AI শনাক্তকারীর স্কোর প্রমাণ নয়—মানুষের লেখায় ভুল ০% থেকে ১০০%

এআই শনাক্তকারীর স্কোর একা লেখক এআই ব্যবহার করেছেন বা নিয়ম ভেঙেছেন, তার প্রমাণ নয়। ইংরেজি লেখার ১,৩৫,৩৮৯ জোড়া মূল ও মানবসম্পাদিত নথি নিয়ে ১৩টি পদ্ধতির গবেষণায় আগের সময়ের মানব-লেখা অংশে ভুলভাবে এআই লেখা চিহ্নিত করার হার পদ্ধতিভেদে ০% থেকে ১০০% ছিল।

ভুল ইতিবাচক ফলের অর্থ, মানুষের লেখাকে যন্ত্রের লেখা বলা হয়েছে। তাই বেশি স্কোর প্রশ্ন তোলার কারণ হতে পারে, কিন্তু শিক্ষার্থীকে শাস্তি দেওয়া, লেখা প্রত্যাখ্যান করা বা চাকরিপ্রার্থীকে বাদ দেওয়ার ভিত্তি হতে পারে না। সিদ্ধান্তের আগে লেখাটি কীভাবে তৈরি হয়েছে, প্রতিষ্ঠানের কোন নিয়ম প্রযোজ্য এবং লেখক কী ব্যাখ্যা দিচ্ছেন, তা মানুষের পর্যালোচনায় দেখতে হবে। কম স্কোরও লেখার উৎস নিশ্চিত করে না।

ভুলের পরিসর এত বড় কেন

গবেষণায় ইংরেজি সম্পাদনা সেবার নথি ব্যবহার করা হয়েছে। প্রতিটি জোড়ায় ছিল ইংরেজি মাতৃভাষা নয় এমন একজন লেখকের মূল লেখা এবং পেশাদার মানব সম্পাদকের সংশোধিত সংস্করণ। লেখক ও মূল বক্তব্য একই রেখে ভাষার পরিবর্তনে শনাক্তকারীর প্রতিক্রিয়া দেখা সম্ভব হয়েছে। একই সম্পাদনার পর কোনো পদ্ধতিতে এআই-লেখার স্কোর বেড়েছে, অন্য পদ্ধতিতে কমেছে।

ফলটি বুঝতে নমুনা আর ভুলের হিসাব আলাদা রাখা জরুরি। নথির মোট সংখ্যা এসেছে সম্পূর্ণ সংগ্রহ থেকে; মানুষের লেখা ভুল চিহ্নিত করার উল্লিখিত পরিসর হিসাব করা হয়েছে সেই আগের সময়ের অংশে, যখন আধুনিক লেখক-সহায়ক চ্যাটবটের ব্যাপক ব্যবহার শুরু হয়নি। গবেষকেরা ওই লেখাগুলোকে মানব-লেখা ধরে পদ্ধতিগুলোর ভুল ইতিবাচক ফল মেপেছেন। এটি কোনো একজন লেখার এআই দিয়ে তৈরি হওয়ার সম্ভাবনা নয়।

পরীক্ষিত পদ্ধতিগুলোর ভিন্ন ধরনের কাঁচা ফলকে একটি অভিন্ন স্কেলে এনে একই সিদ্ধান্তসীমা প্রয়োগ করা হয়েছিল; প্রতিটি পদ্ধতির জন্য আলাদা করে সবচেয়ে সুবিধাজনক সীমা ঠিক করা হয়নি। ফলে পরিসরের দুই প্রান্তকে সব শনাক্তকারীর স্থায়ী নির্ভুলতা বা ব্যর্থতার হার হিসেবে পড়া ঠিক হবে না। ফলটি দেখায়, পদ্ধতি ও সিদ্ধান্তসীমা বদলালে একই ধরনের মানব-লেখার ওপর রায় কতটা বদলাতে পারে।

নমুনার সব নথি একই ধরনের গবেষণাপত্রও ছিল না; সেবাটিতে একাডেমিক লেখার পাশাপাশি ভর্তি আবেদন ও অন্য ধরনের ইংরেজি লেখা ছিল। বাংলা পরীক্ষার খাতা, সংবাদ প্রতিবেদন বা চাকরির আবেদন এই পরীক্ষার অংশ ছিল না। তাই বাংলায় একই ভুলের হার ঘটবে বলে দাবি করা যায় না; বাংলার জন্য নির্ভরযোগ্যতা জানতে সংশ্লিষ্ট ভাষা ও লেখার ধরনেই পরীক্ষা দরকার।

