Μοτίβα γραφής AI: Οι λέξεις, ο ρυθμός και η στίξη που το προδίδουν

Διαβάστε αυτή την πρόταση μία φορά και δείτε αν ήδη ξέρετε από πού προέρχεται: οι ερευνητές συνεχίζουν να αναδεικνύουν τη σύνθετη αλληλεπίδραση μεταξύ κινήτρου και επίτευξης, και ένα αυξανόμενο σώμα εργασιών αναδεικνύει τον καθοριστικό ρόλο που διαδραματίζει η αυτορρύθμιση στην ακαδημαϊκή επιτυχία. Τίποτε σε αυτήν δεν είναι λανθασμένο. Κάθε πρόταση είναι γραμματικά ορθή, κάθε λέξη είναι πραγματική λέξη, και ένας αξιολογητής δεν θα αφαιρούσε ούτε έναν βαθμό. Ωστόσο, εξακολουθεί να διαβάζεται σαν να βγήκε από μηχανή, επειδή αυτό ακριβώς συνέβη. Αυτό είναι το θέμα αυτού του κειμένου.

Τα πρότυπα γραφής της AI είναι οι επαναλήψιμες συνήθειες, στην επιλογή λέξεων, στον ρυθμό των προτάσεων, στη στίξη και στη δομή, που καθιστούν την κείμενη πεζογραφία που έχει συνταχθεί από μηχανή αναγνωρίσιμη με την πρώτη ματιά. Συγκεντρώνονται σε τέσσερα επίπεδα, στις λέξεις που επιλέγει ένα μοντέλο, στο σχήμα των προτάσεών του, στη στίξη στην οποία βασίζεται, και στον τρόπο με τον οποίο δομεί ένα επιχείρημα ως σύνολο. Κανένα από αυτά μόνο του δεν αποδεικνύει τίποτε. Μαζί, μέσα σε μία παράγραφο, είναι δύσκολο να μην τα προσέξει κανείς.

Η μηχανή που το κάνει αυτό ονομάζεται στατιστικός ανιχνευτής. Βαθμολογεί πόσο προβλέψιμη είναι κάθε λέξη, σύμφωνα με όσα αναμένει ένα γλωσσικό μοντέλο. Μια αναφορά περιέχει τα μαθηματικά της perplexity και της burstiness που βρίσκονται κάτω από αυτή τη βαθμολογία, τα οποία καλύπτονται λεπτομερέστερα σε άλλο κείμενο σχετικά με το πώς λειτουργούν οι ανιχνευτές AI. Το υπόλοιπο αυτού του άρθρου είναι ένας κατάλογος από ενδείξεις γραφής AI που ένας αναγνώστης μπορεί να ακούσει, να μετρήσει ή να επισημάνει στη σελίδα. Αυτό μπορεί να έχει σημασία, ακόμη κι αν ένας ανιχνευτής κάνει λάθος, δεν είναι διαθέσιμος ή δεν αφορά το ζήτημα. Ό,τι ακολουθεί εδώ δεν χρειάζεται ούτε μοντέλο ούτε συνδρομή.

Γιατί τα πρότυπα γραφής της AI ακούγονται ρομποτικά;

Ένα γλωσσικό μοντέλο κάνει κάτι διαφορετικό από έναν άνθρωπο στο επίπεδο της πρότασης, επιλέγει τη στατιστικά πιθανή επόμενη λέξη, ξανά και ξανά, μέσα σε ένα σύστημα που έχει εκπαιδευτεί να ακούγεται ικανό και όχι διακριτό. Η ικανότητα σε αυτή την κλίμακα παράγει ομαλή, σωστή, αδιάφορη πεζογραφία, και αυτό είναι η ρίζα της ρομποτικής αίσθησης. Ένας αναγνώστης συχνά δεν μπορεί να πει τι ακριβώς δεν πάει καλά με μια τέτοια παράγραφο, μόνο ότι διαβάζεται άτονα, και τα τέσσερα επίπεδα παρακάτω είναι το σημείο όπου κατοικεί αυτή η ατονία.

