एआई विचारों का पता लगाना, न कि एआई पाठ

क्या होगा अगर ऐसा एआई टेक्स्ट डिटेक्टर हो जो यह पहचान सके कि आपने एआई द्वारा दिया गया विचार पर आधारित कुछ लिखा है – यहाँ तक कि यदि सभी वास्तविक लेखन (अर्थात् पाठ) आपका अपना मूल कार्य हो?

हम सभी एआई टेक्स्ट डिटेक्टर्स के बारे में जानते हैं जो सेलेब्रिटीज़ और राजनेता को शर्मिंदा करते हैं, अन्य कई लोगों के साथ – ऐसे एल्गोरिदम जिन्होंने एआई‑निर्मित पाठ की विशेषताओं का अध्ययन किया है और जब ये पैटर्न उभरते हैं तो उन्हें पहचान सकते हैं।

ये मामले संचार कार्य को सरलता से सौंपने का प्रतिनिधित्व करते हैं, जहाँ भाषा मॉडल जैसे ChatGPT और Google Gemini उपयोगकर्ता के प्रॉम्प्ट के उत्तर में अगला संभावित टोकन भविष्यवाणी करना करते हैं – समस्या या प्रस्ताव के व्यापक परिदृश्य को पहले देखे बिना, बल्कि केवल अगले सबसे संभावित शब्द का अनुमान लगाकर।

फिर भी, इस भविष्यवाणियों के पैचवर्क कंबल ने अंततः एक मूलभूत संरचना उत्पन्न की है, हालिया शोध के अनुसार: विचारों और पाठ के विभिन्न भागों को सुसंगत और प्रासंगिक रखने की आवश्यकता एक अनूठी हस्ताक्षर विकसित करती है … – एक जो एआई की हस्ताक्षर को पहचान सकता है यहाँ तक कि जब पाठ को व्यापक रूप से पुनर्लेखित करके ‘मानवीकरण’ किया जाता है:

विभिन्न LLMs के तहत लेखन का विशिष्ट उच्च-आयामी ‘आकार’, और – बाएँ – शुद्ध मानव लेखन। स्रोत

एआई विचार उत्पन्न करना लक्षित

मैरीलैंड विश्वविद्यालय द्वारा संचालित एक नया शैक्षणिक सहयोग एक कदम आगे जाता है, एक ऐसी कार्यप्रणाली प्रदान करके जो यह पता लगा सके कि विचार स्वयं एआई से उत्पन्न हुए हैं या नहीं, चाहे शब्दों को अंततः किसने लिखा हो।

यह दृष्टिकोण, जिसे IdeaLens कहा जाता है और वेब दस्तावेज़ों से निकाले गए एक मिलियन रूपरेखाओं पर प्रशिक्षित किया गया है, प्रत्येक दस्तावेज़ को एक ऐसी रूपरेखा में घटाने पर केंद्रित है जो उसके विचार को संरक्षित रखती है जबकि शब्दावली को हटाती है – और इसमें एक ऑनलाइन डेमो भी शामिल है:

बाएँ तरफ, मेरे अपने लेखों में से एक ऑनलाइन डेमो में मानव के रूप में पास हो जाता है, जबकि एक अन्य लेख जिसे मैंने प्रस्तुत किया (एक अलग लेखक द्वारा लिखा गया) में काफी एआई इनपुट दिखता है. स्रोत

ऊपर दिखाए गए नमूना डेमो परिणामों में देखा गया है कि उपयोग किए गए डिटेक्शन विधियाँ मानव विचारों और मानव गद्य, तथा एआई विचारों और एआई गद्य के बीच अंतर कर सकती हैं, और उन्हें सूक्ष्म और विशिष्ट रूप में मूल्यांकन करती हैं – यद्यपि दोनों डिटेक्टर्स को समान दस्तावेज़ों, लेबलों और अंतर्निहित मॉडल संरचना पर प्रशिक्षित किया गया था, जबकि उन्हें मूलतः विपरीत चीज़ें पहचानने के लिए डिज़ाइन किया गया था: विचारों की उत्पत्ति, और गद्य की उत्पत्ति।

