AI detector magyar szövegre: mennyire bízhatsz benne

Működik az AI detector magyar szövegen?

Röviden: megbízhatóan nem. Egy AI detector magyar szövegre is ad egy százalékot, de az a szám becslés, nem bizonyíték, és a tévedés mindkét irányba gyakori: emberi szöveget gépinek jelöl, gépit emberinek.

Az angol nyelvű piacon rengetegen keresnek ai detectorra, és ez érthető: tanárok, szerkesztők, HR-esek szeretnének egy gombot, ami eldönti a kérdést. Ilyen gomb nincs, és a magyar szövegnél a helyzet még rosszabb, mert a legtöbb eszközt nem magyar nyelvre fejlesztették.

Ez nem azt jelenti, hogy a detektorok haszontalanok, hanem azt, hogy mire valók. Arra jók, hogy egy szövegnél felmerüljön egy kérdés. Arra nem, hogy egy diákot, egy szerzőt vagy egy kollégát a szám alapján elmarasztalj. Aki magyar dolgozatot, cikket vagy pályázatot ellenőriz, annak ez a különbség a legfontosabb az egész cikkből.

Hogyan működik egy AI detektor

A legtöbb AI detektor két módszert kever. Az első a kiszámíthatóság mérése. Egy nagy nyelvi modell szóról szóra a legvalószínűbb folytatást választja, ezért a gépi szöveg jellemzően kevéssé meglepő. Ezt hívják perplexitásnak. A második a változatosság (angolul burstiness): az ember hol hosszú, hol rövid mondatot ír, a gépi szöveg egyenletesebb.

A másik megközelítés az osztályozó: egy külön modellt nagy mennyiségű emberi és gépi szövegen betanítanak arra, hogy a kettőt szétválassza. A modern eszközök ezt a kettőt kombinálják.

A gond az, hogy egyik sem a szöveg eredetét méri, csak a stílusát. Egy feszes, szabályos, sablonos emberi szöveg ugyanúgy kiszámítható lehet, mint egy gépi. És fordítva: ha valaki egy gépi szöveget átír, a jelek eltűnnek.

Gondolj bele, milyen szövegek kiszámíthatók természetüknél fogva. Egy hivatalos levél, ami bevett fordulatokból áll. Egy lexikonszerű definíció. Egy diák fogalmazása, aki a tankönyv mondatait használja, mert azt tanulta meg. Egy összefoglaló, ami szándékosan egyszerű. Mindegyiket ember írta, és mindegyik olyan, amit egy kiszámíthatóságot mérő eszköz gyanúsnak lát.

A kimenet formája is félrevezető. A detektor egyetlen százalékot vagy pirosra színezett mondatokat mutat, ami pontosnak hat, pedig egy becslés eredménye. Ha ugyanazt a szöveget két különböző eszközbe beteszed, gyakran egészen mást kapsz. Ezt bárki kipróbálhatja egy biztosan saját, régi szövegén, és érdemes is, mielőtt valaki másét ítéli meg.

Miért tévednek a detektorok, főleg nem angol szövegen

A legtöbbet idézett kutatás a Stanfordról jött, 2023-ban jelent meg a Patterns folyóiratban. A kutatók hét elterjedt GPT-detektort futtattak le nem anyanyelvi angol írók TOEFL-esszéin és amerikai nyolcadikosok fogalmazásain. Az amerikai diákok szövegeit a detektorok jól kezelték, a nem anyanyelvi írók esszéinek viszont átlagosan több mint a felét gépinek jelölték. A szerzők szerint az ok a szűkebb szókincs és az egyszerűbb mondatszerkezet, ami a mérésben kiszámíthatónak, tehát gépinek látszik. A következtetésük: oktatási értékelésben nem szabad ezekre az eszközökre hagyatkozni.

A második figyelmeztetés magától az OpenAI-tól jött. A ChatGPT fejlesztője 2023 januárjában kiadott egy saját AI-szövegfelismerőt, és fél évvel később, 2023 júliusában visszavonta, mert alacsony volt a pontossága. Ha a modell készítője sem tudta megbízhatóan felismerni a saját modellje szövegét, egy harmadik fél eszközétől sem érdemes csodát várni.

A magyar szöveg ehhez még hozzátesz. A detektorokat főleg angol szövegen tanították, a magyar ragozás, a szabad szórend és a hosszú összetett szavak másképp viselkednek, és sok eszköz magyarul nem is lett tesztelve. Ha egy diák a dolgozatát fordítóprogrammal javította, vagy egy hivatalos, sablonos műfajban ír (pályázat, jegyzőkönyv, szakdolgozati módszertan), a téves riasztás esélye tovább nő.

Melyik AI detektor tud magyarul

Kevesebb, mint gondolnád. A gyártók saját dokumentációja alapján 2026 októberében így áll a helyzet. Árat szándékosan nem írok, mert gyakran változik.

Mielőtt bármelyiket magyar szövegre használod, végezz egy egyszerű próbát. Tegyél bele három-négy olyan szöveget, amit biztosan ember írt, még 2022 előttről: egy régi dolgozatot, egy hivatalos levelet, egy blogbejegyzést. Ha ezek közül bármelyiket gépinek jelöli, már tudod, mennyit ér az eszköz a te szövegeiden. Ez a próba többet mond bármelyik gyártói pontossági adatnál, mert azokat jellemzően angol szövegen mérték.

