小さなヒューマノイドロボットがあり、ファンによって前進するロボットさえあります。 データ解釈 ハーフマラソンは12,000人以上の観客を惹きつけましたが、21人のヒューマノイドロボットのみが参加しました。政府は、参加しているロボットが競争前に「集中トレーニング」を実施したと指摘したが、すべてのロボットが競争全体を完了したわけではない。 チャンピオン - 北京ヒューマノイドロボットイノベーションセンターによって開発されたティアンゴニ

人工知能は、現在の形式では、真にインテリジェントではありません。既存のデータを模倣して洗練するのに熟達しています。 私たちは人工知能を作成するのではなく、人工的な推論を作成しています。情報を処理するマシン、人間は

レポートでは、更新されたインターフェイスがGoogle Photos Androidバージョン7.26のコードに隠されていることがわかり、写真を見るたびに、新しく検出された顔のサムネイルの行が画面の下部に表示されます。 新しいフェイシャルサムネイルには名前タグが欠落しているため、検出された各人に関する詳細情報を見るには、個別にクリックする必要があると思います。今のところ、この機能は、Googleフォトが画像で見つけた人々以外の情報を提供しません。 この機能はまだ利用できないため、Googleが正確にどのように使用するかはわかりません。 Googleはサムネイルを使用して、選択した人のより多くの写真を見つけるためにスピードアップしたり、編集して個人を選択するなど、他の目的に使用することもできます。待って見てみましょう。 今のところ

補強能力は、人間のフィードバックに基づいて調整するためにモデルを教えることにより、AI開発を揺さぶりました。それは、監督された学習基盤と報酬ベースの更新をブレンドして、より安全で、より正確に、そして本当に助けます

科学者は、彼らの機能を理解するために、人間とより単純なニューラルネットワーク(C. elegansのものと同様)を広く研究してきました。 ただし、重要な疑問が生じます。新しいAIと一緒に効果的に作業するために独自のニューラルネットワークをどのように適応させるのか


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

SAP NetWeaver Server Adapter for Eclipse
Eclipse を SAP NetWeaver アプリケーション サーバーと統合します。

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

MantisBT
Mantis は、製品の欠陥追跡を支援するために設計された、導入が簡単な Web ベースの欠陥追跡ツールです。 PHP、MySQL、Web サーバーが必要です。デモおよびホスティング サービスをチェックしてください。

DVWA
Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

ホットトピック









