DI turinio atpažinimas (AI detektoriai)

DI turinio atpažinimas – tai bandymas nustatyti, ar tekstą, vaizdą, garsą ar vaizdo įrašą sukūrė žmogus, ar generatyvinis dirbtinis intelektas. Tam naudojami DI detektoriai (angl. AI detector, AI checker) – programos, kurios pateikia tikimybę, kad tekstas parašytas didžiojo kalbos modelio (LLM), ir vandens ženklų bei kilmės metaduomenų tikrintuvai. Svarbiausia, ką reikia žinoti prieš naudojant bet kurį iš jų: detektoriaus rezultatas yra statistinis spėjimas, ne įrodymas. Nepriklausomi tyrimai nuo 2023 m. rodo, kad tekstų detektoriai klysta abiem kryptimis, o kitomis nei anglų kalbomis – dar dažniau.

Kaip veikia AI detector: trys skirtingi metodai

Po vienu pavadinimu „DI detektorius“ slepiasi trys iš esmės skirtingos technologijos. Jas verta skirti, nes jų patikimumas skiriasi kelis kartus.

1. Statistiniai požymiai. Ankstyvieji įrankiai matuoja perplexity (sumišimą – kiek modeliui „netikėtas“ kiekvienas kitas žodis) ir burstiness (kiek sakiniai skiriasi ilgiu ir struktūra). Kalbos modelis renkasi tikėtiniausius žodžius, todėl jo tekstas paprastai turi žemą sumišimą ir tolygų ritmą. Bėda ta, kad žemą sumišimą turi ir paprastas, standartizuotas žmogaus tekstas: teisės aktai, instrukcijos, prekių aprašymai, ne gimtąja kalba rašyti tekstai.
2. Apmokyti klasifikatoriai. Dauguma komercinių įrankių (GPTZero, ZeroGPT, Turnitin, Originality.ai) yra neuroniniai klasifikatoriai, apmokyti su pavyzdžiais „žmogaus tekstas“ ir „DI tekstas“. Jie tiksliausi tada, kai tikrinamas tekstas panašus į mokymo duomenis: anglų kalba, žinomas modelis, neredaguotas rezultatas. Kai pasirodo naujas modelis, kita kalba ar tekstas perrašomas, tikslumas krenta.
3. Vandens ženklai ir kilmės metaduomenys. Čia ne spėjama iš stiliaus, o tikrinama žymė, kurią įdėjo pats generatorius. Google DeepMind SynthID-Text keičia tik žodžių atrankos (angl. sampling) procedūrą ir paskui statistiškai aptinka šį pėdsaką; metodas aprašytas žurnale „Nature“ 2024 m. spalio 23 d., išbandytas su beveik 20 mln. Gemini atsakymų ir paskelbtas atviru kodu. C2PA standartas (Content Credentials) prie vaizdo, garso ar vaizdo įrašo prideda kriptografiškai pasirašytą kilmės ir pakeitimų aprašą; koalicijos valdymo komitete yra Adobe, Google, Microsoft, OpenAI, Meta, Amazon, BBC, Sony ir kt.

Vandens ženklas veikia tik tada, kai jį įdėjo generatorius ir kai tikrintojas turi atitinkamą detektorių. „Nature“ straipsnio autoriai patys nurodo ribas: atvirojo kodo modelių, kuriuos kiekvienas paleidžia savo kompiuteryje, priversti žymėti neįmanoma, o perfrazavimas ar vertimas žymę silpnina. C2PA metaduomenis savo ruožtu galima tiesiog nutrinti – pavyzdžiui, padarius ekrano nuotrauką.

Metodas	Ką tikrina	Stiprybė	Silpnybė
Sumišimas ir ritmas	Žodžių tikimybes ir sakinių įvairovę	Paprasta, nereikia mokymo duomenų	Žymi standartizuotą ir ne gimtąja kalba rašytą tekstą kaip DI
Apmokytas klasifikatorius	Panašumą į žinomus DI tekstų pavyzdžius	Geriausiai veikia su neredaguotu angliškų modelių tekstu	Krenta su nauju modeliu, kita kalba, redagavimu, perfrazavimu
Vandens ženklas (SynthID)	Generatoriaus įdėtą statistinę žymę	Mažai klaidingų teigiamų, kai žymė yra	Veikia tik su to paties tiekėjo modeliais; silpnėja verčiant ir perrašant
Kilmės metaduomenys (C2PA)	Pasirašytą failo istoriją	Rodo ne tik „DI ar ne“, bet ir kas ką keitė	Lengvai pašalinami; daug platformų jų nerodo

