Glosario de detección de IA
Los conceptos estadísticos y técnicos que sustentan la detección de IA, explicados con claridad para docentes, investigadores y editores.
Medida de cuánto se sorprende un modelo de lenguaje ante un texto. Baja perplejidad indica texto predecible, una señal clave de generación por IA.
Leer definición completa →La varianza en la complejidad entre oraciones consecutivas. Los humanos son "bursty", mezclan oraciones simples y complejas. La IA tiende a uniformidad.
Leer definición completa →Cuando un detector clasifica texto humano como generado por IA. El error más grave en contextos académicos. Los mejores detectores tienen FPR del 7-10%.
Leer definición completa →Herramienta que reformula texto de IA para evadir detectores. Logra tasas de evasión del 23% al 91% según la combinación detector-humanizador.
Leer definición completa →Porcentaje de texto de IA correctamente identificado como tal. Complementaria al FNR (tasa de falsos negativos). No debe confundirse con precisión general.
Leer definición completa →Señal imperceptible incrustada en texto generado por IA durante la generación. SynthID (Google) es el sistema más conocido. No puede eliminarse con reformulación.
Leer definición completa →Preguntas frecuentes
¿Qué significa "burstiness" en el contexto de detección de IA?
Burstiness mide la variación en la complejidad entre oraciones consecutivas de un texto. Los escritores humanos alternan naturalmente entre oraciones simples y complejas, produciendo alta variación. El texto generado por IA tiende a mantener un nivel de complejidad uniforme, lo que resulta en burstiness bajo.
¿Cuál es la diferencia entre perplejidad y entropía?
La entropía mide la incertidumbre promedio al predecir el siguiente token en un texto. La perplejidad es la exponencial de la entropía cruzada, lo que la convierte en una medida más intuitiva: representa el número efectivo de opciones que el modelo "considera" en cada posición. Ambas están relacionadas matemáticamente, pero la perplejidad es más utilizada en detección de IA.
¿Por qué es importante entender estos términos técnicos?
Comprender los términos permite interpretar correctamente los resultados de los detectores y sus limitaciones. Un docente que entiende qué es un falso positivo o cómo funciona la perplejidad puede tomar decisiones más informadas y evitar acusaciones injustas basadas en una mala interpretación de los datos.
¿Los términos del glosario aplican a todos los detectores?
Sí. Los conceptos como perplejidad, burstiness y falsos positivos son universales en el campo de la detección de IA. Aunque cada herramienta implementa sus propios algoritmos, todas se basan en estos principios estadísticos fundamentales para clasificar el texto.