AI টেক্সটকে কীভাবে মানবসুলভ করবেন: সম্পূর্ণ নির্দেশিকা

ChatGPT থেকে একটি প্রথম খসড়া এক মিনিটেরও কম সময়ে ফিরে আসে, পরিষ্কারভাবে পড়া যায়, এবং আপনি যা বলতে চেয়েছিলেন তা-ই বলে। সমস্যা হলো, এটি ChatGPT যে কোনো অন্য খসড়া ফেরত দেয়, তার মতোই পড়ে, একই ছন্দ, একই নিরাপদ শব্দভান্ডার, একই অভ্যাস, এটি刚 লিখেছে এমন শিরোনামটিই আবার পুনরুক্তি করার। AI টেক্সটকে humanize করা শেখা আসলে সেই একরূপতাকে বাক্য ধরে ধরে ভেঙে ফেলা শেখা, যাতে তা কখনও কোনো detector বা এমন পাঠকের কাছে না পৌঁছায়, যিনি এর মতো শত শত খসড়া দেখে ফেলেছেন।

AI টেক্সটকে humanize করা মানে হলো একটি machine draft এমনভাবে সম্পাদনা করা, যাতে তার বাক্যছন্দ, শব্দচয়ন এবং গঠন একজন ব্যক্তির লেখা বলে মনে হয়, language model-এর সেরা অনুমানের পরিসংখ্যানগত গড় বলে নয়। এই সম্পাদনার কিছু অংশে কয়েক মিনিট লাগে। পুরো একটি নথি জুড়ে এর কিছু অংশ এতটাই শ্রমসাধ্য যে একটি tool সত্যিই তার স্থান অর্জন করে। এই guide উভয় বিষয়ই সেই ক্রমে আলোচনা করে, যা সহায়ক, প্রথমে সম্পাদনা, তারপর কোথায় একটি AI humanizer tool সেই কাজটি তুলে নেয়, যা manual editing শেষ করতে পারে না।

যে কেউ UK বানানে "humanise AI" খুঁজেছেন, তার জন্য একটি সংক্ষিপ্ত নোট, কৌশলটি অভিন্ন, কেবল অক্ষরটি বদলায়।

AI টেক্সট কেন প্রতিবার একই রকম শোনায়?

এটি যেভাবে কাজ করে তা হলো, একটি language model হাজার হাজার বার পরবর্তী সবচেয়ে সম্ভাব্য শব্দটি অনুমান করে লিখে। এভাবেই আপনি মসৃণ, নিরাপদ লেখা পান, এমন বাক্য যা মোটামুটি একই দৈর্ঘ্যের হয়, এমন অনুচ্ছেদ যা তাদের শিরোনামের পুনরুক্তি দিয়ে শুরু হয়, এবং এমন সংযোগ যা একই কয়েকটি connective word-এর ওপর নির্ভর করে। এসবের কোনোটিই ত্রুটি নয়। স্কেলে প্রত্যাশিত শব্দের জন্য optimize করলে এটাই ঘটে।

এই সবকিছু আমাদের সহগামী লেখায় বিস্তারিতভাবে ব্যাখ্যা করা হয়েছে, how AI detectors work। এখানে আমরা যা বোঝা গুরুত্বপূর্ণ, সেটির ওপরই মনোযোগ দিচ্ছি, নিচের প্রতিটি edit এমন একটি pattern ভেঙে দেয়, যা model অনিবার্যভাবে তৈরি করেছিল। এগুলোর কোনোটিই এই সত্যটি আড়াল করে না যে একটি model জড়িত ছিল, কারণ sentence-level edit দিয়ে তা করা যায় না। detector-রা percentage দেখানোর আগে যে দুটি সবচেয়ে সাধারণ metric গণনা করে, সেগুলো হলো perplexity এবং burstiness।

