Jak poznat, že text napsal ChatGPT nebo jiné AI, a ne člověk?

Proč AI detektory jako ZeroGPT nebo Turnitin nedávají jistotu

Žádný AI detektor textu neurčuje původ textu s jistotou · pracuje se statistickým odhadem pravděpodobnosti a tento odhad se s klidem plete. Nástroje jako ZeroGPT nebo Turnitin analyzují míru předvídatelnosti textu (takzvanou perplexitu) a variabilitu délky vět. Čím je text hladší a předvídatelnější, tím vyšší skóre „AI“ dostane · jenže stejně hladce píší i lidé s dobrým stylem, rodilí mluvčí angličtiny, nebo autoři, kteří text jen prohnali gramatickou kontrolou.

V praxi to vede ke dvěma typům chyb. Falešně pozitivní výsledek nastane, když nástroj označí za AI text napsaný člověkem · typicky u krátkých textů, u textů přeložených z jiného jazyka nebo u pečlivě strukturovaných akademických prací. Falešně negativní výsledek nastane, když AI text projde jako lidský, protože ho autor po vygenerování mírně přepsal, změnil slovosled nebo doplnil vlastní věty. Stačí několik úprav a skóre detektoru se výrazně změní, přestože jádro textu zůstalo strojové.

Jaké znaky v textu na AI skutečně ukazují

Přesnější než skóre z nástroje je pozorování opakujících se vzorců, které se v textech generovaných jazykovými modely objevují často. Patří mezi ně:

1. Vyvážená struktura bez odchylek · texty mají téměř vždy úvod, tři až čtyři stejně dlouhé odstavce a shrnutí, i tam, kde by přirozený text byl nepravidelný.
2. Zobecňující fráze a hedging · slovní spojení typu „je třeba zmínit“, „na jednu stranu… na druhou stranu“, „obecně platí“, opakovaná napříč textem.
3. Chybějící konkrétní detaily · žádná jména, čísla, data ani osobní zkušenost, jen obecné popisy.
4. Bezchybná gramatika tam, kde by ji autor obvykle neměl · třeba u studenta, který jinak píše s typickými chybami, nebo u rodilého mluvčího jiného jazyka.
5. Stejné otevírací fráze vět · opakované „Navíc,“ „Dále,“ „Kromě toho,“ na začátku odstavců.

Žádný z těchto znaků sám o sobě nic nedokazuje. Dohromady ale tvoří rozumnější základ pro úsudek než jedno číslo z detektoru.

Jak text ověřit v praxi · pro HR, školu i redakci

Modelový příklad: HR manažerka v pražské firmě dostane na pozici copywritera dvacet motivačních dopisů a pět z nich zní podezřele podobně · stejná struktura, stejné fráze o „vášni pro kreativitu“. Spoléhat na AI detektor by bylo riskantní, protože i skutečně kvalitní kandidát může dostat vysoké AI skóre jen proto, že text nechal projít korektorem.

Funkčnější postup:

1. Nepoužívat detektor jako jediný důkaz, spíš jako signál k dalšímu ověření.
2. Požádat o historii úprav · v Google Docs nebo Wordu lze zobrazit, jak text vznikal, kdy a jak se měnil.
3. Nechat autora obhájit obsah ústně · u motivačního dopisu položit otázku k tomu, co napsal, u studentské práce požádat o vysvětlení klíčového argumentu.
4. Porovnat styl s dřívějšími texty téhož autora, pokud existují.
5. U novinářského ověřování tiskové zprávy raději kontaktovat zdroj přímo, než spoléhat na jazykovou analýzu.

Kdy je opatrnost na místě a co s rozhodnutím, které má důsledky

Formální obvinění · vyloučení studenta, odmítnutí kandidáta, stažení článku · založené jen na skóre z detektoru je riskantní krok, protože falešně obviněný člověk se těžko brání proti „pravděpodobnosti“. Školy a firmy by měly mít jasně napsanou politiku, která detektor používá jen jako jeden z podkladů, ne jako rozsudek. V auditech CIAD se opakovaně ukazuje, že organizace, které kombinují technický nástroj s lidským ověřením a jasným procesem, dělají výrazně méně chybných rozhodnutí než ty, které se spoléhají na jediné skóre.

Co to znamená: Pokud potřebujete posoudit, zda text napsal člověk nebo AI, nespoléhejte na jediný nástroj ani jediný jazykový znak. Kombinujte kontext, historii vzniku textu, jazykové vzorce a přímé ověření s autorem · a u rozhodnutí s reálnými důsledky nechte prostor k obhajobě, protože chyba detektoru může poškodit nevinného člověka stejně snadno jako odhalit skutečný podvod.