Vzorce psaní AI: slova, rytmus a interpunkce, které ji prozradí

Přečtěte si tuto větu jednou a zjistěte, zda už víte, odkud pochází: výzkumníci nadále zdůrazňují složitou souvislost mezi motivací a úspěchem a rostoucí množství prací zdůrazňuje klíčovou roli, kterou v akademickém úspěchu hraje seberegulace. Nic na tom není špatně. Každá věta je gramaticky správná, každé slovo je skutečné slovo a hodnotitel by nestrhl ani jediný bod. Přesto to zní, jako by to vypadlo ze stroje, protože se to tak skutečně stalo. O tom je tento text.

Vzorce psaní pomocí AI jsou opakovatelné návyky ve volbě slov, rytmu vět, interpunkci a struktuře, které činí strojově připravenou prózu na první pohled rozpoznatelnou. Shlukují se ve čtyřech rovinách, ve slovech, po nichž model sahá, v podobě jeho vět, v interpunkci, o kterou se opírá, a ve způsobu, jakým jako celek strukturuje argument. Žádná z nich sama o sobě nic nedokazuje. Dohromady, v jednom odstavci, jsou však těžko přehlédnutelné.

Stroj, který to dělá, se nazývá statistický detektor. Hodnotí, jak předvídatelné je každé slovo podle toho, co očekává jazykový model. Zpráva obsahuje matematiku perplexity a burstiness, která se skrývá pod tímto skóre, a podrobněji je rozebrána v jiném textu o jak fungují detektory AI. Zbytek tohoto článku je katalog znaků psaní pomocí AI, které může čtenář slyšet, spočítat nebo na stránce ukázat. To může být důležité, i když se detektor mýlí, není k dispozici nebo je vedle věci. To, co následuje, nepotřebuje žádný model ani předplatné.

Proč vzorce psaní pomocí AI znějí roboticky?

Jazykový model dělá na úrovni vět něco jiného než člověk, vybírá statisticky pravděpodobné další slovo znovu a znovu v systému trénovaném znít kompetentně, nikoli osobitě. Kompetence v tomto měřítku vytváří plynulou, správnou a snadno zapomenutelnou prózu, což je kořen robotického dojmu. Čtenář často nedokáže říci, co je na takovém odstavci špatně, jen to, že působí ploše, a právě ve čtyřech rovinách níže tato plošnost sídlí.

Volba slov je úroveň, které si čtenáři všimnou jako první: formální, teatrální slova se objevují tam, kam nepatří. Rytmus vět je tišší, odstavec, v němž každá věta běží přibližně ve stejné délce. Interpunkce a formátování nesou svůj vlastní podpis, pomlčka použitá jako univerzální spojka, odrážkový seznam rozbíjející text, který v autorově hlavě nikdy nebyl seznamem. Struktura je nejméně viditelná, část, která znovu opakuje svůj vlastní nadpis, pokrývá přesně tři body a pak končí tím, že se sama shrne.

Začněte u slov, ta se označují nejsnáze a jsou nejlépe zdokumentovaná.

Která slova AI nadužívá?

Tato formální, mírně teatrální slova se objevují znovu a znovu: "delve", "underscore", "showcase" a "pivotal" patří mezi nejlépe zdokumentovaná. Dmitry Kobak a tři spoluautoři si stanovili za cíl identifikovat tento jazyk. Analyzovali 15.1 milionu abstraktů z PubMed z let 2010 až 2024 a identifikovali skupinu slov, jejichž četnost prudce vzrostla po vydání ChatGPT. "Delve" zaznamenalo největší nárůst, studie, která byla publikována v Science Advances v červenci 2025, odhadla jeho četnost v roce 2024 asi 28krát vyšší než před rokem 2023. Nejblíže byla "underscore" a "showcase". Autoři odhadují, že nejméně 13.5 procenta abstraktů z roku 2024 nese známky pomoci AI, v některých zemích a u některých vydavatelů tento podíl stoupá nad 40 procent.

