40+ শব্দ ও বাক্যাংশ যা ChatGPT প্রকাশ করে

2024 সালে, PubMed-এ সূচিবদ্ধ জৈবচিকিৎসা বিষয়ক অন্তত আটটির মধ্যে একটি প্রবন্ধে AI সহায়তার শব্দগত স্বাক্ষর ছিল, এবং কিছু দেশ ও জার্নালে এই অনুপাত পাঁচটির মধ্যে দুইয়েরও বেশি ছিল। কাউকে কিছু স্বীকার করতে হয়নি। কয়েকটি আনুষ্ঠানিক, সামান্য নাটকীয় শব্দই সেই স্বীকারোক্তি করেছিল, একটি abstract-এ একসঙ্গে এমন অনেক বেশি বার উপস্থিত হয়ে, যতটা কাকতালীয়ভাবে সম্ভব হতো না।

ChatGPT-কে ফাঁস করে দেয় এমন শব্দগুলো অদ্ভুত নয়। এগুলো সাধারণ, আনুষ্ঠানিক English, যেগুলো একটু বেশি ঘন ঘন বেছে নেওয়া হয়, এমন সংযোজনে যা একজন সতর্ক লেখক সাধারণত একটি অনুচ্ছেদের মধ্যে একসঙ্গে সাজাতেন না। এখানে সম্পূর্ণ কার্যকরী রেফারেন্সটি দেওয়া হলো, চল্লিশেরও বেশি শব্দ, কোথায় সেগুলো সাধারণত দেখা যায় সেই অনুযায়ী সাজানো, এবং প্রতিটির বদলে একজন সতর্ক সম্পাদক কী বেছে নেন তা সহ। কিছু শব্দ এতটাই পরিচিত যে তাদের নিজস্ব সুনাম আছে। অধিকাংশের নেই, এবং তারা পাঠকের চোখ এড়িয়ে যায় ঠিক এই কারণে যে একা একা কোনো একটি শব্দই সন্দেহজনক দেখায় না। কেন এমন হয় তার বিস্তৃত প্রক্রিয়া একটি সহগামী লেখার বিষয়, এখানে মূল কথা হলো তালিকাটিই।

কেন এই শব্দগুলো ChatGPT-কে ফাঁস করে দেয়

একটি ভাষা মডেল বাক্য গঠন করে পরিসংখ্যানগতভাবে সম্ভাব্য পরবর্তী শব্দটি বারবার বেছে নিয়ে, এমন একটি ব্যবস্থার মধ্যে যা স্বতন্ত্র হওয়ার চেয়ে দক্ষ শোনাতে প্রশিক্ষিত। এই অভ্যাস শব্দচয়ন, বাক্যের ছন্দ, যতিচিহ্ন এবং গঠনের জুড়ে প্রকাশ পায়, যা TextPulse-এর AI writing patterns-এর নির্দেশিকায় সম্পূর্ণভাবে আলোচিত হয়েছে। শব্দচয়ন কেবল সেই স্তর, যা একজন পাঠক প্রথমে লক্ষ্য করেন, কারণ পাতায় সেটিকে দেখিয়ে দেওয়া সবচেয়ে সহজ।

শব্দচয়ন নিজস্ব রেফারেন্স পাওয়ার যোগ্য একটিমাত্র কারণে, এটি যাচাইযোগ্য। একটি অনুচ্ছেদ একসঙ্গে পাঁচ বা ছয়টি আনুষ্ঠানিক, কম তথ্যবহুল শব্দের ওপর নির্ভর করছে কি না, তা বোঝার জন্য পাঠকের detector subscription-এর প্রয়োজন হয় না। এগুলো গণনা করা এমন একটি দক্ষতা, যা এই তালিকাটি একবার পড়তে যত সময় লাগে, তার মধ্যেই যে কেউ শিখতে পারে। বাক্যের ছন্দ এবং যতিচিহ্ন এই সাইটের অন্যত্র বিস্তারে আলোচিত হয়েছে, vocabulary হলো সেই একমাত্র স্তর, যা পাঠককে মনোযোগ ছাড়া আর কিছুই ফেরত দেয় না।