ऐसा डिटेक्शन क्षेत्र, जैसा कि अनुमान लगाया जाता है, कई प्रकार के लेखकों को चिंतित कर सकता है, राजनीतिक भाषण लेखक से लेकर उपन्यासकार और स्तंभकार तक, साथ ही उन अन्य लोगों को जिन्होंने अब तक अपनी लेखन शैली को महत्व दिया है, फिर भी एआई को अपने विषयों को प्रेरित करने दिया है।

एक कारण कि क्यों LLMs संभवतः पहचानने योग्य (और इसलिए ट्रैसेबल) विचार उत्पन्न करते हैं, केवल यह नहीं है कि कुछ अवधारणाएँ और पाठ सांख्यिकीय रूप से मॉडल के अपर्याप्त रूप से क्यूरेटेड प्रशिक्षण डेटा पर हावी हो गए हैं, जिससे वे विभिन्न अनुरोधों में अधिक संभावित रूप से उभरते हैं; बल्कि यह भी है कि LLMs में रहस्यमय और दोहरावदार जुनून होते हैं जो विशेष प्रशिक्षण डेटा से भी संबंधित नहीं लगते, फिर भी अक्सर अनिच्छा से प्रकट होते हैं।

लेखकों का कहना है*:

‘जबकि आधुनिक एआई डिटेक्टर्स पहचानते हैं शब्दों को किसने लिखा, एआई उपयोग पर उभरती नीतियां धीरे‑धीरे एक अलग प्रश्न पर निर्भर करती हैं: विचार किसने उत्पन्न किए?हम IdeaLens प्रस्तुत करते हैं, एक डिटेक्टर जो यह पहचानता है कि दस्तावेज़ के विचार मानव से आए हैं या एआई से (विचार की उत्पत्ति), चाहे शब्दों को किसने लिखा हो।’

‘IdeaLens को विचारों पर केंद्रित करने के लिए, न कि गद्य पर, हम दस्तावेज़ों को रूपरेखा के रूप में प्रस्तुत करते हैं: आइटमों की सूचियाँ जो प्रत्येक एक वार्तालाप भूमिका को सामग्री के संक्षिप्त, पैराफ्रेज़्ड विवरण के साथ जोड़ती हैं, कच्चे पाठ के साथ शब्द-स्तर ओवरलैप को न्यूनतम करती हैं।’

डेटा और विधियाँ

पेपर का दावा है कि नई विधि एआई‑जनित दस्तावेज़ों में मानव विचारों की पहचान कर सकती है (अर्थात्, किसी ने एआई से कहा ‘इस विषय पर मेरे लिए एक निबंध लिखिए‘); और मानव लेखन में एआई विचारों की भी पहचान कर सकती है (अर्थात्, किसी ने एआई से कहा ‘मेरे लिखने के लिए कुछ सुझाएँ’)।

मानव और एआई विचारों तथा गद्य के चार संयोजनों में परीक्षण परिणाम। जब विचार और गद्य एक ही मूल से आते हैं तो सभी चार डिटेक्टर मजबूत प्रदर्शन करते हैं, लेकिन जब स्रोत मिश्रित होता है तो वे तीव्र रूप से भिन्न होते हैं: IdeaLens सही ढंग से 94.7% एआई‑लिखित दस्तावेज़ों को, जो मानव विचारों पर आधारित हैं, मानव‑उत्पन्न के रूप में पहचानता है, और मानव‑लिखित कहानियों में 68% एआई विचारों की पहचान करता है, जबकि Pangram 4 के लिए केवल 8% और ProseLens तथा EditLens‑3B के लिए 0% है. स्रोत

जब स्रोत सबसे स्पष्ट हो तो पहचान सबसे आसान होती है – उदाहरण के लिए, जब मानव‑लिखा टुकड़ा एआई‑जनित विचारों पर आधारित हो, या जब एआई‑जनित आउटपुट मानव विचार से उत्पन्न हो। जब इन स्रोत की ताकतें भिन्न होती हैं, तो पहचान कठिन हो जाती है।

शोधकर्ताओं ने इस अंतर को परीक्षण किया, दस्तावेज़ की मूल योजना में व्यक्ति का योगदान धीरे‑धीरे बढ़ाकर। एक प्रयोग में, एआई मॉडलों को क्रमशः अधिक विस्तृत मानव योजनाएँ दी गईं, जो केवल विषय से अधिक नहीं से लेकर पूर्ण रूपरेखा तक थीं।

