Czy tekst napisała AI? Co naprawdę oznacza wynik detektora
Pytanie „czy tekst napisała AI” często pojawia się wtedy, gdy styl wydaje się zbyt gładki lub materiał budzi wątpliwości. Detektor może wskazać fragmenty warte przeczytania, ale nie odtwarza całej historii powstawania dokumentu. Linda analizuje tekst lokalnie na Windows i obsługuje polski, angielski oraz rosyjski. Jej wynik ma charakter probabilistyczny i nigdy nie jest dowodem autorstwa. Najważniejsze jest to, jak wykorzystasz ocenę do dalszej pracy, a nie samo uzyskanie werdyktu.
Ocena modelu a ustalenie autorstwa
Wynik detektora opisuje ocenę wykonaną przez model. Nie pokazuje, kto siedział przed komputerem, jakie narzędzia otworzył ani ile razy poprawiał akapit. Dlatego trzeba oddzielić sygnał z aplikacji od ustalenia dotyczącego osoby. Wysoki wynik może skłonić do zadania pytań, lecz sam nie wystarcza do stwierdzenia, że dokument został napisany przez AI.
Tak samo niski wynik nie dowodzi, że w pracy nie wykorzystano AI. Zanim wyciągniesz wniosek, ustal, co właściwie chcesz ocenić: pochodzenie zdań, rzetelność informacji czy zgodność z przyjętymi zasadami. To odrębne zagadnienia. Detektor nie zastępuje określenia tych zasad ani lektury materiału. Dobrze sformułowane pytanie pozwala uniknąć oczekiwań, których program nie może spełnić.
Fałszywy alarm jest realną możliwością
Fałszywy alarm występuje, gdy materiał człowieka zostaje uznany za podejrzany. Linda również może się pomylić. W pomiarach twórcy na angielskich esejach TOEFL osób uczących się języka: 5,5% fałszywych alarmów dla Assay i 2,2% dla Loupe. To własne pomiary produktu, bez niezależnego audytu. Nie należy przenosić ich wprost na polskie teksty.
Świadomość pomyłek powinna wpływać na sposób rozmowy i podejmowania decyzji. Zamiast komunikatu „program udowodnił użycie AI” można powiedzieć, że analiza wskazała miejsca wymagające omówienia. Autor powinien wiedzieć, czego dotyczą pytania, i mieć możliwość odpowiedzi. Jeśli wynik pozostaje jedyną przesłanką, pozostaje też niepewność, której nie wolno ukryć pod stanowczym językiem.
Co mówią testy, a czego nie mówią?
W pomiarach twórcy Linda wykryła około 99,8% tekstów AI ze zbioru Chicago Booth. Dotyczy to wskazanego materiału i nie jest gwarancją dla każdego dokumentu. Pangram uzyskał tam 99,9%. Nie wynika z tego, że Linda jest lepsza od konkurencji ani że każdy kolejny tekst zostanie oceniony trafnie.
Na tekstach po przetworzeniu przez StealthGPT było to 88,0% dla Lindy i 98,1% dla Pangram; wynik Lindy to pomiar twórcy, bez niezależnego audytu. Te przykłady pokazują, dlaczego nie należy przedstawiać jednego odsetka jako uniwersalnej skuteczności. Nie są też miarą pewności autorstwa konkretnej osoby. Zachowuj nazwę materiału testowego i zastrzeżenia, gdy przywołujesz takie liczby.
Jak czytać podejrzane fragmenty?
Linda podświetla fragmenty uznane za podejrzane i umożliwia zapis raportu PDF. Zacznij od przeczytania zaznaczonego miejsca w kontekście całego akapitu. Zastanów się, czy argument jest jasny, czy źródła odpowiadają twierdzeniom i czy fragment pasuje do celu dokumentu. Nie przypisuj podświetleniu znaczenia dokładnej mapy tego, co rzeczywiście wygenerowano automatycznie.
Możesz sporządzić dwie krótkie notatki: co wskazał detektor i co zauważyłeś podczas lektury. Taki podział ogranicza ryzyko, że każde późniejsze spostrzeżenie uznasz za potwierdzenie wyniku. Jeśli tekst zawiera błąd rzeczowy, poprawa tego błędu jest potrzebna niezależnie od przypuszczeń o autorstwie. Ocenę jakości materiału warto prowadzić także wtedy, gdy detektor nie zgłasza podejrzeń.
Rozmowa z autorem bez automatycznego osądu
Przygotuj konkretne pytania o fragmenty, źródła lub tok rozumowania. Zamiast wymagać obrony przed ogólną etykietą, pokaż, które zdanie chcesz wyjaśnić. Jeżeli istnieją wcześniejsze wersje, notatki lub materiały robocze, mogą pomóc zrozumieć proces. Nie zakładaj jednak, że każdy człowiek dokumentuje pisanie identycznie albo przechowuje wszystkie etapy pracy.
Raport z Lindy może być punktem wyjścia do rozmowy, ale nie powinien samodzielnie przesądzać o autorze. Zachowaj rozróżnienie między odpowiedzią autora, sprawdzonym źródłem i przypuszczeniem modelu. Jeśli nadal brakuje informacji, zapisz tę niepewność. Nie zastępuj jej kolejnymi stanowczymi sformułowaniami. Celem przeglądu jest wyjaśnienie materiału, a nie uzyskanie wygodnego uzasadnienia wcześniejszego podejrzenia.
Lokalny przegląd i znaczenie raportu
Desktopowa Linda analizuje tekst lokalnie i offline, a treści nie opuszczają komputera. Assay to pełny zestaw modeli o rozmiarze około 2,9 GB, najlepiej używany z GPU. Loupe ma około 0,3 GB i działa jako szybki model CPU. Wybór wariantu dotyczy sposobu pracy oraz zasobów sprzętu, a nie prawa do traktowania oceny jako dowodu.
Zachowaj raport PDF razem z informacją, jakiej wersji tekstu dotyczy. Po poprawkach nie przypisuj starej analizy automatycznie nowemu dokumentowi. Jeśli pracujesz w wydawnictwie, pamiętaj także, że JSA nie jest dostępny dla wydawców; zobacz FAQ JSA. Nie przedstawiaj lokalnego raportu jako odpowiednika uprawnień do korzystania z tego systemu.
Licencja i odpowiedzialne zastosowanie
Linda pozostaje bezpłatna na zawsze tylko do osobistego użytku niekomercyjnego. Dla pracy komercyjnej Personal kosztuje 10 USD jednorazowo, Team dla maksymalnie dziesięciu osób 30 USD jednorazowo, a Organization/University 500 USD rocznie. Dostępny jest czternastodniowy bezpłatny okres próbny do zastosowań komercyjnych bez rejestracji. Płatności obsługuje Polar jako Merchant of Record.
Przed rozpoczęciem regularnego przeglądu ustal, kto interpretuje wynik, kto rozmawia z autorem i jakie dodatkowe informacje są potrzebne. Sama licencja nie zmienia granic detekcji. Niezależnie od modelu i zastosowania fałszywe alarmy pozostają możliwe, a rezultat jest probabilistyczny. Linda może pomóc przyjrzeć się tekstowi, ale odpowiedź o jego powstawaniu wymaga szerszego kontekstu niż wskazanie programu.
Wynik detektora jest probabilistyczny, a fałszywe alarmy są możliwe.