Η επιλογή λέξεων είναι το επίπεδο που οι αναγνώστες παρατηρούν πρώτο, επίσημες, θεατρικές λέξεις που εμφανίζονται εκεί όπου δεν ανήκουν. Ο ρυθμός των προτάσεων είναι πιο διακριτικός, μια παράγραφος όπου κάθε πρόταση έχει περίπου το ίδιο μήκος. Η στίξη και η μορφοποίηση φέρουν τη δική τους υπογραφή, μια παύλα που χρησιμοποιείται ως καθολικός σύνδεσμος, μια λίστα με κουκκίδες που διασπά κείμενο το οποίο δεν ήταν ποτέ λίστα στο μυαλό του συγγραφέα. Η δομή είναι το λιγότερο ορατό στοιχείο, ένα κείμενο που επαναδιατυπώνει τον ίδιο του τον τίτλο, καλύπτει ακριβώς τρία σημεία, και έπειτα κλείνει συνοψίζοντας τον εαυτό του.

Ξεκινήστε με τις λέξεις, είναι οι πιο εύκολες να επισημανθούν και οι καλύτερα τεκμηριωμένες.

Ποιες Λέξεις Υπερβολικά Χρησιμοποιεί η AI;

Βλέπετε αυτές τις επίσημες, ελαφρώς θεατρικές λέξεις ξανά και ξανά, οι "delve", "underscore", "showcase" και "pivotal" είναι από τις πιο τεκμηριωμένες. Ο Dmitry Kobak και τρεις συνσυγγραφείς επιδίωξαν να εντοπίσουν τη γλώσσα. Ανέλυσαν 15.1 million PubMed abstracts από το 2010 έως το 2024 και εντόπισαν μια ομάδα λέξεων που παρουσίασε απότομη αύξηση στη συχνότητα όταν κυκλοφόρησε το ChatGPT. Η "delve" παρουσίασε τη μεγαλύτερη αύξηση, η μελέτη, η οποία δημοσιεύθηκε στο Science Advances τον July 2025, εκτίμησε τη συχνότητά της το 2024 ως περίπου 28 φορές υψηλότερη από ό,τι πριν από το 2023. Οι αμέσως επόμενες ήταν οι "underscore" και "showcase". Οι συγγραφείς εκτιμούν ότι τουλάχιστον 13.5 percent των abstracts του 2024 φέρουν σημάδια βοήθειας από AI, με το ποσοστό να υπερβαίνει το 40 percent σε ορισμένες χώρες και εκδότες.

Το γιατί τα μοντέλα συγκλίνουν σε αυτές ακριβώς τις λέξεις είναι λιγότερο σαφές από το ίδιο το μοτίβο. Μια μελέτη του COLING 2025 δοκίμασε είκοσι μία υπερεκπροσωπημένες λέξεις ως προς την αρχιτεκτονική του μοντέλου, τα δεδομένα εκπαίδευσης και την ανθρώπινη ανατροφοδότηση που χρησιμοποιείται για τη λεπτομερή ρύθμιση των chatbots, και βρήκε ότι το στάδιο της ανατροφοδότησης είναι ο πιο πιθανός παράγοντας που συμβάλλει, χωρίς να εξηγεί πλήρως το φαινόμενο. Η ερμηνεία επίσης εξακολουθεί να αμφισβητείται, μια ανταλλαγή απόψεων το 2026 στο περιοδικό PNAS αμφισβήτησε πόσο άμεσα μια μετατόπιση στη συχνότητα λέξεων μετρά τη χρήση AI, κάτι που αξίζει να θυμάται κανείς πριν αντιμετωπίσει οποιονδήποτε μεμονωμένο αριθμό εδώ ως οριστικό γεγονός.

Αυτό δεν ισχύει μόνο για περιλήψεις άρθρων σε επιστημονικά περιοδικά. Σε μια μελέτη που συνέκρινε μισό εκατομμύριο εκθέσεις φοιτητών και εκθέσεις που παρήχθησαν από AI, οι ερευνητές συνέκριναν το μήκος των κειμένων και την επιλογή λέξεων και διαπίστωσαν ότι οι ανθρώπινες εκθέσεις ήταν συνολικά μεγαλύτερες και χρησιμοποιούσαν ευρύτερο λεξιλόγιο. Σε μια μελέτη αξιολογήσεων από ομοτίμους που υποβλήθηκαν σε τέσσερα συνέδρια μηχανικής μάθησης, μεταξύ των οποίων τα ICLR 2024 και NeurIPS 2023, οι ερευνητές χρησιμοποίησαν την ίδια τεχνική για να εκτιμήσουν ότι μεταξύ έξι και δεκαπέντε τοις εκατό του κειμένου της αξιολόγησης είχε τροποποιηθεί ουσιωδώς από ένα LLM. Ήταν πιο πιθανό να έχει επηρεαστεί από ένα LLM όταν υποβλήθηκε κοντά στην προθεσμία.

