Fałszywe alarmy detektorów AI: od konstytucji USA po sprawy studentów

👁 118 przeczytań

Detektor AI oznaczył pracę jako wygenerowaną. Czy to wystarczy, żeby wystawić zero, odrzucić książkę albo oskarżyć autora o oszustwo? Nie. Wynik klasyfikatora jest informacją wymagającą sprawdzenia, a nie samodzielnym dowodem autorstwa. Dobrze pokazują to historie studentów, decyzje uczelni i znany przykład amerykańskiej konstytucji.

Poniżej oddzielam udokumentowane błędne oznaczenia od sporów, w których zakwestionowano sposób postępowania instytucji. To ważne rozróżnienie: uchylona kara nie jest automatycznie laboratoryjnym potwierdzeniem, że detektor się pomylił. Stan źródeł: 14.10.2026. Tekst opiera się na dokumentach i publikacjach.

Osobno opisuję sprawę nagrodzonej powieści i oskarżeń opartych na detektorze AI.

Co właściwie oznacza fałszywy alarm detektora AI?

Fałszywy alarm, czyli wynik fałszywie dodatni, występuje wtedy, gdy narzędzie przypisuje tekstowi ludzkiego autorstwa pochodzenie maszynowe. Osobną sytuacją jest poprawne zauważenie pomocy AI, która była dozwolona, na przykład określonej korekty językowej. W takim przypadku spór dotyczy także regulaminu, a nie tylko trafności programu.

To rozróżnienie podkreśla przegląd Victora Angeliera z 18.09.2026. Autor zwraca uwagę, że klasyfikator ocenia właściwości końcowego tekstu, nie obserwuje bezpośrednio procesu jego powstawania. Sam wynik nie ustala więc, co zrobiła konkretna osoba i czy naruszyła zasady.

Przed oceną głośnego przypadku zadaj trzy pytania: czy znamy pochodzenie tekstu, jakie narzędzie rzeczywiście zastosowano i co ostatecznie ustalono? Bez tego łatwo połączyć w jedną historię internetowy zrzut ekranu, zarzut wykładowcy i prawomocne rozstrzygnięcie, chociaż to zupełnie różne rodzaje informacji.

Konstytucja USA i Biblia oznaczone jako tekst AI

W materiale Ars Technica z 14.07.2023 pokazano fragmenty konstytucji USA oznaczane przez GPTZero i ZeroGPT jako tekst AI. ZeroGPT podobnie potraktował fragment Księgi Rodzaju. Były to konkretne próbki i wyniki ówczesnych narzędzi, nie badanie wszystkich dokumentów historycznych.

Ten przykład uczy ostrożności przy interpretowaniu etykiety. Detektor nie ustala daty napisania dokumentu. Nie wynika z niego jednak, że każda obecna wersja tych usług zachowa się identycznie. Nie przeprowadzałem powtórzenia tego testu.

Jako czytelnik możesz potraktować taką demonstrację jak kontrolkę ostrzegawczą. Pokazuje możliwość błędu, lecz nie podaje częstości błędów w pracach twojej klasy czy w rękopisach wydawnictwa. Do tego potrzebna byłaby reprezentatywna próbka tekstów o znanym pochodzeniu oraz jasno opisany sposób oceny.

Texas A&M University-Commerce: chatbot w roli detektora

W maju 2023 r. prowadzący zajęcia w Texas A&M University-Commerce wkleił prace do ChatGPT i pytał, czy program je napisał. Według relacji NBC News z 18.05.2023, dostępnej także w AOL, odpowiedzi chatbota posłużyły do zakwestionowania prac. Nie był to test wyspecjalizowanego detektora.

Uczelnia sprostowała przekaz o oblaniu całej grupy i zatrzymaniu ukończenia studiów. Poinformowała o tymczasowych ocenach oznaczających nieukończone zaliczenie. Według jej komunikatu część studentów oczyszczono z zarzutów, jedna osoba przyznała się do użycia ChatGPT na kursie, a inni wybrali dodatkowe zadanie.

Wniosek nie brzmi zatem: każdy zarzut był fałszywy. Problemem była metoda, która nie dawała podstaw do zbiorowego rozstrzygnięcia. Równie ważne jest uwzględnienie stanowiska uczelni zamiast powielania najbardziej sensacyjnej wersji historii.

Dla nauczyciela to dobry punkt kontrolny: odpowiedź programu na pytanie o autorstwo nie jest zapisem aktywności studenta. Jeśli brak innych materiałów, trzeba dopiero rozpocząć wyjaśnianie, a nie ogłaszać wynik postępowania.