Ar AI detektoriai tikslūs: ką rodo nepriklausomi tyrimai

Detektorių pardavėjai savo puslapiuose skelbia 98–99 % tikslumą. Nepriklausomų tyrėjų rezultatai kuklesni, ir juos verta žinoti prieš priimant sprendimus apie žmones.

• OpenAI klasifikatorius (2023 m. sausio 31 d. – liepos 20 d.). Pati OpenAI skelbė, kad jos įrankis teisingai atpažino tik 26 % DI tekstų ir 9 % atvejų žmogaus tekstą pažymėjo kaip DI. Įmonė rekomendavo jį naudoti tik anglų kalbai ir tekstams nuo 1 000 simbolių, o 2023 m. liepos 20 d. įrankį uždarė dėl žemo tikslumo.
• Liang ir kt., „Patterns“, 2023 m. liepa. Stanfordo tyrėjai septyniais detektoriais patikrino 91 TOEFL esė, kurias parašė ne gimtakalbiai anglų kalbos vartotojai. Vidutiniškai 61,22 % jų buvo pažymėtos kaip DI tekstas, 97,8 % – bent vieno detektoriaus, 19,78 % – visų septynių. JAV aštuntokų esė vidutinis klaidingai teigiamų rezultatų dažnis buvo 5,19 %. Kai tas pačias TOEFL esė ChatGPT „patobulino“ žodyną, klaidingų žymėjimų sumažėjo iki 11,77 % – t. y. DI pagalba tekstą padarė „žmogiškesnį“ detektoriaus akimis.
• Weber-Wulff ir kt., „International Journal for Educational Integrity“, 2023 m. gruodžio 25 d. Aštuonių šalių tyrėjai išbandė 14 įrankių, tarp jų Turnitin ir PlagiarismCheck. Nė vienas nepasiekė 80 % tikslumo, tik penki viršijo 70 %. Rankiniu būdu redaguoti DI tekstai buvo atpažinti 42 % atvejų (neredaguoti – 74 %), mašininiu būdu perfrazuoti – tik 26 %. Mašininis vertimas tikslumą sumažino apie 20 procentinių punktų. Išvada: įrankiai „nėra nei tikslūs, nei patikimi“ ir negali būti vienintelis pagrindas kaltinti studentą.

Šie skaičiai seni pagal DI matą, o įrankiai nuo to laiko atnaujinti. Tačiau principinė problema išlieka: klasifikatorius vertina stilių, o stilius neįrodo autorystės. Naujesni modeliai rašo įvairesniu ritmu, žmonės vis dažniau redaguoja su DI pagalba, todėl riba tarp „žmogaus“ ir „DI“ teksto tampa tolydi, ne dvejetainė.

AI detector lithuanian: mūsų bandymas su lietuvišku tekstu

Lietuviškų tekstų detektorių tikslumo nepriklausomų tyrimų neradome, todėl 2026 m. spalio 13 d. atlikome nedidelį bandymą. Tai ne mokslinis tyrimas, o pavyzdys, kaip patikrinti įrankį prieš juo pasitikint.

1. Žmogaus tekstas. 309 žodžių ištrauka apie Kuršių neriją iš lietuviškos Vikipedijos straipsnio versijos, išsaugotos 2019 m. gruodžio 20 d. – gerokai prieš viešų pokalbių modelių atsiradimą 2022 m. pabaigoje.
2. DI tekstas. 266 žodžių tekstas ta pačia tema, sugeneruotas kalbos modelio be jokio redagavimo – su tipiška DI struktūra ir baigiamuoju „Apibendrinant galima teigti…“.
3. Kontrolė. Tas pats DI tekstas, išverstas į anglų kalbą (275 žodžiai).
4. Įrankiai. ZeroGPT nemokama versija (per tą pačią sąsają, kurią naudoja jo svetainė) ir GPTZero nemokama versija.