Λέξη ή φράση που το AI χρησιμοποιεί υπερβολικά	Τι χρησιμοποιεί αντ' αυτού ένας προσεκτικός συγγραφέας
delve (into)	look at, examine
underscore	show, stress
showcase	present, demonstrate
pivotal	main, deciding
robust	solid, reliable
intricate	complex, detailed
meticulous	careful, thorough
tapestry	mix, range
testament	sign, evidence
boasts	has, includes
foster	encourage, support
garner	gain, attract
multifaceted	many-sided, complex
holistic	whole, overall
nuanced	careful, precise
invaluable	useful, valuable
realm	field, area
embark on	begin, start
unlock	open up, make possible
interplay	relationship, link

Καμία από αυτές τις λέξεις δεν είναι λανθασμένη από μόνη της. Μια ενότητα μεθόδων που χαρακτηρίζει ένα εύρημα ως robust χρησιμοποιεί τη λέξη σωστά, και ένας ιστορικός που περιγράφει ένα περίπλοκο νομικό επιχείρημα δεν ομολογεί σε ένα chatbot. Αυτό που διαβάζεται ως μηχανικά παραγόμενο είναι η πυκνότητα, τρεις ή τέσσερις από αυτές τις λέξεις σε μία παράγραφο, χωρίς να επιτελούν κάποια συγκεκριμένη λειτουργία, στοιβαγμένες με τον τρόπο που τις στοιβάζει ένα μοντέλο, επειδή καθεμία ήταν ανεξάρτητα η ασφαλέστερη επόμενη επιλογή. Μια γρήγορη σάρωση με το free AI word cleaner του TextPulse επισημαίνει αυτή την πυκνότητα άμεσα.

Γιατί οι προτάσεις του AI ακούγονται όλες με το ίδιο μήκος;

Ένα μοντέλο δομεί κάθε πρόταση με τον ίδιο τρόπο που δομούσε την προηγούμενη, αντί να συμπυκνώνει ένα σημείο σε έξι λέξεις σε ένα σημείο και να το ξετυλίγει σε τριάντα αλλού, έτσι ώστε το αποτέλεσμα τείνει να παραμένει σχεδόν στο ίδιο μήκος σε όλο το κείμενο. Αυτή η μεταβλητότητα, ή η απουσία της, είναι κάτι που μπορείτε να ακούσετε διαβάζοντας μια παράγραφο μεγαλόφωνα, μια διαφορετική άσκηση από τη βαθμολογία burstiness που υπολογίζει ένας ανιχνευτής από την ίδια υποκείμενη ιδιότητα.

Δύο μικρότερες συνήθειες προδίδουν τον ρυθμό από κοντά. Ένα μοντέλο συνηθίζει να κλείνει μια πρόταση με μια μετοχή σε ενεστώτα που υποδηλώνει σημασία χωρίς να προσθέτει πληροφορία, μια διατύπωση που ακολουθείται από έμφαση στην ανάγκη για περαιτέρω έρευνα ή από αναφορά σε μια ευρύτερη μετατόπιση στο πεδίο. Επίσης, καταφεύγει σε μια ζευγαρωτή δομή για να ακούγεται ισορροπημένο, στο ύφος το μέθοδος δεν είναι μόνο αποδοτική αλλά και κλιμακώσιμη. Ειπωμένο μία φορά, αυτός ο σχηματισμός δεν είναι αξιοσημείωτος. Ειπωμένο σε κάθε παράγραφο, ακούγεται σαν πρότυπο με τα ουσιαστικά να έχουν απλώς αντικατασταθεί.

Ο κανόνας των τριών

Και στο επίπεδο της φράσης, οι ομάδες των τριών αποτελούν επίσης τον προεπιλεγμένο ρυθμό του μοντέλου, τρία επίθετα πριν από ένα ουσιαστικό, τρία παραδείγματα σε μια λίστα, τρεις προτάσεις δομημένες με τον ίδιο τρόπο η μία μετά την άλλη. Οι περιστασιακές ομάδες των τριών αποτελούσαν ανέκαθεν μέρος της αγγλικής. Μια εύστοχα τοποθετημένη ομάδα των τριών δεν είναι σύμπτωμα τίποτε. Το ενδεικτικό στοιχείο είναι η συχνότητα. Το τρία δεν είναι το πρόβλημα. Το πρόβλημα είναι το τρία να εμφανίζεται σχεδόν σε κάθε παράγραφο.

