Российские разработчики создали AI-детектор GigaCheck для определения текстов, написанных нейросетью
![Российские разработчики создали AI-детектор GigaCheck для определения текстов, написанных нейросетью Российские разработчики создали AI-детектор GigaCheck для определения текстов, написанных нейросетью](https://images.techinsider.ru/upload/img_cache/bab/bab8c1a560c9e5c57c846379d970c21e_ce_1920x1280x0x55_cropped_510x340.webp)
На данный момент точность работы GigaCheck составляет 94,7%. Показатель ближайшего конкурента — не более 85%. Так что на сегодняшний день российский инструмент — самый достоверный детектор подобного рода.
Сейчас GigaCheck дает обобщенную оценку авторства. Если в одном тексте использованы как фрагменты, написанные человеком, так и фрагменты, сгенерированные искусственным интеллектом, то определение авторства осуществляется по преобладающему контенту. В ближайшее время детектор научится определять, какие именно фрагменты текста были сгенерированы LLM.
![детектор для определения текстов, сгенерированных ИИ детектор для определения текстов, сгенерированных ИИ](https://images.techinsider.ru/upload/img_cache/19d/19d119966452e51a2124394496842c86_cropped_510x340.webp)
Работу детектора текстов оценят эксперты, занимающиеся проверкой подлинности научных публикаций, диссертаций и дипломов. Владельцы пабликов в соцсетях с помощью детектора смогут быстро обнаруживать созданные генеративными моделями комментарии и посты. Редакторы и все, принимающие работу копирайтеров, также получат эффективный инструмент для ее проверки и оценки.
«До сих пор вероятность создания подобного работающего детектора текстов считалась крайне низкой. Многие эксперты расценивали эту задачу как практически нерешаемую. Для разработки такого сервиса требуются серьезные ресурсы и большие объемы данных. Но даже неограниченных ресурсов может оказаться недостаточно. Например, компания OpenAI, один из признанных лидеров в области разработки систем искусственного интеллекта, в начале 2023 года анонсировала свой детектор для англоязычных текстов, но со временем была вынуждена закрыть доступ к нему из-за невысокой точности. Тем важнее достижение нашей команды, которой, несмотря на все сложности, удалось разработать собственную эффективную технологию», — отмечает Сергей Марков, управляющий директор Управления экспериментальных систем машинного обучения SberDevices.