لماذا لا تُنزل تعليمات التوجيهات (Prompts) نسبة الذكاء الاصطناعي بشكل موثوق

التوجيه (prompt) هو نص يُعطى لنموذج ذكاء اصطناعي ليعالجه. When you ask an AI to "rewrite this to sound more human" or "add burstiness and perplexity," the model generates new text based on that instruction. The new text still has word probability patterns, and those patterns are what Turnitin's classifier reads. The detector does not see your prompt. It only sees the output. Whether the output scores lower depends on whether its word probability profile differs enough from what the model learned to associate with AI-generated text, and you cannot control that by writing a better instruction. The model decides the word choices, and the model's word choices are what the detector is trained to recognize. (عندما تطلب من الذكاء الاصطناعي «أعد كتابة هذا ليبدو بشريًا أكثر» أو «أضف burstiness وperplexity»، فإن النموذج يولّد نصًا جديدًا بناءً على ذلك التوجيه. النص الجديد لا يزال يحمل أنماطًا احتمالية للكلمات، وهذه الأنماط هي ما يقرؤه مصنّف Turnitin. الكاشف لا يرى توجيهك، بل يرى المخرجات فقط. Whether the output scores lower depends on whether its word probability profile differs enough from what the model learned to associate with AI-generated text, and you cannot control that by writing a better instruction. The model decides the word choices, and the model's word choices are what the detector is trained to recognize. (خَفض النسبة من عدمه يتوقف على ما إذا كان الملف الاحتمالي لكلمات المخرجات يختلف بما يكفي عمّا تعلّم النموذج ربطه بالنصوص المولّدة بالذكاء الاصطناعي، وهذا لا يمكنك التحكّم فيه بكتابة توجيه أفضل. النموذج هو من يقرّر اختيار الكلمات، واختيارات النموذج للكلمات هي ما دُرّب الكاشف على распознаتها).)

تصف Turnitin في أسئلتها الشائعة العملية كالآتي:

"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. Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score." (عند رفع بحث إلى Turnitin، تُستخرج الجمل من البحث وتُقسّم إلى أقسام متداخلة لتحليل التنبؤ. 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. (يُصنّف كل قسم بواسطة نموذج كشف الذكاء الاصطناعي ويُعطى قيمة بين 0 و1، تدل على احتمالية أن يكون النص بشريًا أو مولّدًا بالذكاء الاصطناعي). Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score. (كل جملة مستوفية داخل هذه الأقسام ترث درجة القسم. ولأن الأقسام تتداخل، قد يكون لبعض الجمل درجات متعددة تُدمَج في درجة واحدة. تُجمَّع درجات الجمل هذه وتُستخدَم لحساب درجة الكتابة بالذكاء الاصطناعي للمستند ككل).)

الكاشف يقرأ السمات الإحصائية لتسلسلات الكلمات في نصك. لا يرى التوجيه الذي استخدمته، ولا يعرف ما إذا كان النص مولّدًا أو مُعاد كتابته أو محرّرًا بيد بشريّة. يرى تسلسلات الكلمات النهائية ويُصنّفها.

نوع شائع من التوجيهات يخبر الذكاء الاصطناعي بـ«زيادة الـ burstiness» أو «تنويع الـ perplexity». تقول Turnitin في أسئلتها 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 محدّدة مثل 'burstiness' أو 'perplexity' أو مقاييس فردية أخرى يُشار إليها أحيانًا في النقاشات العامة.)

الجملة التي تليها: «بدلًا من ذلك، يتعلّم أنماطًا إحصائية من بيانات التدريب الخاصة بنا.»

ومن الصفحة نفسها: «مُصنّفاتنا مُدرَّبة على كشف هذه الفروقات في احتمالية الكلمات وتتمكّن من تسلسلات احتمالية الكلمات الخاصة بالكُتّاب البشريين.»

النموذج لا يحسب مقياسًا باسم burstiness ثم يتحقق منه مقابل عتبة حدية. إذن توجيه ذكاء اصطناعي لـ«زيادة الـ burstiness» هو طلب ضبط شيء قد لا يقيسه الكاشف بالطريقة التي تتصورها. ما يقيسه الكاشف فعليًا هو أنماط احتمالية الكلمات المتعلّمة من بيانات التدريب. Whether an AI generating text with "more burstiness" actually shifts those patterns in a favorable direction is not something you can verify by reading the output. هل تستخدم Turnitin الـ perplexity والـ burstiness؟ هي النسخة الأطول من ذلك السؤال.