Η καταμέτρηση αρκεί για να εντοπίσει κανείς τα περισσότερα από αυτά χωρίς ειδική εκπαίδευση. Διαβάστε μια παράγραφο και σημειώστε το μήκος κάθε πρότασης σε λέξεις. Αν όλες οι σημειώσεις σας βρίσκονται μέσα σε λίγες λέξεις από την προηγούμενη, ο ρυθμός είναι το χαρακτηριστικό γνώρισμα. Χρησιμοποιήστε το δωρεάν burstiness checker του TextPulse για να αυτοματοποιήσετε την καταμέτρηση και να τη χαρτογραφήσετε, κάτι χρήσιμο για ένα απόσπασμα που είναι πολύ μεγάλο ώστε να το εκτιμήσετε οπτικά μία πρόταση τη φορά.

Η παύλα em και άλλα σημάδια στίξης που προδίδουν

Γιατί το σημάδι έγινε η προτιμώμενη επιλογή

Η παύλα em είναι πιθανότατα το σημείο στίξης που κατηγορείται περισσότερο στη μηχανική γραφή. Ίσως τη γνωρίζετε ως τη μακριά παύλα που αντικαθιστά ένα κόμμα, άνω και κάτω τελεία ή τελεία για να συνδέσει δύο μισά μιας πρότασης. Η παύλα em δεν είναι νέα και δεν είναι κάτι που επινόησε η AI. Όσο υπάρχουν οδηγοί ύφους, από το Chicago έως το AP, σας επιτρέπουν να τη χρησιμοποιείτε για έμφαση και διακοπή. Και πολλοί επαγγελματίες συγγραφείς τη χρησιμοποιούν σκόπιμα.

Ο πιθανός λόγος που εμφανίζεται τόσο συχνά σε μηχανικό κείμενο είναι πεζός, το σημάδι είναι συνηθισμένο στην επιμελημένη, επαγγελματικά στοιχειοθετημένη πρόζα πάνω στην οποία εκπαιδεύονται τα γλωσσικά μοντέλα, και επιτρέπει σε μια πρόταση να συνεχίζει να κινείται χωρίς να καταλήγει σε τελεία. Ένα μοντέλο που έχει κατασκευαστεί για να παράγει άπταιστο, συνεκτικό κείμενο καταφεύγει συχνά σε αυτή την ευελιξία, συχνότερα από ό,τι οι περισσότεροι άνθρωποι όταν συντάσσουν με το χέρι.

Το πόσο συχνά εμφανίζεται διαφέρει πάρα πολύ ανάλογα με το ποιο σύστημα παρήγαγε το κείμενο. Μια δοκιμή παράλληλης σύγκρισης στα μέσα του 2025 έδωσε σε έξι chatbots το ίδιο prompt και μέτρησε τα σημάδια: τρία συστήματα το επέστρεψαν οκτώ ή εννέα φορές σε λιγότερες από εξακόσιες λέξεις, ένα το χρησιμοποίησε δύο φορές σε σχεδόν χίλιες λέξεις, και δύο δεν το χρησιμοποίησαν καθόλου. Η συχνότητα είναι ιδιότητα του εκάστοτε μοντέλου που παρήγαγε την παράγραφο μπροστά σας, όχι σταθερό χαρακτηριστικό της γραφής της AI. Η OpenAI πρόσθεσε μια ρύθμιση τον Νοέμβριο του 2025 που επιτρέπει σε έναν χρήστη να πει στο ChatGPT να σταματήσει να χρησιμοποιεί το σημάδι και να συμμορφωθεί πραγματικά, κάτι που καθιστά ακόμη και αυτό το χαρακτηριστικό γνώρισμα εν μέρει προαιρετικό πλέον.

