בקצרה
גלאי טקסט של בינה מלאכותית אינם אמינים מספיק כדי להוכיח בעצמם הפרת יושרה. OpenAI הסירה את המסווג שלה בשל דיוק נמוך [1], מחקר מ-2023 לא מצא אף כלי שעבר דיוק של 80% בניקוד מחמיר [4], והגלאים סימנו חיבורים באנגלית של כותבים שאינם דוברים ילידיים בתדירות גבוהה בהרבה [3]. Turnitin עצמה אומרת שהציון שלה אינו יכול להיות הבסיס היחיד לנקיטת צעדים [5].
עיקרי הדברים
- המסווג של OpenAI עצמה זיהה רק 26% מהטקסט שנכתב בבינה מלאכותית וסימן בטעות 9% מהטקסט האנושי; הוא הוסר ב-20 ביולי 2023 [1].
- בבדיקה של 14 כלים ב-2023, אפילו ערכי הדיוק הגבוהים ביותר היו מתחת ל-80% בניקוד המחמיר (הבינארי) של המחקר, והדיוק צנח בטקסט בינה מלאכותית שנערך או נוסח מחדש [4].
- שבעה גלאים סיווגו בטעות בממוצע 61.22% מחיבורי TOEFL של כותבים שאינם דוברי אנגלית ילידיים כטקסט שנוצר בבינה מלאכותית, ואילו חיבורים של תלמידי כיתה ח׳ בארצות הברית זוהו כמעט ללא טעות [3].
- גלאים מסחריים חדשים יותר משיגים תוצאות טובות בהרבה בחלק מהמחקרים של 2025, למשל במאמר עבודה שבו כלי אחד עמד בתקרת התרעות שווא של 0.5% [10], אבל מדד השוואתי מ-2024 מצא שגלאים רבים מוטעים בקלות על ידי מתקפות ומודלים שלא נראו קודם [8].
- שיעור קטן של התרעות שווא הופך לסטודנטים רבים בהיקפים גדולים: 1% מתוך 75,000 עבודות הם כ-750 עבודות [7].
- Turnitin אומרת שאחוז הבינה המלאכותית שלה אינו צריך להיות הבסיס היחיד לנקיטת צעדים, והיא אינה מעבדת מסמכים של פחות מ-300 מילים [5].
בעמוד הזה 12 חלקים
- עד כמה מדויקים גלאי בינה מלאכותית?
- איך גלאי בינה מלאכותית עובדים?
- מה אומר המחקר על התרעות שווא ועל הטיה?
- האם אפשר להטעות גלאי בינה מלאכותית באמצעות עריכה או כלי האנשה?
- האם מורים מזהים כתיבה של בינה מלאכותית טוב יותר מתוכנה?
- איך מורים יכולים להשתמש בתוצאות של גלאי בינה מלאכותית בהוגנות?
- מה סטודנט יכול לעשות אם גלאי סימן את עבודתו בטעות?
- האם זיהוי בינה מלאכותית יהפוך לאמין יותר?
- טעויות נפוצות
- שאלות נפוצות
- מילון מונחים
- מקורות
עד כמה מדויקים גלאי בינה מלאכותית?
התשובה הקצרה היא שגלאי טקסט של בינה מלאכותית יכולים לצדוק לא פעם בתנאי ניסוי, אבל הם עושים טעויות שמשמעותן רבה כשהציון או הרישום של סטודנט מונחים על הכף. הדיוק תלוי מאוד בכלי, באורך הטקסט, בשפה, בשאלה אם טקסט הבינה המלאכותית נערך, ובסף שהכלי משתמש בו.
האזהרה המוקדמת הברורה ביותר הגיעה מ-OpenAI, החברה שמאחורי ChatGPT. המסווג שלה מינואר 2023 זיהה נכון 26% מהטקסט שנכתב בבינה מלאכותית כ"כנראה נכתב בבינה מלאכותית", וסימן בטעות טקסט שנכתב בידי אדם כטקסט של בינה מלאכותית ב-9% מהמקרים, במערך הבדיקה המאתגר שלו באנגלית [1]. OpenAI הפסיקה את זמינותו מ-20 ביולי 2023 "בשל שיעור הדיוק הנמוך שלו" [1]. בדף העזרה הנוכחי שלה למחנכים, OpenAI עונה על השאלה "האם גלאי בינה מלאכותית עובדים?" במילים "בקצרה, לא לפי הניסיון שלנו" [2].
