هوش مصنوعی | متن کامل رایگان | تشخیص کد ChatGPT: تکنیک هایی برای کشف منبع کد

خلاصه

در زمان‌های اخیر، مدل‌های زبان بزرگ (LLM) گام‌های مهمی در تولید کد رایانه‌ای برداشته‌اند و خطوط بین کد ایجاد شده توسط انسان و کد تولید شده توسط هوش مصنوعی (AI) را محو کرده‌اند. از آنجایی که این فناوری‌ها به سرعت در حال تکامل هستند، بررسی نحوه تأثیرگذاری آن‌ها بر تولید کد بسیار مهم است، به‌ویژه با توجه به خطر سوء استفاده در زمینه‌هایی مانند آموزش عالی. مقاله حاضر این موضوع را با استفاده از تکنیک های طبقه بندی پیشرفته برای تمایز بین کد نوشته شده توسط انسان و کد تولید شده توسط ChatGPT، نوعی LLM، بررسی می کند. ما از یک رویکرد جدید استفاده می‌کنیم که ویژگی‌های جاسازی قدرتمند (جعبه سیاه) را با الگوریتم‌های یادگیری نظارت‌شده از جمله شبکه‌های عصبی عمیق، جنگل‌های تصادفی، و تقویت گرادیان شدید ترکیب می‌کند تا به این تمایز با دقت چشمگیر دست پیدا کنیم. $\mathrm{۹۸}\%$. برای ترکیب‌های موفق، کالیبراسیون مدل آنها را نیز بررسی می‌کنیم و نشان می‌دهیم که برخی از مدل‌ها بسیار خوب کالیبره شده‌اند. علاوه بر این، ما ویژگی‌های جعبه سفید و طبقه‌بندی‌کننده Bayes قابل تفسیر را برای روشن کردن تفاوت‌های مهم بین منابع کد ارائه می‌کنیم و توضیح‌پذیری و شفافیت رویکرد ما را افزایش می‌دهد. هر دو روش به خوبی کار می کنند، اما حداکثر دقت ۸۵-۸۸٪ را ارائه می دهند. آزمایشات روی نمونه کوچکی از انسان های آموزش ندیده نشان می دهد که انسان ها این کار را خیلی بهتر از حدس زدن تصادفی حل نمی کنند. این مطالعه در درک و کاهش خطرات بالقوه مرتبط با استفاده از هوش مصنوعی در تولید کد، به ویژه در زمینه آموزش عالی، توسعه نرم‌افزار و برنامه‌نویسی رقابتی بسیار مهم است.