Τίποτε από αυτά δεν καθιστά το ίδιο το σημάδι απόδειξη οτιδήποτε. Πολλοί προσεκτικοί συγγραφείς το χρησιμοποιούν σκόπιμα, και πολλά φοιτητικά δοκίμια που δεν άγγιξαν ποτέ chatbot το χρησιμοποιούν επίσης, μερικές φορές επειδή έτσι τους το δίδαξε ένας διδάσκων. Αυτό που αξίζει να ελεγχθεί είναι η πυκνότητα, μια σελίδα που στηρίζεται στο σημάδι κάθε δεύτερη πρόταση διαβάζεται διαφορετικά από μια άλλη που το χρησιμοποιεί δύο φορές σκόπιμα. Το δωρεάν εργαλείο αφαίρεσης em dash του TextPulse ελέγχει αυτή την πυκνότητα και προτείνει το κόμμα, την άνω και κάτω τελεία, την τελεία ή την παύλα που απαιτεί κάθε περίπτωση.

Κουκκίδες, έντονο κείμενο και επικεφαλίδες

Το ίδιο επίπεδο καλύπτει αποφάσεις μορφοποίησης κάτω από την πρόταση. Μια λίστα με κουκκίδες στη μέση πεζού λόγου που δεν ήταν ποτέ λίστα στο μυαλό του συγγραφέα. Επικεφαλίδες σε μορφή τίτλου, όταν το υπόλοιπο έγγραφο είναι σε μορφή πρότασης. Μια φράση με έντονη γραφή στην αρχή κάθε σημείου της λίστας, σαν μικρή επικεφαλίδα. Τίποτε από αυτά δεν είναι σημεία στίξης, αλλά όλα προέρχονται από το ίδιο σημείο, ένα μοντέλο που μορφοποιεί για παράθυρο συνομιλίας, όπου η οπτική δομή υποκαθιστά τις μεταβάσεις που συνήθως φέρει ο πεζός λόγος.

Δομή και μορφή του επιχειρήματος

Το τελευταίο επίπεδο βρίσκεται πάνω από την πρόταση και είναι το δυσκολότερο να διορθωθεί με αντικατάσταση λέξης, επειδή είναι η ίδια η μορφή του επιχειρήματος. Μια ενότητα γραμμένη από μηχανή συχνά ανοίγει επαναδιατυπώνοντας τη δική της επικεφαλίδα με ελαφρώς διαφορετικά λόγια, προχωρά μέσα από δύο ή τρία υποστηρικτικά σημεία που αποδίδονται περίπου ίση βαρύτητα, ανεξάρτητα από το πόσο πραγματικά σημαντικό είναι το καθένα, και έπειτα κλείνει συνοψίζοντας όσα μόλις είπε αντί να προσθέτει κάτι νέο.

Μια συναφής συνήθεια εμφανίζεται διαρκώς σε μεγαλύτερα κείμενα, μια ενότητα απαριθμεί τι κάνει κάτι καλά, στρέφεται με μια λέξη όπως however, απαριθμεί προκλήσεις με την ίδια τακτοποιημένη τριάδα, και έπειτα υπονοεί ένα μέλλον που υποτίθεται ότι θα τις επιλύσει. Τα πραγματικά επιχειρήματα είναι πιο ανομοιόμορφα από αυτό. Ένας ανθρώπινος συγγραφέας συνήθως ενδιαφέρεται περισσότερο για ένα σημείο από τα άλλα δύο, του αφιερώνει περισσότερο χώρο και δεν οφείλει στον αναγνώστη μια συμμετρική κατάληξη.

Αυτό είναι επίσης το επίπεδο στο οποίο η τυποποιημένη ακαδημαϊκή γραφή μπορεί να μοιάζει παραπλανητικά με μηχανική γραφή, αφού μια ενότητα μεθόδων ή μια βιβλιογραφική ανασκόπηση υποτίθεται ότι ακολουθεί μια σταθερή μορφή. Η διαφορά βρίσκεται μέσα σε αυτή τη μορφή. Μια βιβλιογραφική ανασκόπηση γραμμένη από μηχανή κατονομάζει τα συνήθη σημεία ενός πεδίου με τη συνήθη σειρά. Μια ανθρώπινη ανασκόπηση επιχειρηματολογεί για το ποια σημεία έχουν σημασία και γιατί, ακόμη και μέσα σε ένα αυστηρό πρότυπο, επειδή υπερασπίζεται μια πραγματική θέση.