מחקרים בלתי תלויים הגיעו למסקנות דומות לגבי כלים רבים. מחקר מ-2023 על 12 כלים זמינים לציבור ושתי מערכות מסחריות, Turnitin ו-PlagiarismCheck, הגיע למסקנה שהכלים "אינם מדויקים ואינם אמינים", ושהם נטו לסווג טקסט כאנושי במקום לזהות טקסט של בינה מלאכותית [4]. מחקרים מאוחרים יותר מעורבים יותר: מאמר עבודה מספטמבר 2025 מצא שגלאים מסחריים עלו בביצועיהם על גלאי בקוד פתוח, ושלמוצר אחד, Pangram, היו שיעורי שגיאה קרובים לאפס בבדיקות שלו [10]. תוצאות של מחקר אחד, על מערך נתונים אחד, אינן עוברות אוטומטית לכל כיתה.
איך גלאי בינה מלאכותית עובדים?
רוב הגלאים הם מסווגים: תוכנה שאומנה למיין טקסט ל"אנושי" או ל"בינה מלאכותית" ולתת ציון. Turnitin מסבירה את הרעיון במונחים של הסתברות מילים. מודלי שפה גדולים (LLM), המערכות שמאחורי צ׳טבוטים כמו ChatGPT, נוטים לבחור את המילה הבאה "באופן עקבי ובעל הסתברות גבוהה", ואילו כתיבה אנושית נוטה להיות "לא עקבית וייחודית" [5]. המסווגים שלה מאומנים לזהות את ההבדלים האלה [5].
מדד קרוב הוא מבוכה (perplexity), שמתאר בקירוב עד כמה טקסט מפתיע בעיני מודל שפה. טקסט בעל מבוכה נמוכה הוא צפוי. ליאנג (Liang) ועמיתיו הראו שהאות הזה עלול להטעות: לחיבורים של כותבים שאינם דוברי אנגלית ילידיים הייתה מבוכה נמוכה משמעותית, וזה מסייע להסביר מדוע הגלאים סימנו אותם [3]. Turnitin מצידה אומרת שהמודל שלה אינו מתוכנת במפורש להעריך מבוכה, אלא לומד דפוסים סטטיסטיים מנתוני האימון שלו [5].
מה המשמעות של ציון גלאי?
Turnitin מעניקה לכל משפט ציון בין 0 ל-1, מסמנת משפטים שמעל סף מסוים כבינה מלאכותית, ומדווחת על שיעור המשפטים שהוערכו ונמצאו מעל הסף הזה כציון המסמך [5]. היא מדלגת על רשימות, כותרות, הפניות ביבליוגרפיות, טבלאות, נוסחאות וקוד, ולכן האחוז אינו בהכרח חלק מהעבודה כולה [5]. ציון הוא הערכה מבוססת הסתברות, ולא תיעוד של האופן שבו הטקסט נכתב.
האם סימן מים הוא דבר אחר?
כן. סימן מים הוא דפוס סטטיסטי נסתר שמתווסף בזמן יצירת הטקסט. SynthID-Text של Google DeepMind משנה רק את שלב הדגימה, ואפשר לזהות אותו בלי להריץ את המודל המקורי; ניסוי חי כלל כמעט 20 מיליון תשובות של Gemini [12]. מחבריו אומרים שסימני מים אינם פתרון מלא: הם עובדים רק אם החברה שמייצרת את הטקסט מחילה אותם, קשה לכסות מודלים בקוד פתוח, ואפשר להחליש סימני מים באמצעות ניסוח מחדש או לתקוף אותם בגניבה, בזיוף ובמחיקה [12].
מה אומר המחקר על התרעות שווא ועל הטיה?
התרעת שווא (false positive) היא כתיבה אנושית שסומנה בטעות כבינה מלאכותית. בחינוך זו הטעות החמורה יותר, משום שהיא עלולה להוביל להאשמה של סטודנט ישר. החמצה (false negative) היא טקסט של בינה מלאכותית שעובר כאנושי.