जैसे‑जैसे मानव योगदान बढ़ा, IdeaLens का एआई फ़्लैग दर 94.9% से घटकर 6.8% हो गया; और पारंपरिक गद्य डिटेक्टर लगातार अधिकांश उत्पन्न पाठ को एआई के रूप में पहचानते रहे:

परीक्षण परिणाम दिखाते हैं कि जब एक AI‑लिखित दस्तावेज़ की मूल योजना को क्रमशः अधिक भाग मानव द्वारा प्रदान किया जाता है तो क्या होता है। IdeaLens विचारों की मानव उत्पत्ति को अधिक पहचानता है, और इसका AI फ़्लैग दर विषय‑केवल प्रॉम्प्ट के लिए 94.9% से घटकर पूर्ण मानव रूपरेखा के लिए 6.8% हो जाता है; पारंपरिक टेक्स्ट डिटेक्टर्स ProseLens और Pangram अभी भी अधिकांश उत्पन्न लेखन को AI के रूप में वर्गीकृत करते हैं।

चूँकि विचारों को अभिव्यक्ति से अलग करना आवश्यक है, और दस्तावेज़ में वास्तव में किसने विचार उत्पन्न किए हैं, इसका बड़ा डेटासेट नहीं है, इसलिए शोधकर्ताओं ने IdeaLens को मौजूदा एआई‑लेखन लेबल पर प्रशिक्षित किया – लेकिन अधिकांश लेखन को हटा दिया:

IdeaLens कैसे प्रशिक्षण और परीक्षण के दौरान विचारों को गद्य से अलग करता है, तुलना में पारंपरिक टेक्स्ट डिटेक्टर ProseLens के साथ। एक नमूना 1,321‑शब्दों का राय लेख को भूमिका‑लेबल वाली रूपरेखा में घटाया जाता है, जहाँ बिंदुओं को उनके कार्य के अनुसार वर्गीकृत किया जाता है, जैसे घटना विवरण या मूल्यांकन। प्रशिक्षण के दौरान, इन रूपरेखाओं को अतिरिक्त रूप से पैराफ्रेज़ किया गया ताकि स्रोत दस्तावेज़ों से विरासत में मिली शब्दावली हटाई जा सके, इससे पहले कि IdeaLens मौजूदा Pangram एआई लेबल से सीखता है। नए दस्तावेज़ों के लिए, निकाली गई रूपरेखा को सीधे IdeaLens को पास किया जा सकता है ताकि यह अनुमान लगाया जा सके कि विचार एआई‑उत्पन्न हैं या नहीं। चित्र के निचले भाग में दूसरा डिटेक्टर – ‘ProseLens’ – दिखाया गया है, जिसे शोधकर्ताओं ने तुलना के लिए उपयोग किया, जो पूरी टेक्स्ट प्राप्त करता है और यह अनुमान लगाता है कि गद्य स्वयं एआई‑जनित है।

जैसा कि ऊपर दिखाया गया है, प्रत्येक दस्तावेज़ को एक रूपरेखा में घटाया गया जो बताता है कि क्या कहा जा रहा है, और प्रत्येक बिंदु दस्तावेज़ में क्या भूमिका निभाता है। प्रशिक्षण के दौरान, उन रूपरेखाओं को पैराफ्रेज़ किया गया ताकि लेखकों की मूल शब्दावली के निशान और हटाए जा सकें। बचे हुए विचार से IdeaLens अपनी भविष्यवाणियाँ मुख्यतः बनाता है, न कि गद्य की विशिष्ट विशेषताओं से।

परियोजना के लिए तीन डेटासेट तैयार किए गए: IdeaShift; IdeaShift-X; और TwiceTold. IdeaShift को 500 मानव‑लिखित और एआई‑जनित बीज दस्तावेज़ों से बनाया गया, जो शोधकर्ताओं के मौजूदा परीक्षण कॉर्पस से चुने गए थे। GPT-5.6 Sol का उपयोग करके प्रत्येक को क्रमशः अधिक विस्तृत प्रॉम्प्ट में बदला गया, ‘केवल‑विषय’ से लेकर पूर्ण रूपरेखा तक। GPT-5.6 को फिर नई दस्तावेज़ों के निर्माण के लिए उपयोग किया गया।