ছন্দ ভেঙে দিন, বাক্যের দৈর্ঘ্য এবং গঠন

এটি সব কিছুর মধ্যে সবচেয়ে শক্তিশালী ইঙ্গিত, বাক্যের ছন্দ। মডেলটি এক সময়ে কেবল একটি token পূর্বানুমান করতে পারে। sentence three-কে sentence two-এর তুলনায় সংক্ষিপ্ত করার তার কোনো উদ্দেশ্য নেই। আর আপনি যখন এটিকে নিজের মতো চলতে দেন, একটি অনুচ্ছেদ নির্দিষ্ট দৈর্ঘ্য ও আকৃতির দিকে ঝুঁকে পড়ে। এখানে একটি সমতল ধারার উদাহরণ: "The results of the study were statistically significant. The findings support the original hypothesis. The data was analyzed using standard methods." তিনটি সমতল বাক্য, একই দৈর্ঘ্য, প্রতিবার একই সূচনামূলক ভঙ্গি।

ভেঙে দিলে, একই তথ্য এভাবে পড়া যায়: "The results were statistically significant, which supported the hypothesis, though two of the three variables moved less than expected, so the standard analysis needed a second pass." এখন একটি বাক্যেই দাবি এবং তার জটিলতা একসঙ্গে বহন করা হচ্ছে, যেখানে একটি comma তিনটি সমতল বাক্য আলাদাভাবে যা করত তা করছে। এই অসমতাই একটি burstiness checker অনুচ্ছেদকে স্কোর করার সময় মাপে, এবং এটি এই তালিকার সবচেয়ে দ্রুত সম্পাদনা, কারণ আপনি ইতিমধ্যে লেখা clause গুলোকে পুনর্বিন্যাস করছেন, নতুন বিষয়বস্তু উদ্ভাবন করছেন না।

গঠনের অন্য অর্ধেক হলো মূল বক্তব্যটি কোথায় বসে। একটি মডেল সাধারণত তার বক্তব্যে পৌঁছাতে পৌঁছাতে গড়ে তোলে, অথবা সেটিকে একটি subordinate clause-এর মধ্যে লুকিয়ে রাখে। একটি নির্দিষ্ট দাবি সামনে থাকলে ভালো পড়ে, আর যোগ্যতাসূচক অংশটি পরে এলে: "Although sample sizes varied across sites, the effect held" বাক্যটি "The effect held at every site, even though two of them ran a third of the planned sample." বাক্যের তুলনায় বেশি নিরাপদ এবং বেশি অস্পষ্ট। দাবি আগে রাখুন, আর caveat প্রমাণে পরিণত হয়, দুর্বলতা নয়।

যে শব্দগুলো তা ফাঁস করে, সেগুলো কেটে দিন

কিছু শব্দ machine-generated খসড়ায় মানব-লিখিত পাঠ্যের তুলনায় অনেক বেশি দেখা যায়, কারণ সেগুলো ভুল বলে নয়, বরং formal register-এর জন্য মডেলের probability distribution-এর দিক থেকে সেগুলো একেবারে যথাযথ। Facilitate, help-এর বদলে। Robust, strong-এর বদলে। Myriad, many-এর বদলে। Underscore, show-এর বদলে। এগুলোর কোনোটিই ভুল নয়। এগুলোর সবই কেবল সবচেয়ে নিরাপদ, সবচেয়ে গড়পড়তা পছন্দ, আর ঠিক এই কারণেই একটি মডেল প্রথমে সেগুলোর দিকেই হাত বাড়ায়।

একটি সমতল বাক্য এভাবে পড়ে: "The study employed a robust methodology to facilitate a wide-ranging understanding of the myriad factors involved." একই দাবি, এমন শব্দে যা একজন মানুষ বাস্তবে বেছে নিত: "The study used a mixed-methods design to work out which of several factors mattered most." দ্বিতীয় সংস্করণটি কম সঠিক, এমন কিছু নয়। এটি শুধু কম গড়পড়তা।