כותבים שאינם דוברי אנגלית ילידיים
במחקר של ליאנג ועמיתיו נבדקו שבעה גלאים נפוצים על 91 חיבורי TOEFL שנכתבו בידי בני אדם, מפורום חינוכי סיני, ועל 88 חיבורים של תלמידי כיתה ח׳ בארצות הברית [3]. הגלאים היו כמעט מושלמים בחיבורים האמריקאיים, אבל סיווגו בטעות יותר ממחצית חיבורי ה-TOEFL, עם שיעור התרעות שווא ממוצע של 61.22% [3]. כל שבעת הגלאים סימנו 18 מתוך 91 חיבורי ה-TOEFL (19.78%), ו-89 מתוך ה-91 (97.80%) סומנו על ידי גלאי אחד לפחות [3]. כש-ChatGPT שימש להעשרת אוצר המילים של החיבורים האלה, שיעור התרעות השווא הממוצע ירד ל-11.77% [3]. בקשה מ-ChatGPT לפשט את החיבורים האמריקאיים "כאילו נכתבו בידי דובר שאינו ילידי" העלתה אותו מ-5.19% ל-56.65% [3].
Turnitin, שלא נכללה באותו מחקר, חולקת על כך שהתוצאה חלה על המוצר שלה. היא מציינת שכל חיבורי ה-TOEFL היו קצרים מ-150 מילים ושהיא אינה מעניקה ציון למסמכים קצרים כאלה [6]. בבדיקה שערכה ב-2023, במסמכים של 300 מילים לפחות, ההבדל בשיעור התרעות השווא בין כותבים שאנגלית היא שפתם השנייה לבין כותבים שאנגלית היא שפת אמם היה קטן ולא מובהק סטטיסטית [6]. את ההערכה הזו ערכה היצרנית עצמה.
למה שיעורי שגיאה קטנים מצטברים?
אוניברסיטת ונדרבילט (Vanderbilt) עשתה את החשבון כשכיבתה את גלאי הבינה המלאכותית של Turnitin באוגוסט 2023. Turnitin טענה בהשקה לשיעור התרעות שווא של 1%; ונדרבילט הגישה כ-75,000 עבודות ב-2022, כך שכ-750 מהן עלולות היו להיות מסומנות בטעות [7]. אותו היגיון חל על כל גלאי: שיעור שנשמע קטן עדיין יכול לפגוע באנשים רבים כשנבדקים מיליוני מסמכים.
האם אפשר להטעות גלאי בינה מלאכותית באמצעות עריכה או כלי האנשה?
לעיתים קרובות כן, אם כי כלים חדשים יותר טוענים שהם עמידים לכך. בבדיקה של 14 הכלים ב-2023, הדיוק הממוצע (בניקוד בינארי) היה 94% בטקסט שנכתב בידי אדם, אבל רק 30% בטקסט בינה מלאכותית שנערך ידנית ו-15% בטקסט בינה מלאכותית שעבר בכלי ניסוח מחדש אוטומטי [4]. הסוואת תוכן, כלומר שינויים מכוונים כדי להסתיר את המקור בבינה מלאכותית, הרעה משמעותית את ביצועי הכלים [4].
מדד ההשוואה RAID, עם יותר מ-6 מיליון טקסטים שנוצרו ב-11 מודלים על פני 8 תחומים, 11 מתקפות עוינות ו-4 אסטרטגיות פענוח, מצא ש-12 הגלאים שהעריך "הוטעו בקלות" על ידי מתקפות, שינויים בהגדרות הדגימה, קנסות חזרה ומודלים שלא נראו קודם [8]. מחבריו מציינים שגלאים רבים טוענים לדיוק של 99% ומעלה, אך כמעט אינם נבדקים על נתונים משותפים ומאתגרים [8]. סדאסיבן (Sadasivan) ועמיתיו הראו שניסוח מחדש חוזר ונשנה של טקסט בינה מלאכותית באמצעות מודל אחר יכול להפחית משמעותית את שיעורי הזיהוי, ובמקרים רבים לפגוע באיכות רק במעט [9]. הם גם מראים שככל שטקסט בינה מלאכותית מתקרב לטקסט אנושי, הביצועים של אפילו הגלאי הטוב ביותר האפשרי יורדים [9].