ChatGPT-কে ফাঁস করে দেয় এমন শব্দগুলোর সম্পূর্ণ তালিকা

নিচের তালিকাটি চল্লিশটিরও বেশি এন্ট্রি পর্যন্ত বিস্তৃত, এবং প্রতিটি শব্দ সাধারণত কোথায় দেখা দেয় তার ভিত্তিতে গোষ্ঠীবদ্ধ করা হয়েছে: একাডেমিক ও গবেষণামূলক গদ্য, ব্যবসায়িক ও পেশাগত লেখা, সংযোগকারী স্থির বাক্যাংশ, এবং এমন হেজ যা খুব বেশি কিছু না বলেই একটি অনুচ্ছেদ শেষ করে। মোটামুটি অর্ধেক একটি বৃহৎ বায়োমেডিক্যাল অ্যাবস্ট্র্যাক্টের একক গবেষণা থেকে এসেছে, বাকি অংশ অনানুষ্ঠানিকভাবে নথিভুক্ত, উদাহরণস্বরূপ, ChatGPT আউটপুটের দশ মিলিয়নেরও বেশি শব্দের ওপর একটি detection vendor-এর নিজস্ব স্ক্যান, অথবা নভেম্বর 2025-এর একটি বিশ্লেষণ, যেখানে "notable works include" বাক্যাংশটি AI-generated text-এ তার স্বাভাবিক হারের প্রায় 120 গুণ এবং "today's fast-paced world" প্রায় 107 গুণ দেখা গেছে। এই দুই ধরনের উৎসকে আলাদা করে জানা গুরুত্বপূর্ণ, পনেরো মিলিয়ন অ্যাবস্ট্র্যাক্টের একটি peer-reviewed নমুনার ওজন এক chatbot output-এর ওপর এক analyst-এর স্ক্যানের তুলনায় ভিন্ন, এবং নিচের কলামটি তা ভিন্ন কিছু বলে ভান করে না।

শব্দ বা বাক্যাংশ	যেখানে এটি বেশি দেখা যায়	একজন সতর্ক লেখক এর বদলে যা ব্যবহার করেন
delve (into)	Academic	দেখা, পরীক্ষা করা
underscore / underscores	Academic	ইঙ্গিত করা, দেখানো
showcase / showcasing	Academic	উপস্থাপন করা, প্রদর্শন করা
intricate	Academic	জটিল, বিস্তারিত
meticulous	Academic	সতর্ক, পুঙ্খানুপুঙ্খ
comprehensive	Academic	সম্পূর্ণ, পূর্ণাঙ্গ
notably	Academic	বিশেষভাবে
crucial	Academic	গুরুত্বপূর্ণ, মুখ্য
exhibited	Academic	দেখিয়েছে
multifaceted	Academic	বহুমুখী
encompasses	Academic	আবৃত করে, অন্তর্ভুক্ত করে
facilitates	Academic	সহায়তা করে, অনুমোদন করে
elucidates	Academic	ব্যাখ্যা করে
discernible	Academic	দৃশ্যমান, স্পষ্ট
underpinning	Academic	সমর্থনকারী
insights	Academic	অনুসন্ধান, বিষয়বস্তু
within	Academic	এর মধ্যে
across	Academic	এর মধ্যে, জুড়ে
particularly	Academic	বিশেষত
noteworthy	Academic	উল্লেখযোগ্য
leverage	Business	ব্যবহার করা
utilize	Business	ব্যবহার করা
streamline	Business	সরল করা
elevate	Business	উন্নত করা, বাড়ানো
unlock	Business	উন্মুক্ত করা, সম্ভব করা
seamlessly	Business	সুবিন্যস্তভাবে, অতিরিক্ত ধাপ ছাড়া
cutting-edge	Business	নতুন, সাম্প্রতিক
robust	Business	দৃঢ়, নির্ভরযোগ্য
innovative	Business	নতুন
results-driven	Business	কার্যকর
actionable	Business	ব্যবহারযোগ্য, বাস্তবসম্মত
groundbreaking	Business	নতুন, মৌলিক
transformative	Business	গুরুত্বপূর্ণ, বড়
state-of-the-art	Business	সর্বশেষ, নবতম
additionally	Transition	এছাড়াও, এবং
furthermore	Transition	এছাড়াও, এবং
moreover	Transition	এছাড়াও
in order to	Transition	করার জন্য
due to the fact that	Transition	কারণ
a wide range of	Transition	বিভিন্ন, অথবা প্রকৃত সংখ্যা
today's fast-paced world	Hedge / closer	প্রকৃত বছর বা ক্ষেত্রের নাম দিন
notable works include	Hedge / closer	যে দুটি বা তিনটি সবচেয়ে গুরুত্বপূর্ণ, সেগুলোর নাম দিন
aims to explore	Hedge / closer	পরীক্ষা করে, যাচাই করে
it is worth noting	Hedge / closer	তথ্যটি সরাসরি বলুন
plays a vital role in	Hedge / closer	গুরুত্বপূর্ণ, গঠন করে
serves as a testament to	Hedge / closer	দেখায়, প্রমাণ করে
boasts	Hedge / closer	আছে, অন্তর্ভুক্ত করে

