ما هي التفاوتية؟ لماذا تُوسَم الجمل المنتظمة

اقرأ فقرة بصوت عالٍ، وستكون هناك درجة معينة من التسطيح مسموعة قبل أن تكون قابلة للتسمية: كل جملة تقع تقريبًا في العدد نفسه من الأنفاس، مثل مِترونوم نسي أحدهم إيقافه. يلاحظ القراء هذا النمط قبل أن يستطيعوا القول ما الخطأ فيه، وقد صُممت الكواشف التي تُبنى لالتقاط النص المولَّد لكي تلاحظ ذلك أيضًا. الاسم الذي يُطلق على هذا النمط هو burstiness، وهي كلمة أقدم من أي كاشف AI.

فما هو burstiness، بالمعنى المحدد الذي يقصده الكاشف؟ إنه مقياس لمدى تباين أطوال الجمل عبر مقطع نصي، ويُحسب نسبة إلى متوسط ذلك المقطع نفسه لا إلى أي عدد ثابت. تكون الفقرة ذات burstiness مرتفع عندما تجاور الجمل القصيرة المقتضبة جملًا طويلة متعرجة. وتكون الفقرة ذات burstiness منخفض عندما تقع كل جملة قريبًا من الطول نفسه، سواء كان ذلك الطول 6 كلمات أو 26.

هذه الإحصائية بسيطة بما يكفي لحسابها يدويًا على فقرة قصيرة، وما إن تصبح مرئية حتى يتوقف الصفحة المسطحة عن أن تكون انطباعًا غامضًا وتصبح رقمًا يمكن الإشارة إليه. وهي أيضًا لا علاقة لها تقريبًا بإحصائية أقدم وغير مرتبطة بها، تشترك معها في الاسم فحسب.

ما هو burstiness؟

يُقال إن كاشف AI هو bursty إذا وُجد تباين في طول الجمل عبر وثيقة. وburstiness، كما يستخدمه كاشف AI، هو مدى أطوال الجمل عبر وثيقة، ويُعبَّر عنه برقم واحد: الانحراف المعياري لتلك الأطوال مقسومًا على متوسطها. يعني الرقم المرتفع أن الجمل تتباين على نطاق واسع حول المتوسط. ويعني الرقم المنخفض أنها تتجمع بإحكام حوله، بغض النظر عن ماهية ذلك المتوسط.

تنتمي الكلمة نفسها إلى معجم إحصائي أقدم بكثير. يستخدم الباحثون burstiness لوصف الزلازل، وتفشيات الأمراض، وحركة الشبكات، وكل ما يتجمع زمنيا بدل أن ينتشر بالتساوي، وإحدى الطرق الشائعة لقياسه في تلك المجالات هي عامل Fano، أي نسبة تباين العد إلى متوسطه.

هناك أيضًا معنى ثانٍ أقدم داخل معالجة اللغة الطبيعية نفسها، ومن السهل الخلط بينه وبين إحصاء طول الجملة الذي يتناول هذا المنشور. استخدم علماء اللسانيات المتنية في 1990s مصطلح burstiness لوصف كيفية تكتل الكلمات الفردية: فبمجرد أن يذكر مستند كلمة غير شائعة، يصبح من الأرجح كثيرًا أن يذكرها مرة أخرى مما قد يوحي به ظهور أول مستقل. وقد منح Kenneth Church وWilliam Gale هذا النمط معالجته الإحصائية في Poisson mixtures في 1995، ولا تزال أنظمة استرجاع المعلومات تعدل له عند وزن مقدار ما ينبغي أن تحتسبه الكلمة المكررة. ذلك الإحصاء يتتبع تكرار كلمة واحدة. أما القياس في هذا المنشور فيتتبع شيئًا آخر: شكل الجمل كلها، بصرف النظر عن الكلمات التي تملؤها.

يستخدم بقية هذا المنشور الكلمة بهذا المعنى الثاني فقط: شكل الجملة، لا تكرار الكلمة.

لماذا يكون التشتت أهم من المتوسط

يمكن لوثيقتين أن تتشاركا المتوسط نفسه تمامًا لطول الجملة، ومع ذلك لا تبدوان متشابهتين إطلاقًا. فقد ينتمي متوسط من 12 كلمة إلى فقرة تكون فيها كل جملة قريبة من 12 كلمة، أو إلى فقرة تتناوب فيها الجمل ذات 6 كلمات مع جمل ذات 18 كلمة، ولا يستطيع المتوسط أن يميز بين هاتين الفقرتين. وحده التشتت حول المتوسط يستطيع ذلك.