Tekstas	ZeroGPT: DI tikimybė	ZeroGPT išvada
Žmogaus, lietuviškai (2019 m.)	0 %	Žmogaus tekstas
DI, lietuviškai	0 %	Žmogaus tekstas
Tas pats DI tekstas, angliškai	100 %	„Your Text is AI/GPT Generated“

Rezultatas: ZeroGPT visiškai neatpažino lietuviško DI teksto, nors to paties teksto angliškąją versiją pažymėjo kaip 100 % DI. Tai atitinka OpenAI ir Weber-Wulff tyrėjų pastabas, kad kitose kalbose ir po vertimo detektoriai veikia gerokai prasčiau. GPTZero bandymo per automatinę naršyklę užbaigti nepavyko – svetainė nepradėjo tikrinimo, todėl jo rezultatų neskelbiame. Trys tekstai – per maža imtis apibendrinti, bet jos pakanka parodyti esmę: lietuviško teksto „0 % DI“ nieko neįrodo.

Jei norite patikrinti įrankį patys, kartokite šį protokolą: paimkite bent 10 tekstų, kurie tikrai parašyti iki 2022 m. (archyviniai laiškai, seni tinklaraščio įrašai), ir 10 DI tekstų tomis pačiomis temomis; visi tekstai turi būti panašaus ilgio (250–500 žodžių); patikrinkite tą pačią dieną tuo pačiu įrankiu; suskaičiuokite, kiek žmogaus tekstų pažymėta kaip DI (klaidingai teigiami) ir kiek DI tekstų praleista (klaidingai neigiami). Jei kuris nors skaičius viršija 1–2 iš 10, įrankiu sprendimų nedarykite.

Google politika dėl DI turinio: ar Google baudžia už DI tekstus

Trumpas atsakymas – ne už patį DI naudojimą. Google Search Central 2023 m. vasario 8 d. paskelbė gaires, kuriose sakoma, kad DI naudojimas turiniui „nesuteikia jokio ypatingo pranašumo“ – tai tiesiog turinys, ir jis vertinamas pagal tai, ar naudingas, originalus ir atitinka E-E-A-T (patirtis, kompetencija, autoritetingumas, patikimumas). Tos pačios gairės aiškiai nurodo, kad automatizavimas, įskaitant DI, siekiant pirmiausia manipuliuoti paieškos reitingais, pažeidžia šlamšto (angl. spam) politiką.

Šlamšto politikoje (atnaujinta 2026 m. rugpjūčio 28 d.) tai vadinama masiniu turinio piktnaudžiavimu (angl. scaled content abuse): daug puslapių kuriama pirmiausia reitingams, o ne žmonėms, „nesvarbu, kaip jie sukurti“. Vienas iš pavyzdžių – generatyvinio DI įrankiais sugeneruota daug puslapių be pridėtinės vertės vartotojams. Atskiras Search Central puslapis apie generatyvinio DI turinį (atnaujintas 2026 m. spalio 1 d.) prideda praktinių reikalavimų:

• prieš skelbiant faktus patikrinti rankiniu būdu;
• peržiūrėti metaduomenis: <title>, meta aprašymą, struktūrizuotus duomenis, paveikslėlių alternatyvųjį tekstą;
• el. parduotuvėms, naudojančioms Google Merchant Center: DI sugeneruoti paveikslėliai turi turėti IPTC metaduomenį DigitalSourceType su reikšme TrainedAlgorithmicMedia, o DI sugeneruoti prekių pavadinimai ir aprašymai turi būti pateikti atskirai ir pažymėti kaip DI sukurti.

Svarbi išvada SEO požiūriu: Google nenurodo, kad naudotų trečiųjų šalių DI detektorius, ir nevertina teksto pagal tai, ar jis „atrodo kaip DI“. Vertinama nauda ir masto požymiai. Todėl leisti biudžetą tekstams „prastumti“ per detektorių yra beprasmiška – geriau investuoti į tai, ko modelis neturi: savus duomenis, nuotraukas, kainas, patirtį. Kaip tai veikia DI paieškoje, rasite įrašuose Google AI Overviews ir GEO.

