مروری بر سیر تکامل روش‌های تشخیص متن‌های تولید شده توسط هوش مصنوعی مبتنی بر شاخص گنگی

مروری بر سیر تکامل روش‌های تشخیص متن‌های تولید شده توسط هوش مصنوعی مبتنی بر شاخص گنگی

محمدرضا حسین نژاد قاضی محله1 دکتر سید علی لاجوردی2

1) دانشجوی ارشد دانشگاه جامع انقلاب اسلامی گرایش رایانش امن
2) استادیار و هیئت علمی دانشگاه جامع انقلاب اسلامی

کد IOI مقاله : AAHD-ACZZDZ
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    پیشرفت پرشتاب مدل‌های زبانی بزرگ نظیر جی‌پی‌تی و لاما، مرز میان متن‌های انسانی و ماشینی را به‌شدت کم‌رنگ کرده و کشف اصالت محتوا را به چالشی بحرانی در حوزه‌های یکپارچگی دانشگاهی، مالکیت فکری و امنیت سایبری بدل ساخته. در این میان، معیار گنگی یا آشفتگی آماری، به‌عنوان یکی از نخستین خطوط دفاعی برای شناسایی متون ماشینی معرفی شد؛ اما رویکردهای سنتی که صرفاً بر میانگین‌گیری خطی از این شاخص استوار بودند، در تقابل با معماری‌های پیشرفته به‌شدت کارایی خود را ازدست‌داده‌اند. پژوهش مروری حاضر باهدف واکاوی سیر تکاملی دستگاه‌های تشخیصِ مبتنی بر ویژگی‌های توزیع آماری، این رویکردها را در قالب یک طبقه‌بندی چهارنسلی مرور و تحلیل می‌کند دستگاه‌های خط پایه متکی بر فقط گنگی، چارچوب‌های تلفیقی گنگی و تلاطم متنی ، ترکیب معیارهای آماری با ویژگی‌های سبک‌سنجی محاسباتی و در نهایت معماری‌های پیشرفته توجه محور و یادگیری جمعی که به‌صورت پویا به توکن‌ها وزن می‌دهند. تحلیل جامع مطالعات پیش‌گام نشان می‌دهد که روش‌های نسل چهارم، بانفوذ به لایه‌های پنهان ترنسفورمرها و بهره‌گیری از الگوریتم‌های بهینه‌سازی اطلاعات، نه‌تنها دقت درون توزیعی را به حداکثر رسانده‌اند، بلکه تعمیم‌پذیری شگرفی در دامنه‌ها و زبان‌های دیده‌نشده از خود به نمایش می‌گذارند

کلمات کلیدی : مدل‌های زبانی بزرگ تشخیص متن ماشینی پرپلکسیتی سبک‌سنجی محاسباتی یادگیری گروهی تعمیم‌پذیری