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 καίριο ρόλο που διαδραματίζει η αυτορρύθμιση στην ακαδημαϊκή επιτυχία. Τίποτα 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 όντως βγήκε. Αυτό είναι το θέμα αυτού του κειμένου.

Τα πρότυπα γραφής AI είναι οι επαναλήψιμες συνήθειες, στην επιλογή λέξεων, στον ρυθμό των προτάσεων, στη στίξη και στη δομή, που καθιστούν την παραγόμενη από μηχανή πεζογραφία αναγνωρίσιμη με την πρώτη ματιά. Συγκεντρώνονται σε τέσσερα επίπεδα, στις λέξεις που επιλέγει ένα μοντέλο, στο σχήμα των προτάσεών του, στη στίξη στην οποία στηρίζεται και στον τρόπο με τον οποίο δομεί ένα επιχείρημα ως σύνολο. Κανένα από αυτά μόνο του δεν αποδεικνύει τίποτα. 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 κάτω από αυτή τη βαθμολογία, τα οποία καλύπτονται πιο αναλυτικά σε άλλο κείμενο για 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 δείξει στη σελίδα. Αυτό μπορεί να έχει σημασία, ακόμη κι αν ένας ανιχνευτής κάνει λάθος, δεν είναι διαθέσιμος ή δεν είναι το ουσιώδες ζήτημα. Ό,τι ακολουθεί εδώ δεν χρειάζεται κανένα μοντέλο και καμία συνδρομή.

Γιατί τα πρότυπα γραφής AI ακούγονται ρομποτικά;

Ένα γλωσσικό μοντέλο κάνει κάτι διαφορετικό από έναν άνθρωπο στο επίπεδο της πρότασης, επιλέγει τη στατιστικά πιθανότερη επόμενη λέξη, ξανά και ξανά, μέσα σε ένα σύστημα εκπαιδευμένο 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, τις πιο εύκολες να επισημανθούν, και τις 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" αυξήθηκε περισσότερο από όλες, η μελέτη, η οποία δημοσιεύθηκε στο Science Advances τον Ιούλιο του 2025, εκτίμησε ότι η συχνότητά της το 2024 ήταν 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 ενδείξεις βοήθειας από AI, ποσοστό που ανεβαίνει πάνω από 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 χρησιμοποιήθηκε 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 το πόσο άμεσα μια μετατόπιση στη συχνότητα λέξεων μετρά τη χρήση AI, κάτι που αξίζει να θυμάστε πριν αντιμετωπίσετε 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 παρήγαγε η AI, οι ερευνητές συνέκριναν το μήκος των εργασιών και την επιλογή λέξεων και διαπίστωσαν ότι οι ανθρώπινες εκθέσεις ήταν συνολικά μεγαλύτερες και χρησιμοποιούσαν ευρύτερο λεξιλόγιο. Σε μια μελέτη αξιολογήσεων ομοτίμων που υποβλήθηκαν σε τέσσερα συνέδρια μηχανικής μάθησης, συμπεριλαμβανομένων των ICLR 2024 και NeurIPS 2023, οι ερευνητές χρησιμοποίησαν την ίδια τεχνική για να εκτιμήσουν ότι μεταξύ έξι και δεκαπέντε τοις εκατό του κειμένου των αξιολογήσεων είχε τροποποιηθεί ουσιαστικά από ένα LLM. Ήταν πιο πιθανό να έχει επηρεαστεί από ένα LLM όταν υποβλήθηκε κοντά στην προθεσμία.

Λέξη ή φράση που η 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 καμία συγκεκριμένη λειτουργία, στοιβαγμένες με τον τρόπο που τις στοιβάζει ένα μοντέλο επειδή καθεμία ήταν ανεξάρτητα η ασφαλέστερη επόμενη επιλογή. Μια γρήγορη διέλευση 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 τρόπο που δομούσε την προηγούμενη, αντί να συμπυκνώνει ένα σημείο σε έξι λέξεις σε ένα σημείο και να το ξετυλίγει σε τριάντα κάπου αλλού, έτσι ώστε το αποτέλεσμα τείνει να παραμένει σχεδόν στο ίδιο μήκος σε όλη την έκταση. 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 αποκαλύπτουν τον ρυθμό από κοντά. Ένα μοντέλο συνηθίζει να κλείνει μια πρόταση με μια μετοχή σε ενεστώτα που υπονοεί σημασία χωρίς να προσθέτει πληροφορία, μια διατύπωση που ακολουθείται από την επισήμανση της ανάγκης για περαιτέρω έρευνα ή από τον στοχασμό μιας ευρύτερης μετατόπισης στο πεδίο. Επίσης, καταφεύγει σε μια ζευγαρωτή δομή για να ακούγεται ισορροπημένο, σε γραμμές όπως το η μέθοδος δεν είναι μόνο αποτελεσματική 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 είναι ο προεπιλεγμένος ρυθμός του μοντέλου, τρία επίθετα πριν από ένα ουσιαστικό, τρία παραδείγματα σε μια λίστα, τρεις προτάσεις δομημένες με τον ίδιο τρόπο στη σειρά. Οι περιστασιακές ομάδες των τριών αποτελούσαν ανέκαθεν μέρος της αγγλικής. Μια σωστά τοποθετημένη ομάδα των τριών δεν είναι σύμπτωμα τίποτε. Το διακριτικό γνώρισμα 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 ενδεικτικό στοιχείο. Χρησιμοποιήστε το δωρεάν burstiness checker του TextPulse για να αυτοματοποιήσετε την καταμέτρηση και την απεικόνισή της, κάτι χρήσιμο για ένα απόσπασμα που είναι πολύ μεγάλο ώστε να το εκτιμήσει κανείς οπτικά, μία πρόταση τη φορά.

