هل يكتشف Turnitin نصوص GPT-5 والنماذج الجديدة الأخرى؟

تنشر الأسئلة الشائعة الخاصة بـ Turnitin قائمة بنماذج الكتابة بالذكاء الاصطناعي التي يستطيع اكتشاف المحتوى الصادر عنها. وتضم القائمة، من بين نماذج أخرى، نماذج GPT وGemini وClaude وLLaMA وMistral وDeepseek وNova وGrok وo1-mini. والفعل الرسمي المستخدم هو "can detect content from." (يستطيع اكتشاف المحتوى الصادر عنها). وتنتهي القائمة بـ: "and tools based on these LLMs as well." (وكذلك الأدوات المبنية على هذه النماذج اللغوية الكبيرة). وتذكر الأسئلة الشائعة أيضاً: "We will continue to expand our detection capabilities to other models in the future." (سنواصل توسيع قدراتنا على الكشف لتشمل نماذج أخرى في المستقبل.) وتقر بأن قدرات الكشف ليست ثابتة: "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 للكشف بشكل أفضل عن النماذج اللغوية الأحدث، من المرجّح أن تتغيّر قدراتنا على الكشف أيضاً، ممّا يؤثر في نسبة الذكاء الاصطناعي.) وما إذا كان نموذج محدد مثل GPT-5 مدرجاً في القائمة يعود إلى تاريخ آخر تحديث للأسئلة الشائعة. والأسئلة الشائعة لا تعد بتغطية فورية لكل نموذج جديد يُطلق، لكنها تعد بمواصلة التوسيع.

تقدّم الأسئلة الشائعة قائمة بالنماذج التي يستطيع اكتشاف المحتوى الصادر عنها. وتستخدم الجملة التمهيدية الفعل "can detect content from," (يستطيع اكتشاف المحتوى الصادر عنها)، تليها قائمة نماذج مفصولة بفواصل. وتضم القائمة GPT وGemini وإصدارات من Claude وLLaMA وMistral وDeepseek وNova وGrok وo1-mini. وتنتهي القائمة بما يلي:

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

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

وهذا يعني أن القائمة ليست شاملة لكل الحالات. كما يُقال إن الأدوات المبنية على النماذج المدرجة قابلة للاكتشاف أيضاً. والوعد بالتوسيع يعني أنه قد تُضاف نماذج جديدة كلما جرى تحديث نموذج الكشف. ويتناول هل يكتشف Turnitin نصوص Claude أو Copilot أو Gemini؟ المدخلات المسمّاة في تلك القائمة واحداً تلو الآخر.

وتقر الأسئلة الشائعة صراحةً بأن 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 للكشف بشكل أفضل عن النماذج اللغوية الأحدث، من المرجّح أن تتغيّر قدراتنا على الكشف أيضاً، ممّا يؤثر في 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، في ما يخص المستند الذي سبق تقديمه، لن تتغيّر نسبة الذكاء الاصطناعي إلا إذا أُعيد تقديمه مرة أخرى لمعالجته.)

ويترتب على ذلك أمران. الأول: يُحدَّث نموذج الكشف باستمرار ليستهدف النماذج اللغوية الأحدث. والثاني: المستندات التي جرى تقييمها بالفعل لا يُعاد تقييمها تلقائياً عندما يتغيّر النموذج. فإذا كان عملك قد قُيِّم قبل تحديث النموذج، فإن النتيجة تعكس قدرات الكشف في ذلك الوقت، لا قدراته الحالية. ولهذا يوصي استمرار التعليم بعد إعادة فحص Turnitin بمقارنة التقارير لا بمقارنة النتائج.

يعالج نموذج الكشف النص بتقسيمه إلى مقاطع متداخلة وإعطاء كل مقطع درجة احتمال:

"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." (عندما تُقدَّم ورقة بحثية إلى Turnitin، تُستخرج الجمل من العمل المقدَّم وتُقسَّم إلى مقاطع متداخلة من أجل تحليل التوقّع. ويصنّف نموذج الكشف كل مقطع ويمنحه قيمة بين 0 و1، تدل على احتمال أن يكون النص من كتابة بشر أو مولَّداً بالذكاء الاصطناعي.)

