なぜAIテキスト検出ツールは間違え続けるのか

その最後の一節が、このセクション全体の要点だ。ここで扱ったすべての手法は、粗雑なパープレキシティの閾値からBinocularsに至るまで、語の特性を読み取っている。そのどれも執筆という行為を観察していない。それらは学習分布への類似性を測定しているのだ。

類似性は執筆者ではない。それが問題のすべてだ、たった一言で。

なぜAI検出ツールはこれほど多くの偽陽性を生むのか?

検出ツールが人間の文章をAIとしてフラグ付けするのは、統計的な特性がAIの出力に似た文章ならどんなものでもフラグ付けするからだ。2026年のある数学的な枠組みは、これを単なる調整の誤り以上のものとして扱う。評価者が各人の個々の執筆分布を知らないとき、誤った告発は避けられず、その率は人間とAIの文章がどれだけ重なり合うかによって定まる。この下限は現実のものであり、動かない。

その論文は、Garlandの2026年の 「AI検出ツールは多様な学生集団に対して失敗する:構造的検出限界の数学的枠組み」だ。 従来の検出理論は、この課題を2つの既知の分布の間の検定として扱う。人間の文章はこう見える、AIの文章はこう見える、どちらがそのテキストを生成したかを判定せよ、と。Garlandの論旨は、人間側は一つの分布ではないというものだ。各人の自然な文体はそれ自体が一つの分布であり、一部の人々の文体はAIの出力と大きく重なる。統計的な用語で言えば、帰無仮説は複合的(単一のものではなく多くの分布の束)であり、複合的な帰無仮説に対して働くテキストのみの一発判定型検出ツールには、誤った告発を避ける術がない。

「有用な検出力を持つテキストのみの一発判定型検出ツールはいずれも、学生の文章とAIの出力の間の分布上の重なりによって定まる率で、誤った告発を生み出さざるを得ない。」Garland、2026年(arXiv:2603.20254)

その帰結については正確を期す価値がある。なぜならそれこそが、これをよくある「検出ツールはまだ完璧ではない」という枠組みから切り離すものだからだ。この限界は集団の多様性から来るのであって、モデルの品質から来るのではない。より優れた検出ツール、より大きな学習セット、より賢い分類器、そのどれもこれに手を触れられない。なぜなら、それが依存する重なりは、人々がどう書くかの特性であって、ツールがどれだけうまく設計されているかの特性ではないからだ。Garland自身の政策的な一文が直接続く。「検出スコアは不正行為の審理において唯一の証拠として機能すべきではない。」

経験的な記録は数学と一致する。OpenAIは自社モデルの出力向けに分類器を構築し、それがAIテキストを識別できたのはわずか26%で、その一方で人間を誤ってフラグ付けしたのが9%だったのを見届け、2023年7月にその低い信頼性を理由に運用を停止した。「教育者が学生について、潜在的に長く尾を引く結果を伴う判断を下しかねないことを踏まえて」というのがその理由だった。2026年に International Journal of Educational Integrity に掲載された査読済み研究は、混合データセットにおける実世界の精度を、Turnitinで61%、Originality.aiで69%と算出した。マーケティングページの99%からは程遠い。 hCaptchaのベンチマーク は、テストしたどの公開検出ツールもランダムな当てずっぽうを上回らなかったと結論づけた。 Curtin UniversityはのちにTurnitinのAI執筆検出機能を無効化した 。2026年1月1日からのことで、信頼性、明確性、公平性、そして将来に対応した評価の必要性を理由に挙げた。

そこにスケールを掛け合わせよう。Vanderbiltは自らの処理量について計算をしたうえで、Turnitinの検出ツールを無効化した。年間75,000件の提出物に対して主張される1%の偽陽性率では、およそ年750人の学生が誤ってフラグ付けされることになる。それは低めの見積もりであり、ベンダー自身の楽観的な数字から取ったものだ。

偽陽性率は、人々がどれだけ異なる書き方をするかによって定まる下限であって、次のリリースが引き下げる上限ではない。

最も多く誤ってフラグ付けされるのは誰か?

そう、検出ツールには偏りがあり、しかも系統的に偏っている。英語を母語としない書き手や、規律ある制約された文体(法律、科学、技術)で書く者ほど、より頻繁にフラグ付けされる。その文章が、検出ツールが「AI」と読み取る低パープレキシティ、低バースティネスの特徴を帯びうるからだ。この偏りは彼らが何者であるかについてのものではない。それは、注意深く、平明で、予測可能な文章が、統計的に機械の出力のように見えうるということなのだ。

その基礎となる証拠は、Liangらの2023年の研究で、 Patternsに掲載された。広く使われている7つの検出ツールが、英語を母語としない話者による91編のTOEFLエッセイと、母語話者による88編の米国8年生のエッセイに対して実行された。検出ツールは母語でないエッセイの半数超を誤分類した(平均偽陽性率61.3%)一方で、母語話者のセットではほぼ完璧なスコアを示した。7つの検出ツールすべてが、人間が書いたTOEFLエッセイの19.8%を、満場一致でAIによる執筆としてフラグ付けした。