היצרנים הגיבו. Turnitin אומרת שהיא מסוגלת לזהות טקסט בינה מלאכותית ששונה בכלי ניסוח מחדש או בכלי "עקיפה" (bypasser), המכונים גם כלי האנשה (humanizers), אבל רק בהגשות באנגלית [5]. מאמר העבודה של NBER מ-2025 מדווח ששיעורי השגיאה הנמוכים של Pangram החזיקו מעמד מול כלי האנשה ומול קטעים קצרים מאוד בבדיקות שלו [10]. אלה תוצאות מעודדות, אבל הן מתארות ביצועים בנקודת זמן אחת מול הכלים שהיו זמינים אז. המחברים גם מדגישים שמקבלי החלטות שוקלים את שני סוגי השגיאה באופן שונה, ומציעים לקבוע עבורם רמת סבילות מפורשת, או "תקרת מדיניות" [10].
האם מורים מזהים כתיבה של בינה מלאכותית טוב יותר מתוכנה?
חלקם כן. במחקר מ-2025 קראו מתייגים 300 מאמרי עיון באנגלית וסימנו כל אחד מהם כנכתב בידי אדם או בבינה מלאכותית [11]. אנשים שמשתמשים לעיתים קרובות במודלי שפה לכתיבה הצטיינו בכך: הצבעת הרוב של חמישה מתייגים "מומחים" כאלה סיווגה בטעות רק 1 מתוך 300 המאמרים, ועלתה על רוב הגלאים המסחריים והפתוחים שהמחברים העריכו, גם כשנעשה שימוש בניסוח מחדש ובהאנשה [11]. המומחים נשענו על "אוצר מילים של בינה מלאכותית", אבל גם על רשמיות, מקוריות ובהירות [11].
לממצא הזה יש מגבלות. הוא התבסס על צוות של חמישה קוראים מנוסים ועל הצבעת רוב, ולא על מורה יחיד שבודק במהירות, והוא עסק במאמרי עיון באנגלית ולא בעבודות של סטודנטים [11]. הוא מרמז ששיקול דעת אנושי מושכל יחד עם ראיות עדיף על מספר יחיד, ולא שאינטואיציה לבדה צריכה להכריע מקרה.
איך מורים יכולים להשתמש בתוצאות של גלאי בינה מלאכותית בהוגנות?
יצרני הכלים עצמם מזהירים מפני התייחסות לציון כאל הוכחה. Turnitin מצהירה שהיא "אינה קובעת שהייתה הפרת יושרה" ושאחוז הבינה המלאכותית "אינו צריך לשמש בסיס יחיד לנקיטת צעדים או מדד מכריע למתן ציונים" [5]. OpenAI אומרת ש-ChatGPT אינו יכול לדעת אם טקסט נוצר בבינה מלאכותית, ושהתשובות שלו לשאלות כמו "האם אתה כתבת את זה?" הן אקראיות [2].
- התייחסו לסימון כסיבה לבדוק מקרוב, לא כפסק דין. Turnitin מתארת את הציון שלה כנתון שנועד לסייע בקבלת החלטה במסגרת המדיניות של המוסד [5].
- בדקו את התנאים. Turnitin אינה מעבדת מסמכים עם פחות מ-300 מילים במשפטים שהוערכו, ואינה מציגה בדוח שלה ציונים מתחת ל-20% [5]. עבודה קצרה או עמוסת רשימות נותנת אותות חלשים.
- זכרו את טווח השגיאה. לדברי Turnitin, כשהיא מדווחת על 50% טקסט שכנראה נוצר בבינה מלאכותית, המסמך עשוי להכיל עד 65% כתיבה של בינה מלאכותית [5]; הכלי מכויל כך שיחמיץ חלק מטקסט הבינה המלאכותית ולא יעלה התרעות שווא, ולכן המספר הוא הערכה ולא מדידה.
- אספו ראיות נוספות. טיוטות, רשימות, היסטוריית גרסאות ושיחה עם הסטודנט על העבודה מספקים יותר מידע מציון יחיד. לדברי OpenAI, חלק מהמורים מצאו שמועיל לעודד סטודנטים לשתף שיחות מסוימות עם ChatGPT [2].
- הביאו בחשבון את הרקע הלשוני. OpenAI דיווחה על סימנים לכך שגלאים עלולים לפגוע באופן לא פרופורציונלי בלומדי אנגלית ובסטודנטים שכתיבתם נוסחתית או תמציתית [2], וליאנג ועמיתיו מצאו שיעורי התרעות שווא גבוהים בהרבה בחיבורים של כותבים שאינם דוברים ילידיים [3].