Proč se modely sbíhají právě k těmto slovům, je méně jasné než samotný vzorec. Studie COLING 2025 testovala jednadvacet nadreprezentovaných slov vůči architektuře modelu, trénovacím datům a lidské zpětné vazbě používané k dolaďování chatbotů a zjistila, že fáze zpětné vazby je nejpravděpodobnějším přispívajícím faktorem, aniž by tento efekt plně vysvětlila. Sporný zůstává i výklad, výměna názorů v časopise PNAS z roku 2026 zpochybnila, jak přímo posun ve frekvenci slov měří používání AI, což je dobré mít na paměti, než budeme považovat jakékoli jednotlivé číslo zde za ustálený fakt.

To neplatí jen pro abstrakty v časopisech. Ve studii porovnávající půl milionu studentských esejů a esejů generovaných AI výzkumníci porovnali délku prací a volbu slov a zjistili, že lidské eseje byly celkově delší a používaly širší slovní zásobu. Ve studii recenzí odevzdaných do čtyř konferencí zaměřených na strojové učení, včetně ICLR 2024 a NeurIPS 2023, výzkumníci použili stejnou techniku k odhadu, že mezi šesti a patnácti procenty textu recenze bylo podstatně upraveno LLM. Bylo pravděpodobnější, že bude ovlivněn LLM, pokud byl odevzdán těsně před termínem.

Slovo nebo fráze, kterou AI nadužívá	Co místo toho používá pečlivý autor
delve (into)	podívat se na, prozkoumat
underscore	ukázat, zdůraznit
showcase	představit, demonstrovat
pivotal	hlavní, rozhodující
robust	pevný, spolehlivý
intricate	složitý, podrobný
meticulous	pečlivý, důkladný
tapestry	směs, škála
testament	znak, důkaz
boasts	má, zahrnuje
foster	podporovat, napomáhat
garner	získat, přitáhnout
multifaceted	mnohostranný, složitý
holistic	celkový, komplexní
nuanced	pečlivý, přesný
invaluable	užitečný, cenný
realm	obor, oblast
embark on	začít, pustit se do
unlock	otevřít, umožnit
interplay	vztah, souvislost

Žádné z těchto slov není samo o sobě chybné. Oddíl metod, který označuje zjištění za robustní, používá toto slovo správně, a historik, který popisuje složitý právní argument, se chatbotu nepřiznává. To, co působí strojově, je hustota, tři nebo čtyři z těchto slov v jednom odstavci, bez konkrétní funkce, naskládaná způsobem, jakým je skládá model, protože každé z nich bylo samostatně nejbezpečnější další volbou. Rychlá kontrola pomocí bezplatného AI word cleaner od TextPulse free AI word cleaner tuto hustotu přímo označí.

Proč všechny věty generované AI znějí stejně dlouhé?

Model vytváří každou větu způsobem, jakým vytvořil tu předchozí, místo aby na jednom místě zhušťoval myšlenku do šesti slov a jinde ji rozvíjel přes třicet slov, takže výstup má tendenci držet se po celé délce téměř stejné délky. Tuto variaci, nebo její absenci, lze slyšet, když si odstavec přečtete nahlas, což je jiný úkol než skóre burstiness, které detektor vypočítává ze stejné základní vlastnosti.

Dva menší návyky prozrazují rytmus zblízka. Model rád uzavírá větu visícím participiem, které naznačuje význam, aniž by přidávalo informaci, tvrzením následovaným zdůrazněním potřeby dalšího výzkumu nebo odkazem na širší posun v oboru. Také sahá po párové struktuře, aby zněl vyváženě, v duchu metoda je nejen účinná, ale také škálovatelná. Řečeno jednou, tato konstrukce není ničím výjimečná. Řečeno v každém odstavci, zní jako šablona, v níž se pouze vyměňují podstatná jména.