この件に決着をつける実験は、その介入だ。研究者たちがChatGPTを使って、同じ母語でないエッセイの語彙をより母語話者らしく聞こえるよう豊かにしたところ、偽陽性率は61.3%から11.6%へと下がった。テキストをよりAIの手の入ったものにすることで、検出ツールはそれをフラグ付けしにくくなった。なぜなら、検出ツールが最初から反応していたのは語彙の予測可能性であって、執筆者ではなかったからだ。告発を駆動していたシグナルはパープレキシティであり、パープレキシティは誰が語を書いたのかの尺度では決してなかった。

このパターンは言語運用能力にとどまらない。 BAIDは最初の体系的な偏りベンチマークで、7つの社会言語学的な軸(人口統計、年齢、学年、方言、フォーマルさ、政治的傾向、話題)にわたり20万件超のサンプルで検出ツールを評価し、7つすべてに一貫した格差を見出した。Rashidiらは、あるAIテキスト検出ツールが、既知の人間が書いた科学論文の要旨のうち 最大8%を誤判定した ことを発見した。1980年から2023年までに公表された要旨を用いており、その理由は、医学と科学の文章が制約された語彙、ぼかした言い回し、標準化された構造で成り立っているからだ。法律文書は設計上、定型的である。 The Authors Guild は、これのプロの書き手版を率直に述べた。書き手の文体が洗練され制御されているほど、それはこれらのツールがフラグ付けするために作られた出力に似てくる、と。

誤って告発される可能性が最も高い書き手は、最も規律ある制約された書き方をする者たちだ。それは「不正」が予測するであろうもののちょうど正反対である。

検出ツールが機能するなら、なぜ誰でもそれを回避できるのか?

検出ツールをすり抜けるのは日常茶飯事であって、巧妙なことではない。検出ツールはそもそも成績が低く、敵対的な操作はそれをさらに下げる。敵対的な言い換えは、検出ツールの真陽性率を平均88%削ぐ。この軍拡競争は構造上、非対称だ。検出ツールはあらゆる回避経路を一度に守らなければならないが、回避ツールは検出ツールが現在測定している単一のパターンだけを打ち負かせばよい。

その数字は研究から直接来ている。 Perkinsら(2024年) は、機械生成テキストに対する検出精度を39.5%と測定し、回避技術が適用されると17.4%まで下がると測定した。 Chengら(2025年) は、敵対的な言い換えが検出ツールの種類全体で平均真陽性率を87.88%下げ、Fast-DetectGPTを98.96%削ぐことを発見した。 Sadasivanら(2023年) は、再帰的な言い換えが、電子透かしに基づく検出ツールを含め、テキストを読みやすく保ったまま検出性能を大きく低下させうることを示した。これらの発見の周りには、AIテキストが人間と判定されるまで書き直すことを仕事とする「ヒューマナイザー」ツールの一大対抗産業が居座っており、その産業の存在自体が、検出ツールが何を測定しているかについての証拠となっている。執筆者の尺度を打ち負かす信頼できるツールは作れない。テキストの統計の尺度を打ち負かすツールは作れるし、人々は実際に作ってきた。

この非対称性は構造的であり、それはリリースの頻度に表れる。Turnitinが 2025年8月にAIバイパサー検出機能を投入したとき、それはヒューマナイザーにかけられたテキストを捕捉しようとする試みだったが、ヒューマナイザーのベンダーはすぐに自分たちの回避の宣伝文句を打ち出し始めた。すべての検出ツールの更新が新たな標的を定め、すべての標的は撃たれる。

これらすべてから読者が引き出せる推論があり、それは事実ではなく推論として印を付けておく価値がある。こう読むと、検出ツールはおおむね、生のまま編集していないAI出力を提出する人々、つまり最も意欲が低く最も不注意な利用者を捕らえている。方針が最も捕らえたい者こそ、最も容易に見逃される。

軍拡競争は、ベンダーがいずれ埋める一時的なギャップではない。それは設計上、非対称なのだ。

各機関はいま何をしているのか?

増え続ける大学のリスト(Vanderbilt, Yale, Curtin、 University of Waterlooなど)が、偽陽性の量、母語でない話者への偏り、不安定なスコア、透明性の欠如を理由に、TurnitinのAI検出ツールを無効化または制限してきた。ほかの機関は、それを助言的なシグナルとしてのみ残し、告発の唯一の根拠とはしなかった。制度的な判断は学術論文とは独立して届きつつあり、そしてそれらと一致している。

その理由付けは文書化され、具体的だ。 Vanderbilt は2023年8月にこの機能を無効化した際、4つの根拠を挙げた。年750件の誤った告発という計算、母語でない話者への偏り、Turnitinがどのように判定に至るのかの説明の欠如、そして第三者へのデータ提出に関するプライバシー上の懸念である。 Curtin University は、2026年1月1日から、TurnitinのAI執筆検出機能を全キャンパスおよび全学期で無効化する一方、通常のテキスト照合チェックは有効なまま残す、と発表した。University of Waterlooは TurnitinのAI検出機能を廃止した 。2025年9月からのことで、学内での学術的な協議を経てのことだった。 The University of Texas at Austin はAI検出ソフトウェアを推奨しておらず、AI検出機能を有効にした中央の契約や発注書を持たず、このソフトウェアを調達上の高リスクに分類している。 MIT と Stanford を含む機関からの教員向けガイダンスは、同じ実践的な教訓に行き着く。AI検出ツールは高い誤り率、偽陽性、偏りのリスクを持つため、決定的な証拠として扱われるべきではない、と。