"Delve" ঠিক একবারই উপরে আসে, এর বেশি নয়: এই পুরো তালিকায় এটিই ইতিমধ্যে সবচেয়ে নথিভুক্ত শব্দ, এবং গদ্যে সেই ঘটনাটি আবার বলা অন্য ছেচল্লিশটি শব্দকে আড়াল করে দেবে। পুরো সারণিটি চোখে দেখে পড়ার চেয়ে দ্রুততর পরীক্ষা হলো TextPulse-এর free AI word cleaner দিয়ে একটি খসড়া চালানো, যা এ ধরনের ঘনত্ব স্বয়ংক্রিয়ভাবে চিহ্নিত করে।

একটি কার্যকর উদাহরণ

সারণি থেকে একসঙ্গে চারটি এন্ট্রি বহনকারী একটি বাক্য নিন: "This comprehensive study aims to explore the multifaceted challenges that underscore the pivotal role of policy in modern research." প্রতিটি শব্দই বাস্তব এবং প্রতিটি উপবাক্যই ব্যাকরণসম্মত, আর এটাই ঠিক সমস্যা। একজন মানব সম্পাদক এটিকে সংক্ষিপ্ত করে এমন কিছু লিখতেন: "This study looks at how policy shapes research, and why it matters." কোনো তথ্য হারায়নি। যা বাদ গেছে, তা হলো অপ্রয়োজনীয় ভরাট অংশ।

শব্দের কোন শ্রেণি সবচেয়ে স্পষ্ট ইঙ্গিত দেয়?

Academic register সবচেয়ে স্পষ্ট প্রমাণ বহন করে। 2010 এবং 2024-এর মধ্যে প্রকাশিত 15.1 million PubMed abstracts-এর একটি গবেষণায়, "underscores" 2024 সালের মধ্যে প্রত্যাশিত হারের প্রায় 14 গুণে পৌঁছায়, এবং "showcasing" প্রায় 11 গুণে। এমনকি সাধারণ শব্দও বদলেছে: "potential", "findings" এবং "crucial" সবই পরিমাপযোগ্যভাবে বেশি সাধারণ হয়ে ওঠে, কেবল একটি উচ্চতর প্রারম্ভিক বিন্দুর কারণে, তাই কাঁচা অনুপাত হিসেবে উল্লম্ফনটি বাস্তবে হলেও তুলনামূলকভাবে ছোট দেখায়। একই গবেষণা দল দশটি অন্যথায় সাধারণ সংযোজকের একটি গুচ্ছ আলাদা করে চিহ্নিত করে, যাদের মধ্যে "additionally", "comprehensive", "notably" এবং "within" ছিল, যা একসঙ্গে একটি গোষ্ঠী হিসেবে পরিসংখ্যানগতভাবে অস্বাভাবিক হয়ে ওঠে: এদের এককভাবে কোনো একটিরই আলাদা অর্থ নেই, কিন্তু একটি abstract-এ এদের চার বা পাঁচটি থাকলে তা ভিন্ন কথা।