Humanize AI: kodėl „sužmoginimo“ įrankiai neišsprendžia problemos

„Humanize AI“ įrankiai perrašo DI tekstą taip, kad detektorius jo neatpažintų: keičia sinonimus, sakinių ilgį, įterpia netikėtų žodžių. Weber-Wulff ir kt. tyrimas parodė, kad mašininis perfrazavimas detektorių tikslumą numuša iki 26 % – taigi techniškai jie „veikia“. Tačiau tai sprendžia ne tą problemą:

• Google šlamšto politika taikoma „nesvarbu, kaip turinys sukurtas“. Perfrazuotas tuščias tekstas lieka tuščias, o masinis perrašinėjimas be vertės yra būtent tas, ką politika vadina masiniu turinio piktnaudžiavimu.
• Kokybė dažnai krenta. Dirbtinai įterpti sinonimai lietuvių kalboje greitai virsta netaisyklingomis linksnių formomis ir keistais žodžių junginiais, kuriuos pastebi skaitytojas.
• Faktinės klaidos lieka. Jei modelis išsigalvojo skaičių ar šaltinį (haliucinacija), perfrazavimas jo neištaiso.
• Akademinėje aplinkoje sąmoningas DI naudojimo slėpimas yra akademinio sąžiningumo klausimas, nepriklausomai nuo to, ar detektorius jį pagavo.

Veikiantis kelias – ne slėpti DI, o jį naudoti kaip juodraščio įrankį: duoti modeliui tikslų promptą su savais faktais, tada tekstą redaguoti, papildyti savo duomenimis ir patikrinti.

DI turinio žymėjimas pagal ES DI aktą

ES dirbtinio intelekto akto (Reglamentas (ES) 2024/1689) 50 straipsnis nustato skaidrumo prievoles, taikomas nuo 2026 m. rugpjūčio 2 d. Generatyvinio DI sistemų tiekėjai turi užtikrinti, kad sugeneruotas garsas, vaizdas, vaizdo įrašas ar tekstas būtų pažymėtas kompiuteriu nuskaitomu formatu ir atpažįstamas kaip dirbtinai sukurtas. Diegėjai (įmonės, kurios naudoja DI) turi atskleisti giliąsias klastotes (angl. deepfake) ir DI sugeneruotą tekstą, skelbiamą informuoti visuomenę viešojo intereso klausimais, nebent tekstą peržiūrėjo žmogus ir už jį prisiima redakcinę atsakomybę.

2026 m. birželį priimtas skaitmeninis omnibusas atidėjo didelės rizikos sistemų reikalavimus, bet 50 straipsnio beveik nepalietė: iki 2026 m. rugpjūčio 2 d. rinkai pateiktoms sistemoms 50 str. 2 d. žymėjimo prievolė taikoma nuo 2026 m. gruodžio 2 d. Kitaip tariant, ateityje DI turinio atpažinimas vis labiau rems ne spėliojimu pagal stilių, o generatorių įdėtomis žymėmis ir metaduomenimis. Verslui, kuris naudoja DI rinkodaroje, praktinė pasekmė paprasta: netrinkite generatorių pridėtų metaduomenų ir aiškiai žymėkite realistiškus DI vaizdus su žmonėmis.

Kada DI detektorius naudoti verslui ir kada ne

Situacija	Ar verta	Kodėl
Tikrinate laisvai samdomo autoriaus tekstą anglų kalba	Kaip signalas pokalbiui	Aukštas balas – priežastis paklausti apie darbo eigą, ne įrodymas
Tikrinate lietuvišką tekstą	Ne kaip sprendimo pagrindas	Mūsų bandyme lietuviškas DI tekstas gavo 0 % DI
Norite apsisaugoti nuo Google sankcijų	Ne	Google vertina naudą ir masto požymius, ne detektoriaus balą
Tikrinate vaizdą ar vaizdo įrašą	Taip, kilmės metaduomenis	C2PA ir SynthID duoda patikimesnį signalą nei stiliaus analizė
Darbuotojo ar kandidato vertinimas	Ne	Klaidingai teigiamas rezultatas gali lemti neteisingą sprendimą apie žmogų

Patikimesnis būdas užtikrinti teksto kokybę – procesas, o ne detektorius: sutartyje aptarti, kur DI leidžiama naudoti, prašyti juodraščių istorijos (pvz., dokumento versijų), tikrinti faktus ir šaltinius, vertinti, ar tekste yra tai, ko modelis negali žinoti: jūsų kainos, klientų klausimai, nuotraukos, bandymų rezultatai.

