هل يكتشف Turnitin استخدام Gemini و Copilot؟ ما تقوله الأسئلة الشائعة

نعم بالنسبة إلى Gemini، ونعم عملياً بالنسبة إلى Copilot. تنشر الأسئلة الشائعة الخاصة بـ Turnitin قائمة بنماذج الكتابة بالذكاء الاصطناعي التي يمكن لأداة الكشف تحديد المحتوى المأخوذ منها. وتشمل القائمة Gemini إلى جانب GPT و Claude و LLaMA و Mistral و Deepseek و Nova و Grok و o1-mini. والعبارة الرسمية المستخدمة هي "can detect content from." (يمكنها تحديد المحتوى المأخوذ من هذه النماذج). وتنتهي القائمة بـ: "and tools based on these LLMs as well." (وكذلك الأدوات المبنية على هذه النماذج اللغوية.) ويعتمد Copilot على نماذج GPT، و GPT مدرج في القائمة. وهذا يعني أن Copilot يندرج ضمن فئة الأدوات المبنية على نموذج لغوي مدرج. وتضيف الأسئلة الشائعة: "We will continue to expand our detection capabilities to other models in the future." (سنواصل توسيع قدرات الكشف لدينا لتشمل نماذج أخرى في المستقبل.) وتقر الأسئلة الشائعة أيضاً بأن قدرات الكشف ليست ثابتة، وأنها ستتغير مع تحديث النموذج.

تقدم الأسئلة الشائعة قائمة مفصولة بفواصل بالنماذج التي يمكنها تحديد المحتوى المأخوذ منها. وتقول الجملة التمهيدية: "Currently, Turnitin's AI writing detection model for English submissions can detect content from …" (في الوقت الحالي، يمكن لنموذج Turnitin للكشف عن الكتابة بالذكاء الاصطناعي في الأعمال المقدمة بالإنجليزية تحديد المحتوى المأخوذ من …) تليها القائمة التي تضم GPT و Gemini و Claude و LLaMA و Mistral و Deepseek و Nova و Grok و o1-mini. وتنتهي القائمة بـ:

"and tools based on these LLMs as well." (وكذلك الأدوات المبنية على هذه النماذج اللغوية.)

الجملة التالية: "We will continue to expand our detection capabilities to other models in the future." (سنواصل توسيع قدرات الكشف لدينا لتشمل نماذج أخرى في المستقبل.)

هذه الصياغة مهمة. فالقائمة لا تسمي كل أداة أو واجهة على حدة. إنها تسمي عائلات النماذج الأساسية، ثم تغطي كل ما يُبنى فوقها. ويعمل Copilot بنماذج GPT، لذا فهو يقع ضمن نطاق الأدوات المبنية على هذه النماذج اللغوية. أما Gemini فمدرج بالاسم مباشرة في القائمة. ويعني الوعد بالتوسيع أن القائمة قد تنمو كلما ظهرت نماذج جديدة وتم تحديث نموذج الكشف.

تصف الأسئلة الشائعة آلية الكشف من حيث التقسيم وتقييم الاحتمالات:

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated." (عند إرسال بحث إلى Turnitin، تُستخرج الجمل من العمل المقدم وتُقسّم إلى مقاطع متداخلة لأغراض تحليل التنبؤ. ويصنف نموذج الكشف بالذكاء الاصطناعي كل مقطع ويمنحه قيمة بين 0 و 1، تدل على احتمال أن يكون النص من كتابة بشر أو من إنشاء الذكاء الاصطناعي.)

يحصل كل مقطع على درجته الخاصة. وتعكس النسبة الإجمالية نسبة المقاطع التي يصنفها النموذج على أنها من إنشاء الذكاء الاصطناعي. ولا تبحث أداة الكشف عن علامة مائية أو عن سمة واحدة تكشف الأمر. إنها تصنف النص مقطعاً بمقطع بناءً على درجات الاحتمال. ويتناول موضوع ما تقيسه أدوات كشف الذكاء الاصطناعي إلى جانب perplexity و burstiness ما يدخل في كل واحدة من هذه الدرجات.

