O Turnitin detecta o Perplexity AI? O que diz a documentação

O FAQ do Turnitin publica uma lista de modelos de escrita por IA cujo conteúdo ele consegue detectar, incluindo GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok e o1-mini. A lista termina com "and tools based on these LLMs as well." (e também as ferramentas baseadas nesses LLM.) O FAQ também declara: "We will continue to expand our detection capabilities to other models in the future." (Continuaremos a expandir os nossos recursos de detecção para outros modelos no futuro.) O Perplexity AI é uma ferramenta de busca que pode gerar texto usando modelos de linguagem subjacentes. O fato de o detector do Turnitin sinalizar o conteúdo do Perplexity depende de qual modelo subjacente produziu o texto e de esse modelo, ou a família dele, constar na lista de detecção. O FAQ reconhece que os recursos de detecção não são estáticos: "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." (À medida que aprimoramos e desenvolvemos o nosso modelo para detectar melhor os LLM mais novos, é provável que os nossos recursos de detecção também mudem, afetando o percentual de IA.)

O FAQ traz uma lista de modelos cujo conteúdo ele consegue detectar. A frase introdutória usa a expressão "consegue detectar o conteúdo", seguida de uma lista separada por vírgulas. A lista inclui as principais famílias de LLM: GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok e o1-mini. A lista termina assim:

"and tools based on these LLMs as well." (e também as ferramentas baseadas nesses LLM.)

A frase seguinte: "We will continue to expand our detection capabilities to other models in the future." (Continuaremos a expandir os nossos recursos de detecção para outros modelos no futuro.)

Isso significa que a lista cobre não apenas os modelos nomeados, mas também as ferramentas construídas sobre eles. Se uma ferramenta como o Perplexity AI fizer a geração de texto passar por uma das famílias de LLM listadas, o resultado pode cair na cláusula das "ferramentas baseadas nesses LLM". O Turnitin detecta Claude, Copilot ou Gemini? examina as entradas nomeadas.

O modelo de detecção processa o texto dividindo-o em segmentos sobrepostos e atribuindo pontuações de probabilidade:

"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." (Quando um trabalho é enviado ao Turnitin, as frases do envio são extraídas e segmentadas em seções sobrepostas para a análise de predição. Cada segmento é classificado pelo modelo de detecção de IA e recebe um valor entre 0 e 1, que indica a probabilidade de o texto ser provavelmente humano ou gerado por IA.)

O modelo não é programado para avaliar burstiness ou perplexidade como métricas nomeadas: "Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (O nosso modelo não é programado explicitamente para avaliar sinais específicos como 'burstiness,' 'perplexity,' ou outras métricas individuais às vezes mencionadas em discussões públicas.) A frase seguinte: "Instead, it learns statistical patterns from our training data." (Em vez disso, ele aprende padrões estatísticos a partir dos nossos dados de treinamento.) O mesmo FAQ declara: "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (Os nossos classificadores são treinados para detectar essas diferenças na probabilidade das palavras e conhecem bem as sequências de probabilidade de palavras típicas de quem escreve.) O detector avalia padrões de probabilidade de palavras aprendidos com os dados de treinamento, e não métricas de superfície. A colisão de nomes merece um esclarecimento à parte: o Turnitin usa perplexidade e burstiness?

O FAQ declara explicitamente que a detecção não é fixa:

"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." (À medida que aprimoramos e desenvolvemos o nosso modelo para detectar melhor os LLM mais novos, é provável que os nossos recursos de detecção também mudem, afetando o percentual de IA.)

A frase seguinte: "However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (No entanto, para um documento já enviado, o percentual de IA só mudará se ele for enviado novamente para processamento.)

Isso significa que o modelo de detecção está sendo atualizado para mirar os LLM mais novos. Se o Perplexity AI ou qualquer outra ferramenta usar um modelo novo que ainda não está na lista, pode haver uma lacuna até a próxima atualização do modelo de detecção. Documentos já avaliados não são reavaliados automaticamente.

O FAQ reconhece uma compensação:

"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." (Para manter essa baixa taxa de 1% de falsos positivos, há a possibilidade de que deixemos passar algum texto escrito por IA em um documento.)

O detector é ajustado para evitar falsos positivos mesmo ao custo de deixar passar algum texto de IA. Uma ferramenta que produza texto com padrões de probabilidade de palavras mais próximos da escrita humana seria mais difícil de detectar, pelo menos até o modelo de detecção ser atualizado. A promessa de "continue to expand our detection capabilities" (continuar expandindo os nossos recursos de detecção) é o contrapeso, mas existe um atraso inerente entre o lançamento de ferramentas novas e a cobertura da detecção. Esse mesmo atraso está por trás de o Turnitin detecta humanizadores de IA?

Para resumir o que vimos até aqui:

• O Turnitin publica uma lista de modelos cujo conteúdo ele consegue detectar, incluindo GPT, Gemini, Claude e outros.
• A lista cobre "tools based on these LLMs as well," (também as ferramentas baseadas nesses LLM,) portanto ferramentas que passam por modelos listados podem ser detectáveis.
• O FAQ promete expandir a detecção para outros modelos no futuro.
• Os recursos de detecção mudam com o tempo, à medida que o modelo é atualizado.
• O detector aceita deixar passar parte do texto de IA em troca de uma baixa taxa de falsos positivos.
• Documentos já avaliados não são reavaliados automaticamente quando o modelo muda.

Se você recebeu um relatório de IA do Turnitin e quer cuidar das passagens sinalizadas, importe o relatório e trabalhe nelas. Passagens elegíveis podem ser reprocessadas sem custo.