Η παύλα em και άλλα ενδεικτικά σημεία στίξης

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 επινοήθηκε από την AI. Για όσο διάστημα υπάρχουν οδηγοί ύφους, από το Chicago έως το AP, σας επέτρεπαν να τη χρησιμοποιείτε για έμφαση και διακοπή. Και πολλοί επαγγελματίες συγγραφείς τη χρησιμοποιούν σκόπιμα.

Ο πιθανός λόγος που εμφανίζεται τόσο συχνά σε παραγόμενο από μηχανή κείμενο είναι πεζός, το σημάδι είναι συνηθισμένο στο επιμελημένο, επαγγελματικά στοιχειοθετημένο πεζό λόγο πάνω στον οποίο εκπαιδεύονται τα γλωσσικά μοντέλα, και επιτρέπει σε μια πρόταση να συνεχίζει να κινείται χωρίς να δεσμεύεται 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.

Η συχνότητά του ποικίλλει πάρα πολύ ανάλογα με το ποιο σύστημα παρήγαγε το κείμενο. Μια δοκιμή σύγκρισης δίπλα δίπλα 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 ενδεικτικό στοιχείο 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 ένας διδάσκων τους το έμαθε. Αυτό που αξίζει να ελεγχθεί είναι η πυκνότητα, μια σελίδα που στηρίζεται στο σημάδι κάθε δεύτερη πρόταση διαβάζεται διαφορετικά από μια 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 το επίπεδο της πρότασης. Μια λίστα με κουκκίδες στη μέση ενός πεζού κειμένου 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 μια απλή 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 δίνονται με περίπου ίσο βάρος, ανεξάρτητα από το πόσο πραγματικά σημαντικό είναι το καθένα, και έπειτα κλείνει συνοψίζοντας όσα μόλις είπε αντί να προσθέτει κάτι νέο.

Μια συγγενής συνήθεια εμφανίζεται συνεχώς 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 ένα συμμετρικό κλείσιμο.

Αυτό είναι επίσης το επίπεδο στο οποίο η τυποποιημένη ακαδημαϊκή γραφή μπορεί να μοιάζει παραπλανητικά με γραφή μηχανής, 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 αναφέρει 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 άκαμπτο πρότυπο, επειδή υπερασπίζεται μια πραγματική θέση.

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

Κανένα μεμονωμένο σημάδι δεν αποδεικνύει τίποτα, και ούτε το πλήρες σύνολό τους. 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 έμαθαν στην τάξη, και οι φοιτητές στους οποίους διδάσκεται να χρησιμοποιούν τυπικούς συνδετικούς δείκτες μπορεί επίσης να χρησιμοποιούν πολλά από αυτά τα χαρακτηριστικά. Ένας κατάλογος λέξεων δεν αποτελεί απόδειξη παραπτώματος, 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 δείξει το μοτίβο, όχι να κρίνει το κείμενο. Αυτό που έχουμε να προσφέρουμε με το AI humanizer του TextPulse είναι μια εκτίμηση ενός Human Score με βάση το κείμενο που βρίσκεται μπροστά του. Πρόκειται για μια ανάγνωση του σημείου στο οποίο 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 ένδειξη παραπάνω έχει τη δική της σελίδα. Το ίδιο το λεξιλόγιο καταγράφεται σε ένα κείμενο για λέξεις που προδίδουν το ChatGPT, με ξεχωριστές αναλύσεις για τη συνήθεια της παύλας em και για γιατί τα μοντέλα καταφεύγουν σε ένα συγκεκριμένο ρήμα. Οι ευρύτερες ετικέτες καλύπτονται επίσης: τι σημαίνει AI slop, τι σημαίνει AI fluff, και ένας πρακτικός οδηγός για το πώς να διαπιστώσετε αν κάτι γράφτηκε από AI. Αν η ανησυχία αφορά τα δικά σας προσχέδια και όχι κάποιου άλλου, υπάρχει ένα κείμενο για το πώς να αφαιρείτε λέξεις AI από τη γραφή σας.

Την επόμενη φορά που θα διαβάζετε το κείμενό σας και κάτι μέσα του δεν σας φαίνεται ακριβώς σωστό, μην περιοριστείτε απλώς στο να βρείτε ένα συνώνυμο για να το αντικαταστήσετε. Δοκιμάστε αντί γι' αυτό να το διαβάσετε μεγαλόφωνα. 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 αποκτήσει όλο αυτό όνομα.