Detektory AI a drugi język: co pokazują badania i kogo częściej oznaczają

👁 119 przeczytań

Piszesz po angielsku, choć to nie jest twój pierwszy język. Starannie dobierasz słowa, używasz sprawdzonych konstrukcji i unikasz ryzykownych idiomów. Czy detektor może uznać taki tekst za wygenerowany przez AI? Badanie Stanforda z 2023 r. pokazało, że w określonych warunkach takie ryzyko było znacznie wyższe. Nie oznacza to jednak, że każdy detektor zawsze gorzej ocenia wszystkich autorów piszących w drugim języku.

Nowsze badania komplikują ten obraz, szczególnie poza angielskim. Warto poznać zarówno głośne liczby, jak i granice ich interpretacji. Stan źródeł: 14.10.2026. Poniższy tekst omawia publikacje naukowe, bez własnego eksperymentu i bez przypisywania komukolwiek autorstwa AI na podstawie wyniku programu.

Osobny materiał przedstawia spór wokół nagrodzonej powieści i oskarżeń związanych z detektorem AI.

Co wykazało badanie Stanforda z 2023 roku?

Weixin Liang i współautorzy porównali wyniki siedmiu detektorów dla 91 tekstów TOEFL autorstwa osób piszących po angielsku jako w drugim języku oraz 88 wypracowań amerykańskich ósmoklasistów. W pracy udostępnionej 6.04.2023 średni odsetek błędnego oznaczenia tekstów TOEFL wyniósł 61,22%. Dla drugiego zbioru wyniki były znacznie lepsze.

Wszystkie siedem narzędzi zgodnie oznaczyło 18 z 91 tekstów TOEFL jako AI. Przynajmniej jeden detektor oznaczył 89 z 91. To trzy różne miary: średnia wyników narzędzi, ich jednomyślność oraz wystąpienie choć jednego alarmu. Nie należy używać ich zamiennie.

Badanie dotyczyło konkretnych próbek i ówczesnych systemów. Zbiory różniły się również zadaniem i środowiskiem powstania. Nie była to losowa próba wszystkich studentów zagranicznych. Wynik 61,22% nie oznacza więc prawdopodobieństwa, że dowolny polski autor zostanie dziś niesłusznie oskarżony.

Dlaczego przewidywalny język może przypominać tekst AI?

W omówieniu Stanford HAI z 15.05.2023 James Zou wyjaśniał rolę przewidywalności języka, mierzonej między innymi przez perplexity. Mniejsza różnorodność słów i konstrukcji może sprawić, że tekst łatwiej przewidzieć na podstawie modelu językowego. W analizowanym kontekście takie cechy wiązały się z częstszymi błędnymi oznaczeniami.

Perplexity można roboczo rozumieć jako miarę zaskoczenia konkretnego modelu ciągiem słów. Nie jest oceną inteligencji, uczciwości ani wartości pomysłu. Trzeba też uważać na uproszczenie, że wszystkie współczesne detektory opierają się na jednym takim wskaźniku.

Wyobraź sobie autora, który celowo wybiera prostą konstrukcję: teza, przykład, wyjaśnienie. Jego celem jest czytelność. Z samej regularności zdań nie można wywnioskować, czy napisał je samodzielnie. Podobnie nietypowa metafora nie stanowi certyfikatu ludzkiego autorstwa. To przykłady pokazujące błąd rozumowania, a nie lista cech, według której można diagnozować tekst.

Nie warto zatem zastępować oceny argumentu tropieniem „zbyt poprawnych” zdań. Pytanie o źródło pomysłu, znaczenie użytego terminu czy wybór przykładu dotyczy czegoś innego niż statystyczna regularność języka. W postępowaniu wyjaśniającym dobrze zachować ten podział.

Badanie z 2026 roku: drugi język nie zawsze oznacza większe ryzyko

Adnan Al Ali, Jindřich Helcl i Jindřich Libovický wrócili do problemu w pracy Different Time, Different Language, opublikowanej na EACL Student Research Workshop 26.03.2026. Zbadali kontekst czeski i nie stwierdzili systematycznego uprzedzenia analizowanych detektorów wobec osób piszących w tym języku jako obcym.

