Turnitin rileva i modelli di ragionamento o1 e o3 di OpenAI?

Sì. Turnitin segnala con grande regolarità saggi e testi accademici generati da OpenAI o1, o1-preview, o1-mini e o3-mini, a patto che il testo soddisfi i requisiti standard di idoneità.

Una voce diffusa sostiene che, poiché i modelli di ragionamento di OpenAI eseguono una catena di pensiero interna (Chain of Thought) a più passaggi prima di rispondere, la loro prosa imiti il pensiero umano a tal punto da eludere i sistemi di rilevamento automatico. Questo errore confonde il processo di generazione con il risultato finale. Turnitin non analizza il modo in cui un modello ragiona dietro le quinte: valuta le proprietà statistiche delle parole visibili sulla pagina. E poiché il testo finale viene prodotto da un decoder transformer autoregressivo, presenta la bassa perplessità e le strutture sintattiche regolari tipiche dei modelli linguistici di grandi dimensioni.

La situazione principale in cui una risposta di o1 evita la segnalazione dell'AI si verifica quando l'output è composto da materiale non idoneo: equazioni matematiche isolate, codice di programmazione grezzo o brevi scalette. Turnitin esclude di proposito questi formati dal calcolo del punteggio AI per qualsiasi modello, non perché i modelli di ragionamento abbiano proprietà mimetiche speciali.

Per capire perché i modelli di ragionamento vengono segnalati, devi distinguere il ciclo di generazione in due fasi ben separate: la riflessione interna e l'emissione del testo di superficie.

• Token di pensiero interni (catena di pensiero latente): durante la fase di elaborazione, modelli come o1 e o3 generano lunghe sequenze di ragionamento interno. Valutano vincoli, correggono ipotesi logiche iniziali e pianificano la struttura. OpenAI racchiude questo passaggio in token di ragionamento nascosti che non vengono mai restituiti nella risposta API finale o nell'interfaccia di chat, né compaiono mai nella tesina consegnata da uno studente.
• Token di completamento visibili (testo di output): una volta conclusa la ricerca interna, il modello genera il testo definitivo destinato all'utente. Questo output nasce dal campionamento autoregressivo standard dei token, identico nei meccanismi a quello di GPT-4o o di qualsiasi altro modello linguistico attuale.

Turnitin riceve soltanto questo strato di testo finale. Il portale di invio non conserva alcuna traccia del prompt, della versione del modello, del tempo impiegato per la generazione o dei token di ragionamento interni. Quando un documento Word o un file PDF entra nella coda di elaborazione, il sistema di rilevamento estrae il testo semplice e ne analizza la sequenza di parole.

Il rilevatore scompone il testo in singole frasi e le elabora tramite un classificatore basato su architettura transformer. Questa rete neurale valuta se la selezione dei token e le strutture sintattiche corrispondano ai pattern statistici tipici della prosa generata da macchine. L'invisibile ragionamento preliminare non cambia la realtà dei fatti: le frasi risultanti seguono le normali distribuzioni di probabilità dei modelli linguistici.

Il paradosso dei modelli di ragionamento avanzati è che il loro più grande punto di forza intellettuale — la rigorosa coerenza logica passo dopo passo — li rende statisticamente più prevedibili per un rilevatore linguistico, non meno.

I classificatori di AI valutano il testo principalmente attraverso due metriche: la perplessità (la probabilità di ogni parola successiva date quelle precedenti) e la burstiness (quanto variano la perplessità e la lunghezza delle frasi nell'arco del brano). Quando un modello standard genera testo, prompt creativi o associazioni libere possono occasionalmente introdurre vocaboli a probabilità più bassa. Al contrario, i modelli di ragionamento addestrati con l'apprendimento per rinforzo sono ottimizzati per ridurre al minimo gli errori logici ed eliminare le ambiguità, portandoli a scegliere in modo naturale formulazioni canoniche, nessi sintattici diretti e connettivi convenzionali.

La scrittura umana è per sua natura irregolare e ricca di variazioni. Lo studente che scrive un testo autentico cambia ritmo in modo imprevedibile: a una frase complessa e articolata che illustra una teoria sfumata segue un'osservazione diretta, un'espressione colloquiale o una metafora insolita. Gli autori umani lasciano impronte grammaticali disomogenee, particolarità stilistiche e accostamenti di parole che mostrano un'alta perplessità rispetto ai corpora linguistici generali.

I modelli di ragionamento generano invece testi con una regolarità metronomica. Ogni affermazione è sostenuta da una premessa collegata in modo lineare, la lunghezza delle frasi oscilla attorno a medie sintattiche molto strette e il lessico resta prevedibile dall'inizio alla fine. Per un classificatore programmato per individuare la regolarità sintetica, questa ferrea disciplina strutturale è uno dei segnali più evidenti di un testo scritto da una macchina.

La convinzione diffusa che OpenAI o1 sia invisibile a Turnitin è nata in gran parte nei corsi STEM, dove gli studenti hanno notato che calcoli di laboratorio ed esercizi di programmazione restituivano punteggi di AI pari a zero per cento.

Questo risultato si spiega con i criteri di idoneità documentati da Turnitin, noti come regola del testo idoneo. Turnitin richiede un minimo di 300 parole di testo continuo in formato a paragrafi standard prima che il suo rilevatore AI calcoli un punteggio. Inoltre, la sua pipeline di pre-elaborazione rimuove dal gruppo di analisi formule matematiche, codice LaTeX, codice sorgente grezzo, elenchi puntati e bibliografie. Quando uno studente usa o1-mini per risolvere equazioni differenziali o generare funzioni Python, Turnitin ignora del tutto quelle sezioni, producendo un report senza alcuna segnalazione.

