هل يكتشف Turnitin نماذج Claude تحديدًا؟ ما تقوله قائمة النماذج

نعم. تظهر عدة نسخ من Claude في قائمة النماذج التي ينشرها Turnitin. وتذكر القائمة أن نموذج Turnitin للكشف عن الكتابة بالذكاء الاصطناعي في الأعمال المقدمة بالإنجليزية قادر على كشف المحتوى الآتي من مجموعة نماذج تضم Claude-3-Haiku وClaude Sonnet-3.5 وClaude Sonnet-3.7 وClaude Sonnet-4.5 وClaude Sonnet-4.6 وClaude-Haiku-4.5 وClaude-Opus-4.5. وتغطي القائمة أيضًا “tools based on these LLMs as well,” (الأدوات المبنية على هذه النماذج اللغوية الكبيرة كذلك)، ما يعني أن التطبيقات المبنية على نماذج Claude اللغوية تدخل ضمن نطاق الكشف المُعلن.

ومع ذلك، فإن ورود النموذج في القائمة لا يعني أن كل مقطع تنتجه Claude سيُحدَّد. فـTurnitin نفسه يقرّ بأن بعض النصوص المكتوبة بالذكاء الاصطناعي يفلت من الكشف، وأن قدرات الكشف تتغير بمرور الوقت مع تحديث النموذج. لذا فالجواب الصريح هو: نماذج Claude مشمولة، لكن الشمول ليس ضمانًا.

لا ينشر Turnitin جدولًا بالنماذج يبيّن نتائج الكشف نجاحًا أو فشلًا. وبدلًا من ذلك، يقدّم قائمة مدرجة ضمن وثائقه. وتقول الجملة الافتتاحية: “Currently, Turnitin's AI writing detection model for English submissions can detect content from” (نموذج Turnitin الحالي للكشف عن الكتابة بالذكاء الاصطناعي في الأعمال المقدمة بالإنجليزية قادر على كشف المحتوى الآتي من) قائمة تضم نسخ Claude المذكورة أعلاه، إلى جانب GPT وGemini وLLaMA وMistral وDeepseek وNova وGrok وo1-mini. وهذا التجميع هو ما يتناوله هل يكتشف Turnitin نماذج Claude وCopilot أو Gemini من الطرف الآخر. وتختم القائمة ببيان أن التغطية تمتد إلى “tools based on these LLMs as well.” (الأدوات المبنية على هذه النماذج اللغوية الكبيرة كذلك). وتقول الجملة التي تلي القائمة: “We will continue to expand our detection capabilities to other models in the future.” (سنواصل توسيع قدراتنا على الكشف لتشمل نماذج أخرى في المستقبل.)

العبارة المفتاحية هي “can detect content from” (قادر على كشف المحتوى الآتي من). تخبرنا هذه الصياغة أن الكاشف مُدرَّب على تمييز النصوص التي تولدها هذه النماذج. وهي لا تعد بكشف مثالي. وبالنسبة إلى Claude تحديدًا، فهذا يعني أن أي أداة أو خدمة تستخدم نماذج Claude اللغوية لإنتاج النص تقع ضمن النطاق المُعلن. أما ما إذا كان الكاشف يرصد كل حالة فهذا سؤال آخر نتناوله أدناه.

لفهم سبب أن الكشف ليس إجابة ثنائية بنعم أو لا، من المفيد النظر إلى الآلية التي يصفها Turnitin. عندما يُقدَّم بحث إلى Turnitin، تُستخرج الجمل من العمل المقدَّم وتُقسَّم إلى مقاطع متداخلة لتحليل التوقعات. ويُصنَّف كل مقطع بواسطة نموذج كشف الذكاء الاصطناعي ويُعطى قيمة بين 0 و1، تدل على احتمال أن يكون النص بشريًا أو مولدًا بالذكاء الاصطناعي. وترث كل جملة مؤهلة داخل هذه المقاطع درجة المقطع. ولأن المقاطع تتداخل، قد تحصل بعض الجمل على درجات متعددة تُجمَّع بعد ذلك في درجة واحدة. ثم تُجمَع درجات الجمل هذه وتُستخدم لحساب درجة الكتابة بالذكاء الاصطناعي للوثيقة ككل.

النسبة المئوية النهائية في تقريرك هي حصيلة تجميع عدد كبير من التوقعات الصغيرة على مستوى الجملة. فالأمر ليس فحصًا واحدًا يختم الوثيقة كلها بوصفها مولدة بالذكاء الاصطناعي أو بشرية. كل جملة تسهم في النتيجة الإجمالية، والمقاطع المتداخلة تساعد على تنعيم الحالات الحدية.

