Análisis comparativo de metodologías y conjuntos de datos para la clasificación de textos producidos por humanos o por IA generativa.

Abstract

El reciente auge de la Inteligencia Artificial (IA), especialmente por su capacidad para la generación de textos, ha provocado que la detección del contenido generado por IA cobre gran importancia. En consecuencia, también han ganado importancia diversas metodologías del procesamiento del lenguaje natural que son capaces de realizar esta tarea. En este proyecto se comparan las metodologías más usadas para la detección de texto generado por Inteligencia artificial, así como de los conjuntos de datos que se emplean para el entrenamiento de estos modelos. Aplicando y analizando estas metodologías y conjuntos de datos se pretende determinar cuáles resultan más útiles para la clasificación de textos según su origen (IA o humanos) y por qué.

The recent rise of Artificial Intelligence (AI), specially because of its capacity for text generation, has caused the detection of AI-generated content to become more important. Thus, numerous natural language processing methodologies capable of doing this task have also gained importance. This project compares the most commonly used methodologies for detecting AI-generated text, as well as the datasets that are used to train these models. By applying and analyzing these methodologies and datasets, the goal is to determine which of them are more useful for classifying text based on their origin (AI or human) and why.