robust-এর জায়গায় strong বসালে বাক্যের দৈর্ঘ্য বদলাবে না, এবং detector যে ছন্দকে সত্যিই স্কোর করছে, তাতেও হাত পড়বে না। শব্দ বদল একা খুব বেশি কিছু করবে না। এটি জানা থাকলে আপনি এ ধারণা নিয়ে সতর্ক থাকবেন যে thesaurus ব্যবহার করে একবার পালিশ করলেই সব হয়ে যাবে, অতিরিক্ত সম্পাদনা ছাড়াই। এতে মানব পাঠক বুঝতে পারবেন যে গদ্যটি যথেষ্ট চেষ্টা করছে না। উপরের কাঠামোগত সম্পাদনাগুলি তবু এর সঙ্গে একসঙ্গে করতে হবে। একটি অনুচ্ছেদকে AI word cleaner দিয়ে চালালে শব্দস্তরের ইঙ্গিত দ্রুত ধরা পড়ে।

detector এবং পাঠক, উভয়েরই নজরে পড়ে এমন বিরামচিহ্নের অভ্যাস ঠিক করুন

বিরামচিহ্নেরও নিজস্ব স্বাক্ষর আছে। এটি এক বা দুইটি চিহ্নের ওপর অতিরিক্ত নির্ভরশীল, এবং সাধারণ লেখার তুলনায় সেই চিহ্নগুলো অনেক বেশি ব্যবহার করে, বেশির ভাগ সময়ে একটি dash ব্যবহার করে সর্বজনীন সংযোগকারী হিসেবে, যেখানে comma, full stop বা colon সমানভাবে কাজ করতে পারত। যখন একটি অনুচ্ছেদ প্রতি তৃতীয় বাক্যে একই চিহ্নের দিকে হাত বাড়ায়, তখন তা পুনরাবৃত্ত হয়ে ওঠে এবং শৈলীর বদলে এক ধরনের অভ্যাসগত টিকের মতো শোনাতে শুরু করে।

semicolon এবং colon-ও একইভাবে অতিরিক্ত ব্যবহৃত হয়, সাধারণত এমন দুইটি clause-কে যুক্ত করে যা আলাদা বাক্য হিসেবে পড়লে আরও স্বাভাবিক শোনাত। "The results were mixed; some participants improved while others showed no change" ব্যাকরণগতভাবে ঠিক, কিন্তু শৈলীর দিক থেকে ক্লান্তিকর। দুইটি বাক্য একই তথ্য আরও স্বচ্ছন্দে বহন করে: "The results were mixed. Some participants improved. Others showed no change at all." একটি অনুচ্ছেদ জোরে পড়লে এর বেশির ভাগ ধরা পড়ে, কারণ চোখের আগে কান পুনরাবৃত্ত ছন্দ টের পায়।

একটি em dash remover এই ধাপের যান্ত্রিক অংশটি সেকেন্ডের মধ্যে সামলে নেয়। TextPulse-এর নিজস্ব house style এই চিহ্নটিকে সম্পূর্ণভাবে নিষিদ্ধ করে, এবং এই নির্দেশিকাও একই নিয়ম অনুসরণ করে। কোন বাক্যটি একটিমাত্র উপবাক্য হিসেবে বেশি কার্যকর, নাকি দুটিতে, সেই বিচারবুদ্ধির সিদ্ধান্ত এখনও একজন মানুষের প্রয়োজন।

সাধারণ বাক্যগুলিকে নির্দিষ্ট বাক্য দিয়ে প্রতিস্থাপন করুন

এই তালিকার শেষ সম্পাদনাটি সবচেয়ে বেশি সময় নেয়, এবং এর গুরুত্বও সবচেয়ে বেশি। একটি ভাষা মডেলের আপনার প্রকৃত প্রকল্প সম্পর্কে কোনো স্মৃতি নেই, তাই এটি সবচেয়ে নিরাপদ যে বাক্যগঠন পাওয়া যায়, সেটিতেই ফিরে যায়, যা দক্ষ, অস্পষ্ট, এবং একই বিষয়ের প্রায় যেকোনো প্রবন্ধের ক্ষেত্রেই সত্য।