IdeaShift-X ने इसके बजाय 10,000 मानव‑लेखित FineWeb2 दस्तावेज़ों को 24 भाषाओं में उपयोग किया, और ऊपर वर्णित IdeaShift प्रोटोकॉल को लागू करके प्रत्येक भाषा में एआई संस्करण उत्पन्न किए।

तीसरा डेटासेट, TwiceTold, को शैक्षणिक छात्रों ने लेखकों के पर्यवेक्षण में लिखा, ताकि भीड़‑स्रोत डेटा में एआई स्वाभाविक उपयोग से बचा जा सके। 500‑शब्द की रूपरेखा जो ChatGPT-5.6 Sol ने प्रदान की थी, उसका उपयोग करके शून्य से पचास कहानियाँ लिखी गईं।

परीक्षण

शोधकर्ताओं के अपने डिटेक्टर्स में IdeaLens रूपरेखा और दस्तावेज़ रूप में शामिल था; उपर्युक्त ProseLens; ModernBERT-L दोनों सिस्टमों के संस्करण; Qwen3.5-9B संस्करण IdeaLens के; और एक IdeaLens logistic-classifier वैरिएंट।

इनकी तुलना Pangram 4; EditLens-Llama-3B; Binoculars; EditLens-RoBERTa; MELD; Desklib-academic; Desklib; Entropy; Fast-DetectGPT; Likelihood; Log-rank; LRR; MAGE; OpenAI-RoBERTa-base; OpenAI-RoBERTa-large; RADAR; और Rank के विरुद्ध की गई।

परीक्षणों के लिए, सटीकता को इस बात से मापा गया कि भविष्यवाणी किया गया AI या मानव लेबल विचारों के स्रोत से मेल खाता है या नहीं। IdeaLens, ProseLens और EditLens ने वैश्विक 1% FPR थ्रेशोल्ड का उपयोग किया; Pangram 4 के AI, AI-सहायता प्राप्त और मानव लेबल बाइनरी किए गए; और Fast-DetectGPT, Binoculars, MELD तथा Desklib ने अपने डिफ़ॉल्ट थ्रेशोल्ड का प्रयोग किया।

व्यापक मूल्यांकन ने 19 बाहरी बेंचमार्कों का उपयोग किया, जिसमें 14 पूरी तरह मानव या पूरी तरह AI सामग्री को कवर करते हैं, और 10 में मानव लेखन शामिल है जिसे बाद में AI ने संपादित किया। अतिरिक्त 50,000 इन-डोमेन दस्तावेज़ों का परीक्षण किया गया, जबकि 10,000 प्री-ChatGPT C4 दस्तावेज़ों का उपयोग फॉल्स पॉज़िटिव्स का आकलन करने के लिए किया गया:

विचारों और गद्य के समान या विभिन्न मूल होने पर डिटेक्टर की सटीकता की तुलना करने वाले परीक्षण परिणाम। IdeaLens दोनों स्थितियों में उच्च सटीकता बनाए रखता है, साझा मूल के लिए 95.3% और मिश्रित मूल के लिए 81.3%; प्रतिस्पर्धी डिटेक्टर्स की सटीकता काफी घटती है जब विचारों का स्रोत गद्य के स्रोत से अलग होता है।

22 बेंचमार्कों से लिए गए 51 परीक्षणों में, IdeaLens वह एकमात्र डिटेक्टर था जिसने विचारों और गद्य के समान या विभिन्न स्रोतों से आने पर मजबूत प्रदर्शन किया, क्रमशः 95.3% और 81.3% स्कोर प्राप्त किया।

तुलना में, ProseLens और Pangram 4 ने विचारों और गद्य के एक ही स्रोत साझा करने पर 98% से अधिक अंक प्राप्त किए, लेकिन जब स्रोत अलग था तो लगभग 25% तक गिर गए।

लेखकों ने इन परिणामों के बारे में कहा*:

‘चूँकि ProseLens की रीढ़, प्रशिक्षण दस्तावेज़ और प्रशिक्षण लेबल IdeaLens के समान हैं, यह हमारी रूपरेखा प्रतिनिधित्व के प्रभाव को उजागर करता है, जिसे एक ModernBERT-based pair अलग रीढ़ के साथ दोहराता है।’

