Magyar nyelven is működő MI-szövegfelismerőt fejlesztett Kiss Mihály, a Szegedi Tudományegyetem (SZTE) programtervező informatikus mesterszakos hallgatója. A megoldás a tesztek alapján kiemelkedően pontosan képes megkülönböztetni az ember által írt és a nagy nyelvi modellek által generált szövegeket – tájékoztatta a felsőoktatási intézmény közkapcsolati igazgatósága csütörtökön az MTI-t.

A közlemény szerint a fejlesztés ötlete 2023 közepén született, amikor a ChatGPT és más nagy nyelvi modellek látványosan megjelentek a köztudatban. A jelenséget Kiss Mihály témavezetője vetette fel szakdolgozati kutatásként, de hamar kiderült: nem kizárólag elméleti kérdésről van szó.

Egyre többen használják ezeket az eszközöket, és hosszú távon ez biztosan problémát jelent majd az oktatásban és más területeken.

A felismerő modellek működését az teszi lehetővé, hogy a nagy nyelvi modellek „lábnyomokat” hagynak maguk után: nem adaptálódtak teljesen az emberi íráshoz. Korábban azért nem létezett minőségi MI-detektor magyar nyelvre, mert nem állt rendelkezésre megfelelő adat. Míg angol nyelven hatalmas, jól tisztított tanító adatbázisok érhetők el, magyar szövegekből ilyen korábban nem létezett – áll a közleményben.

Kiss Mihály ezért több mint 350 ezer szövegből álló adathalmazt hozott létre irodalmi művekből, szakdolgozatokból, cikkekből, fórumokról, közösségi médiából és általános internetes forrásokból. A cél az volt, hogy a rendszer valódi, sokféle nyelvhasználattal találkozzon, ne csak „tankönyvi” példákkal.

Noha a felismerés is MI-alapú megoldásra épül, az architektúrája alapján nem tartalmat generál, hanem döntéseket hoz. A megoldás egy encoder alapú modellt használ, amely kifejezetten osztályozási feladatokban erős, hasonlóan ahhoz, ahogyan egy spamszűrő működik.

A program megbecsüli, hogy mekkora eséllyel készült mesterséges intelligenciával az adott szöveg. Az eszközt bárki használhatja: napi három detektálás ingyenes, akár egy Facebook-poszt szövege is kielemezhető egy pillanat alatt – áll a közleményben.

Kiss Mihály szövegfelismerőjének teljesítményét ezer különböző magyar nyelvű szövegen vetették össze olyan detektorokkal, amelyek állításuk szerint támogatják a magyar nyelvet. Az eredmények alapján modellje 0,98-as pontossággal dolgozik, míg a többi eszköz 0,6 körüli pontosságot mutat.

Különösen fontos a nagyon alacsony fals pozitív arány: a rendszer ritkán minősít emberi szöveget mesterséges intelligencia által írtnak, ami az oktatásban kulcskérdés, hiszen veszélyes lenne azzal gyanúsítani egy hallgatót, hogy beadandóját MI írta, miközben ez nem igaz.

Bár az elsődleges felhasználók az oktatás szereplői lehetnek, az eszköz nemcsak egyetemi környezetben hasznos: a médiában, szerkesztőségekben és könyvkiadóknál is alkalmazható, például minőségellenőrzési célokra. Ha felmerül a mesterséges intelligencia használatának gyanúja, egyfajta fake news detektorként is működhet, mivel a nagy nyelvi modellek gyakran „hallucinálnak” hamis információkat.

Az eszköz jogi területen is használható, ahol egy MI által generált, pontatlan szöveg komoly kockázatot jelenthet, de HR-részlegek is alkalmazhatják az MI-vel írt jelentkezések kiszűrésére. Kiss Mihály munkáját az SZTE hallgatói innovációs díjjal is elismerték.