تقر الأسئلة الشائعة بوجود مفاضلة بين النتائج الإيجابية الخاطئة وبين النص المكتوب بالذكاء الاصطناعي الذي لا يتم كشفه:

"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 النتائج الإيجابية الخاطئة البالغ 1%، هناك احتمال ألا نكشف جزءاً من النص المكتوب بالذكاء الاصطناعي في المستند.)

تم ضبط أداة الكشف بحيث تتجنب اتهام الطلاب زوراً باستخدام الذكاء الاصطناعي. وتكلفة هذا الضبط هي أن جزءاً من النص الذي أنشأه الذكاء الاصطناعي قد يمر دون أن يُكشف. وهذا خيار تصميمي مقصود موثق من Turnitin نفسها. والنموذج الذي ينتج نصاً أقرب إلى أنماط احتمال الكلمات البشرية سيكون أصعب في الكشف، على الأقل إلى أن يتم تحديث نموذج الكشف لتغطيته. وهذا التأخير نفسه هو السؤال كله في هل يكتشف Turnitin أدوات تحويل النص بالذكاء الاصطناعي؟.

تذكر الأسئلة الشائعة صراحة أن الكشف ليس هدفاً ثابتاً:

"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." (مع استمرارنا في تطوير نموذجنا وتحسينه للكشف بشكل أفضل عن النماذج اللغوية الأحدث، من المرجح أن تتغير قدراتنا على الكشف أيضاً، مما يؤثر على نسبة الذكاء الاصطناعي.)

الجملة التالية: "However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (ومع ذلك، بالنسبة إلى مستند تم إرساله بالفعل، لن تتغير نسبة الذكاء الاصطناعي إلا إذا أُعيد إرساله مرة أخرى لمعالجته.)

يترتب على ذلك نتيجتان. الأولى: يجري تحديث نموذج الكشف لاستهداف النماذج اللغوية الأحدث، مما يعني أن تغطية نماذج مثل Gemini و Copilot قد تتحسن أو تتغير مع الوقت. الثانية: المستند الذي جرى تقييمه قبل تحديث النموذج يحتفظ بنسبته الأصلية ما لم يُعَد إرساله. فنسبة عمل سبق إرساله تعكس قدرات الكشف في وقت ذلك الإرسال، لا قدراتها الحالية، ولهذا السبب يرى موضوع لا يزال محدداً بعد إعادة فحص Turnitin ضرورة مقارنة تقريرين بدلاً من مقارنة رقمين.

للتلخيص:

• يظهر Gemini بالاسم مباشرة في القائمة التي تنشرها Turnitin للنماذج التي يمكنها تحديد المحتوى المأخوذ منها.
• يعتمد Copilot على نماذج GPT المدرجة في القائمة. وتغطي القائمة أيضاً "tools based on these LLMs as well." (الأدوات المبنية على هذه النماذج اللغوية.)
• تعد الأسئلة الشائعة بـ "continue to expand our detection capabilities to other models in the future." (مواصلة توسيع قدرات الكشف لتشمل نماذج أخرى في المستقبل.)
• تعالج أداة الكشف النص في مقاطع متداخلة، وتخصص لكل مقطع درجة احتمال بين 0 و 1.
• للحفاظ على معدل منخفض من النتائج الإيجابية الخاطئة، قد تفوت أداة الكشف جزءاً من النص الذي أنشأه الذكاء الاصطناعي.
• قدرات الكشف تتغير مع الوقت. والمستند الذي جرى تقييمه قبل تحديث النموذج يحتفظ بنسبته الأصلية ما لم يُعَد إرساله.

إذا تلقيت تقرير ذكاء اصطناعي من Turnitin وتريد معالجة المقاطع المحددة، فاستورد التقرير واعمل عليها. ويمكن إعادة معالجة المقاطع المؤهلة دون أي تكلفة.