‘IdeaLens परीक्षण समय पर कच्चे टेक्स्ट इनपुट्स में भी आश्चर्यजनक रूप से अच्छी तरह ट्रांसफर होता है, उच्च साझा मूल सटीकता और ProseLens की तुलना में मिश्रित मूल सटीकता में काफी अधिक दिखाता है।’

तीनों डिटेक्टर्स ने मूल AI-लिखी कहानियों में से लगभग सभी को सफलतापूर्वक पहचाना। TwiceTold पर, IdeaLens ने मानव-लिखी कहानियों में 68% में AI-उत्पन्न विचारों की पहचान की, जबकि ProseLens के लिए 0% और Pangram 4 के लिए 8% था:

IdeaLens समान AI संभावनाएँ मूल AI-लिखी कहानियों और समान AI-जनित रूपरेखा पर आधारित मानव-लिखी TwiceTold संस्करणों को देता है, जबकि ProseLens की AI संभावनाएँ गद्य के मानव द्वारा पुनर्लेखन के बाद तेज़ी से गिरती हैं।

अंग्रेजी में प्रशिक्षित होने के बावजूद, IdeaLens ने IdeaShift-X की 24 भाषाओं में सामान्यीकरण किया, AI विचारों पर आधारित दस्तावेज़ों में 95.3% को चिह्नित किया – लेकिन जब विस्तृत मानव योजना ने विचार प्रदान किए तो केवल 0.7%। समान भाषाओं में 10,000 प्री-ChatGPT मानव दस्तावेज़ों पर, फॉल्स पॉज़िटिव दर केवल 0.1% थी।

लेखक स्वीकार करते हैं कि भविष्य के कार्य में बड़े डेटासेट की आवश्यकता होगी, और डेटासेट लेबलों की शोरयुक्तता को संबोधित करने की आवश्यकता हो सकती है। फिर भी, जो इस रोचक प्रारंभिक परिणाम पर आगे निर्माण करना चाहते हैं वे पेपर के लेखकों द्वारा उपलब्ध कराए गए GitHub repository का उपयोग कर सकते हैं; और केवल जिज्ञासु लोग ‘संदेहजनक’ परीक्षणों को प्रोजेक्ट के डेमो साइट में पेस्ट करके स्वयं देख सकते हैं कि विधि उनके अपने अनुमान या अन्य दृष्टिकोणों के साथ मेल खाती है या नहीं।

निष्कर्ष

ऐसे प्रकार की डिटेक्शन विधि का महत्व इस बात पर निर्भर करता है कि AI की स्वीकृति, एकीकरण या अस्वीकृति कैसे विकसित होगी (निस्संदेह विभिन्न क्षेत्रों और परिस्थितियों में अलग-अलग) अगले 6-12 महीनों में।

हो सकता है कि एक राजनेता के दर्शक उनके अपने मूल विचारों को परिष्कृत और प्रस्तुत करने के लिए AI के उपयोग को अधिक क्षमाशीलता से देखें, बजाय एक LLM द्वारा उत्पन्न विचारों की सतही प्रस्तुति के (आख़िरकार, सांख्यिकीय रूप से, दर्शक संभावित रूप से सहानुभूतिपूर्ण होते हैं AI के उपयोग को केवल एक प्रस्तुति सहायक के रूप में)।

फिर भी, साथ ही साथ, हम AI से क्या उम्मीद कर रहे हैं यदि वह हमें ऐसे दृष्टिकोण, विचार और विकल्प प्रदान करे जिन्हें हम स्वयं नज़रअंदाज़ कर देते या कभी नहीं सोचते; और इस दृष्टिकोण से, क्या मशीन इंटेलिजेंस को नियंत्रण देने का विचार इतना बुरा है?

खैर, दृश्यात्मक दृष्टिकोण से, और AI की प्रसिद्ध और बढ़ती त्रुटियों की प्रवृत्ति तथा –हाल ही में– त्रुटिपूर्ण व्यवहार को देखते हुए, शायद अभी भी बहुत जल्दी है कि हम LLM को नीति सुझाव उत्पन्न करने दें, या सामान्यतः विचार उत्पन्न करने में प्रमुख शक्ति बनें।

* लेखकों के जोर, मेरा नहीं, लेकिन जहाँ आवश्यक हो, मैंने लेखकों के इनलाइन उद्धरणों को हाइपरलिंक में बदल दिया है।

पहली बार प्रकाशित मंगलवार, 6 अक्टूबर 2026