Чи точний GPTZero? Ось що показують докази

AI-детектори тексту, як-от GPTZero, шукають статистичні відбитки, а не «читають» ваш зміст. Два з основних сигналів — це перплексія (наскільки передбачуване кожне слово для еталонної мовної моделі) і «бурстовість» (наскільки ця передбачуваність змінюється від речення до речення). Ідея в тому, що людське письмо, як правило, менш передбачуване і більш нерівномірне, тоді як необроблений машинний текст часто гладкіший і одноманітніший.

GPTZero заявляє, що тепер поєднує ці класичні сигнали з більшою багатокомпонентною моделлю, навченою на різноманітному письмі, включно зі студентськими текстами, що дає оцінки на рівні речення й документа. Це важливо для того, як сприймати результат: детектор оцінює ймовірність на основі закономірностей письма, а не доводить авторство. Тож «точність» значною мірою залежить від того, який текст ви йому подаєте і де встановлено поріг проходження чи провалу.

У контрольованих тестах GPTZero показує сильні результати. Тести постачальника та незалежні бенчмарки повідомляли про виявлення на рівні високих 90-х відсотків на явно AI-згенерованих уривках, з дуже низьким рівнем хибних спрацювань на підготовлених наборах даних. На такому чистому, очевидному AI-тексті це вправний інструмент.

Незалежне тестування на більш безладному, реальному письмі малює обережнішу картину. Огляди за 2026 рік повідомляють про реальну точність, що зазвичай потрапляє в діапазон від середини 80-х до низьких 90-х відсотків, з рівнем хибних спрацювань на справжньому людському письмі, який часто наводять близько 8-12% залежно від вибірки. Ці цифри змінюються залежно від набору даних і налаштувань, тож будь-який окремий відсоток варто сприймати як орієнтир, а не гарантію. Чесний підсумок: сильний на нерозбавленому AI-тексті, помітно хиткіший на всьому іншому.

Найбільш задокументована слабкість — упередженість щодо тих, для кого англійська не є рідною. Широко цитоване дослідження Stanford (Liang та ін., опубліковане в Patterns, 2023 рік) прогнало сім GPT-детекторів через 91 есе TOEFL, написане носіями інших мов, і 88 есе американських студентів. Детектори добре впоралися з есе американських студентів, але хибно класифікували понад половину есе носіїв інших мов як AI — середній рівень хибних спрацювань становив близько 61%, причому майже всі були позначені щонайменше одним детектором, а приблизно п'ята частина — кожним протестованим детектором.

Причина механічна, а не зловмисна. Закономірності, які детектори пов'язують із «машинним» письмом, такі як простіший словниковий запас, більш передбачувані формулювання та обмежена ідіоматичність, також є природними рисами письма другою чи третьою мовою. Показово, що те саме дослідження виявило різке зниження рівня хибних спрацювань, коли ці есе переписували складнішими формулюваннями, — це показує, що оцінка відображає стиль, а не чесність. Якщо ви пишете англійською як додатковою мовою, до будь-якої позначки AI варто ставитися з реальним скептицизмом.

Точність детектора падає, щойно текст відходить від необробленого результату моделі. Незалежне тестування 2026 року свідчить, що точність може знижуватися приблизно на 15-30 процентних пунктів на перефразованих або сильно відредагованих уривках, а результати на змішаних чернетках «людина плюс AI» особливо непослідовні. Змішане письмо, де людина редагує AI-чернетку або AI шліфує людську чернетку, — це саме та сіра зона, з якою детектори мають найбільше труднощів.

Короткі тексти — ще одне слабке місце: маючи лише кілька речень для аналізу, просто не вистачає сигналу для впевненого висновку, і зростає як кількість хибних спрацювань, так і хибних пропусків. Практичний висновок: GPTZero найкраще працює на довгому, незміненому AI-тексті і найменш надійний на відредагованому, перефразованому, гібридному чи короткому письмі, яким насправді є більшість реальних документів.

Жоден із сучасних детекторів, включно з GPTZero, не є остаточним, і самі інструменти зазвичай радять не використовувати оцінку як єдиний доказ. Сприймайте будь-який результат як імовірність і привід придивитися уважніше, а не як вердикт. Якщо текст позначено, зважте контекст: походження автора, чернетки та історія версій, а також те, як текст був створений, — усе це важливіше за одну цифру.

Розумний підхід — перевіряти результат другим, незалежним інструментом, а не довіряти одній оцінці, і бути особливо обережним із носіями інших мов, короткими уривками та відредагованими чернетками. Для викладачів і рецензентів це означає використовувати детектори як привід для розмови поряд із людською оцінкою. Для авторів це означає прозорість власного процесу та власну самоперевірку перед здачею роботи, щоб несподівана позначка не застала зненацька.