- קבעו כללים ברורים מראש. סטודנטים צריכים לדעת אילו שימושים בבינה מלאכותית מותרים, כמו עזרה בדקדוק, ואילו לא; מחברי NBER מציינים שקשה להפריד בין שימושים שמעודדים אותם לבין שימושים אחרים [10].
המחיר של דילוג על הצעדים האלה ממשי. ABC News דיווחה באוקטובר 2025 שהאוניברסיטה הקתולית האוסטרלית (ACU) רשמה ב-2024 כמעט 6,000 מקרים של חשד להפרת יושרה, כ-90% מהם קשורים לבינה מלאכותית, לפי מסמכים פנימיים; האוניברסיטה כינתה את הנתונים האלה "מוגזמים במידה ניכרת" [13]. ACU הפסיקה להשתמש בכלי הבינה המלאכותית של Turnitin במרץ 2025, וסגנית הנשיא שלה אמרה שמקרים שבהם הכלי היה הראיה היחידה נדחו מיד [13].
מה סטודנט יכול לעשות אם גלאי סימן את עבודתו בטעות?
זהו מידע כללי ולא ייעוץ משפטי; לכל מוסד יש נוהל משלו. סימון של גלאי אינו, לפי עדותם של יצרני הכלים עצמם, הוכחה להעתקה [2][5].
- שאלו אילו ראיות קיימות. בררו באיזה כלי השתמשו, איזה ציון הוא נתן והאם משהו אחר תומך בחשד. המחוון של Turnitin גלוי רק למרצים ולמנהלים, ולכן ייתכן שסטודנטים יצטרכו לבקש אותו [5].
- הראו את התהליך שלכם. טיוטות, ראשי פרקים, רשימות בכתב יד, היסטוריית הדפדפן של המקורות והיסטוריית הגרסאות של המסמך מראים כולם איך העבודה התפתחה.
- הציעו להסביר את העבודה. היכולת לדון בטיעון ובמקורות שלכם היא ראיה חזקה לכך שאתם המחברים.
- השתמשו במסלול הערעור הרשמי ושמרו עותקים של כל הודעה.
- אל תבקשו מצ׳טבוט לשפוט. לדברי OpenAI, לתשובות של ChatGPT בשאלה אם הוא כתב טקסט אין בסיס עובדתי [2].
לסטודנטים באיראן ובמדינות אחרות שכותבים באנגלית כשפה שנייה, מחקרי ההטיה רלוונטיים ישירות [3]. זיהוי הבינה המלאכותית של Turnitin תומך בטקסטים ארוכים באנגלית, ספרדית, יפנית, ערבית מודרנית, הולנדית, גרמנית וטורקית; פרסית אינה ברשימה, והגשות בשפות שאינן נתמכות אינן מעובדות [5].
האם זיהוי בינה מלאכותית יהפוך לאמין יותר?
נכון ל-3 בנובמבר 2026, התמונה היא מרוץ בין מחוללים לגלאים. Turnitin עדכנה את ארכיטקטורת מודל הזיהוי שלה לאנגלית באוקטובר 2026, ומונה מודלים כמו GPT-5.4 ו-Claude Opus 4.6 בין אלה שהיא מסוגלת לזהות [5]. חלק מהמחקרים של 2025 מראים תוצאות חזקות לכלים המסחריים הטובים ביותר [10], ואילו מחקרי השוואה מראים שתנאים שלא נבדקו עדיין מטעים גלאים רבים [8]. עבודה תאורטית מרמזת שהזיהוי נעשה קשה יותר ככל שכתיבת הבינה המלאכותית נעשית דומה יותר לאנושית [9].
סימני מים עשויים לעזור בטקסט של ספקים שמאמצים אותם, אבל מחבריהם מתארים אותם כהשלמה לשיטות אחרות ולא כפתרון מלא [12]. ההנחיות של OpenAI ושל Turnitin כאחד מכוונות את מוסדות הלימוד למדיניות ברורה לשימוש בבינה מלאכותית, לתיעוד של אופן העבודה של הסטודנטים ולהחלטות שמקבלים מחנכים ולא ציון [2][5].