Κρίνοντας ένα Κείμενο που Δεν Γράψατε Εσείς

Τα Τέσσερα Σημάδια που Αξίζουν Περισσότερο

Το κενό στη συγκεκριμενοποίηση είναι το ισχυρότερο σημάδι που έχει στη διάθεσή του ένας αναγνώστης χωρίς καθόλου εργαλεία. Η πρόζα που συντάσσεται από μηχανή διατυπώνει ισχυρισμούς που ισχύουν σε κάθε επίπεδο γενικότητας και δεν προσδένονται σε κανένα από αυτά. Αναφέρει ότι η έρευνα έχει εξετάσει το ζήτημα χωρίς να κατονομάζει κάποια μελέτη, ότι το αποτέλεσμα είναι σημαντικό χωρίς να δίνει μέγεθος, ότι η πρακτική είναι συνηθισμένη στον κλάδο χωρίς να κατονομάζει κάποια εταιρεία ή κάποιο έτος. Ένας ανθρώπινος συγγραφέας που εργάζεται με το ίδιο όριο λέξεων τείνει να αφιερώνει αυτές τις λέξεις σε ένα συγκεκριμένο πράγμα, επειδή είχε ένα συγκεκριμένο πράγμα και ήθελε να το συμπεριλάβει.

Οι παραπομπές που δεν αντιστοιχούν σε επαληθεύσιμη πηγή είναι το μόνο στοιχείο της λίστας που πλησιάζει την απόδειξη, και είναι επίσης το σπανιότερο. Μια αναφορά διαμορφωμένη άψογα, αποδιδόμενη σε πραγματικό περιοδικό, που φέρει ένα αναγνωριστικό το οποίο δεν επιστρέφει καμία εγγραφή, είναι πολύ δύσκολο να παραχθεί κατά λάθος. Ελέγξτε τρεις παραπομπές πριν ελέγξετε οτιδήποτε άλλο σε μια υποβολή για την οποία δεν είστε βέβαιοι. Χρειάζεται δύο λεπτά και είτε λύνει το ζήτημα είτε αφαιρεί το ισχυρότερο σήμα από το τραπέζι.

Η πυκνότητα λεξιλογίου είναι το στοιχείο στο οποίο οι περισσότεροι αναγνώστες καταφεύγουν πρώτα και εκείνο που αποτυγχάνει πιο συχνά. Το σήμα είναι η πυκνότητα και όχι οποιαδήποτε μεμονωμένη λέξη. Ένα μόνο τυπικό ρήμα είναι συνηθισμένο ακαδημαϊκό ύφος, ενώ πέντε σε μία παράγραφο που δεν επιτελούν καμία συγκεκριμένη λειτουργία αποτελούν μοτίβο. Η χειροκίνητη καταμέτρηση σε μια εκτενή υποβολή είναι αργή, και το free AI word cleaner του TextPulse επισημαίνει αυτόματα τις συσσωματώσεις, μετατρέποντας μια αόριστη εντύπωση σε κάτι που μπορείτε να δείξετε πάνω στη σελίδα.

Το πιο λεπτό από τα τέσσερα είναι ένα ύφος που δεν σπάει ποτέ. Ένας ανθρώπινος συγγραφέας σχεδόν πάντα κάνει κάτι ελαφρώς εκτός τόνου μέσα σε δύο χιλιάδες λέξεις, μια σύντομη πρόταση μετά από τρεις μακρές, μια παρένθετη παρατήρηση, μια κρίση που δεν χρειαζόταν να διατυπώσει, μια λέξη που επιλέχθηκε επειδή του άρεσε. Η πεζογραφία που παράγεται από μηχανή διατηρεί ένα και μόνο ύφος από την πρώτη ως την τελευταία γραμμή. Υπάρχουν είδη που απαγορεύουν όλα αυτά τα στοιχεία, οπότε αυτό το σημάδι έχει πολύ μικρότερη αξία σε μια ενότητα μεθόδων απ' ό,τι σε μια προσωπική δήλωση.

Τα σημάδια που φαίνονται ισχυρά και δεν είναι

Η άψογη γραμματική δεν αποδεικνύει τίποτα. Η ορθογραφία και η στίξη έχουν αυτοματοποιηθεί εδώ και δύο δεκαετίες, και κάθε προσεκτικός συγγραφέας που χρησιμοποιεί έναν ελεγκτή παράγει την ίδια καθαρή επιφάνεια. Το επίσημο ύφος επίσης δεν αποδεικνύει τίποτα, αφού η επισημότητα είναι ακριβώς αυτό που απαιτούν οι περισσότεροι ακαδημαϊκοί και επαγγελματικοί τύποι κειμένου από κανονισμό. Η εκτεταμένη χρήση επικεφαλίδων, έντονου κειμένου και λιστών με κουκκίδες είναι συνήθεια του οικείου ύφους του εκδότη πολύ πριν είναι οτιδήποτε άλλο, και πολλοί συγγραφείς εκπαιδεύτηκαν σε αυτό χρόνια πριν το δείξει σε κανέναν ένα chatbot. Οι συνήθειες στίξης έχουν την ίδια μικρή βαρύτητα, και η παύλα em ειδικότερα έχει κληθεί να σηκώσει πολύ περισσότερα από όσα μπορεί να αντέξει ένα μόνο σημείο στίξης.