Pravidlo tří

Také na úrovni frází jsou skupiny tří prvků výchozím rytmem modelu, tři přídavná jména před podstatným jménem, tři příklady v seznamu, tři větné členy postavené za sebou stejným způsobem. Příležitostné skupiny tří byly vždy součástí angličtiny. Dobře umístěná skupina tří není příznakem ničeho. Rozhodující je četnost. Problém není trojice. Problém je trojice, která se objevuje téměř v každém odstavci.

Počítání stačí k zachycení většiny z toho bez jakéhokoli zvláštního školení. Přečtěte si odstavec a označte délku každé věty ve slovech. Pokud jsou všechna vaše označení v rozmezí několika slov od předchozího, rytmus je vodítkem. Použijte bezplatný burstiness checker od TextPulse k automatizaci počítání a jeho zobrazení v grafu, což je užitečné u pasáže příliš dlouhé na to, abyste ji mohli posuzovat po jedné větě.

Pomlčka em a další vodítka v interpunkci

Proč se tento znak stal nejpoužívanějším

Pomlčka em je pravděpodobně nejčastěji obviňovaným interpunkčním znakem v textu psaném strojem. Možná ji znáte jako dlouhou pomlčku, která nahrazuje čárku, dvojtečku nebo tečku, aby propojila dvě poloviny věty. Pomlčka em není nová a není to něco, co by vynalezla AI. Dokud existují stylistické příručky, od Chicago po AP, umožňují její použití pro zdůraznění a přerušení. A mnoho praktikujících autorů ji používá záměrně.

Pravděpodobný důvod, proč se tak často objevuje ve strojově generovaném výstupu, je všední, tento znak je běžný v redigované, profesionálně sazené próze, na níž jsou jazykové modely trénovány, a umožňuje větě pokračovat bez nutnosti uzavřít ji tečkou. Model navržený tak, aby vytvářel plynulý, propojený text, sahá po této pružnosti často, častěji než většina lidí při ručním psaní.

To, jak často se objevuje, se výrazně liší podle toho, který systém text vytvořil. Srovnávací test provedený v polovině roku 2025 dal šesti chatbotům stejný prompt a spočítal výskyty tohoto znaku, tři systémy jej vrátily osmkrát nebo devětkrát v méně než šesti stech slovech, jeden jej použil dvakrát v téměř tisíci slovech a dva jej nepoužily vůbec. Frekvence je vlastností konkrétního modelu, který vytvořil odstavec před vámi, nikoli pevnou vlastností textu AI. OpenAI přidala v listopadu 2025 nastavení, které uživateli umožňuje říci ChatGPT, aby tento znak nepoužíval, a skutečně to dodržel, takže i toto vodítko je nyní částečně volitelné.

Nic z toho nedělá ze samotného znaku důkaz čehokoli. Mnoho pečlivých autorů jej používá záměrně a mnoho studentských esejí, které se nikdy nedotkly chatbota, jej používá také, někdy proto, že je to tak učil učitel. Co stojí za kontrolu, je hustota: stránka, která se o tento znak opírá v každé druhé větě, působí jinak než ta, která jej používá dvakrát záměrně. Bezplatný odstraňovač em dashů od TextPulse free em dash remover tuto hustotu kontroluje a pro každý výskyt navrhuje čárku, dvojtečku, tečku nebo spojovník.

Odrážky, tučný text a nadpisy

Stejná úroveň zahrnuje rozhodnutí o formátování pod úrovní věty. Odrážkový seznam uprostřed prózy, který nikdy nebyl v mysli autora seznamem. Nadpisy v title case, když je zbytek dokumentu v sentence case. Tučně zvýrazněná fráze na začátku každé odrážky jako malý nadpis. Nic z toho nejsou interpunkční znaménka, ale všechno pochází ze stejného místa, z modelu, který formátuje pro chatovací okno, kde vizuální struktura nahrazuje přechody, které by próza obvykle nesla.

