半个班延毕！美国教授用ChatGPT「查重」全给0分，登微博热搜

来源：新智元

【新智元导读】天下苦GPT检测器久矣！用AI的怕被揪出来，没用AI的怕被冤枉。最近，又发生了一起被AI误判的冤假错案。

离了个大谱！

最近，一位美国教授为了解决学生用AI作弊的问题，决定用「魔法」打败「魔法」。

但完全没搞懂原理的他，在「查重」时竟然用的是ChaPT。

于是，同学们辛辛苦苦码出的毕业论文，通通被胡说八道的ChaPT判定为「抄袭」。

而教授不仅据此挂掉了半个班的人，学校也拒发毕业证……

甚至，这件事直接火到了大洋彼岸，一度登上了微博的热搜。

教授：被ChaPT认领的，都得0分

前段时间，在得克萨斯农工大学（Texas A&M），发生了这样一件令人哭笑不得的事。

为了检测学生提交的论文是否作弊，一位名叫Jared Mumm的教授把他们的论文提交给了ChaPT。

他对学生们说：我会把你们的论文**粘贴到ChaPT中，它会告诉我，你们的论文是不是它生成的。

「我会在两个不同的时间段里，把每个人的**三篇论文放进去，如果这两次它们都被ChaTP认领了，我就会给你0分。」

显然，没有任何计算机相关背景知识的Mumm教授，对ChaPT的原理一窍不通。

实际上，ChaPT并不能识别由AI创建的内容，即使是它自己写的都不行。

甚至，他连ChaPT都没拼对——直接写成了「Chat GPT」以及「chat GPT」。

结果，全班有一多半人的论文被ChaPT不负责任地「认领」，因而挂了这一科。

更倒霉的是，大多数已毕业学生的文凭，因此直接被学校拒发了。

当然，Mumm教授也不是毫不留情，他为全班同学提供了重做作业的机会。

如何证明自己没用ChaPT？

收到上面这封邮件后，几名学生写信给Mumm力证自己的清白。他们提供了带有时间戳的Google Docs，来证明自己并没有使用ChaPT。

但Mumm教授直接无视了这些电子邮件，只在几个学生的评分软件中留下了这样的回应——我不给AI生成的「shit」评分。

不过，还是有学生「**」了，据说，已经有一名学生被「无罪释放」，并且得到了Mumm的道歉。

然而，让情况更复杂的事，有两名学生「挺身而出」，承认自己的确在本学期使用过ChaPT。

这一下子就让其他没有用ChaPT写论文的学生，更难自证清白了……

对此，得克萨斯农工大学商学院表示正在调查这一事件，但并没有学生不及格，也没有人因为这个问题被延毕。

学校表示，Mum教授正在一对一地与学生谈话，了解他们写作业的过程中是否使用了AI，使用到了什么程度。个别学生的文凭将被扣留，直到调查完成。

而学生们表示，自己并没有获得文凭。

目前，事件还在调查中。

用ChaPT检测ChaPT？

那么问题来了，ChaPT能证明一篇文章是不是自己写的吗？

来源：B站UP主「子羡nike」

对此，我们基于教授这封邮件的内容，问了问ChaPT的观点：

ChaPT一上来就表示，自己并没有能力验证内容的原创性，以及是不是由AI生成的。

「这位老师似乎误解了像我这样的AI是如何工作的。虽然AI可以根据提示生成文本，但它不能确定另一篇文本是否由人工智能生成。」

话虽如此，但这并不能拦住爱整活的网友。

他们来了一出「以其人之道还治其人之身」，在线教Mumm教授做人。

首先，ChaPT表示，教授写的这封邮件，正是出自自己之手。

紧接着，网友又复刻了Mumm教授的做法——

拿一段看起来像是某篇论文的节选，来问ChaPT是不是它写的。

这次，ChaPT虽然没说是自己写的，但基本上确定内容就是来自AI。

其中，有几个特征与Al生成的内容一致：

1. 文本是连贯的，遵循一个清晰的结构，从一般到具体。

2. 准确地引用了来源和数字数据。

3. 正确地使用了术语，这是典型的Al模型的特点。比如GPT-4，就是在包括科学文献在内的各种文本中训练出来的。

那么实际上，这段内容的出处是哪里呢？

有意思的地方来了，没想到竟然是Mumm教授自己写的博士论文！

AI检测器并不灵？

既然ChaPT无法检验一段内容是不是AI生成的，那什么可以呢？