Οι βαθμολογίες των ανιχνευτών ανήκουν επίσης σε αυτή την κατηγορία, κάτι που τείνει να εκπλήσσει τους ανθρώπους. Μια βαθμολογία είναι μια στατιστική κρίση για το πόσο προβλέψιμο είναι το κείμενο, και η προβλέψιμη πεζογραφία είναι ακριβώς αυτό που παράγουν καθημερινά οι προσεκτικοί άνθρωποι, και έτσι προκύπτουν οι ψευδώς θετικές ενδείξεις. Η έξοδος του ανιχνευτή είναι μία είσοδος σε μια απόφαση που εξακολουθεί να πρέπει να λάβει ένα πρόσωπο, και η επεξηγηματική ανάλυση του TextPulse για το πώς λειτουργούν οι ανιχνευτές AI εξηγεί τι μετρά ο αριθμός πριν οποιοσδήποτε τον αντιμετωπίσει ως ετυμηγορία.

Τι να κάνετε όταν ένα κείμενο ενεργοποιεί πολλά σημάδια

Ελέγξτε πρώτα ό,τι μπορεί να ελεγχθεί. Εντοπίστε τρεις παραπομπές, έναν αριθμό και ένα επώνυμο γεγονός, και επαληθεύστε καθεμία από αυτές. Αυτή η μία διέλευση ξεχωρίζει ένα κείμενο που είναι αδύναμο από ένα κείμενο που είναι κατασκευασμένο, και τα δύο απαιτούν πολύ διαφορετικές αντιδράσεις. Στη συνέχεια, συγκρίνετε την υποβολή με κάτι που έγραψε το ίδιο άτομο νωρίτερα υπό επίβλεψη, επειδή μια απότομη μετατόπιση στο ύφος μέσα στο έργο ενός συγγραφέα έχει μεγαλύτερη βαρύτητα από οποιαδήποτε απόλυτη ανάγνωση ενός εγγράφου. Έπειτα, κάντε μια ερώτηση στην οποία μόνο ο συγγραφέας θα μπορούσε να απαντήσει για το ίδιο του το κείμενο, γιατί αυτή η πηγή και όχι η προφανής εναλλακτική, τι επρόκειτο αρχικά να υποστηρίξει η τρίτη ενότητα, ποια παράγραφος του προκάλεσε τη μεγαλύτερη δυσκολία. Κάποιος που έγραψε το κείμενο απαντά αμέσως.

Ακολουθήστε την πολιτική που υπάρχει και όχι εκείνη που θα είχατε γράψει εσείς. Τα περισσότερα ιδρύματα πλέον καθορίζουν ποιος μπορεί να εγείρει μια ανησυχία, ποια τεκμήρια είναι παραδεκτά και τι ενημερώνεται ο συγγραφέας, και η παράλειψη αυτής της ακολουθίας είναι αυτό που μετατρέπει ένα εύλογο ερώτημα σε παράπονο. Οι συγγραφείς στην άλλη πλευρά αυτού του προβλήματος, όταν τους λένε ότι το δικό τους έργο διαβάζεται ως μηχανικά συνταγμένο, έχουν διαφορετικό έργο να επιτελέσουν, και το TextPulse's AI humanizer αναφέρει ένα εκτιμώμενο Human Score που υπολογίζεται από το κείμενο και όχι μια κρίση από οποιονδήποτε ανιχνευτή.

Η εφαρμογή του ίδιου τεστ στα δικά σας προσχέδια είναι δυσκολότερη, και το whether your writing sounds like AI έχει τη δική του σελίδα. Το ίδιο το λεξιλόγιο καταγράφεται χωριστά, σε έναν κατάλογο με the words that give ChatGPT away.