Struktura a tvar argumentu

Poslední úroveň leží nad větou a je nejtěžší ji opravit prostou záměnou slov, protože jde o samotný tvar argumentu. Část napsaná strojem často začíná tím, že znovu přeformuluje vlastní nadpis mírně odlišnými slovy, pokračuje dvěma nebo třemi podpůrnými body, jimž přisuzuje zhruba stejnou váhu bez ohledu na to, jak moc který z nich skutečně záleží, a pak končí shrnutím toho, co právě řekla, místo aby přidala něco nového.

Příbuzný zvyk se v delších textech objevuje neustále: jedna část vyjmenuje, co něco dělá dobře, otočí se na slovo jako however, vyjmenuje problémy ve stejném úhledném trojčlenném členění a pak naznačí budoucnost, která je zřejmě vyřeší. Skutečné argumenty jsou hrbolatější. Lidský autor obvykle přikládá větší váhu jednomu bodu než dalším dvěma, věnuje mu více prostoru a není povinen čtenáři symetrický závěr.

To je také úroveň, kde může formulaické akademické psaní působit klamně podobně jako strojové psaní, protože část o metodách nebo přehled literatury má následovat pevně daný tvar. Rozdíl spočívá uvnitř tohoto tvaru. Literatura psaná strojem jen mechanicky uvádí obvyklé body daného oboru v obvyklém pořadí. Literatura psaná člověkem argumentuje o tom, které body jsou důležité a proč, i uvnitř pevné šablony, protože se obhajuje skutečné stanovisko.

Prokazují tyto příznaky, že je text napsán AI?

Žádný jednotlivý příznak nic neprokazuje, a neprokazuje to ani jejich úplný soubor. Pod tlakem redaktora nebo profesora může pečlivý akademický autor vytvořit odstavce s několika z těchto rysů, například bez zájmen, ale bez pomoci chatbota. Autoři, pro něž není angličtina mateřským jazykem, mohou také používat bezpečná slova, která se naučili ve výuce, a studenti, kteří jsou vedeni k používání formálních spojek, mohou používat mnoho z těchto rysů také. Seznam slov není důkazem pochybení, je to chyba, která může vést k falešnému obvinění pečlivých autorů. Tuto chybu bychom měli pojmenovat, ne ji tiše opakovat.

To, co může nástroj odpovědně dělat, je ukázat vzorec, ne rozhodovat o textu. To, co můžeme nabídnout s TextPulse AI humanizer, je odhad Human Score založený na textu, který má před sebou. Jde o čtení toho, kde se návrh nachází vůči těmto povrchovým vzorcům, ne o verdikt jakéhokoli detektoru a ne o slib, co zítra řekne jiný nástroj. Je to číslo, které můžete použít jako výchozí bod pro rozhodnutí, stejně jako kontrola pravopisu označí slovo, aniž by rozhodovala o tom, zda je věta kolem něj vůbec dobrá.

Každý z výše uvedených příznaků má vlastní stránku. Samotná slovní zásoba je popsána v článku o slovech, která prozrazují ChatGPT, se samostatným rozborem zvyku používat em dash a toho, proč modely sahají po jednom určitém slovesu. Pokryty jsou i širší označení: co znamená AI slop, co znamená AI fluff a praktický průvodce určováním, zda něco bylo napsáno pomocí AI. Pokud vás znepokojují spíše vaše vlastní návrhy než cizí, existuje článek o odstraňování AI slov z vašeho psaní.

Až budete příště číst svůj text a něco v něm vám nebude připadat úplně v pořádku, nehledejte jen synonymum, které by to nahradilo. Zkuste si to místo toho přečíst nahlas. Spočítejte počet slov v každé větě. Zeptejte se sami sebe, co přesně tam každé slovo dělá. To je tentýž způsob čtení, který pečlivý editor používal dávno předtím, než se tomu všemu začalo nějak říkat.