NIST-এর মূল্যায়ন থেকে কী বোঝা যায়

২০২৫ সালে প্রকাশিত NIST-এর টেক্সট-টু-টেক্সট পাইলট মূল্যায়নে মানুষের ও যন্ত্রের তৈরি সারাংশ আলাদা করার ফল ব্যবহৃত জেনারেটর এবং শনাক্তকারীর জুটি অনুযায়ী উল্লেখযোগ্যভাবে বদলেছে: কিছু জেনারেটর অধিকাংশ শনাক্তকারীকে ফাঁকি দিয়েছে, আবার কিছু শনাক্তকারী প্রায় সব জেনারেটরের লেখা ধরেছে। সামগ্রিক পরীক্ষায় শনাক্তকারীগুলো যথেষ্ট কার্যকরও ছিল। অর্থাৎ একটি সফল বা ব্যর্থ জুটির ফল সব ব্যবহারের জন্য একক নির্ভুলতার হার দেয় না।

এখানে পরীক্ষার লেখা ছিল সারাংশ; দীর্ঘ প্রবন্ধ, পেশাদার সম্পাদিত পাণ্ডুলিপি বা বাংলা লেখার ক্ষেত্রে একই ফল ধরে নেওয়া যাবে না। যন্ত্রের লেখা ধরা না পড়া এবং মানুষের লেখা ভুলভাবে ধরা পড়া আলাদা সমস্যা। প্রথমটি সন্দেহজনক লেখা এড়িয়ে যেতে দেয়, দ্বিতীয়টি নির্দোষ লেখকের বিরুদ্ধে অভিযোগ তুলতে পারে। শিক্ষার্থী বা আবেদনকারীর ক্ষেত্রে দ্বিতীয় ভুলটির পরিণতি বিশেষভাবে গুরুতর হতে পারে।

কোনো সেবা ‘নির্ভুল’ বলে দাবি করলে সেই শব্দের সঙ্গে পরীক্ষার শর্তও দেখতে হবে: লেখার ভাষা ও দৈর্ঘ্য কী ছিল, কোন ধরনের লেখা পরীক্ষা করা হয়েছে, কোন জেনারেটরের সঙ্গে তুলনা হয়েছে এবং কত স্কোরে লেখা চিহ্নিত করা হয়েছে। এক শর্তে পাওয়া ফল অন্য শর্তে সিদ্ধান্ত নেওয়ার নিশ্চয়তা দেয় না। বিশেষত বাংলার জন্য আলাদা পরীক্ষা না থাকলে ইংরেজি ফল দিয়ে বাংলা লেখকের ঝুঁকির সংখ্যা বলা সম্ভব নয়।

রিপোর্টের শতাংশ লেখকের সম্ভাবনা নয়

Turnitin-এর এআই রাইটিং রিপোর্টের নির্দেশনা অনুযায়ী, দেখানো শতাংশটি জমা দেওয়া লেখার পরীক্ষাযোগ্য দীর্ঘ গদ্যের কতটা অংশকে তাদের মডেল সম্ভাব্য এআই-লিখিত বলছে; মানুষের লেখা ভুল চিহ্নিত হতে পারে বলে শিক্ষার্থীর বিরুদ্ধে ব্যবস্থার একমাত্র ভিত্তি হিসেবে ফল ব্যবহার না করতেও বলা হয়েছে। নির্দেশনায় সমর্থিত ভাষার তালিকায় বাংলা নেই।

ওই শতাংশকে ‘লেখক এআই ব্যবহার করেছেন—এমন সম্ভাবনা’ ভাবলে রিপোর্টের অর্থ বদলে যায়। এটি লেখার একটি অংশ সম্পর্কে নির্দিষ্ট মডেলের শ্রেণিবিন্যাস, লেখকের কাজের ইতিহাস নয়। একই খসড়ায় লেখকের নিজস্ব লেখা, বানান সংশোধন, অনুমোদিত ভাষা সম্পাদনা এবং স্বয়ংক্রিয়ভাবে তৈরি অংশ থাকতে পারে। কোন ব্যবহার নিয়মভঙ্গ, তা নির্ভর করে সংশ্লিষ্ট কাজের নির্দেশনা ও প্রতিষ্ঠানের নীতির ওপর।

একই কারণে দ্বিতীয় শনাক্তকারীর ভিন্ন স্কোর পেলেই প্রথমটির ভুল বা সঠিক হওয়া প্রমাণিত হয় না। পদ্ধতি দুটির প্রশিক্ষণ, ভাষা-সমর্থন ও সিদ্ধান্তসীমা আলাদা হতে পারে; আবার একই ধরনের ভাষাগত বৈশিষ্ট্যে দুটিই ভুল করতে পারে। স্কোরগুলো প্রশ্নটি কোথায় তুলতে হবে তা বোঝাতে সাহায্য করতে পারে, কিন্তু লেখক কী করেছেন তা জানতে লেখার প্রক্রিয়ার স্বতন্ত্র তথ্য প্রয়োজন।