Lo scenario cambia radicalmente quando lo stesso modello viene impiegato per redigere testi lunghi e articolati. Nei saggi di sociologia, nelle rassegne della letteratura, negli articoli di filosofia o nelle sezioni introduttive delle relazioni scientifiche, l'output è formato da normali paragrafi espositivi. Questa tipologia di scrittura soddisfa tutti i criteri di idoneità e viene inviata direttamente al classificatore neurale.

Sottoposti a questa analisi ordinaria, i testi generati da o1 e o3 fanno registrare percentuali di rilevamento del tutto paragonabili a quelle di GPT-4o. Le testimonianze aneddotiche secondo cui i modelli di ragionamento non verrebbero segnalati derivano quasi sempre da elaborati che, fin dall'inizio, non contenevano affatto prosa idonea.

Ogni progresso significativo nelle capacità dei modelli si accompagna all'affermazione che i rilevatori automatici siano ormai obsoleti. È una narrazione comparsa con GPT-3, riproposta con GPT-4 e tornata alla ribalta con il rilascio della serie o di OpenAI.

Nella pratica, il rilevamento dell'AI funziona come un costante lavoro di calibrazione ingegneristica e non come un filtro statico. Turnitin aggiorna periodicamente i pesi del proprio classificatore e ne convalida l'efficacia sui modelli di base appena usciti. Poiché i modelli transformer condividono architetture fondamentali e corpora di addestramento simili, i testi prodotti dai modelli più recenti continuano a presentare raggruppamenti statistici caratteristici che li distinguono nettamente dalla varietà della scrittura studentesca.

Le strategie di prompting usate comunemente per eludere i controlli — come chiedere a o1 di scrivere con un tono informale, inserire piccoli errori di punteggiatura o variare la lunghezza dei paragrafi — spesso si rivelano controproducenti. Questi vincoli possono compromettere il ragionamento logico del modello, creando al contempo artifici stilistici forzati che i classificatori individuano comunque nelle finestre di analisi su più frasi.

Nessun modello linguistico attualmente disponibile è in grado di produrre testi espositivi complessi del tutto immuni alla classificazione statistica. Confidare nella novità di un modello per proteggersi dai controlli accademici significa fraintendere il modo in cui i modelli linguistici generano il testo.

Quando una consegna o una verifica preliminare restituisce una percentuale di AI inaspettata, intervenire in modo sistematico è molto più efficace che farsi prendere dal panico e riscrivere l'intero documento.

• Conserva la cronologia delle versioni del documento: mantieni traccia di tutte le modifiche sulla piattaforma di scrittura che utilizzi, che si tratti della cronologia delle versioni di Google Docs, delle revisioni di Word o dei registri di commit di Overleaf. Timestamp continui e bozze intermedie costituiscono prove verificabili del tuo autentico lavoro accademico.
• Isola le sezioni evidenziate: esamina il report diagnostico per individuare con precisione le frasi e i paragrafi contrassegnati dal classificatore. Importa il report Turnitin o iThenticate e riscrivi solo i passaggi segnalati. Riceverai un file modificabile nello stesso formato.
• Riancora il testo a un contesto autentico: quando revisioni i paragrafi segnalati, sostituisci le generalizzazioni astratte con citazioni di fonti primarie, osservazioni dirette emerse durante le lezioni e il tuo punto di vista critico. Modifica manualmente i confini tra le frasi per ritrovare il tuo ritmo di scrittura naturale.

Evita di passare l'intero testo attraverso strumenti generici di parafrasi automatica. Una riscrittura indiscriminata spesso impoverisce la terminologia tecnica, altera i riferimenti bibliografici e compromette la formattazione delle tabelle, generando al contempo nuovi pattern prevedibili tipici delle macchine.

OpenAI o1 inserisce watermark digitali rilevabili da Turnitin? No. Turnitin non individua il testo generato da intelligenza artificiale estraendo watermark crittografici o leggendo metadati nascosti del documento. Il suo rilevatore analizza la distribuzione di probabilità statistica del testo visibile. Anche in assenza di watermark, la struttura sintattica autoregressiva offre segnali statistici ampiamente sufficienti per la rilevazione.

o1-mini viene rilevato in modo diverso rispetto al modello o1 standard? Entrambi i modelli mostrano tassi di rilevamento elevati nella prosa continua. Sebbene o1-mini sia ottimizzato specificamente per la programmazione e i compiti quantitativi, chiedergli di redigere normali paragrafi accademici produce spesso un lessico più limitato e una maggiore prevedibilità, rendendo la sua prosa altrettanto esposta alla classificazione.

Turnitin segnalerà la mia tesina se uso o1 esclusivamente per fare ricerca e creare la scaletta? No. Turnitin valuta soltanto il testo definitivo consegnato nel documento. Ricorrere a un modello di AI per trovare spunti, impostare la struttura argomentativa o chiarire concetti matematici non genera alcuna segnalazione, purché sia tu a scrivere i paragrafi veri e propri con la tua voce personale.

Perché uno studente riferisce un punteggio pari a zero per cento con o1 mentre un altro ha ottenuto il novanta per cento? La differenza è quasi sempre dovuta al formato del testo e al settore disciplinare. Un elaborato costituito prevalentemente da snippet di codice, formule o brevi elenchi puntati viene escluso dai filtri di Turnitin per il testo idoneo, senza mostrare alcuna segnalazione AI. Al contrario, un testo composto da normali paragrafi di ambito umanistico o delle scienze sociali viene analizzato per intero e segnalato.