---
title: פיתוח כלי קוד פתוח לזיהוי טקסט שנוצר על ידי בינה מלאכותית ללא עריכה אנושית
url: https://www.elseif.net/he/story-27
published: 2026-10-13T07:49:56+00:00
language: he
section: סביבות הרצה
source: https://habr.com/ru/articles/1092636/?utm_campaign=1092636&utm_source=habrahabr&utm_medium=rss
organizations: liang, OpenAI
publisher: elseif
---

# פיתוח כלי קוד פתוח לזיהוי טקסט שנוצר על ידי בינה מלאכותית ללא עריכה אנושית

מפתח עצמאי יצר סקריפט תוכנה המיועד לזהות סימנים של טקסט גולמי שהופק על ידי רשתות נוירונים ולא עבר הגהה אנושית. הכלי החדש מנתח טקסטים באמצעות שתים עשרה תכונות אופייניות לטקסט מכני, כאשר חמש מתוכן ניתנות לזיהוי אוטומטי מלא באמצעות קוד מחשב, בעוד שבע התכונות הנותרות דורשות התערבות ידנית של עורך אנושי כדי לאשר את תקינותן. הגישה המוצגת שמה דגש על הצבעה על משפטים ספציפיים ועל הכללים שהופרו, במקום מתן ציון אחוזי כללי שעשוי להיות מטעה. המערכת אינה מתיימרת לקבוע מי כתב את הטקסט, אלא רק מאתרת עקבות של כתיבה שלא עברה ליטוש.

הצורך בכלי מדויק יותר עולה על רקע מגבלות של גלאים מקוונים קיימים, אשר לעיתים קרובות מספקים רק אחוזים ללא הסבר ברור לגבי מה יש לתקן. מחקר שנערך על ידי ליאנג ועמיתיו הראה כי שבעה גלאים שונים זיהו בטעות שישים ואחד אחוזים ממאמרי מבחן TOEFL שנכתבו על ידי דוברי אנגלית שאינה שפת אמם כטקסט מכני. בעיה זו של דיוק נמוך הובילה גם את חברת OpenAI לסגור את מסווג הטקסטים שלה בקיץ שנת אלפיים עשרים ושלוש. הכלי החדש שואף להתגבר על מגבלות אלו על ידי פירוט הבעיות הספציפיות בטקסט הנבדק.

חמש התכונות שהקוד מסוגל לזהות כוללות שימוש בתבניות הכרזה במקום תוכן ענייני, נוכחות של פתיחים ריקים לפני הגעה לעיקר הדברים, חזרה על מבני פסקאות דומים, שימוש לא מוצדק במרכאות סביב מילים רגילות, וכן שימוש במילים שאולות או בסלנג מקצועי שאינו מתאים. הסקריפט בודק משפטים קצרים עד שתים עשרה מילים בחיפוש אחר פעלים המבטיחים הבטחות ללא כיסוי עובדתי. עם זאת, המערכת מתקשה לזהות משפטים המתחילים במילות יחס ולא בפעלים, מה שמוביל לפספוס של חלק מהתבניות הנפוצות. ניסיון להרחיב את הכללים גרם לתשע התראות שווא במאמרים קיימים של הבלוג של המפתח.

בנוסף לזיהוי תבניות מילוליות, הכלי מנתח את הקצב של הטקסט על ידי חישוב סטיית התקן של אורך המשפטים במילים. כאשר המשפטים אחידים באורכם, הטקסט מסומן כמונוטוני, אם כי המערכת אינה משווה פסקאות שלמות זו לזו. זיהוי של תרגומי לשון (קאלקות) מאנגלית מתבצע באמצעות שני מילונים: האחד מזהה מונחי סלנג אנגליים שיש להחליפם במילים רוסיות תקניות, והשני כולל חמישים החלפות ספציפיות שנערכו ידנית בטקסטים מפורסמים בעבר. עם זאת, הכלי אינו מסוגל לזהות קאלקות סמנטיות שבהן כל המילים רוסיות אך המבנה התחבירי זר.

שבע התכונות הנותרות, אשר אינן ניתנות לזיהוי אוטומטי על ידי הקוד, כוללות היעדר פרטים ניתנים לבדיקה, שימוש במספרים מפוברקים, הצגת דברים בצורה מאוזנת מדי ללא עמדה ברורה, ושימוש בתבניות תחביריות ספציפיות כמו אנטי-תזה עם רשימה, שימוש בשלישיות למען הקצב, סיומות פסקאות קטועות ושימוש מופרז בסימני מקף. כללים אלו מופיעים ברשימות פתוחות של עורכי ויקיפדיה כסימנים אפשריים לטקסט מכני, אך יישומם דורש שיקול דעת אנושי. לדוגמה, קיים כלל המגביל את השימוש בסימני מקף לשלושה לכל אלף תווים, אך אין בסקריפט בדיקה אוטומטית לכלל זה.

בבדיקה מעשית שבוצעה על טקסט דוגמה קצר המורכב משבעה משפטים, קיבל הטקסט ציון של שמונה עשרה נקודות מתוך שמונים אפשריות. הנקודות חולקו בעיקר בשל קצב מונוטוני ונוכחות של פתיח ריק אחד. למרות שהציון הכולל היה נמוך מסף העשרים הנחשב לתקין, המערכת נתנה פסק דין הדורש עריכה נוספת בשל זיהוי של תבניות הכרזה פסולות. הבדיקה הדגימה כיצד הכלי מזהה משפטים בעייתיים אך גם הראתה כי הוא אינו מבדיל בין דוגמה שלילית המוצגת במאמר לבין שימוש אמיתי באותה תבנית, מה שמוביל להתראות שווא במקרים מסוימים. הסקריפט כתוב בספרייה הסטנדרטית של שפת פייתון ואינו דורש חיבור לרשת.