স্কোর উঠলে মানব যাচাই কীভাবে হবে

শিক্ষাপ্রতিষ্ঠান, সম্পাদকীয় দল ও নিয়োগকারীরা অভিযোগের আগে একই নিয়মে প্রমাণ সংগ্রহের একটি সংক্ষিপ্ত পদ্ধতি রাখতে পারেন। নিচের ধাপগুলো সম্পাদকীয় সুপারিশ; এগুলো কোনো শনাক্তকারীর পরীক্ষিত নির্ভুলতার দাবি নয়। উদ্দেশ্য হলো অভিযোগটি নির্দিষ্ট করা, লেখককে জবাব দেওয়ার সুযোগ দেওয়া এবং সিদ্ধান্তের কারণ সংরক্ষণ করা।

1. সতর্কসংকেতের প্রেক্ষাপট লিখুন। কোন লেখার কোন অংশ, কোন ভাষা এবং কোন সেবায় প্রশ্ন উঠেছে, তা নথিবদ্ধ করুন। সেবাটি ওই ভাষা, লেখার দৈর্ঘ্য ও ধরন পরীক্ষা করার জন্য উপযুক্ত কি না, আগে দেখুন। অনুপযুক্ত লেখায় পাওয়া স্কোরকে অভিযোগের ভিত্তি করবেন না।
2. লেখা তৈরির ধারাবাহিকতা দেখুন। পাওয়া গেলে প্রাথমিক খসড়া, নোট, উৎস বাছাই ও সংশোধনের ইতিহাস মিলিয়ে দেখুন। বিভিন্ন সংস্করণে যুক্তি বা তথ্য কীভাবে তৈরি হয়েছে, সেটি স্কোরের চেয়ে বেশি প্রাসঙ্গিক হতে পারে। সংস্করণের ইতিহাস না থাকাকে একা নিয়মভঙ্গের প্রমাণ ধরবেন না; সবাই একই সফটওয়্যার বা সংরক্ষণের পদ্ধতি ব্যবহার করেন না।
3. লেখকের ব্যাখ্যা নিন। কোন অংশ নিয়ে প্রশ্ন, কোন নিয়ম প্রযোজ্য এবং কী ধরনের সহায়তা অনুমোদিত ছিল, তা স্পষ্ট করে জানান। লেখককে খসড়া, সম্পাদনা, ব্যবহৃত উৎস ও সহায়ক সফটওয়্যারের ভূমিকা ব্যাখ্যা করতে দিন। ভাষার সাবলীলতা বা লেখার ভঙ্গি দেখে আগাম রায় না দিয়ে একই প্রশ্নের সুযোগ সবার জন্য রাখুন।
4. স্বাধীন তথ্য দিয়ে মিলিয়ে দেখুন। উদ্ধৃত উৎস, গবেষণার নোট, আগের কাজ বা বিষয়টি সম্পর্কে লেখকের ব্যাখ্যা অভিযোগের সঙ্গে তুলনা করা যায়। কাজের ধরন অনুযায়ী এসব তথ্যের গুরুত্ব বদলাবে। শুধু আরেকটি শনাক্তকারীর স্কোর যোগ করাকে স্বাধীন প্রমাণ ভাববেন না।
5. কারণ লিখে আপিলের পথ রাখুন। সিদ্ধান্ত হলে কোন তথ্য থেকে কোন নিয়মভঙ্গ প্রতিষ্ঠিত হয়েছে, তা লেখককে জানান। ভুল তথ্য সংশোধন, নতুন খসড়া বা প্রাসঙ্গিক ব্যাখ্যা জমা এবং অন্য পর্যালোচকের কাছে পুনর্বিবেচনা চাওয়ার বাস্তব সুযোগ রাখুন।

লেখকের কাছে খসড়া না থাকলে

শিক্ষার্থী বা চাকরিপ্রার্থী নিজের কাছে থাকা নোট, ব্যবহৃত উৎস, সংশোধনের ইতিহাস কিংবা লেখার যুক্তি ব্যাখ্যা করে কাজের অগ্রগতি দেখাতে পারেন। পুরোনো সংস্করণ সংরক্ষণ না করা এবং যন্ত্র দিয়ে লেখা তৈরি করা একই ঘটনা নয়। তাই খসড়া না থাকলে ব্যাখ্যা শোনা ও পাওয়া অন্যান্য তথ্য যাচাই করার প্রয়োজন আরও বাড়ে।

অভিযোগের ভাষাও নির্দিষ্ট হওয়া দরকার। বানান ঠিক করা, বাক্য সম্পাদনা এবং পুরো অনুচ্ছেদ তৈরি করানোকে এক অভিযোগে মিশিয়ে দিলে লেখক বুঝতে পারবেন না কোন আচরণের জবাব দিতে হচ্ছে। নির্দিষ্ট নিয়ম ও নির্দিষ্ট অংশের ভিত্তিতে প্রশ্ন তুললে লেখকের জবাব এবং পর্যালোচকের সিদ্ধান্ত—দুটিই যাচাই করা সহজ হয়।

আরও পড়ুন:

• Copilot-এর approval-এ PR merge হতে পারে—মানুষের review কোথায় রাখবেন
• Custom agent eval-এ trace গেলেও ভুল field দিলে score হবে না
• Zscaler Agentic SOC user isolate করতে পারে—মানুষের approval কোথায়?