본 논문은 인공지능(AI)의 지원 여부를 감지하는 문제를 다룬다. AI가 텍스트 생성, 의료 진단, 자율 주행 등 복잡한 작업에 광범위하게 사용됨에 따라 AI 지원 감지는 점점 중요해지고 있다. 특히 추상적인 작업 데이터를 다룰 때는 인간이 AI 지원을 감지하는 것이 어렵다. 본 논문은 이 문제를 인공 신경망을 이용한 분류 작업으로 정의하고, 기존 연구들이 주로 이미지와 같은 구체적인 데이터에 초점을 맞춘 것과 달리, AI 지원 감지 시 발생하는 기계 학습에 적합하지 않은 데이터를 다루는 데 초점을 맞춘다. 논문에서는 네 가지의 신경망 친화적인 이미지 형식과 사용자의 탐색/활용을 명시적으로 인코딩하는 시계열 형식을 제시하여 다양한 추상적인 작업에 일반화할 수 있도록 한다. 세 가지의 고전적인 심층 학습 아키텍처와 시계열 정보를 활용하여 성능을 극대화하는 CNN-RNN 아키텍처를 통해 각 이미지 형식의 성능을 벤치마킹하여 추상적인 작업에서 AI 지원 감지를 위해 시간적, 공간적 정보를 인코딩하는 것이 중요함을 보여준다.
