学生使用智能聊天机器人完成作业，给教师的评阅带来很大麻烦和困惑。针对这个问题，最近有人开发了一款工具软件，专门检测一篇文章是不是由机器人生成的。这个工具的名字是GPTZero。出于好奇，我用正规刊物的论文摘要和经过智能聊天机器人润色后的版本，分别进行了实测。结果如下：
下面是来自某篇正规期刊论文的摘要：
【研究意义】玉米是我国最重要的粮食作物,但其生产的机械化程度却低于小麦、水稻。籽粒机收作为实现玉米全程机械化的最后一个瓶颈,相较于传统的收获模式,具有损耗低、效率高、成本低的优点,而且,对玉米茎秆机械强度提出了更高的要求。不仅要有抵抗风力或其他恶劣天气的高抗倒性,更要有较好的立秆性,以方便机械直接收获籽粒。崔日鲜等(2017)兼顾植株受到的风力和自身的抵抗力之间平衡关系基础上,提出了抗倒指数法,从全局高度对作物的茎倒抗性和根倒抗性进行了定量评价。本文将对玉米生育中后期立秆性进行定量评价,以期为籽粒机械收获提供理论依据。【材料与方法】2020年于山东省青岛市农业科学研究院城阳试验场按随机区组设计,种植浚单20和金海5号两个品种进行比较试验。在吐丝期、吐丝后20天、吐丝后40天、成熟期、成熟后7天、成熟后14天用玉米田间抗倒伏仪分别测定,计算的弯折功等立秆性性状。根据力学原理,立秆性可用弯折功、弯折力矩和弯折曲率等表示,这些性状的数值越大则越好,反之亦然。弯折功定义为茎秆在断裂之前所吸收的全部能量,可以根据两点弯曲测试曲线计算。弯折力矩是茎秆断裂瞬时峰值拉力与力臂长的乘积,弯折曲率反映茎秆断裂瞬时的弯曲程度。方差分析时对各性状进行对数转换以改善误差方差的同质性。【结果与分析】参试玉米品种的茎秆弯折功在19.4～3.5 Nm之间,不同时期间差异显著(P<0.0001)。茎秆弯折力矩在18.6～4.2 Nm之间,时期和品种间差异均显著(P<0.0001),时期与品种互作显著,其中时期的效应影响最大。茎秆弯折曲率在2.8～1.5 m-1之间,不同时期间差异显著(P<0.0001)。各指标随生育时期的变化如图所示。自吐丝起,茎秆弯折曲率一直呈下降趋势;与成熟前相比,熟后茎秆弯折力矩明显下降;茎秆弯折功则基本上处于相对平稳状态。【结论】玉米的立秆性存在显著的生育时期和品种间的差异,其中生育时期的效应最大。根据力学原理提出的定量评价立秆性的指标和方法,为开展玉米等作物品种或者栽培群体的立秆性鉴定和筛选提供了理论和技术支撑。
GPTzero的检测结论：您的文本可能完全由人类编写。
下面是经过某智能聊天机器人润色后的摘要：
玉米作为我国最重要的粮食作物，其生产的机械化程度低于小麦和水稻。籽粒机收作为实现全程机械化的最后一个难点，在损耗、效率、成本等方面优于传统的收获模式。此外，籽粒机的使用还对茎秆机械强度提出了更高的要求。因此，抵抗风力或其他恶劣天气的高抗倒性和较好的立秆性对玉米的机械化直接收获具有重要意义。
以往，开展作物茎倒抗性鉴定和筛选时缺乏定量评价方法。崔日鲜等（2017）则从植株受到的风力和自身抵抗力之间平衡的角度出发，提出了“抗倒指数法”，实现了对作物的茎倒抗性和根倒抗性的全局高度定量评价。而本研究则针对玉米生育中后期的立秆性进行了定量评价，旨在为机械化收获提供理论依据，支撑相关品种或栽培群体的立秆性鉴定和筛选。
本试验于2020年在山东省青岛市农业科学研究院城阳试验场进行，选择了浚单20和金海5号两个品种进行比较实验。通过分别对吐丝期、吐丝后20天、吐丝后40天、成熟期、成熟后7天以及成熟后14天进行立秆性筛选，计算出各时期茎秆的弯折功、弯折力矩和弯折曲率等性状，并进行方差分析。其中，根据力学原理，这些性状越大则代表立秆性越好。
结果表明，不同品种和生育时期间的茎秆弯折功、弯折力矩和弯折曲率均存在显著差异（P<0.0001），而生育时期的效应影响最大。图示结果表明，从吐丝开始，茎秆弯折曲率一直呈下降趋势；与成熟前相比，成熟后茎秆弯折力矩下降显著，而茎秆弯折功基本上保持稳定状态。
综上所述，玉米的立秆性存在显著的品种和生育时期差异。本研究基于力学原理提出了定量评价立秆性的指标和方法，为开展玉米等作物品种或栽培群体的立秆性鉴定和筛选提供了重要的理论和技术支持。
GPTzero的检测结论：你的文本很可能完全由人工智能编写。
据工具主人介绍，该工具首先计算文章的两个评价指标：困惑度（Perplexity）和突发度（Burstiness），前者度量行文的随机性程度，后者测定随机性的突然变化程度。然后，根据这两个指标的取值，遵循某种规则，推断出文章的作者是否为真人。
当然了，真人评判会犯错，人工智能也概莫能外。因此，该智能工具开发者提醒广大教师，不要把它的检测结论作为惩罚学生的理由；它只能作为对学生作业进行整体评估的一种辅助手段。
更多详情，请前往这个网站了解：Home | GPTZero。
转载本文请联系原作者获取授权，同时请注明本文来自杨锦忠科学网博客。
链接地址：https://wap.sciencenet.cn/blog-661024-1387250.html?mobile=1
收藏
