孔德淇
又是一年畢業(yè)季，多個關(guān)于大學(xué)生畢業(yè)論文AI率“亮紅燈”的帖子引發(fā)熱議。有大學(xué)生反映，畢業(yè)論文中原創(chuàng)內(nèi)容經(jīng)一些系統(tǒng)檢測后，常被指出AI率過高，甚至高達90%。為一探究竟，有人將朱自清《荷塘月色》與劉慈欣《流浪地球》的片段上傳至某論文檢測系統(tǒng)，結(jié)果顯示，AI生成疑似度竟分別達62.88%和52.88%。更有甚者，《滕王閣序》竟被檢測出100%的AI率。連經(jīng)典文學(xué)作品都過不了關(guān)，讓大學(xué)生不禁憂心：自己的論文會否也淪為AI檢測誤判的犧牲品？
AI檢測技術(shù)本應(yīng)是輔助人們判別內(nèi)容是否由AI生成的有效工具，在生成式AI井噴發(fā)展、學(xué)術(shù)創(chuàng)作“AI味”漸濃的當(dāng)下，借助技術(shù)手段辨識“機器代寫”“數(shù)據(jù)偽造”等學(xué)術(shù)不端行為，更是教育與科研領(lǐng)域適應(yīng)技術(shù)變革、守護學(xué)術(shù)殿堂純凈的必要之舉。如今卻出現(xiàn)如此啼笑皆非的判斷，著實讓人難以信服。
其實，只要對AI檢測技術(shù)稍加了解，就不難發(fā)現(xiàn)此類問題背后的癥結(jié)。當(dāng)前的AI內(nèi)容檢測主要通過機器學(xué)習(xí)和自然語言處理技術(shù)，對文本、圖像、音頻等內(nèi)容進行分析，以判斷其是否包含特定的信息或模式。但這種檢測方式存在明顯的局限性。一方面，語言本就是千變?nèi)f化的，相同的意思可以用多種表達方式來呈現(xiàn)，比如同樣是寫春天，有人喜歡引用“紅杏枝頭春意鬧”，有人偏愛“春風(fēng)又綠江南岸”，AI檢測系統(tǒng)很難精準地判斷出每一句話的創(chuàng)作源頭，誤判自然頻頻發(fā)生。另一方面，隨著AI技術(shù)的不斷發(fā)展，生成式AI所產(chǎn)出的內(nèi)容越來越接近人類的表達方式，這就使得檢測系統(tǒng)更難區(qū)分內(nèi)容到底是出自人類之手，還是AI生成。
此外，若訓(xùn)練數(shù)據(jù)本身存在偏差，或是數(shù)據(jù)量不夠大、不夠全面，那么AI檢測系統(tǒng)就容易出現(xiàn)誤判。在實際應(yīng)用中，許多檢測系統(tǒng)為了追求速度和效率，往往簡化了檢測流程，這在一定程度上降低了結(jié)果的準確性。當(dāng)AI檢測系統(tǒng)頻繁出現(xiàn)誤判時，其權(quán)威性便會大打折扣。長此以往，不僅會誤導(dǎo)公眾對原創(chuàng)內(nèi)容的判斷，還可能打擊創(chuàng)作者的積極性，讓真正的原創(chuàng)者寒心。
在技術(shù)尚未成熟的當(dāng)下，我們不能盲目依賴AI檢測。對于創(chuàng)作者而言，更不必因AI檢測結(jié)果而過度焦慮。因為創(chuàng)作的過程是獨一無二的，作品中蘊含的情感、思想和創(chuàng)造力是AI無法復(fù)制的。
面對頻繁誤判的現(xiàn)狀，當(dāng)務(wù)之急是提升其檢測技術(shù)準確性與公信力。相關(guān)部門和機構(gòu)需盡快強化對AI檢測技術(shù)的規(guī)范與監(jiān)管，一方面健全完善檢測標準，構(gòu)建涵蓋技術(shù)原理、數(shù)據(jù)應(yīng)用、結(jié)果評估等全流程的標準化體系，讓檢測有章可循；另一方面強化數(shù)據(jù)治理，通過納入多元原創(chuàng)語料、運用先進技術(shù)校準數(shù)據(jù)偏差等方式，提升檢測模型對語言多樣性和領(lǐng)域特性的適配能力。
與此同時，為確保檢測結(jié)果的客觀性，避免“既當(dāng)運動員又當(dāng)裁判”的利益關(guān)聯(lián)，還應(yīng)建立常態(tài)化的技術(shù)審計機制，由第三方機構(gòu)對檢測系統(tǒng)的算法透明度、檢測準確性等核心指標進行定期審查，確保檢測結(jié)果科學(xué)可靠。只有讓AI檢測技術(shù)在科學(xué)、規(guī)范的軌道上運行，才能真正發(fā)揮其應(yīng)有作用，助力原創(chuàng)內(nèi)容的保護和傳播，而不是成為傷害原創(chuàng)的“幫兇”。