"হস্তক্ষেপটি শিক্ষার্থীদের ফলাফলের ওপর ইতিবাচক প্রভাব ফেলেছে বলে পাওয়া গেছে।" নিষ্ক্রিয়, সাধারণ, শতাধিক ভিন্ন গবেষণাকে বর্ণনা করতে পারে। "টিউটরিং কর্মসূচিটি পরীক্ষার নম্বর প্রায় অর্ধ গ্রেড বাড়িয়েছে, তবে কেবল সেই শিক্ষার্থীদের ক্ষেত্রে, যারা ছয়টির বেশি সেশনে অংশ নিয়েছিল।" সক্রিয়, নির্দিষ্ট, কেবল আপনারটিকেই বর্ণনা করতে পারে। এটি আরও দীর্ঘও বটে, এবং এটিই পাঠক বিশ্বাস করেন, কারণ একটি মডেল ছয় সেশনের এই বিবরণটি নিজে থেকে কখনোই অনুমান করতে পারত না। তথ্য পর্যবেক্ষণকারী একজন মানুষকেই আগে এটি লক্ষ করতে হয়েছিল।

এটিও সেই সম্পাদনা, যা একটি ভাষা মডেল আপনার জন্য করতে পারে না, humanizer tool অন্তর্ভুক্ত। একটি tool আপনার বাক্যের দৈর্ঘ্য বদলাতে পারে এবং আপনার শব্দভান্ডার অদলবদল করতে পারে, কিন্তু আকর্ষণীয় ঘটনাটি যখন ঘটেছিল, তখন এটি ঘরে উপস্থিত ছিল না, তাই আপনি যা কখনোই দেননি, সেই বিবরণ এটি আপনাকে দিতে পারে না। আবার rewriter-এর মধ্য দিয়ে না গিয়ে, আপনার নোটের কাছে ফিরে যান।

হাতে সম্পাদনা কী ঠিক করতে পারে না

উপরে প্রতিটি সম্পাদনাই বিনামূল্যে এবং একটি একক অনুচ্ছেদে কয়েক মিনিট লাগে। সৎ সমস্যা হলো দৈর্ঘ্য। একটি discussion post-এর উত্তরে পাঁচ অনুচ্ছেদের জবাব হাতে লিখতে পনেরো মিনিটের কাজ। একই যত্নে পুনর্লিখিত চল্লিশ পৃষ্ঠার thesis chapter, বহু দিনের কাজ, এবং একটি chapter-এর জন্য এত সময় প্রায় কারওই থাকে না।

নিচের tableটি একটি পরিকল্পনা নির্দেশিকা, পরিমাপ নয়। সময়গুলো গড় academic prose-এর জন্য কার্যকর অনুমান, এবং লেখার ঘনত্বের সঙ্গে এগুলো বদলায়।

ম্যানুয়াল সম্পাদনা	এটি কী ঠিক করে	সময় ব্যয়	এটি কী ঠিক করবে না
বাক্যের দৈর্ঘ্য ও গঠন পরিবর্তন করুন	একঘেয়ে ছন্দ, burstiness-এর সবচেয়ে শক্তিশালী সংকেত	প্রতি 1,000 শব্দে প্রায় 10 থেকে 15 মিনিট	শব্দ-স্তরের যে ইঙ্গিতগুলো, সেগুলোকে কেবল ছন্দের পরিবর্তন একা স্পর্শ করে না
প্রচলিত শব্দভান্ডার বাদ দিন	স্বতন্ত্র শব্দ, যা একজন সতর্ক পাঠক অর্ধেকমাত্র লক্ষ্য করেন	find pass সহ 5 থেকে 10 মিনিট	শব্দটির চারপাশে থাকা সমতল বাক্য-ছন্দ
যতিচিহ্ন ব্যবহারের অভ্যাস সংশোধন করুন	পুনরাবৃত্ত চিহ্ন, যেমন একটি dash বা semicolon-এর সারি	প্রায় 5 মিনিট	পৃষ্ঠতলের নিচের কিছুই নয়, এই pass কেবল বাহ্যিক
নির্দিষ্ট বিবরণ যোগ করুন	সাধারণ দাবি, যা বিষয়টির যেকোনো প্রবন্ধের সঙ্গে মানিয়ে যেতে পারে	প্রতি 1,000 শব্দে 20 থেকে 30 মিনিট, আর যদি বিবরণ খুঁজে বের করতে হয় তবে আরও বেশি	কিছুই নয়, যদি আপনার কাছে সত্যিই যোগ করার মতো বিবরণ থাকে
একটি humanizer tool দিয়ে পূর্ণ pass চালান	পুরো নথিজুড়ে সামঞ্জস্য, দ্রুত, দীর্ঘ খসড়ার ক্ষেত্রে প্রথম pass হিসেবে উপযোগী	এক মিনিটের কম, সঙ্গে আপনার নিজস্ব পর্যালোচনার সময়	কোনো নির্দিষ্ট detector-এর বিরুদ্ধে নিশ্চিততা, এবং tool-কে কখনো দেওয়া হয়নি এমন যেকোনো বিবরণ

