مع التوسع السريع لنماذج اللغات الضخمة (Large Language Models) وتأثيرها المتزايد على المحتوى الرقمي، تزايدت الحاجة إلى تطوير أدوات موثوقة لكشف النصوص المولدة بواسطة الذكاء الاصطناعي، خصوصًا خارج نطاق اللغة الإنجليزية. ولتلبية هذه الحاجة، تم إطلاق IndiDetect، وهي معيار جديد لكشف النصوص المولدة باللغة الهندية (Hindi)، التيلجو (Telugu)، والتاميلية (Tamil).

تستهدف IndiDetect معالجة القصور الحالي في المعايير المعتمدة لكشف المحتوى، حيث أن الاختبارات الحالية تُجرى في ظروف مثالية لا تعكس الواقع الفعلي لاستخدام هذه اللغات. يعتمد IndiDetect على مجموعة مُنقحة من النصوص المكتوبة بواسطة البشر، والتي تتطابق مع نصوص مولدة بواسطة نماذج الذكاء الاصطناعي، ويغطي مجالات متنوعة.

تتضمن التجربة تقييم مجموعة واسعة من الأجهزة المُستخدمة في كشف النصوص، بدءًا من الأساليب الإحصائية إلى الشبكات العصبية. كشفت النتائج عن ثغرات كبيرة في فعالية الأداء. فبينما تُظهر الأجهزة العصبية المُشرفة أداءً جيدًا ضمن العينة المعروفة، فإن الطرق غير المُدربة تنحدر بشكل كبير تحت ظروف جديدة أو في مواجهة تحديات عدائية.

الأمر الأكثر إثارة هو أن نتائج IndiDetect تُظهر تباينًا في فعالية الكشف بين اللغات، حيث بادرت الهندية بأعلى انحدار تحت التحديات العدائية. هذه النتائج تسلط الضوء على الحاجة الماسة لتطوير معايير أكثر قوة وجاهزية للذكاء الاصطناعي في سياقات اللغة الهندية.

من خلال توفير تقسيمات بيانات معيارية، وبروتوكولات تقييم، وخطوط أساسية، تُمهد IndiDetect الطريق نحو بناء تحليل قوي وواعي للغة لكشف النصوص المولدة بواسطة الذكاء الاصطناعي في النصوص الهندية.