| מחקר (שנה) | מה נבדק | הממצא העיקרי |
|---|---|---|
| המסווג של OpenAI (2023) | הגלאי של OpenAI עצמה על מערך בדיקה מאתגר באנגלית | 26% מטקסט הבינה המלאכותית זוהו; 9% מהטקסט האנושי סומנו בטעות; הוסר ב-20 ביולי 2023 [1] |
| ליאנג ועמיתיו (2023) | 7 גלאים על 91 חיבורי TOEFL ו-88 חיבורים של תלמידי כיתה ח׳ בארצות הברית | שיעור התרעות שווא ממוצע של 61.22% בחיבורי TOEFL; כמעט ללא טעות בחיבורים האמריקאיים [3] |
| ובר-וולף (Weber-Wulff) ועמיתיה (2023) | 12 כלים ציבוריים ובנוסף Turnitin ו-PlagiarismCheck | הכלי הטוב ביותר (Turnitin) השיג 76% בניקוד בינארי מחמיר; ממוצע של 15% בטקסט בינה מלאכותית שנוסח מחדש אוטומטית [4] |
| Turnitin (2023, מחקר של היצרנית) | הגלאי שלה על כתיבה באנגלית של דוברי L1 ו-L2 | אין פער מובהק סטטיסטית במסמכים של 300 מילים ומעלה [6] |
| מדד ההשוואה RAID (2024) | 12 גלאים, יותר מ-6 מיליון טקסטים שנוצרו, 11 מתקפות | הגלאים הוטעו בקלות על ידי מתקפות ומודלים שלא נראו קודם [8] |
| ג׳בריאן ואימאס (Jabarian and Imas) (2025, מאמר עבודה) | Pangram, OriginalityAI, GPTZero, RoBERTa | הכלים המסחריים גברו על הקוד הפתוח; רק Pangram עמד בתקרת התרעות שווא של 0.5% [10] |
| ראסל (Russell) ועמיתיו (2025) | מתייגים אנושיים על 300 מאמרים באנגלית | הצבעת רוב של חמישה מומחים סיווגה בטעות 1 מתוך 300 [11] |
טעויות נפוצות
להתייחס לאחוז של גלאי כאל הוכחה להעתקה.
הדרך הנכונה: השתמשו בו רק כסיבה לעיין בטיוטות, במקורות ובהסבר של הסטודנט עצמו; לדברי Turnitin, הציון אינו צריך להיות הבסיס היחיד לנקיטת צעדים [5].
להעביר תשובות קצרות או רשימות תבליטים דרך גלאי.
הדרך הנכונה: גלאים זקוקים לפרוזה ארוכה; Turnitin מדלגת על רשימות ואינה מעבדת מסמכים עם פחות מ-300 מילים במשפטים שהוערכו [5].
לשאול את ChatGPT אם הוא כתב חיבור.
הדרך הנכונה: אל תסתמכו על כך: לדברי OpenAI, תשובות כאלה אקראיות ואין להן בסיס עובדתי [2].
להתעלם מהרקע הלשוני של הכותב.
הדרך הנכונה: שקלו את הסיכון המתועד שכלים מסוימים מסמנים לעיתים קרובות יותר כתיבה נוסחתית או כתיבה באנגלית של מי שאינם דוברים ילידיים [3].
להניח ששיעור התרעות שווא של 1% פירושו שכמעט אף אחד אינו נפגע.
הדרך הנכונה: הכפילו בהיקף: ב-75,000 עבודות בשנה, 1% הם כ-750 עבודות [7].
להאמין לטענות כותרת על דיוק של 99%.
הדרך הנכונה: חפשו בדיקות על מדדי השוואה משותפים ומאתגרים, עם טקסט שנערך ונוסח מחדש [8].
שאלות נפוצות
האם גלאי בינה מלאכותית יכולים להיות מדויקים ב-100%?
אף כלי לא הראה דיוק מושלם בכל התנאים. OpenAI אמרה שאי אפשר לזהות באופן אמין את כל הטקסט שנכתב בבינה מלאכותית [1], ועבודה תאורטית טוענת שהזיהוי נעשה קשה יותר ככל שטקסט הבינה המלאכותית מתקרב לטקסט אנושי [9].
האם גלאי הבינה המלאכותית של Turnitin מדויק?
Turnitin אומרת שהיא שואפת לשמור על התרעות שווא מתחת ל-1% במסמכים עם יותר מ-20% כתיבה של בינה מלאכותית, ובודקת כל עדכון על יותר מ-700,000 עבודות מלפני עידן ChatGPT [5]. בדיקה בלתי תלויה מ-2023 דירגה אותו ראשון מבין 14 כלים, עם דיוק של 76% בניקוד המחמיר של המחקר [4]. לדברי Turnitin, הציון שלה אינו צריך להיות הבסיס היחיד לנקיטת צעדים [5].