পাঁচটি সারির কোনোটিই একটি দীর্ঘ নথিকে সম্পূর্ণভাবে সেখানে পৌঁছে দেয় না। পরবর্তী অংশটি সেই কাজের জন্য।

একটি AI humanizer tool বাস্তবে কোথায় তার স্থান অর্জন করে

একটি নিবেদিত AI humanizer tool (কখনও কখনও এটিকে ChatGPT humanizer হিসেবে বিক্রি করা হয়, কারণ এখান থেকেই অধিকাংশ খসড়া শুরু হয়) এই সম্পাদনাগুলো একসঙ্গে প্রয়োগ করবে, ছন্দ ও শব্দভান্ডার, সম্পূর্ণভাবে একটি পুরো নথিতে, এমন সময়ে যা কফি বানাতে লাগে, পনেরো মিনিটে একটি অনুচ্ছেদে নয়। যাই নামেই ডাকা হোক, AI humanizer tool, AI text humanizer, AI paragraph rewriter বা AI to human text converter, ভালোগুলো একই কাজ করবে, বাক্যের আকৃতি ও শব্দচয়ন বদলাবে, অথচ অর্থ বজায় রাখবে। শব্দচয়ন কতটা বদলায়, তা এক অংশ থেকে আরেক অংশে ভিন্ন হয়।

TextPulse এভাবে কাজ করে। এটি একটি পূর্ণ খসড়া পুনর্লিখন করে এবং সেই একই সংকেত থেকে গণনা করা একটি আনুমানিক Human Score ফেরত দেয়, কোনো নির্দিষ্ট detector এটি পাস করবে এমন প্রতিশ্রুতি নয়। এই সতর্কতা আমাদের জন্য অনন্য নয়: Grammarly-এর নিজস্ব AI humanizer পৃষ্ঠায় স্পষ্টভাবে বলা আছে যে এর টুলটি "not intended to bypass AI detectors," যা যেকোনো humanizing pass সৎভাবে কী প্রতিশ্রুতি দিতে পারে তার একটি ন্যায্য বর্ণনা। আপনি যদি এখানে AI text undetectable করতে চান, তবে সৎ উত্তর হলো কোনো সম্পাদনা এবং কোনো টুলই তা নিশ্চিত করতে পারে না, কারণ detectors একে অপরের সঙ্গে একমত হয় না এবং কোনো নোটিশ ছাড়াই বদলে যায়।

একটি দায়িত্বশীল AI humanizer tool দ্রুত একটি প্রথম pass এবং কাজ করার জন্য একটি score দিতে পারে। লক্ষ্য হলো pattern-কে কম uniform করে একটি AI score কমানো, সরাসরি সংখ্যাটিকে প্রতারিত করা নয়। একটি AI rewrite নথির স্তরে একই জিনিসের লক্ষ্য রাখে, যেমন একটি সতর্ক hand edit অনুচ্ছেদের স্তরে করে। উপরের section থেকে নির্দিষ্ট, মানবিক detail হাতে যোগ করুন, কারণ toolটি interesting thing ঘটার সময় room-এ ছিল না।

