Els detectors de textos escrits per IA s'han basat sobretot en l'estil: el vocabulari, el ritme de les frases, els girs repetits. Això els fa fràgils, perquè qualsevol retoc o una altra eina pot esborrar el rastre. Un equip liderat per Rishanth Rajendhran, amb Mohit Iyyer entre els autors i vinculat a la Universitat de Maryland, a Google DeepMind i a la Universitat Simon Fraser, proposa mirar una altra cosa: les idees.
El sistema, anomenat IdeaLens, converteix cada document en un esquema de les funcions de cada part i de descripcions curtes parafrasejades del contingut, i així s'allunya de la redacció original. El van entrenar amb un milió de documents, etiquetats amb un altre detector, Pangram. En textos del tot humans o del tot generats, va reconèixer el 91% dels escrits per IA i va donar falsa alarma en el 0,6% dels humans, un encert per sota d'alguns detectors existents. Quan 50 històries humanes partien de plans fets per una IA, va assenyalar el 68% com a IA, davant l'8% de Pangram 4; i si les idees eren humanes però el text el redactava una IA, només en va detectar el 7%.
L'anàlisi de 90.000 prediccions suggereix que les idees humanes tendeixen a portar fonts verificables, detalls concrets i límits reconeguts, mentre que les de la IA es veuen més genèriques, amb xifres i mètodes que no es poden comprovar, afirmacions grandioses i solucions que semblen perfectes. Els autors han publicat models i dades, i hi ha una demostració en línia.
Cal remarcar que és una prepublicació (arXiv) encara **no revisada per parells**, d'un treball de 53 pàgines. Els mateixos autors diuen que l'eina no és llesta per fer-se servir en situacions reals i que costa amb els textos d'alguns models nous. Detectar autoria mai és infal·lible, i un resultat així no hauria de servir per acusar ningú.