Kürzlich berichtete Nature über die Forschungsergebnisse eines Teams der Universität Kansas. Sie entwickelten ein KI-System zur Erkennung von KI-generierten Inhalten in den Einleitungsteilen chemischer Fachartikel, das mit einer Genauigkeit von 98 % bis 100 % zwischen menschlichem und KI-geschriebenem Text unterscheiden kann. Die Forscher extrahierten 20 wichtige sprachliche Merkmale und trainierten ein XGBoost-Modell, um eine hohe Genauigkeit zu erreichen. Im Vergleich dazu lag die Genauigkeit von allgemeinen KI-Detektoren wie OpenAI und ZeroGPT nur bei 10 % bis 65 %. Das Forschungsteam erklärte, dass die Entwicklung von maßgeschneiderten Detektoren für spezifische Texttypen die Grundlage für die Entwicklung universeller Detektoren bilden kann. Dieser maßgeschneiderte Detektor ist auch bei Inhalten effektiv, die mit der neuen Version von GPT-4 generiert wurden. Die Forschung bietet einen effektiven technischen Ansatz zur Eindämmung der Verbreitung von KI-generierten Inhalten.