序論と結論が AI と判定されやすい理由（とその対処法）

序論と結論は本文よりも AI 判定を受けやすい。Turnitin の 2023 年 5 月リリースノートにはこうある。"Since launch, we have observed a higher incidence of false positive detection in the first few or last few sentences of a document. Many times these sentences consist of introduction or conclusion content written in a generic way."（機能ローンチ以来、文書の最初と最後の数文で誤検出が多く見られた。これらの文はたいてい、ありきたりな表現で書かれた序論または結論の内容であった。）検出ロジックはこの問題を抑えるために更新されたが、序論・結論にみられる画一的な文章パターン自体は残っている。導入部で広い一般論から始め、結論で決まり文句の結論を繰り返す――そうした文章は、2023 年の改善の後も、AI 生成テキストと語彙の確率分布が重なることがある。

2023 年 5 月のリリースノートでは、この傾向とそれへの対応が説明されている。

"Since launch, we have observed a higher incidence of false positive detection in the first few or last few sentences of a document. Many times these sentences consist of introduction or conclusion content written in a generic way. As a result, we have changed our detection logic to help reduce these false positives."（機能ローンチ以来、文書の最初と最後の数文で誤検出が多く見られた。これらの文はたいてい、ありきたりな表現で書かれた序論または結論の内容であった。このため、誤検出を減らすべく検出ロジックを変更した。）

その直後にはこう続く。"We also worked on making our segment boundaries detection more precise which could lead in some rare cases to change of boundaries compared with a previous version."（また、セグメント境界の検出精度も向上させた。これにより、以前のバージョンと比べて境界が変化する場合が稀にある。）

これは 2023 年時点の改善報告であり、現在の不具合についての記述ではない。あの時点で誤検出を抑えるようロジックが変えられた。だがこのノートが教えてくれる重要な点はこうだ：文書の最初と最後の文はもともと誤検出されやすかった、ということだ。改善で問題は減った。だがゼロにはなっていない。

リリースノートが指摘するのは"introduction or conclusion content written in a generic way"（ありきたりな表現で書かれた序論または結論の内容）だ。ここで鍵になるのは「ありきたり」という性質である。序論はたいてい広い背景から始める。例えば「近年、X は重要な課題となっている」。結論は thesis を言い換える。「本稿は X が Y につながると示した」。こうした構成は予測可能で画一的だ。Turnitin の FAQ は「構造のバリエーションに乏しい内容」を誤検出されやすい特徴として挙げている。ありきたりな序論・結論はまさにこれに当てはまる。これらの箇所の語彙パターンは、議論が具体的で表現も多様な本文と比べ、ずっと予測しやすい。この点についての詳しい説明は なぜ整った文章ほど AI 判定されるのか で扱っている。

検出のパイプラインはテキストをセグメントに分割して処理する。

"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."（論文が Turnitin に提出されると、提出文から文が抽出され、予測分析のために重複するセクションに分割される。各セグメントは AI 検出モデルによって分類され、0 から 1 の値が与えられる。これはそのテキストが人間らしいか AI 生成らしいかの確率を表す。これらのセグメント内の該当する文は、セグメントのスコアを引き継ぐ。セグメントは重複するため、一部の文は複数のスコアを持つことがあり、それらは統合されて単一のスコアとなる。）

リリースノートは"segment boundaries detection"（セグメント境界検出）についても触れている。文書の最初と最後の文はセグメント構造の端に位置する。2023 年の改善以前は、これらの位置で誤検出率が高かった。改善によりセグメント境界の検出精度が上がり、状況は良くなった。しかし、ありきたりな文章であれば、やはり AI らしいパターンとして検出されることはある。そのパターンの正体については Turnitin は perplexity と burstiness を使っているか で詳述している。

Turnitin の FAQ にはこうも書かれている。

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap."（数百語しかない短い文書では、予測はほぼ「オールオアナッシング」になる。重複の余地がない単一セグメントで予測を行うためである。）

その続き。"This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated."（つまり、AI 生成部分と独自の部分が混在するテキストでも、全体が AI 生成としてフラグされる場合がある。）

短いレポートでは、序論と結論が全文に占める割合が大きくなる。両方が判定されれば、短い文書の「オールオアナッシング」特性により、文書全体が AI 生成と分類されることもありうる。極端なケースではあるが、だからこそありきたりな序論・結論を持つ短い論文が、驚くほど高いスコアを出してしまう理由がわかる。なぜ Turnitin は 100% AI と言うのか でこの極端なケースを端から端まで解説している。

ここまでの内容をまとめよう。

• Turnitin の 2023 年 5 月リリースノートは、文書の最初と最後の文で誤検出が増える傾向があると述べている。
• 検出ロジックは 2023 年に更新され、この傾向は抑えられたが、ありきたりな序論・結論の文章パターン自体は残っている。
• ありきたりな序論・結論は、FAQ が誤検出されやすい特徴として挙げる「構造のバリエーションが少ない」という性質を共有している。
• 短い文書では序論と結論が全文に占める割合が大きいため、問題が増幅される。
• 序論と結論をより具体的にし、決まり文句を避け、構造にバリエーションを持たせることで、このパターンに対処できる。

どの箇所が判定されたかがわかる Turnitin レポートを持っているなら、レポートを読み込んで、その箇所を集中して書き直そう。eligible な箇所は追加料金なしで再実行できる。