سيصف الإحصائيون المقارنة القائمة على المتوسط وحده بأنها فشل في النظر إلى ما بعد العزم الأول للتوزيع. أما الكاشف، أو القارئ المتأني، فيتحقق ضمنيًا من العزم الثاني أيضًا: أي الشكل حول المركز، وهو ما لا يستطيع المتوسط وحده أن يكشفه أبدًا.

تأمل طريقتين لعرض النتيجة نفسها. 'خفض التدخل الأعراض لدى معظم المشاركين. كان الأثر متسقًا عبر الفئات العمرية. تدعم النتيجة مزيدًا من البحث في الآلية.' ثلاث جمل، كل منها من 8 إلى 9 كلمات، وهذا إيقاع يكاد يخلو من التشتت. والآن قارن ذلك بـ: 'انخفضت الأعراض لدى معظم المشاركين. وقد ظل ذلك صحيحًا سواء كان الشخص في 22 أو 68 من العمر، وهو ما لم يتوقعه أحد في الفريق عند البدء، ولهذا السبب يحتاج البحث التالي إلى النظر في الآلية بدلًا من النتيجة وحدها.' الادعاء هو نفسه. أما الإيقاع الذي يحمله فليس كذلك.

يتعامل المتوسط مع الفقرتين بوصفهما متطابقتين. أما القارئ، ويبدو كذلك الكاشف، فلا يفعل ذلك.

كيف يُحسب التفاوت الإيقاعي

الحساب بسيط. عُد الكلمات في كل جملة، ثم خذ الانحراف المعياري لتلك القائمة، ثم اقسمه على المتوسط. على سبيل المثال، إذا نظرت إلى مقطع جُمله بطول ثماني كلمات، وإحدى وثلاثين كلمة، وإحدى عشرة كلمة، وأربع وعشرين كلمة، وتسع كلمات، فستحصل على تشتت يقارب 56% من المتوسط، وهو تفاوت إيقاعي واسع. وإذا نظرت إلى مقطع جُمله بطول خمس عشرة كلمة، وست عشرة كلمة، وأربع عشرة كلمة، وسبع عشرة كلمة، وخمس عشرة كلمة، فستحصل على تشتت يقارب 7%، رغم أن متوسط طول المقطعين متقارب إلى حد كبير.

الانحراف المعياري الخام وحده لا يؤدي المهمة نفسها. فثماني كلمات من التشتت تعني شيئاً مختلفاً في مقطع يبلغ متوسطه 12 كلمة في الجملة عنه في مقطع يبلغ متوسطه 40، لذا فإن القسمة على المتوسط هي ما يجعل الرقم قابلاً للمقارنة من مقطع إلى آخر.

هذا التأطير النسبي هو سبب عمل هذا الإحصاء بالطريقة نفسها مع أسلوب إخباري مقتضب ومع أسلوب نظري كثيف. فالفقرة التقنية المبنية من جمل قصيرة ومتجانسة، والفقرة العادية المبنية من جمل قصيرة ومتجانسة، يمكن أن تسجلا معاً تفاوتاً إيقاعياً منخفضاً، لأن القياس لا يسأل أبداً عن طول الجملة بالمطلق، بل عن مدى ابتعاد كل جملة عن متوسط جاراتها.

هذا هو الحساب نفسه الذي يجريه free burstiness checker في هذا الموقع على مسودة ملصقة، إذ يرسم كل جملة كنقطة بدلاً من ضغط المقطع كله في قيمة واحدة. وعلى هذا المقياس، فإن أي قيمة دون نحو 20% تُقرأ بوصفها تشتتاً ضيقاً ومتجانساً، وأي قيمة فوق نحو 45% تُقرأ بوصفها تشتتاً واسعاً، مع وقوع معظم النثر الأكاديمي المحرر في مكان ما بينهما.

كيف تبدو الفقرة منخفضة التباين على الصفحة

ضع النمطين جنباً إلى جنب، وسيكون من السهل التمييز بينهما متى عرفت ما الذي ينبغي البحث عنه.

