Il rilevamento AI funziona in altre lingue? La roadmap di Humanizer

Il rilevamento AI fuori dall'inglese è più irregolare: il rilevamento della scrittura AI di Turnitin copre inglese, spagnolo, giapponese e arabo, e la maggior parte dei rilevatori è nata attorno all'inglese. Oggi Humanizer accetta testi in inglese. Coreano, spagnolo, cinese, giapponese e francese sono in arrivo, e la guida all'inserimento nell'app li indica già come "coming soon". Il sito di Academic Humanizer e questo blog sono già disponibili in 10 lingue.

Non diamo date per le nuove lingue di input, e questo articolo spiega il motivo. Umanizzare bene un testo in una lingua non è un lavoro di traduzione. Dipende da come si comportano i rilevatori in quella lingua, da come il testo viene suddiviso in unità e da che aspetto ha una buona prosa accademica in quel contesto.

A che punto è il supporto linguistico oggi

L'inglese copre una parte enorme dell'editoria accademica ed è anche la lingua attorno a cui è stata costruita la maggior parte dei rilevatori AI. Molti ricercatori che pubblicano in inglese lo scrivono come seconda o terza lingua, quindi l'input in inglese serve già un gruppo di autori multilingue.

Perché umanizzare in più lingue è più difficile di quanto sembri

Un humanizer che lavora frase per frase come Humanizer deve fare tre cose in ogni lingua: dividere correttamente la bozza in frasi, individuare le frasi segnalate dai rilevatori e riscrivere solo quelle, con un registro adatto alla disciplina. Fuori dall'inglese ogni passaggio diventa più complesso.

1. I rilevatori sono stati pensati soprattutto per l'inglese

La maggior parte dei rilevatori AI più diffusi è stata sviluppata e testata principalmente su testi in inglese. Il loro comportamento con altre lingue è meno studiato, e la ricerca ha già dimostrato che possono giudicare male una scrittura che si discosta dagli schemi su cui sono stati addestrati. Uno studio sulla scrittura in inglese di non madrelingua ha rilevato che i rilevatori la classificavano come generata da AI molto più spesso dei testi di madrelingua, soprattutto perché una formulazione più semplice e prevedibile appare loro meccanica. Ne parliamo in i rilevatori GPT penalizzano chi scrive in inglese come seconda lingua.

Se il rilevamento è disomogeneo già all'interno dell'inglese, è ragionevole aspettarsi ancora più disomogeneità tra lingue diverse. Prima di accettare una nuova lingua di input dobbiamo sapere quali rilevatori la gestiscono, in che modo non sono d'accordo tra loro e che aspetto ha un falso positivo in quella lingua.

2. Il testo viene suddiviso in modo diverso

Rilevatori e modelli linguistici non leggono parole. Leggono token, cioè frammenti di testo presenti nel vocabolario del modello. In inglese le parole comuni sono spesso un solo token. Nelle lingue con molte desinenze, o senza spazi tra le parole, lo stesso concetto può essere tagliato in pezzi più numerosi e più piccoli.

The results were significant / 결과가 유의미했다

Solo a scopo illustrativo. Verde: un frammento familiare corrispondente a una parola intera. Rosso: una parola spezzata in pezzi più piccoli. La suddivisione reale dipende dal vocabolario di ciascun modello.

Questo conta per due motivi. I rilevatori statistici valutano quanto è prevedibile ogni token, quindi una suddivisione diversa cambia il segnale che osservano. E anche la divisione in frasi varia: cinese e giapponese usano una punteggiatura finale diversa e niente spazi, mentre coreano e giapponese hanno desinenze di fine frase che esprimono cortesia e registro. Un humanizer che divide male le frasi riscriverà le porzioni sbagliate.

3. Il registro accademico cambia da lingua a lingua

"Sembrare umano" non è lo stesso obiettivo in ogni lingua. La buona prosa accademica segue convenzioni diverse:

• Il coreano accademico usa di solito la desinenza dichiarativa semplice e un tono formale e impersonale.
• Il giapponese degli articoli scientifici usa in genere lo stile scritto formale e non quello parlato cortese, e la scelta deve restare coerente in tutto il testo.
• Lo spagnolo e il francese accademici preferiscono spesso frasi più lunghe e costruzioni impersonali che in inglese sembrerebbero prolisse.
• Il cinese accademico ha un proprio repertorio di connettivi formali e locuzioni fisse, e abusarne è un segnale noto di testo costruito su modelli.