方針の言葉の下にいるのは、人々だ。 Marley Stevensは、University of North Georgiaの学生で、自分で書いた作品をTurnitinにフラグ付けされ、学業上の保護観察に置かれ、HOPE Scholarshipを失った。彼女は、テキストをGrammarlyにかけただけだと述べている。UC Davisでは、 AI使用を告発されたある学生 が、のちにGoogle Docsの編集履歴を示して嫌疑を晴らされ、また別の学生主導のテストは、 GPTZeroが247件の非AI文書の40%を誤ってフラグ付けしたと報告した。これらは誤り率が丸めて切り捨てる例外的なケースではない。これらのツールが動く規模では、それらは可視化された誤り率そのものだ。

統計的検出に取って代わるものは何か?

浮上している答えは来歴(プロヴェナンス)だ。完成したテキストを吟味してその起源を推測するのではなく、生成の瞬間に起源の検証可能なシグナルを記録するのである。2つのアプローチが収束しつつある。Google DeepMindのSynthID電子透かしと、C2PAコンテンツ資格情報の標準であり、それらは下書き履歴や授業内での作業といった従来の証拠と組み合わされる。来歴はより上手に推測するのではない。それは問いを、答えられるものへと変えるのだ。

SynthID は、モデルがテキストを生成する際にトークンの確率を微調整することで機能し、検証者が後で確認できる統計的なパターンを残す。GoogleはSynthIDを生成された画像、テキスト、音声、動画にわたって展開してきた。その画像および動画フレームの実装は、100億を超える画像および動画フレームに電子透かしを入れるために使われており、Googleは現在、対応メディア向けにSynthID Detectorのポータルを提供している。その限界も文書化されている。より長く、変化に富んだ出力で最もよく機能し、短い、または純粋に事実的な回答では性能が振るわず(フランスの首都の書き方は一通りしかないので、変調するものがない)、大幅な書き直しや翻訳のもとでは信頼度が低下する。また、それを実装していないいかなるモデルのテキストも見ることができない。

C2PAコンテンツ資格情報 は補完的なアプローチをとる。作成時に添付される暗号署名付きのメタデータで、どのツールがそのコンテンツをいつ作ったのかを記録する。OpenAIは2024年5月にC2PA運営委員会に加わった。2026年5月には、対応する画像出力向けに、C2PAコンテンツ資格情報をGoogle DeepMindのSynthID電子透かしと組み合わせ、検証ツールをプレビューすることで、その来歴スタックを拡張した。この2つの層は互いを支え合う。署名付きメタデータは情報が豊富だが再アップロードで剥がされうる一方、SynthIDの電子透かしはスクリーンショットやフォーマットの変更を生き延びるが、持つ情報は少ない。難点は、あらゆる来歴の仕組みに制限を課すのと同じものだ。それは参加するツールからのコンテンツを検証するが、参加しないツールからのコンテンツについては何も語らない。カバー範囲は任意であり、それは採用が広がるにつれてのみ広がる。

だからこそ、この分野は電子透かしで止まらない。大学のガイダンスとコミュニティの合意が繰り返し行き着く代替策は手続き的なものだ。下書き履歴とバージョンのコミットを求め、短い授業内または口頭の要素を組み込み、本物の関与なしには偽装が難しい評価を設計する。そしてシグナルが実際に現れたときは、それを事案の締めくくりではなく、会話の始まりとして扱うのだ。

それが、評価者が関係者に持ち帰れる具体的な要点だ。統計的検出は「このテキストはAIのように見えるか?」と問うが、Garlandによれば、その問いには信頼できる答えがない。来歴は「準拠したツールがこれに署名したか?」と問い、その問いには、それらのツールが触れたコンテンツの部分集合について、検証可能な答えがある。この取引は、実際に裏付けられる主張と引き換えにカバー範囲が狭くなるというものであり、それは人の地位が懸かっているときに置かれるべきより良い立場だ。

宣伝された精度 対 独立した検証結果

ベンダーの精度の主張と独立した測定は、近くもない。以下の表は、各ツールの宣伝された数値を、独立したテストが見出したものと突き合わせている。これは購入ガイドではない。「推奨」の列はない。なぜなら、この記事の論旨は、そうした列の背後にある枠組みが破綻しているというものだからだ。これはギャップの記録である。

これらの数値は、各テストが異なるデータセット、閾値、執筆条件を用いたため、ベンチマークのスコアとして直接比較できるものではない。要点は、統制されたベンダーの主張と、より雑然とした実世界または独立した評価との間に繰り返し現れるギャップである。

よくある質問