هناك مشكلة أكثر جوهرية. إذا استخدمت ذكاءً اصطناعيًا لإعادة كتابة نص عُلم كمولّد بالذكاء الاصطناعي، فأنت تنتج نصًا عدّله أداة ذكاء اصطناعي. تقول Turnitin في أسئلتها الشائعة:

"Furthermore, it can also identify instances where AI-generated text may have been modified by AI paraphraser or bypasser (also called humanizers) tools to evade detection." (إضافة إلى ذلك، يمكنه أيضًا تحديد الحالات التي يكون فيها النص المولّد بالذكاء الاصطناعي قد عدّله أدوات إعادة صياغة بالذكاء الاصطناعي أو أدوات تحايل (تُسمّى أيضًا humanizers) للتهرّب من الكشف.)

الكاشف لا يبحث فقط عن النصوص المولّدة بالذكاء الاصطناعي الخام، بل يبحث أيضًا عن النصوص التي مرّت عبر أداة إعادة صياغة أو تحايل. When you write a prompt instructing one AI to rewrite another AI's output, the result is functionally a paraphraser output. The detector is trained to identify that kind of text. (عندما تكتب توجيهًا يطلب من ذكاء اصطناعي إعادة كتابة مخرجات ذكاء اصطناعي آخر، تكون النتيجة فعليًا مخرجات أداة إعادة صياغة. الكاشف مُدرَّب على تحديد هذا النوع من النصوص). لتلك النتيجة شرح منفصل: أعدت صياغة نص ذكاء اصطناعي بذكاء اصطناعي آخر وTurnitin علمّته مع ذلك.

تذكر Turnitin في أسئلتها الشائعة أيضًا النصوص المعرَّضة للإيجابيات الكاذبة:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (أحيانًا تشمل الإيجابيات الكاذبة (أي وضع علامة خاطئة على نص مكتوب بشريًا كمولّد بالذكاء الاصطناعي) محتوى بدون كثير من التباين الهيكلي، أو نصًا يكرّر نفسه حرفيًا، أو نصًا أُعيدت صياغته دون تطوير أفكار جديدة.)

الجملة التي تليها: «إذا أظهر مؤشرنا كمية أعلى من كتابة الذكاء الاصطناعي في مثل هذا النص، ننصحك بأخذ ذلك في الحسبان عند النظر إلى النسبة المئوية المُشار إليها.»

البند الثالث هو الجدير بالملاحظة. «أُعيدت صياغته دون تطوير أفكار جديدة» يصف ما يحدث عندما يعيد الذكاء الاصطناعي كتابة نص بتبديل كلمات دون إضافة مضمون. يرى الكاشف بنية موحّدة وأنماط كلمات تشبه إعادة الصياغة الآلية. إذن إعادة الكتابة بالذكاء الاصطناعي التي تغيّر فقط wording السطحي مع الحفاظ على البنية نفسها قد تقرب النص من ملف الإيجابيات الكاذبة، لا تبعده عنه. التعديلات التي تغيّر الإحصاءات فعليًا توضح كيف يبدو البديل يدويًا.

ملخّص ما غطّيناه:

• التوجيه يُعالَج بواسطة نموذج ذكاء اصطناعي ينتج نصًا له أنماط احتمالية كلماته الخاصة. الكاشف يرى المخرجات، لا التوجيه.
• النموذج لا يحسب burstiness أو perplexity كمسمّيات مقاييس، إذن توجيه ذكاء اصطناعي لـ«ضبطها» قد لا يؤثّر فيما يقرؤه الكاشف.
• Turnitin تكشف بنشاط النصوص المعدّلة بأدوات إعادة الصياغة وأدوات التحايل، وهذا بالضبط ما تنتجه عملية «ذكاء اصطناعي يعيد كتابة ذكاء اصطناعي».
• إعادة الكتابة التي تُبدّل الكلمات فقط دون إضافة مضمون قد تقرب النص من ملف الإيجابيات الكاذبة.
• ما يغيّر النسبة هو تغيير الملف الاحتمالي لكلمات الفقرات المُعلَّمة، لا كتابة توجيه أفضل.

إذا كان لديك تقرير Turnitin يوضّح الفقرات المُعلَّمة، ارفعه واعمل تحديدًا على تلك الفقرات. يمكن إعادة فحص الفقرات المؤهّلة بدون رسوم إضافية.