自然是为此专门诞生的「AI检测器」，号称是用魔法打败魔法。

众多AI检测器中，最出名的一个便是由普林斯顿华人本科生Edward Tian创建的GPTZero——它不仅免费，而且效果拔群。

只需把文字**粘贴进去，GPTZero就可以明确地指出一段文字中，哪段是AI生成的，哪段是人类写的。

原理上，GPTZero主要靠「困惑度」（文本的随机性）和「突发性」（困惑度的变化）作为指标进行判断。

在每次测试中，GPTZero还会挑选出困惑度**的那个句子，也就是最像人话的句子。

但这个方法其实并不完全可靠，虽然GPTZero声称产品的假阳性率<2%，但这个数据更多是基于对新闻类内容的评判。

在实测中，有人曾把美国宪法输入GPTZero，结果被判定是AI写的。

而刚刚那段ChaPT的回复，GPTZero则认为很可能完全是由人类写的。

这导致的后果就是，不了解其中原理、太固执的老师，就会无意中冤枉很多学生，比如Mumm教授。

所以，如果遇到这种情况，我们该怎么自证清白？

有网友提议，类似「美国宪法实验」，把ChaPT出现之前的文章丢进AI检测器，看看结果如何。

然而，从逻辑上讲，即使能证明AI检测器确实不靠谱，学生也无法直接证明自己的论文不是由AI生成的。

问一下ChaPT怎么破，它是这么说的。

「让老师理解AI的工作方式和局限性」，嗯，ChaPT发现了华点。

目前小编唯一想到的答案是，如果不在教授眼皮底下直接写，那就每次写论文都录屏，或者干脆给教授开直播。

连OpenAI对于自己的官方ChaPT检测器，也只能保证26%的「真阳性」正确率。

他们还特地发了官方声明给大家打预防针：「我们真的不建议孤立地使用这个工具，因为我们知道它可能出错，使用AI进行任何种类的评估都是如此」。

AI内容检测为何如此困难？

目前市面上已有的检测器已经数不胜数——GPTZero、Turnitin、GPT-2 Output、Writer AI 、Content at Scale AI等等，但准确率都差强人意。

那么，为什么我们想检测一段内容是不是AI生成的，就这么困难？

Turnitin的AI副总裁Eric Wang称，用软件检测AI写作的原理，是基于统计学。从统计学的角度来看，AI与人类的区别在于，它极其稳定地处于平均水平。

「像ChaPT这样的系统就像是自动补全的**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」。然而，有时人类的写作看起来也会处于平均水平。

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。

更好笑的是，前不久的一篇论文中，来自斯坦福大学的研究团队发现：对于非母语者的论文，GPT检测器更容易判为AI写的。其中，中国人写的英文论文被判为AI生成的概率，高达61%。

论文地址：https://arxiv.org/pdf/2304.02819.pdf

研究人员从中国的教育论坛上获取了91篇托福作文，又从美国Hewlett基金会的数据集中摘取了88篇美国八年级学生写的作文，输进了7大GPT检测器。

图中百分比即「误判」比例，也就是明明由人写的，却被判为AI生成的

可以看到，美国学生的作文被误判的概率**才12%，而中国学生的作文，概率基本过半，甚至高达76%。

研究者的结论是，因为非母语者写的东西不地道，复杂度低，容易被错判。

可见，以复杂度来判定作者是人类还是AI，并不合理。

抑或，背后还有其他原因？

对此，英伟达科学家Jim Fan称，检测器在很长一段时间内都是不可靠的。毕竟AI会变得越变越强，并且会以越来越像人类的方式写作。

可以肯定地说，随着时间的推移，这些语言模型的小怪癖会越变越少。

不知这对学生们，会是福音还是噩耗。

参考资料：

https://www.rollingstone.com/culture/culture-features/texas-am-chapt-ai-professor-flunks-students-false-claims-1234736601/