Una riscrittura che trapianta lo stile dell'inglese naturale in un'altra lingua deluderebbe i lettori e probabilmente anche i rilevatori. Ogni lingua ha bisogno di un proprio senso di come appare una frase scientifica pulita, oltre a molta attenzione alla terminologia disciplinare, che spesso mescola termini locali e prestiti dall'inglese.

Turnitin e GPTZero rilevano l'AI in altre lingue?

Alcuni sì, per un insieme limitato di lingue. La guida all'AI Writing Report di Turnitin indica come supportati inglese, spagnolo, giapponese e arabo, e un file in un'altra lingua non riceve un report sulla scrittura AI. Questo non equivale a un risultato pulito. Il rilevamento di Turnitin del testo parafrasato o modificato da bypasser AI funziona solo in inglese.

Le FAQ di GPTZero dicono che il suo modello supporta inglese, spagnolo, francese, tedesco e altre lingue, e Copyleaks dichiara di coprirne più di 30. Sono dichiarazioni dei fornitori. I test indipendenti fuori dall'inglese sono molto più scarsi che in inglese.

Se scrivi in un'altra lingua, per esempio una tesi in italiano, ne seguono tre punti:

• Verifica se il rilevatore usato dalla tua università o dalla rivista, che sia Turnitin, Compilatio o un altro, supporta la tua lingua.
• Aspettati che i punteggi in una lingua supportata da poco si basino su meno test di quelli in inglese.
• Attenzione alla traduzione. In uno studio del 2023 su 14 strumenti, la scrittura umana tradotta automaticamente in inglese veniva classificata correttamente circa 20 punti in meno rispetto al testo inglese originale (vedi cosa ha scoperto quello studio).

Cosa verificheremo prima di attivare una lingua

1. Divisione in frasiLe bozze in quella lingua devono essere divise in frasi come le dividerebbe un lettore.
2. Copertura dei rilevatoriDobbiamo sapere come si comportano su quella lingua i rilevatori con cui facciamo i controlli.
3. Qualità del registroLe riscritture devono leggersi come prosa accademica formale in quella lingua, non come inglese tradotto.
4. Significato e terminiNumeri, citazioni e terminologia disciplinare devono sopravvivere alla riscrittura.

Solo quando una lingua supera questi controlli passa da "in arrivo" a disponibile. È anche per questo che non promettiamo date: il lavoro è finito quando è fatto bene.

Cosa fare nel frattempo

Se scrivi in inglese come lingua aggiuntiva, Humanizer funziona già per te. La tua bozza viene analizzata frase per frase, vengono riscritte solo le frasi segnalate e il resto rimane come l'hai scritto. Per chi scrive in un inglese semplice che i rilevatori fraintendono, spesso è l'impostazione più utile. Il nostro caso di studio su un autore non madrelingua inglese approfondisce proprio questa situazione.

Se il tuo manoscritto è in un'altra lingua, aspetta il supporto nativo invece di tradurlo in inglese e poi di nuovo nella lingua originale. Un doppio passaggio di traduzione tende ad appiattire il registro che vuoi conservare. E in qualunque lingua tu scriva, controlla la policy sull'AI della tua università o della rivista a cui ti rivolgi prima di inviare un lavoro realizzato con l'aiuto dell'AI.

Domande frequenti

Posso già umanizzare un testo in coreano con Academic Humanizer?

Non ancora. Oggi l'input è solo in inglese. Il coreano è una delle cinque lingue in arrivo, insieme a spagnolo, cinese, giapponese e francese.

Quando arriveranno le nuove lingue di input?

Non abbiamo annunciato date. Ogni lingua viene attivata dopo aver superato i controlli descritti sopra.

Il sito è disponibile nella mia lingua?

Il sito e il blog sono disponibili in inglese, coreano, giapponese, cinese semplificato, spagnolo, francese, tedesco, hindi, italiano e portoghese.

Perché i rilevatori AI sono meno affidabili sui testi non in inglese?

La maggior parte è stata sviluppata e testata soprattutto sull'inglese. Una tokenizzazione diversa e convenzioni di scrittura diverse cambiano i segnali su cui si basano. Per approfondire, leggi come funzionano i rilevatori AI.

Verso nuove lingue

Academic Humanizer esiste perché le idee dei ricercatori non vengano scambiate per testo prodotto da una macchina. Questo problema non si ferma all'inglese, e nemmeno Humanizer lo farà. Per ora, se la tua bozza è in inglese, puoi elaborarla subito e vedere frase per frase cosa rilevano i rilevatori.