لا يُبنى النموذج على مقاييس سطحية مثل burstiness أو perplexity. وتذكر الأسئلة الشائعة: "Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (نموذجنا غير مبرمَج صراحةً لتقييم إشارات محددة مثل burstiness أو perplexity أو غيرها من المقاييس الفردية التي يُشار إليها أحياناً في النقاشات العامة.) والجملة التالية: "Instead, it learns statistical patterns from our training data." (بل يتعلّم أنماطاً إحصائية من بيانات التدريب لدينا.)

وتقول الأسئلة الشائعة نفسها أيضاً: "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (تُدرَّب مصنّفاتنا على اكتشاف هذه الفروق في احتمال الكلمات، وهي بارعة في تسلسلات احتمال الكلمات الخاصة بالكتّاب من البشر.) وبذلك، فإن النموذج لا يحسب burstiness أو perplexity كمقياسين مسمّيين، لكنه يصنّف النص بالاستناد إلى أنماط احتمال الكلمات التي تعلّمها من بيانات التدريب.

وتقر الأسئلة الشائعة بوجود مفاضلة بين النتائج الإيجابية الخاطئة والنتائج السلبية الخاطئة:

"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." (من أجل الحفاظ على هذا المعدل المنخفض للنتائج الإيجابية الخاطئة البالغ 1%، ثمة احتمال بأن يفوتنا جزء من النص المكتوب بالذكاء الاصطناعي في مستند ما.)

وتفصّل الأسئلة الشائعة ذلك: "For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (على سبيل المثال، إذا حدّدنا أن 50% من مستند ما مكتوبة على الأرجح بأداة ذكاء اصطناعي، فقد تحتوي في الواقع على ما يصل إلى 65% من الكتابة بالذكاء الاصطناعي.)

وهذا يعني أن الكاشف مضبوط لتجنّب النتائج الإيجابية الخاطئة، حتى على حساب تفويت جزء من النص المولَّد بالذكاء الاصطناعي. وأي نموذج جديد ينتج نصاً أقرب إلى أنماط احتمال الكلمات لدى البشر سيكون أصعب في الاكتشاف، على الأقل إلى أن يُحدَّث نموذج الكشف ليغطّيه. ويقابل ذلك وعد الأسئلة الشائعة بـ "continue to expand our detection capabilities" (مواصلة توسيع قدراتنا على الكشف)، غير أن هناك تأخّراً متأصلاً بين إطلاق نموذج جديد وتغطيته بالكشف. والسؤال نفسه عن هذا التأخّر يطرح مع أدوات إعادة الكتابة: هل يكتشف Turnitin أدوات التحويل إلى أسلوب بشري؟

لتلخيص ما تناولناه:

• ينشر Turnitin قائمة بنماذج الكتابة بالذكاء الاصطناعي التي يستطيع اكتشاف المحتوى الصادر عنها، ومنها GPT وGemini وClaude وغيرها.
• والفعل الرسمي هو "can detect content from," (يستطيع اكتشاف المحتوى الصادر عنها)، وتضم القائمة أيضاً الأدوات المبنية على هذه النماذج اللغوية.
• وتعد الأسئلة الشائعة بتوسيع الكشف ليشمل نماذج أخرى في المستقبل.
• وتتغيّر قدرات الكشف مع مرور الوقت، كلما جرى تحديث النموذج ليستهدف النماذج اللغوية الأحدث.
• والمستندات التي جرى تقييمها بالفعل لا يُعاد تقييمها تلقائياً عندما يتغيّر النموذج.
• ويقبل الكاشف تفويت جزء من النص المولَّد بالذكاء الاصطناعي في سبيل إبقاء معدل النتائج الإيجابية الخاطئة منخفضاً.

إذا استلمت تقرير ذكاء اصطناعي من Turnitin وأردت معالجة المقاطع المُعلَّمة، فاستورد التقرير وابدأ العمل عليها. ويمكن إعادة معالجة المقاطع المؤهَّلة مجاناً.