למה הכתיבה שלי עצמי סומנה כבינה מלאכותית?
גלאים מחפשים בחירות מילים צפויות [5]. כתיבה נוסחתית, תמציתית או באנגלית של מי שאינם דוברים ילידיים עשויה להיראות צפויה, ומחקרים מצאו שיעורי התרעות שווא גבוהים יותר בכתיבה כזו [2][3].
האם גלאי בינה מלאכותית עובדים בפרסית או בשפות אחרות?
הכיסוי מוגבל. Turnitin מונה שבע שפות נתמכות, שפרסית אינה ביניהן, ואינה מעבדת שפות אחרות [5]. המסווג של OpenAI הציג ביצועים גרועים משמעותית מחוץ לאנגלית [1].
האם כלי האנשה מנצחים את גלאי הבינה המלאכותית?
עריכה וניסוח מחדש הפחיתו את הזיהוי באופן חד בבדיקות מ-2023 [4] ובמחקרי השוואה [8][9]. Turnitin אומרת שהיא מסוגלת לזהות טקסט באנגלית שעבר האנשה [5], ומאמר עבודה מ-2025 מצא שכלי מסחרי אחד עמיד בפני כלי האנשה בבדיקות שלו [10]. במקום שבו מוסד אוסר שימוש בבינה מלאכותית, הסוואתו באמצעות כלי האנשה אינה הופכת אותו למותר.
מה ההבדל בין גלאי לסימן מים?
גלאי מנחש על סמך הטקסט עצמו. סימן מים הוא דפוס שמוטמע בזמן היצירה ואפשר לבדוק אותו בהמשך, אבל רק אצל ספקים שמחילים אותו [12].
מילון מונחים
- התרעת שווא
- טקסט שנכתב בידי אדם וסומן בטעות כטקסט שנוצר בבינה מלאכותית [1].
- החמצה
- טקסט שנוצר בבינה מלאכותית וסומן בטעות כטקסט שנכתב בידי אדם [10].
- מבוכה (perplexity)
- מדד לעד כמה טקסט צפוי בעיני מודל שפה; כתיבה אנושית בעלת מבוכה נמוכה נוטה יותר להיות מסווגת בטעות [3].
- כלי האנשה (כלי עקיפה)
- כלי שמשכתב טקסט של בינה מלאכותית כדי לחמוק מזיהוי [5].
- סימן מים
- אות סטטיסטי נסתר שמתווסף לפלט של בינה מלאכותית בזמן היצירה כדי שאפשר יהיה לזהות אותו בהמשך [12].
- מסווג
- מודל שאומן למיין קלטים לקטגוריות, כמו נכתב בידי אדם או נכתב בבינה מלאכותית [1].
מקורות
- New AI classifier for indicating AI-written text OpenAI · 2023-01-31
- How can educators respond to students presenting AI-generated content as their own? OpenAI Help Center; live page, retrieved 2026-11-03
- GPT detectors are biased against non-native English writers (Liang, Yuksekgonul, Mao, Wu, Zou) arXiv; published in Patterns (Cell Press) · 2023-07-10
- Testing of Detection Tools for AI-Generated Text (Weber-Wulff et al.) arXiv; published in International Journal for Educational Integrity 19, 26 (2023) · 2023-06-21
- Turnitin's AI writing detection capabilities FAQs Turnitin Guides; live page, retrieved 2026-11-03
- New research: Turnitin's AI detector shows no statistically significant bias against English Language Learners Turnitin (David Adamson) · 2023-10-26
- Guidance on AI Detection and Why We're Disabling Turnitin's AI Detector Vanderbilt University · 2023-08-16
- RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text Detectors (Dugan et al.) arXiv · 2024-05-13
- Can AI-Generated Text be Reliably Detected? (Sadasivan et al.) arXiv · 2023-03-17
- Artificial Writing and Automated Detection (Jabarian and Imas), Working Paper 34223 National Bureau of Economic Research
- People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text (Russell, Karpinska, Iyyer) arXiv · 2025-01-26
- Scalable watermarking for identifying large language model outputs (Dathathri et al.) Nature · 2024-10-23
- University wrongly accuses students of using artificial intelligence to cheat ABC News (Australia) · 2025-10-09
תגובות
הערות מובילות