এই একই ধরণ জীববিজ্ঞানের বাইরেও দেখা যায়, তবে ক্ষেত্রভেদে এর তীব্রতা ভিন্ন। January 2020 থেকে February 2024 পর্যন্ত arXiv, bioRxiv এবং Nature-family journals-এ প্রকাশিত প্রায় 951,000টি paper-এর একটি পৃথক বিশ্লেষণে computer science-এ সম্ভাব্য LLM involvement 17.5 percent পর্যন্ত পৌঁছায়, যেখানে mathematics এবং Nature portfolio-তে এই সীমা 6.3 percent-এর কাছাকাছি। একজন humanities supervisor এবং একজন computer science supervisor এই শব্দগুলোর একই background rate পড়ছেন না, এবং কোনো একক essay-কে outlier হিসেবে ধরার আগে এটি মনে রাখা মূল্যবান। আরও ছোট paper এবং যেসব author ঘন ঘন preprint পোস্ট করেন, তাদের paper-এও এই pattern বেশি দেখা গেছে, যা একটি সরল ব্যাখ্যার সঙ্গে মেলে, এই শব্দগুলো সময় বাঁচায়, এবং সময়ের চাপ কোনো discipline জুড়ে সমানভাবে বণ্টিত নয়।

উপরের business এবং career columnটি তুলনামূলকভাবে কম নথিভুক্ত, কিন্তু দৃশ্যমানতায় কম নয়। "Aims to explore" একই November 2025 বিশ্লেষণে, যা আগে উদ্ধৃত হয়েছে, এর স্বাভাবিক হারের প্রায় 50 গুণ দেখা গেছে, এবং cover letter, LinkedIn summary এবং press release-এ "streamline", "elevate" এবং "results-driven" শব্দগুলো সাধারণত একত্রে দেখা যায়। বিকেলে চল্লিশটি প্রায় অভিন্ন cover letter পড়া একজন hiring manager এটি যেকোনো study-এর তুলনায় দ্রুত টের পান, তাই recruiter-রা সংখ্যাগুলো বিশ্লেষণ করার অনেক আগেই এই pattern-টি অভিজ্ঞতাভিত্তিকভাবে বর্ণনা করছিলেন। এর কোনোটিই প্রমাণ করে না যে কোনো নির্দিষ্ট cover letter chatbot দ্বারা খসড়া করা হয়েছিল। এটি প্রমাণ করে যে corporate writing-এর vocabulary এবং একটি language model যে vocabulary-র দিকে ঝোঁকে, সেগুলো ব্যাপকভাবে একে অপরের সঙ্গে মিলে যায়, এবং ChatGPT-এর অস্তিত্বের আগেই এটি সত্য ছিল, কেবল একটি tool একসঙ্গে এত বেশি পরিমাণে এটি তৈরি করতে শুরু করার পর তা শনাক্ত করা সহজ হয়ে যায়।

তালিকাটি কীভাবে বদলাতে থাকে

তালিকাটি স্থির নয়। Wikipedia-র নিজস্ব সম্পাদনা নির্দেশিকা, যা স্বেচ্ছাসেবীরা রক্ষণাবেক্ষণ করেন এবং এই ধরনের সম্পাদনা প্রতিদিন ফিরিয়ে দেন, বাস্তব সময়ে বদলে যাওয়া প্রবণতাকে অনুসরণ করে। 2023 থেকে 2024-এর মধ্যভাগ পর্যন্ত এর ঢেউ কেন্দ্রীভূত ছিল "boasts", "crucial", "pivotal" এবং "tapestry" ধরনের শব্দে। 2025 সালের মধ্যভাগে একই নির্দেশিকা ভিন্ন একটি গুচ্ছ অনুসরণ করছিল, যার মধ্যে ছিল "align with", "fostering" এবং "showcasing", আর "enhance" এবং "highlighting" মতো আরও সরল শব্দগুলো আগের বছরের তুলনায় বেশি দায়িত্ব বহন করছিল। এর কোনোটিই কেন্দ্রীয়ভাবে সমন্বিত নয়।

একটি নির্দিষ্ট মুহূর্তে স্থির করা তালিকা ঠিক এই কারণেই দ্রুত অচল হয়ে যায়। যা টিকে থাকে তা হলো অন্তর্নিহিত অভ্যাস, সামান্য অতিরিক্ত ব্যবহৃত আনুষ্ঠানিক শব্দ, এ বছর কোন নির্দিষ্ট শব্দগুলো জনপ্রিয় তা নির্বিশেষে।

এই শব্দগুলো কি প্রমাণ করে যে ChatGPT এটি লিখেছে?