Vanderbilt: dlaczego uczelnia wyłączyła wykrywanie AI

Vanderbilt University ogłosił 16.08.2023 wyłączenie funkcji wykrywania AI w Turnitin. Wskazał między innymi ryzyko fałszywych alarmów, ograniczoną przejrzystość narzędzia i obawy dotyczące osób piszących po angielsku jako w drugim języku. Komunikat dotyczył modułu AI.

Uczelnia zestawiła deklarowany wówczas przez dostawcę odsetek fałszywych alarmów 1% z około 75 tys. prac przesłanych rok wcześniej. Otrzymane 750 prac było ilustracją potencjalnej skali ryzyka. Nie oznaczało 750 stwierdzonych niesłusznych oskarżeń.

Ta różnica jest istotna również dla nagłówków. Procent błędów można przeliczyć na przykładową liczbę dokumentów, ale nie wolno przedstawiać wyniku działania matematycznego jako liczby pokrzywdzonych osób. Trzeba też znać warunki, dla których podano ten procent.

Praktyczna lekcja dla instytucji: oceniaj konsekwencje pomyłki przed uruchomieniem automatycznego sprawdzania. Nawet atrakcyjnie wyglądająca deklaracja skuteczności nie zastępuje odpowiedzi na pytanie, kto wyjaśni spór i jak zostanie wysłuchany autor.

Newby przeciwko Adelphi: co rzeczywiście rozstrzygnął sąd

W sprawie Matter of Newby v Adelphi University, rozstrzygniętej 28.01.2026, student zakwestionował decyzję dotyczącą naruszenia zasad akademickich. Dokument sądowy opisuje wskazanie Turnitin wynoszące 100%, zaprzeczenie studenta oraz odmienne wyniki innych programów przedstawione przez jego stronę.

Adelphi broniło decyzji, wskazując na racjonalne podstawy i właściwe według uczelni przepisy wewnętrzne. Sąd uchylił ustalenie naruszenia i odmowę odwołania, nakazał usunięcie wpisu oraz zniósł sankcję. Uzasadnienie dotyczyło zarówno podstaw decyzji, jak i uchybień proceduralnych, w tym pominięcia materiałów studenta oraz problemu realnej możliwości odwołania.

To nie był uniwersalny zakaz detektorów ani sądowy pomiar ich skuteczności. Rozstrzygnięcie pokazuje, że instytucja musi stosować własne zasady i rozpatrzyć wyjaśnienia. Niski wynik drugiego programu także nie staje się automatycznie dowodem niewinności. Opisuję treść tego orzeczenia, bez twierdzenia o jego dalszych losach procesowych.

Warto wyciągnąć z tej historii praktyczną zasadę: w odwołaniu nie ograniczaj się do kolejnego procentu. Uporządkuj chronologię, wskaż pominięte materiały i poproś o wyjaśnienie, jaki konkretny zapis regulaminu miał zostać naruszony.

Czego te przypadki uczą o sprawdzaniu autorstwa

Wspólny problem pojawia się wtedy, gdy sygnał statystyczny zaczyna zastępować ustalenia dotyczące człowieka. Samo narzędzie może być tylko jednym z elementów sprawy, ale sposób pokazania jego wyniku nadaje mu pozór ostatecznej odpowiedzi.

Badanie Debory Weber-Wulff i współautorów, udostępnione 21.06.2023, objęło 14 narzędzi i wykazało problemy z ich wiarygodnością w badanych warunkach. Błędy występowały w obu kierunkach. To argument za sprawdzaniem jakości metody, a nie podstawa do ogłoszenia jednego odsetka skuteczności wszystkich detektorów w 2026 r.

• Oddziel zarzut od ustalenia. Sformułowanie „program oznaczył tekst” precyzyjniej opisuje sytuację niż „autor użył AI”.
• Sprawdź zakres analizy. Fragment, pełna praca i wersja po korekcie to różne materiały.
• Zapisz datę i narzędzie. Bez tego wynik trudno odtworzyć lub porównać.
• Przeczytaj zasady zadania. Dopuszczalność określonej pomocy trzeba rozpatrywać osobno.
• Wysłuchaj autora. Powinien móc odnieść się do konkretnego zarzutu i przedstawionych materiałów.

Osobny problem omawiam w tekście o detektorach AI i pisaniu w drugim języku. Z kolei regulaminy konkursów literackich i wydawnictw pokazują, dlaczego nie można utożsamiać każdej formy wspomagania z tym samym naruszeniem.