Τα εννέα σημάδια είναι λόγος να τεθεί ένα ερώτημα, και είναι πάντα το ίδιο ερώτημα, τι γνωρίζει αυτό το κείμενο που δεν θα γνώριζε μια εύγλωττη εικασία; Θέστε το πρώτα στις παραπομπές. Αυτό είναι το ένα μέρος κάθε υποβολής που απαντά από μόνο του, χωρίς να χρειάζεται να κατηγορηθεί κανείς για οτιδήποτε.

Αποδεικνύουν αυτά τα σημάδια ότι ένα κείμενο είναι γραμμένο από AI;

Κανένα μεμονωμένο σημάδι δεν αποδεικνύει τίποτα, ούτε και ένα πλήρες σύνολο από αυτά. Υπό την πίεση ενός επιμελητή ή καθηγητή, ένας προσεκτικός ακαδημαϊκός συγγραφέας μπορεί να δημιουργήσει παραγράφους με αρκετά από αυτά τα χαρακτηριστικά, όπως η απουσία αντωνυμιών, αλλά χωρίς τη βοήθεια ενός chatbot. Οι συγγραφείς που δεν έχουν τα αγγλικά ως μητρική γλώσσα μπορεί επίσης να χρησιμοποιούν ασφαλείς λέξεις που τους διδάχθηκαν στην τάξη, και οι φοιτητές στους οποίους διδάσκεται η χρήση τυπικών συνδετικών μπορεί επίσης να χρησιμοποιούν πολλά από αυτά τα χαρακτηριστικά. Μια λίστα λέξεων δεν αποτελεί απόδειξη παρατυπίας, είναι ένα σφάλμα που μπορεί να οδηγήσει σε ψευδείς κατηγορίες κατά προσεκτικών συγγραφέων. Πρέπει να επισημαίνουμε αυτό το σφάλμα, όχι να το επαναλαμβάνουμε σιωπηρά.

Αυτό που μπορεί υπεύθυνα να κάνει ένα εργαλείο είναι να δείχνει το μοτίβο, όχι να αποφαίνεται για το κείμενο. Αυτό που έχουμε να προσφέρουμε με το AI humanizer του TextPulse είναι μια εκτίμηση ενός Human Score με βάση το κείμενο που έχει μπροστά του. Πρόκειται για μια ανάγνωση του πού βρίσκεται ένα προσχέδιο σε σχέση με αυτά τα επιφανειακά μοτίβα, όχι για μια ετυμηγορία από οποιονδήποτε ανιχνευτή και όχι για μια υπόσχεση σχετικά με το τι λέει αύριο ένα διαφορετικό εργαλείο. Είναι ένας αριθμός που μπορείτε να χρησιμοποιήσετε ως αφετηρία για μια απόφαση, όπως ένας ορθογραφικός έλεγχος επισημαίνει μια λέξη χωρίς να αποφασίζει αν η πρόταση γύρω της είναι καλή.

Κάθε σημάδι παραπάνω έχει τη δική του σελίδα. Το ίδιο το λεξιλόγιο καταγράφεται σε ένα κείμενο για τις λέξεις που προδίδουν το ChatGPT, με ξεχωριστές αναλύσεις για τη συνήθεια της παύλας em και για το γιατί τα μοντέλα καταφεύγουν σε ένα συγκεκριμένο ρήμα. Καλύπτονται επίσης οι ευρύτερες ετικέτες, τι σημαίνει AI slop, τι σημαίνει AI fluff, και ένας πρακτικός οδηγός για το αν κάτι γράφτηκε από AI. Αν η ανησυχία αφορά τα δικά σας προσχέδια και όχι κάποιου άλλου, υπάρχει ένα κείμενο για την αφαίρεση λέξεων AI από τη γραφή σας.

Την επόμενη φορά που θα διαβάζετε το κείμενό σας και κάτι σε αυτό δεν σας φαίνεται ακριβώς σωστό, μην περιοριστείτε στο να βρείτε ένα συνώνυμο για να το αντικαταστήσετε. Δοκιμάστε, αντί γι' αυτό, να το διαβάσετε δυνατά. Μετρήστε τον αριθμό των λέξεων σε κάθε πρόταση. Ρωτήστε τον εαυτό σας τι ακριβώς κάνει εκεί κάθε λέξη. Αυτή είναι η ίδια ανάγνωση που έκανε ένας προσεκτικός επιμελητής πολύ πριν όλα αυτά αποκτήσουν όνομα.