Kiek kainuoja AI checker: GPTZero ir ZeroGPT kainos

Kainos – iš oficialių kainoraščių 2026 m. spalio 13 d., JAV doleriais, eurais perskaičiuota pagal ECB 2026-10-12 kursą 1 EUR = 1,1181 USD, be PVM.

Įrankis ir planas	Kaina (mokant metams)	≈ €/mėn.	Limitas
GPTZero Free	0 USD	0	10 000 žodžių per mėn.
GPTZero Premium	12,99 USD/mėn.	11,62	300 000 žodžių per mėn.
GPTZero Professional	24,99 USD/mėn.	22,35	500 000 žodžių per mėn.
ZeroGPT Free	0 USD	0	15 000 simbolių vienam tikrinimui
ZeroGPT PRO	107,88 USD/metus (8,99 USD/mėn.)	8,04	100 000 simbolių vienam tikrinimui

Kaina nėra pagrindinis kriterijus: brangesnis planas neišsprendžia kalbos ir klaidingų rezultatų problemos. Prieš mokant verta atlikti aukščiau aprašytą 10+10 tekstų bandymą su savo tipiniais tekstais.

Kaip atpažinti DI tekstą be detektoriaus

Redaktoriui ar vadovui naudingesni ne procentai, o turinio požymiai, kuriuos galima patikrinti:

• Nepatikrinami faktai. Skaičiai be šaltinio, neegzistuojančios nuorodos, išgalvoti teisės aktų numeriai.
• Bendrybės vietoj konkretumo. Nėra kainų, datų, vietovių, produktų pavadinimų, savo patirties.
• Šabloniška struktūra. Kiekviena pastraipa tokio paties ilgio, pabaiga „Apibendrinant galima teigti…“, sąrašai po tris punktus.
• Nesena informacija ar jos trūkumas. Modelis nežino įvykių po savo mokymo duomenų ribos, jei nenaudojo paieškos.
• Kalbos klaidos, būdingos vertimui. Angliška žodžių tvarka, kalkės, netaisyklingi linksniai.

Šie požymiai nei įrodo, nei paneigia DI naudojimą, bet parodo tai, kas iš tikrųjų svarbu – ar tekstas naudingas ir teisingas.

Lietuvoje DI naudojimo moksle ir studijose principus nustato Akademinės etikos ir procedūrų kontrolieriaus tarnybos 2024 m. balandžio 29 d. įsakymu Nr. V-14 patvirtintos Dirbtinio intelekto etiško naudojimo mokslo ir studijų procese gairės. Jos reikalauja, kad DI įrankių naudojimas būtų skaidrus ir deklaruojamas, kad DI darbe būtų aiškiai identifikuotas, įvardytas ar cituojamas, o kilus įtarimų dėl neetiško DI naudojimo rekomenduoja taikyti ekspertinio vertinimo procedūras. Gairėse taip pat nurodyta, kad generatyvinio DI įrankis negali būti nurodomas kaip kūrinio autorius – atsakomybė už visą turinį tenka žmogui. DI detektorių kaip įrodymo priemonės gairės nemini; aukštosios mokyklos (VU, KTU, VILNIUS TECH ir kt.) turi savo DI naudojimo tvarkas, kurias verta pasitikrinti konkrečiame universitete.

ES DI akto priežiūrą Lietuvoje koordinuoja Ryšių reguliavimo tarnyba (RRT): nuo 2025 m. balandžio 1 d. ji atlieka rinkos priežiūros institucijos ir bendrojo kontaktinio punkto funkcijas, nors sektorinės institucijos prižiūri ir savo sritis. Būtent RRT bus institucija, į kurią kreipiamasi dėl 50 straipsnio žymėjimo prievolių. Jei DI turinys susijęs su asmens duomenimis (pvz., sugeneruoti realių žmonių atvaizdai), aktualios ir Valstybinės duomenų apsaugos inspekcijos (VDAI) kompetencijos. Lietuvių kalbai nepriklausomų DI detektorių tikslumo tyrimų neradome, todėl lietuviškų tekstų atveju bet kokio detektoriaus balas turėtų būti vertinamas ypač atsargiai.