না। সময়সীমার চাপে থাকা একজন সতর্ক লেখক, নিরাপদ আনুষ্ঠানিক শব্দভাণ্ডারের দিকে হাত বাড়ানো একজন অ-স্থানীয় ইংরেজি বক্তা, এবং লেখার ক্লাসে যাকে এই নির্দিষ্ট শব্দগুলো শেখানো হয়েছিল এমন একজন শিক্ষার্থী, এদের প্রত্যেকেই এমন একটি অনুচ্ছেদ লিখতে পারেন যা এই তালিকার বিপরীতে উচ্চ স্কোর করবে, অথচ কাছাকাছি কোথাও কোনো চ্যাটবট থাকবে না। উপরের সারণিটিকে অসদাচরণের প্রমাণ হিসেবে ধরা সেই ভুল, যা সতর্ক লেখকদের মিথ্যাভাবে অভিযুক্ত করে, এবং এটিকে নীরবে পুনরাবৃত্তি করার বদলে ভুল হিসেবে চিহ্নিত করা উচিত। TextPulse-এর নিজস্ব পণ্যগুলো আছে কারণ উল্টো সমস্যাটিও সমান বাস্তব: প্রকৃত মানব-লিখিত একটি লেখা, দুর্ভাগ্যবশত যদি এক অনুচ্ছেদে এই শব্দগুলোর কয়েকটি গুচ্ছাকারে জড়ো করে ফেলে, তবে সেটি এমন এক পর্যালোচনায় টেনে আনা হতে পারে যা তার প্রাপ্য ছিল না।

পরিসংখ্যানভিত্তিক ডিটেক্টরগুলো সম্পর্কিত কিন্তু সম্পূর্ণ ভিন্ন একটি সংকেতে কাজ করে, যা TextPulse-এর how AI detectors work বিষয়ক লেখায় আলোচিত হয়েছে, এবং TextPulse-এর নিজস্ব AI humanizer পাঠ্যের সামনে থাকা অংশ থেকে গণনা করা একটি আনুমানিক Human Score জানায়, কোনো ডিটেক্টরের রায় নয়। এ ধরনের শব্দতালিকা মানবিক সিদ্ধান্তের জন্য একটি সূচনা, তার বিকল্প নয়। TextPulse-এর free tools collection-এর বাকি অংশ ছন্দ, যতিচিহ্ন এবং গঠন, এই অন্যান্য স্তরগুলো কভার করে, তাদের জন্য যারা একটি পূর্ণ খসড়া পরীক্ষা করছেন, কেবল একটি অনুচ্ছেদ নয়।

একটি ক্রিয়া এই তালিকার অন্য যেকোনো ক্রিয়ার তুলনায় বেশি অংশ জুড়ে আছে, এবং মডেলগুলো কেন এটিকে বেছে নেয় তা আলাদাভাবে ব্যাখ্যা করা হয়েছে। যতিচিহ্নও একই বিষয় প্রকাশ করে, এবং em dash ব্যবহারের অভ্যাস এর জন্য নিজস্ব একটি পৃষ্ঠা আছে।

পরের বার কোনো অনুচ্ছেদ সামান্য অস্বাভাবিক মনে হলে, একটি মাত্র সমার্থক শব্দ খুঁজে সেটিকে ঠিক হয়েছে বলে ধরে নেবেন না। বরং ঘনত্বের দিকে নজর দিন, এই শব্দগুলোর মধ্যে দুই বা তিনটি যদি সত্যিই কাজ করে, তা স্বাভাবিক লেখা, আর চার বা পাঁচটি যদি একেবারেই কাজ না করে, সেটিই লক্ষণ, এবং এই পার্থক্য এমন কিছু যা কোনো পাঠকই প্রথমে কোনো detector-এর মধ্যে কিছু চালিয়ে না দেখেও বুঝতে শিখতে পারেন।