আপনি যদি deadline-সহ কোনো project-এ কাজ করেন, তাহলে আপনি AI humanizer for students ব্যবহার করতে পারেন, যা একই mechanism ব্যবহার করে কিন্তু academic conventions আগেই বিবেচনায় নেওয়া হয়েছে। order tool-এর চেয়ে বেশি গুরুত্বপূর্ণ, কারণ careful prose-এ একটি generic sentence এখনও generic। আপনাকে এখনও specific-detail pass হাতে করতে হবে।

পরবর্তী দশ মিনিটে AI text কীভাবে humanize করবেন

উপরে থাকা edits-গুলোকে ক্রমানুসারে সাজান, তাহলে সেগুলো একটি সংক্ষিপ্ত routine গঠন করবে, মুখস্থ করার মতো checklist নয়। একটি page-এ প্রয়োগ করলে, প্রায় 300 to 400 words, এখানে ten minutes কীভাবে ভাগ হয়।

1. অনুচ্ছেদটি একবার উচ্চস্বরে পড়ুন, এবং প্রতিটি সেই বাক্য চিহ্নিত করুন যা দৈর্ঘ্য বা গঠনে পাশের বাক্যের সঙ্গে অভিন্ন শোনায়।
2. সবচেয়ে সমতল দুই বা তিনটি বাক্য ভেঙে দিন, এবং প্রতিটির মূল দাবি শুরুতে নিয়ে আসুন।
3. facilitate, robust, myriad এবং underscore-এর মতো প্রচলিত শব্দভান্ডার খুঁজে বের করুন, এবং প্রতিটিকে এমন সহজ শব্দ দিয়ে বদলান যা আপনি বাস্তবে বলতেন।
4. পুনরাবৃত্ত ড্যাশ এবং সেমিকোলন সরিয়ে ফেলুন বা বদলান, এবং প্রতিটি সংশোধন উচ্চস্বরে পড়ে দেখুন, যাতে নিশ্চিত হওয়া যায় এটি এখনও স্বাভাবিক শোনায়।
5. প্রতি অনুচ্ছেদে একটি নির্দিষ্ট বিবরণ আবার যোগ করুন, একটি সংখ্যা, একটি নাম, একটি সীমাবদ্ধতা, যা কেবল কাজটি যে করেছে সেই জানত।
6. যদি খসড়াটি এক বা দুই পৃষ্ঠার চেয়ে দীর্ঘ হয়, তবে প্রথম ধাপ হিসেবে এটিকে একটি AI humanizer tool-এর মধ্য দিয়ে চালান, তারপর যা এখনও সমতল শোনায় তার ওপর এক থেকে পাঁচ নম্বর ধাপ আবার করুন।

এখানে কয়েকটি সূত্র নিজস্ব পৃষ্ঠায় গিয়ে খুলে যায়। এই tool-গুলো আদৌ কাজ করে কি না এবং গ্রেড করা কাজে এগুলো ব্যবহার করা নিরাপদ কি না আলাদা প্রশ্ন, এবং জমা দেওয়ার পর Turnitin humanized text-এর সঙ্গে কী করে তা তৃতীয় একটি প্রশ্ন। আরও সংকীর্ণ সমস্যার জন্য একটি AI score কমানো এবং ChatGPT output অনুচ্ছেদ ধরে সম্পাদনা করা নিয়ে ধাপে ধাপে লেখা আছে।

এর কোনোটিই এমন লেখা তৈরি করে না যা undetectable, এবং কোনো সৎ নির্দেশিকাই তা করার প্রতিশ্রুতি দেওয়া উচিত নয়। এটি এমন লেখা তৈরি করে যা শোনায় যেন আপনি সত্যিই দশ মিনিট সময় দিয়েছেন, এবং সেটিই বেশি স্থায়ী লক্ষ্য, একজন পাঠক নির্দিষ্ট, অসম গদ্যের ওপর আস্থা রাখে, detector কখনও তা দেখে কি না, তা নির্বিশেষে।