Vízjel: a SynthID és a korlátai

A detektoroknál ígéretesebb irány a vízjel: a szöveg készítője már generáláskor rejtett mintát tesz bele, amit később ki lehet mutatni. A Google ezt SynthID néven fejleszti, a Gemini szövegeibe is beépítette, a szöveges változatot pedig nyílt forráskódúként is elérhetővé tette.

Két korlátja van, ami a gyakorlatban mindent eldönt. Csak azt a szöveget lehet így felismerni, amit vízjelet használó modell írt, tehát egy ChatGPT- vagy Claude-szöveg vízjel nélkül nem mutat semmit. És a Google maga is jelzi, hogy rövid, tényszerű, fordított vagy alaposan átírt szövegnél a jel gyengül. A Google nyilvános SynthID-ellenőrzője elsősorban képeket, videót és hangot vizsgál. A vízjel tehát hasznos kiegészítő, de egy magyar házi dolgozat eredetét ma nem tudja megmondani.

A hosszabb távú irány valószínűleg ez lesz: nem a szöveg utólagos elemzése, hanem az eredet jelölése már a készítéskor. Amíg viszont nem minden modell használ vízjelet, és egy egyszerű átírás is gyengíti, addig a hiánya semmit nem bizonyít.

Jelek, amik tényleg számítanak, és a korlátaik

Vannak árulkodó jelek, és egy tapasztalt olvasó gyakran jobban észreveszi őket, mint egy szoftver. Egyik sem bizonyíték önmagában, de ha több egyszerre jelentkezik, érdemes rákérdezni.

Mit tegyen a tanár AI detektor helyett

A megoldás nem egy jobb szoftver, hanem a folyamat láthatóvá tétele. A végeredményből nehéz megmondani, ki írta. Abból viszont könnyű, hogyan készült.

Kérj vázlatot, jegyzetet és köztes változatot, ne csak a kész dolgozatot. A Google Dokumentumok és a Word verzióelőzménye megmutatja, hogyan nőtt a szöveg: egy órák alatt, apránként írt dolgozat más nyomot hagy, mint egy egyben bemásolt. Ha gyanú van, beszélgess a diákkal a szövegről. Kérdezd meg, miért ezt a forrást választotta, mit értett egy bekezdésen, mit hagyna ki. Aki megírta, el tudja mondani.

A szóbeli kérdezés ne vallatás legyen, hanem szakmai beszélgetés. Ugyanazt kérdezd, amit bármelyik jó dolgozatnál kérdeznél: mi volt a legnehezebb rész, mit írna át, ha még egy hete lenne rá. Aki a saját szövegéről beszél, az részletekre emlékszik. Aki nem, az általánosságokba menekül, és ez sokkal beszédesebb bármilyen százaléknál.

És legyen előre kimondott szabály arról, mi megengedett. Ha az AI-t ötleteléshez szabad használni, de a szöveget a diáknak kell megírnia, írd le így. A legtöbb konfliktus abból lesz, hogy a szabály csak a tanár fejében létezett.

Segít a feladat is. Ha a dolgozat egy órai beszélgetésre, egy helyi esetre vagy a diák saját tapasztalatára épül, egy általános chatbot sokkal kevésbé tudja megírni helyette. Az órán, kézzel írt rövid szöveg pedig jó viszonyítási alap: megmutatja, hogyan ír a diák segítség nélkül.

Szerkesztőnél és munkahelyen ugyanez a logika. Egy szerkesztőt valójában nem az érdekel, hogy a szerző használt-e AI-t, hanem hogy a tények stimmelnek-e, a forrás létezik-e, és a szöveg mond-e valami újat. Ezeket ellenőrizni lehet, egy detektor százalékát nem.

Hamis vádnál a kár nagyobb, mint egy átcsúszott gépi dolgozatnál. Egy jó tanár ezért a detektor eredményét legfeljebb egy beszélgetés indokaként használja, soha nem ítéletként.

Ha téged gyanúsítanak: így mutasd meg, hogy te írtad

A legjobb védekezés az, amit írás közben csinálsz. Írj olyan szerkesztőben, ami verzióelőzményt ment (Google Dokumentumok, Word fiókkal), és ne egy másik helyről másold be a kész szöveget. Tartsd meg a jegyzeteidet, a vázlatot és a forrásaid listáját. Ha AI-t használtál (ötleteléshez, nyelvi javításhoz), mondd meg előre, és mentsd el a beszélgetést: a nyílt használat sokkal jobb helyzet, mint a később kiderülő.

Ha már megvádoltak, kérd a pontos indoklást, és ajánld fel, hogy szóban elmondod, hogyan készült a szöveg. Hivatkozhatsz arra is, hogy maga az OpenAI vonta vissza a saját felismerőjét a pontatlansága miatt, és hogy a Stanford kutatása szerint a detektorok a nem anyanyelvi és a sablonos szövegeket aránytalanul gyakran jelölik gépinek.

Ha szeretnéd, hogy a szövegeden már ránézésre látszódjon a saját munkád, írj bele olyat, amit csak te tudsz: saját példát, egy órai vitát, egy helyi esetet, egy véleményt, amit meg is indokolsz. Ez nem trükk a detektor ellen, hanem egyszerűen jobb szöveg, és egy olvasónak többet mond bármelyik százaléknál.

Ha a jó promptírást és a ChatGPT magyar használatát tisztességesen akarod megtanulni, abból több hasznod lesz, mint bármilyen detektor körüli bújócskából. Az AI segíthet gondolkodni, de a te nevedet csak a te munkád viselje.

Gyakori kérdések