A Potential Alternative： Watermarks潜在的替代方案：水印

　　AI 检测器主要依赖于与 AI 写作工具所用相似的语言模型进行运作。其核心理念在于评估一段文本，判断其是否类似于自身生成的产物。若判定结果呈肯定，则此文本极有可能是 AI 生成的。

　　这些检测器主要关注文本中的两个核心变量：困惑性与突发性。这两个变量的数值越低，文本由 AI 生成的可能性就越高。接下来，我们将对这两个术语进行详细阐释：

　　困惑度：

　　衡量文本的不可预测性，即其使普通读者感到困惑或不解的程度。简而言之，它量化的是文本阅读的感性及自然程度。

　　AI 语言模型的目标在于生成困惑度较低的文本，因为这些文本更有可能具有意义且流畅易读，但相应地，它们也更为可预测。

　　相比之下，人类写作因更具创意的语言选择而往往展现出更高的困惑度，尽管偶尔也会伴随错别字的出现。

　　语言模型通过预测句子中的下一个单词来运行，并选择最合适的选项。例如，在句子“我最后睡不着……”中，不同的延续具有不同程度的合理性。

　　低困惑度则意味着该文本很可能是 AI 生成的。

　　突发性：

　　衡量的是句子结构和长度的变化，与困惑度类似，但侧重于句子而非单个单词。

　　句子结构和长度变化较小的文本具有较低的突发性。

　　具有不同结构和长度的文本则表现出较高的突发性。

　　与人类文本相比，AI 生成的文本通常显示出较少的“突发性”，从而导致具有传统结构的句子平均长度。这种趋势有时会使 AI 生成的写作显得单调。

　　低突发性则表明该文本可能是 AI 生成的。

　　ChatGPT 背后的组织 OpenAI 正在探索一种用于 AI 生成文本的“水印”系统。该系统涉及将不可见的水印嵌入到 AI 生成的内容中，以便另一个系统能够检测并确认其 AI 来源。

　　然而，这种水印系统仍处于开发阶段，其功能和有效性的细节尚未完全公开。目前尚不清楚如果生成的文本经过编辑，这些提议的水印是否会持续存在。尽管这种方法为未来的人工智能检测带来了希望，但关于其实施仍存在诸多不确定性。

　　在实际应用中，AI 检测器通常表现良好，尤其是对于较长的文本。然而，当面对故意降低可预测性的 AI 输出，或者当文本在生成后被编辑或释义时，它们的准确性可能会受到挑战。此外，如果符合低困惑度和突发性标准，检测器偶尔会将人工编写的文本误识别为 AI 生成的文本。

　　我们的研究表明，没有任何工具能够保证完全准确。我们发现，工具的最高准确率为84%，而免费工具的最高准确率则为68%。尽管这些工具为判断 AI 生成的可能性提供了有价值的参考，但至关重要的是不要将它们视为确凿证据。

　　随着语言模型的持续发展，检测工具也将需要不断迭代以跟上步伐。即便是最自信的供应商也承认，他们的工具并不能作为 AI 生成的明确证据。目前，大学和学术机构对于完全依赖这些工具持谨慎态度。

　　如果您正在寻找一种可靠的工具来协助进行 AI 检测和反检测，请考虑尝试 AIUNDETECT。它提供了一个集 AI 检测和反检测功能于一体的全面解决方案，以确保您的内容在保持质量的同时通过审查。无论您是学生、研究人员还是内容创作者，AIUNDETECT 都是您应对 AI 检测挑战的可靠伙伴。告别虚假指控和内容限制——选择 AIUNDETECT，无限制地释放您的创造力。立即尝试 AIUNDETECT 并体验它的不同之处！

　　访问 www.aiundetect.com 获取更多信息。