Co zrobić po niesłusznym oznaczeniu pracy

Poniższa lista jest propozycją uporządkowania wyjaśnień, nie gwarancją wyniku odwołania. Zacznij od zachowania materiałów w obecnym stanie. Poprawianie tekstu tylko po to, żeby otrzymać inny wynik, zaciera punkt wyjścia sporu.

• Poproś o pełny raport, nazwę usługi, datę sprawdzenia i analizowaną wersję pliku.
• Zachowaj konspekt, notatki, bibliografię i istniejącą historię zmian.
• Opisz, z jakiej pomocy korzystałeś: konsultacji, korekty, tłumaczenia czy narzędzi AI.
• Połącz materiały z konkretnymi fragmentami pracy, zamiast wysyłać nieopisany folder.
• Sprawdź termin i tryb odwołania w zasadach swojej instytucji.
• Poproś o pisemne uzasadnienie decyzji i odniesienie się do twoich wyjaśnień.

Nie twórz wstecz dokumentacji, która miałaby udawać wcześniejsze wersje. Jeśli pisałeś w jednym pliku i nie masz historii zmian, powiedz to wprost. Możesz przedstawić tok argumentacji, wyjaśnić wybór źródeł oraz wskazać osoby, z którymi omawiałeś pracę. Każdy taki materiał wymaga oceny w kontekście; żaden pojedynczy element nie powinien być traktowany jako magiczny certyfikat autorstwa.

Po stronie oceniającego warto oddzielić sprawdzanie znajomości tematu od oceny płynności wypowiedzi. Rozmowa ma wyjaśnić pochodzenie argumentów i decyzji, a nie stworzyć niespodziewany egzamin z odporności na stres. Zapisz wcześniej, czego chcesz się dowiedzieć, i pozostaw możliwość uzupełnienia odpowiedzi dokumentami.

Pomocne może być także wskazanie, czego dostępne materiały nie rozstrzygają. Historia zmian pokazuje zapisane etapy pracy, ale nie wyjaśnia automatycznie pochodzenia każdego wklejonego zdania. Notatka potwierdza przygotowanie tematu, lecz sama nie opisuje późniejszej redakcji. Zamiast wymagać jednego idealnego dowodu, rozpatrz zgodność kilku elementów: chronologii, treści szkiców, użytych źródeł i wyjaśnień autora. W uzasadnieniu oddziel to, co ustalono, od tego, co nadal pozostaje niepewne.

Mój test z października 2026: klasyka też dostaje „AI”

Podobny efekt zobaczyłem 14 października 2026, gdy sprawdzałem fragmenty powieści Thélysona Oréliena razem z próbkami kontrolnymi. AUTHORRA oceniła fragment „Germinalu” Zoli z 1885 roku na 91,6% AI, a ZeroGPT przypisał „Horli” Maupassanta z 1887 roku 26,4% AI. Pangram obie swoje kontrole rozpoznał poprawnie. Pełne wyniki i zrzuty są w tekście Thélyson Orélien i detektor AI - mój test.

Jeśli detektor oznaczył Twoją pracę, plan działania krok po kroku znajdziesz w poradniku fałszywe oskarżenie o AI - co zrobić.

Najczęstsze pytania

Czy 100% w detektorze AI jest dowodem oszustwa?

Nie. Trzeba ustalić znaczenie wskaźnika, warunki analizy oraz historię powstania tekstu. Wysoki wynik nie rozstrzyga samodzielnie ani autorstwa, ani naruszenia regulaminu.

Czy konstytucja USA naprawdę została oznaczona jako AI?

Takie oznaczenia jej fragmentów udokumentował przywołany materiał Ars Technica z lipca 2023 r. Nie należy przedstawiać tamtych zrzutów jako aktualnego testu wszystkich wersji narzędzi.

Czy wystarczy sprawdzić pracę drugim detektorem?

Drugi raport może pokazać rozbieżność, lecz nie rozstrzyga jej przyczyny. Większą wartość dla wyjaśnienia sprawy może mieć zestawienie raportów z rzeczywistymi materiałami z pracy nad tekstem.

Czy wyrok w sprawie Adelphi zakazał używania detektorów?

Nie. Dotyczył konkretnej decyzji uczelni i jej procedury. Nie ustanowił ogólnego zakazu używania takich narzędzi ani reguły, że każdy ich wynik jest fałszywy.

Czy brak historii zmian oznacza, że autor używał AI?

Nie jest samodzielną podstawą takiego wniosku. W wyjaśnieniach należy opisać rzeczywisty sposób pracy i przedstawić dostępne materiały, bez fabrykowania brakujących wersji dokumentu.