تشخیص متون تولیدشده با هوش مصنوعی در زبان فارسی با روش های پیشرفته یادگیری ماشین

در سالهای اخیر و با گسترش مدل های زبانی مبتنی بر هوش مصنوعی، افراد و به طور خاص دانشجویان تمایل قابل توجهی به استفاده از این ابزارها برای جستجو، نگارش متن و بازنویسی متون از خود نشان داده اند. از این رو تشخیص متون تولیدشده توسط این مدل ها به یک چالش اساسی برای مراکز آموزشی و پژوهشی تبدیل شده است. این پژوهش به بررسی روش های یادگیری ماشین برای تشخیص متون تولیدشده با هوش مصنوعی در زبان فارسی می پردازد. بدین منظور، مجموعه ای از متون انسانی و ماشینی گردآوری شده و پس از پیش پردازش، با استفاده از الگوریتم های مختلف یادگیری ماشین، از جمله ماشین بردار پشتیبان، جنگل تصادفی، درخت تصمیم، گرادیان بوستینگ و شبکه های عصبی عمیق در ادغام با مدل مبتنی بر تبدیل کننده ParsBERT مورد تجزیه وتحلیل قرار گرفته اند. نتایج آزمایش ها نشان می دهد که مدل پیشنهادی توانسته است به دقت ۸۳ درصد در تفکیک متون انسانی از ماشینی دست یابد. بررسی ها نشان می دهد که مدل شبکه عصبی عمیق، عملکرد بهتری در مقایسه با سایر روش ها دارد. این پژوهش نشان می دهد که استفاده از ویژگی های زبانی و آماری می تواند به بهبود عملکرد مدل های تشخیص متن در زبان فارسی کمک کند و زمینه ساز توسعه روش های پیشرفته تر در این حوزه باشد.

کلیدواژه ها:

متن تولید شده با هوش مصنوعی ، شبکه عصبی عمیق ، دسته بندی متن ، پردازش زبان طبیعی