نموذج Turnitin ليس ثابتًا. وتقول الوثائق: “As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage.. However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed.” (مع استمرارنا في تطوير نموذجنا وتحسينه للكشف بشكل أفضل عن النماذج اللغوية الأحدث، من المرجح أن تتغير قدراتنا على الكشف أيضًا، مما يؤثر على نسبة الذكاء الاصطناعي. ومع ذلك، بالنسبة إلى مستند تم إرساله بالفعل، فلن تتغير نسبة الذكاء الاصطناعي إلا إذا أُعيد إرساله مرة أخرى لمعالجته.)

لهذا تبعات عملية. إذا قدّمت مستندًا اليوم وحصلت على نسبة معينة للذكاء الاصطناعي، فقد يحصل المستند نفسه على نسبة مختلفة إذا أُعيد تقديمه بعد أسابيع أو أشهر. فالنموذج يُحدَّث، وهذه التحديثات قد تحرّك الدرجات في أي من الاتجاهين. قد يُقرأ مقطع يبدو بشريًا اليوم على أنه مولد بالذكاء الاصطناعي بعد تحديث ما، أو العكس.

بالنسبة إلى نصوص Claude، فهذا يعني أن معدل الكشف الذي تختبره الآن قد لا يطابق ما ستختبره لاحقًا. تؤكد قائمة النماذج أن Claude داخل النطاق، لكن حساسية هذا الكشف قد تتفاوت مع تحسين Turnitin لنموذجه.

يصرّح Turnitin بوضوح بأن كاشفه لا يرصد كل شيء. وتقول الوثائق: “In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document.” (للحفاظ على هذا المعدل المنخفض من الإيجابيات الخاطئة والبالغ 1%، هناك احتمال لأن يفوتنا بعض النصوص المكتوبة بالذكاء الاصطناعي في المستند.)

هذه مقايضة مقصودة. يعطي Turnitin الأولوية لانخفاض معدل الإيجابيات الخاطئة، ما يعني أنه يقبل إفلات بعض نصوص الذكاء الاصطناعي. والكاشف يميل إلى جانب الحذر: فهو يفضّل أن يفوته نص مولد بالذكاء الاصطناعي على أن يحدّد نصًا بشريًا بالخطأ.

لفهم سبب عمل الكاشف على هذا النحو، عليك أن تنظر إلى ما يقيسه فعليًا. فنموذج Turnitin لا يعتمد على المقاييس التي كثيرًا ما تُثار في النقاشات العامة حول كشف الذكاء الاصطناعي، ولهذا ينتهي هل يستخدم Turnitin مقياسي perplexity وburstiness لكشف الذكاء الاصطناعي عند النقطة التي ينتهي عندها. وتقول الوثائق: “Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions. Instead, it learns statistical patterns from our training data.” (نموذجنا غير مبرمَج صراحةً لتقييم إشارات محددة مثل 'burstiness,' 'perplexity,' أو أي مقاييس فردية أخرى يُشار إليها أحيانًا في النقاشات العامة. وبدلًا من ذلك، يتعلم أنماطًا إحصائية من بيانات التدريب لدينا.) ثم يطبّق النموذج ما تعلمه على تصنيف النص. وكما يعبّر عنها Turnitin: “Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers.” (مُصنِّفاتنا مُدرَّبة على رصد هذه الفروق في احتمالية الكلمات، وهي على دراية بتتابعات احتمالية الكلمات المميزة للكتّاب من البشر.)

بعبارات أخرى، ينظر الكاشف إلى أنماط احتمالية الكلمات، لا إلى إشارات سطحية مثل تفاوت طول الجمل أو ندرة المفردات. ولهذا قد يفلت نص مولد بالذكاء الاصطناعي خضع لتحرير أو إعادة كتابة مكثفة من الكشف أحيانًا، ولهذا يجب أن يُجاب عن هل يكتشف Turnitin أدوات تحويل النص المولد بالذكاء الاصطناعي إلى نص بشري حالة بحالة. فإذا تغيّرت تتابعات احتمالية الكلمات بالقدر الكافي أثناء التحرير، فقد يتوقف المُصنِّف عن تمييز النص بوصفه مولدًا بالذكاء الاصطناعي.

إذا حدّد تقرير Turnitin مقاطع بوصفها مولدة بالذكاء الاصطناعي، فالخطوة الأكثر عملية هي معالجة المقاطع المحددة فقط بدلًا من إعادة كتابة المستند كله، وهي الطريقة الواردة في إعادة كتابة الفقرات التي حددها تقرير Turnitin فقط. ولأن Turnitin يقيّم على مستوى الجملة، يمكنك تحديد المقاطع المحددة التي أثارت الكشف وتركيز مراجعتك عليها.

أبقِ استشهاداتك وجداولك وتنسيقاتك سليمة. فالمقاطع التي حُدّدت بوصفها مولدة بالذكاء الاصطناعي وحدها تحتاج إلى عناية. وإذا راجعت عملك وأعدت تقديمه، فتذكّر أن نسبة الذكاء الاصطناعي قد تتغير بسبب تحديثات النموذج، لا بسبب تعديلاتك وحدها.

يمكن إعادة تشغيل المقاطع المؤهلة دون أي رسوم.