Przy ponownym sprawdzeniu angielskich zbiorów detektorem komercyjnym odsetek fałszywych alarmów dla TOEFL wyniósł 23,1%, a dla porównywanego zbioru rodzimego 0%. Różnica pozostała, lecz była mniejsza niż w badaniu z 2023 r. Autorzy pokazali również, że skuteczne działanie badanych metod nie musi zależeć od perplexity.

Nie jest to prosty dowód, że problem zniknął. Jest to dowód, że język, narzędzie i moment badania mają znaczenie. Wyniku dla czeskiego nie należy przenosić automatycznie na polski, tak samo jak danych angielskich nie wolno traktować jako uniwersalnego prawa.

Wniosek dla czytelnika jest praktyczny: gdy ktoś pokazuje procent skuteczności, poproś o informacje o próbie. Interesuje cię tekst podobny do ocenianego: jego język, długość, gatunek i sposób przygotowania. Sam aktualny rok w reklamie usługi nie odpowiada na te pytania.

Czego nie wiemy o tekstach po polsku?

Pisanie po angielsku przez osobę z Polski i pisanie po polsku przez osobę uczącą się tego języka to odrębne sytuacje. Również obywatelstwo czy adres uczelni nie powinny automatycznie zastępować informacji o językach konkretnego autora.

Benchmark MULTITuDE, opublikowany na EMNLP w grudniu 2023 r., obejmował 74 081 tekstów ludzkich i maszynowych w 11 językach. Polski nie należał do tego zestawu. Badacze analizowali między innymi przenoszenie detekcji między językami i modelami. Było to badanie wielojęzycznej detekcji, nie bezpośrednie oszacowanie ryzyka dla polskich studentów piszących w drugim języku.

Z przedstawionych tu źródeł nie wynika wiarygodny, wspólny procent fałszywych alarmów dla polszczyzny. Brak takiej liczby nie uprawnia ani do uznania wszystkich narzędzi za bezbłędne, ani do ogłoszenia, że każde dyskryminuje polskich autorów. W konkretnej ocenie trzeba pozostawić tę niepewność widoczną.

Korekta, tłumaczenie i generowanie to trzy różne przypadki

Załóżmy trzy sytuacje. Pierwsza osoba samodzielnie pisze pracę po angielsku. Druga przekazuje swój tekst do poprawienia języka. Trzecia zamawia gotowy esej na określony temat. To przykłady analityczne, nie opis wyników eksperymentu. Nawet podobne wskazania detektora nie zrównują tych procesów.

Przegląd Victora Angeliera z 18.09.2026 rozdziela rzeczywiste fałszywe alarmy od przypadków granicznych obejmujących tłumaczenie i wygładzanie tekstu przez AI. W tych drugich trzeba ocenić również zakres pomocy i zasady zadania. Maszynowa ingerencja w sformułowania nie ustala sama, kto opracował argumentację.

• Samodzielny tekst: wyjaśniaj pochodzenie pracy i ewentualną pomyłkę klasyfikatora.
• Pomoc językowa: pokaż wersję wyjściową, zakres zmian i podstawę dopuszczalności pomocy.
• Przekład: ustal, kto stworzył oryginał, kto tłumaczył oraz jakie narzędzia wykorzystano.
• Generowanie treści: opisz je wprost, zamiast nazywać całą ingerencję korektą.

Wymagania odbiorców różnią się, dlatego przygotowałem osobny przegląd zasad AI w konkursach literackich i wydawnictwach. Ocenę zgodności rozpocznij od regulaminu, nie od obietnicy, że wybrany program da niski wynik.

Co powinien zrobić student piszący w drugim języku?

Przed rozpoczęciem zadania ustal dozwolony zakres pomocy. Najlepiej zapytać o funkcje, których rzeczywiście zamierzasz użyć: sprawdzanie pisowni, proponowanie nowego brzmienia zdań, tłumaczenie czy tworzenie planu. Nazwa aplikacji nie wystarczy, jeśli obejmuje różne możliwości.

Proponuję zachować materiały, które i tak powstają podczas nauki. Nie chodzi o nagrywanie każdej minuty pisania. Przydatne są własne notatki do źródeł, konspekt, robocze wersje i komentarze otrzymane podczas konsultacji. Zapisz również, w którym momencie skorzystałeś z uzgodnionej pomocy.