السمة	فقرة منخفضة التباين	فقرة عالية التباين
نمط طول الجملة	تقع كل جملة تقريبًا ضمن بضع كلمات من متوسط الفقرة	تقف الجمل القصيرة المقتضبة إلى جانب الجمل الطويلة متعددة الجمل الفرعية
قراءتها بصوت عال	إيقاع ثابت ومتساوٍ من دون موضع طبيعي للتوقف من أجل التأكيد	إيقاع يتسارع ويتباطأ، متتبعًا المواضع التي يقع فيها التأكيد فعليًا
السبب المعتاد	مخرجات غير محررة من نموذج يتنبأ بجملة واحدة محتملة تالية في كل مرة، أو مسودة أولى لم يقرأها أحد بصوت عال	كاتب يقطع جملة قصيرة لأجل الأثر، أو يدمج جملتين ضعيفتين في جملة واحدة تستحق طولها

لا يعد أي من العمودين كتابة جيدة بطبيعته. إن قسم المنهجيات الذي يسرد خمس خطوات في خمس جمل قصيرة يفترض أن يبدو مثل العمود الأيسر، ولن يحسنه إدراج جملة طويلة متعرجة في إجراء مرقم. ولا يصبح النمط ذا دلالة إلا عندما تعرف نوع المقطع الذي تنظر إليه.

لماذا تُوسم الجمل المنتظمة

تعامل الكواشف الإيقاع المسطح بوصفه إشارة بسبب طريقة عمل توليد النص، لا لأن الجمل المنتظمة مثيرة للريبة في ذاتها. وتتناول كيفية عمل كواشف AI فعليًا على نحو منفصل الآليات الأوسع، والخلاصة المختصرة هي أن النموذج يتنبأ برمز واحد في كل مرة، بما في ذلك، ضمنًا، الموضع الذي يُرجح أن تنتهي عنده الجملة. وبالنظر إلى النص حتى تلك اللحظة، يكون طول معين للجملة أكثر احتمالًا إحصائيًا من غيره في أي لحظة بعينها، والنموذج الذي يواصل اختيار الامتداد الأكثر احتمالًا يظل يقع قرب ذلك الطول المرجح نفسه، جملة بعد جملة، عبر المستند كله.

لا تثبت فقرة واحدة مسطحة أي شيء بمفردها، فالأقسام الإجرائية القصيرة يفترض أن تبدو كذلك. وما يوازنه الكاشف فعليًا هو النمط عبر المستند كله، أي ما إذا كانت الاستواء في فقرة واحدة خيارًا محليًا مقصودًا، أم إيقاع كل فقرة في النص.

قابلية التنبؤ كلمة بكلمة هي قياس مرتبط لكنه منفصل، ويُتناول بشروطه الخاصة في موضع آخر من هذا الموقع، وهو ينظر إلى اختيارات الكلمات الفردية بدلًا من شكل الجملة.

لا يثبت أي من هذا أن وثيقة ما قد وُلدت بواسطة نموذج، والتعامل مع إيقاع مسطح بوصفه حاسمًا في حد ذاته سيكرر الخطأ نفسه الذي يقع فيه التعامل مع رقم perplexity واحد بوصفه حاسمًا. يمكن لمسودة أولى متعجلة لم يقرأها أحد بصوت عالٍ أن تصبح مسطحة بسهولة مثلما يمكن للنص المولَّد أن يفعل. وهذا جزء من سبب أن تقدير TextPulse الخاص بـ Human Score يجمع بين التباين على مستوى الجملة وعدة إشارات أخرى بدلًا من أن يعتمد على أي واحدة منها، وسبب أن أدوات التشخيص المجانية في هذا الموقع صُممت لتُقرأ معًا لا على نحو منفصل.

هناك سؤالان لاحقان أهم من التعريف. ما إذا كانت الكواشف لا تزال تمنح burstiness الوزن نفسه الذي كانت تمنحه في 2023 هو أحدهما، وكيفية زيادتها في مسوداتك الخاصة من دون إفساد النثر هو الآخر.

الفقرة المسطحة ليست لغزًا متى أصبحت الآلية الكامنة وراءها مرئية. إنها ما يحدث عندما تُبنى كل جملة بالطريقة نفسها التي تُبنى بها كلمة تالية واحدة، عبر التوجه إلى ما يأتي بعد ذلك بأقل قدر من المقاومة. وما إذا كان هذا الضغط ينتصر يعتمد على الكاتب، أو النموذج، في مقاومته جملة بعد جملة.