ఇంగ్లీష్ భాషలో విదేశీ భాషగా పరీక్ష (toefl) కోసం నిర్వహించిన 91 వ్యాసాలను, పర్యవేక్షణలో రాసిన పద్ధతిలో, పరిశీలించిన ఒక అధ్యయనంలో, స్టాన్ఫర్డ్ బృందం వాటిని ఏడు వ ఇంగ్లీష్ భాషలో విదేశీ భాషగా పరీక్ష (TOEFL) కోసం నిర్వహించిన 91 వ్యాసాలను, పర్యవేక్షణలో రాసిన పద్ధతిలో, పరిశీలించిన ఒక అధ్యయనంలో, స్టాన్ఫర్డ్ బృందం వాటిని ఏడు వాణిజ్య AI డిటెక్టర్ల ద్వారా పరీక్షించింది. ఈ 91 వ్యాసాలలో 89 వ్యాసాలు కనీసం ఒక టూల్ ద్వారా యంత్రం రాసినట్లు గుర్తించబడ్డాయి. మొత్తం 18 వ్యాసాలు అన్ని డిటెక్టర్ల ద్వారా యంత్రం రాసినట్లు గుర్తించబడ్డాయి. అమెరికాలోని ఎనిమిదవ తరగతి విద్యార్థుల 88 వ్యాసాలను పరీక్షించినప్పుడు, ఆ టూల్స్ సరిగ్గా పనిచేశారు. 13 సంవత్సరాల పిల్లలు మరియు చాట్బాట్ మధ్య తేడా గుర్తించగలిగిన మిషన్లు, రెండవ భాషలో రాస్తున్న ఒక జాగ్రత్తగా వ్రాసిన వయోజనాన్ని గుర్తించలేకపోయాయి. ఈ అధ్యయనం, 2023లో Weixin Liang మరియు సహచరులచే Patterns పత్రికలో ప్రచురించబడింది, విదేశీ భాషలలో రాసిన వ్యాసాలకు సగటు తప్పు-సానుకూల రేటు 61.3 శాతం గా ఉంది. స్థానిక మాట్లాడేవారికి సగటు 5 శాతం. మూడు సంవత్సరాల తరువాత, ఇది వివిధ టూల్స్, భాషలు మరియు పరీక్షా పరిస్థితులలో పునరావృతం చేసిన ఒక రంగంలో ప్రాథమిక కనుగొనడం గా ఉంది. ఈ సమస్యను పరిష్కరించడానికి సాధ్యం కాదు, ఎందుకంటే డిటెక్టర్లు పర్ఫ్లెక్సిటీ అనే ప్రమాణాన్ని ఆధారంగా చేసుకుంటాయి, ఇది ప్రతి తదుపరి పదం ఎంత ఆశ్చర్యకరంగా ఉందో కొలుస్తుంది. కఠినమైన వ్యాకరణం మరియు కఠినమైన పదజాలాన్ని ఉపయోగించడం వల్ల తక్కువ పర్ఫ్లెక్సిటీ ఉత్పత్తి అవుతుంది. అలాగే, స్పష్టత కోసం జాగ్రత్తగా ఎడిట్ చేయబడిన రచన కూడా తక్కువ పర్ఫ్లెక్సిటీని ఉత్పత్తి చేస్తుంది. కాబట్టి, భాషా మోడల్ యొక్క అవుట్పుట్ కూడా, ఇది సాధ్యమైన పదాలను ఎంచుకోవడానికి రూపొందించబడింది. రెండవ భాష రాసే వ్యక్తి సురక్షిత నిర్మాణాలను ఎంచుకుంటే మరియు ఒక వృత్తిపరమైన ఎడిటర్ ఒక వాక్యాన్ని అత్యంత శుభ్రంగా చేయడానికి కష్టపడితే, వారు విరుద్ధ దిశల నుండి అదే గణాంక సంతకం చేరుకుంటారు. డిటెక్టర్ జాగ్రత్త, కళ మరియు గణన మధ్య తేడాను గుర్తించలేరు, ఎందుకంటే ఇది కొలిచే ఏ ఒక్క ప్రమాణంలో వారు ఒకేలా కనిపిస్తారు. స్టాన్ఫర్డ్ బృందం పరిశ్రమ యొక్క నమ్మకాన్ని ముగించాల్సిన ప్రయోగాన్ని నిర్వహించింది. TOEFL వ్యాసాలలో పదాల ఎంపికలను మెరుగుపరచడానికి ChatGPTని అడిగారు, తద్వారా అవి స్థానిక మాట్లాడేవారి వలె వినిపించాయి, మరియు తప్పు-గణన రేటు గణనీయంగా తగ్గింది. తరువాత, అమెరికన్ ఎనిమిదవ తరగతి విద్యార్థుల వ్యాసాలను మరింతగా సులభతరం చేసి, అవి విదేశీ రచయిత వలె వినిపించడానికి, పతాకాలు పెరిగాయి. సూటిగా చెప్పాలంటే, మీ రచనలో AIని ఉపయోగించడం, అది AI ఉత్పత్తిగా తక్కువగా నమోదు చేయబడింది. డిటెక్టర్లు యంత్రం పాల్గొనడం కొలవడం లేదు. వారు ఒక ప్రత్యేక విద్యావంతులైన అమెరికన్ ఇంగ్లీష్ రిజిస్టర్కు సమీపాన్ని కొలుస్తున్నారు, మరియు ఆ రిజిస్టర్ నుండి దూరాన్ని నేరం గా భావిస్తున్నారు. ఈ సమస్య ప్రచురణలో మరింత తీవ్రంగా ఉంటుంది, ఎందుకంటే రచయిత మరియు ఎడిటర్ మధ్య సంబంధం నమ్మకంపై ఆధారపడి ఉంటుంది, ఇది ఆడిట్ చేయలేరు. ఏజెంట్లు సంవత్సరానికి వేలాది అనుమతి లేని మాన్యుస్క్రిప్టులను అందుకుంటారు మరియు ఒక ఫిల్టర్కు చేరుకోవడానికి ప్రతి వాణిజ్య కారణం ఉంది. ట్రాక్ రికార్డు లేని, ఏజెంట్ లేని మరియు పరిచయమైన పేరుతో ఉన్న మొదటి రచయితలు పతాకానికి సమాధానం ఇవ్వడానికి మార్గం లేదు, మరియు సమర్పణల కుప్పలో నిశ్శబ్దంగా వదిలేయబడే మొదటి రచయితలు ఎవ్వరూ చొరవ చూపించబోరు.