• Zachowaj wersję sprzed większej korekty językowej.
• Oddziel własne notatki od cytatów i automatycznych podpowiedzi.
• Przygotuj krótkie wyjaśnienie najważniejszych decyzji w pracy.
• Po zarzucie poproś o raport i wskazanie konkretnego naruszenia.
• Przedstaw rzeczywiste materiały, bez dorabiania historii dokumentu.

Nie pogarszaj celowo gramatyki ani nie dodawaj przypadkowych błędów, żeby tekst wyglądał bardziej „ludzko”. Celem pracy pozostaje jasne wyrażenie myśli. Dostosowywanie języka do nieznanego progu detektora utrudnia później rozmowę o tym, dlaczego wprowadziłeś określone zmiany.

Jeśli zostałeś niesłusznie oskarżony, pomocny będzie także materiał o udokumentowanych fałszywych alarmach i odwołaniach. Nie traktuj jednak cudzej historii jako automatycznego rozstrzygnięcia swojej sprawy. Porównuj procedurę i rodzaj dowodów, nie sam nagłówek.

Jak uczelnia lub redakcja może oceniać sprawiedliwiej?

Proponuję rozpocząć od pytania, co właściwie ma zostać ocenione. Na zajęciach językowych samodzielne budowanie zdań może być częścią celu. W pracy badawczej odrębnej oceny wymagają argumenty, źródła i dopuszczona pomoc redakcyjna. Kryteria powinny być jasne przed oddaniem tekstu.

W rozmowie wyjaśniającej poproś autora o przedstawienie procesu powstawania jednego fragmentu: skąd wziął przykład, dlaczego odrzucił alternatywne wyjaśnienie, co zmienił po lekturze źródła. Umożliw też odpowiedź pisemną lub uzupełnienie materiałów. Nie utożsamiaj wahania podczas rozmowy z brakiem autorstwa.

Przy wyborze metody oceny warto rozważyć następujące pytania:

• Czy znane są wyniki narzędzia dla podobnego języka i gatunku?
• Czy określono, czym różni się dozwolona pomoc od niedozwolonego generowania?
• Czy autor otrzyma raport i możliwość rzeczowej odpowiedzi?
• Czy decyzja uwzględni proces pracy, a nie tylko końcowy plik?
• Czy osoba rozpatrująca odwołanie pozna także argumenty autora?

Taka procedura nie wymaga przyjęcia, że każda deklaracja jest prawdziwa. Wymaga oceny konkretnej sytuacji na podstawie dostępnych materiałów. Wątpliwość można sprawdzać stanowczo, jednocześnie unikając przypisywania winy z powodu prostego słownictwa, akcentu albo pochodzenia autora.

Jak działają same detektory i dlaczego wynik to tylko prawdopodobieństwo, wyjaśniam w przewodniku jak działają detektory AI.

Najczęstsze pytania

Czy detektory AI dyskryminują wszystkich obcokrajowców?

Nie wynika to z opisanych badań. W określonych zbiorach angielskich wykazano nierówne odsetki błędów. Badanie czeskie z 2026 r. nie potwierdziło systematycznego efektu w swoich warunkach.

Czy 61,22% to obecna skuteczność detektorów?

Nie. To średni odsetek fałszywych alarmów w konkretnym eksperymencie z tekstami TOEFL opisanym w 2023 r., a nie aktualna miara całego rynku narzędzi.

Czy prosty język oznacza, że tekst stworzyła AI?

Nie. Prostota i regularność nie ustalają pochodzenia pracy. Mogą być świadomym wyborem autora, a ocenę należy oprzeć również na rzeczywistym procesie przygotowania tekstu.

Czy korekta angielskiego przez AI jest oszustwem?

To zależy od zasad zadania i zakresu ingerencji. Wskazanie literówek, przepisanie akapitów i wygenerowanie argumentacji trzeba opisać oddzielnie oraz porównać z regulaminem.

Czy wyniki badań angielskich można stosować do polskiego?

Mogą wskazywać pytania wymagające sprawdzenia, ale nie dostarczają automatycznie polskich wskaźników błędów. Potrzebne są dane dla danego języka, narzędzia i rodzaju tekstu.