پاک‌کننده رایگان واژگان هوش مصنوعی که هر واژه بیش‌ازحد به‌کاررفته و جایگزین آن را مشخص می‌کند

یک مدل واژه‌ها را مانند یک انسان انتخاب نمی‌کند؛ بلکه گزینه‌ها را بر پایه احتمال رتبه‌بندی می‌کند و به سوی هر گزینه‌ای می‌رود که در آموزش بالاترین امتیاز را گرفته باشد. نوشتاری که پیش‌تر در حجم بسیار زیاد وجود داشته است، کتاب‌های منتشرشده، روزنامه‌نگاری، متن‌های بازاریابی، از یک ثبت زبانی خاص حمایت می‌کند: فعل‌های نمایشی، اسم‌های آرایشی، عبارت‌های پیوندی منظم. مدلی که بر آن مواد آموزش دیده باشد همان ترجیح را در مقیاسی به ارث می‌برد که هیچ نویسنده فردی به آن نزدیک نمی‌شود، و بسیار بیشتر از آنچه تعادل نثر معمولی پیش‌بینی می‌کند به سوی delve، tapestry و pivotal دست می‌برد.

پژوهشگرانی که فراوانی واژه را در میلیون‌ها چکیده منتشرشده دنبال کردند دقیقاً همین الگو را یافتند: مجموعه‌ای مشخص از واژه‌ها که پس از رواج گسترده ابزارهای نگارش هوش مصنوعی به‌طور چشمگیری افزایش یافتند و پیش از آن نقطه ثابت مانده بودند. delve، underscore، showcase و چند ده مورد دیگر در فاصله‌ای چندساله از واژه‌هایی عادی به واژه‌هایی چشمگیر تبدیل شدند، تغییری که آن‌قدر بزرگ بود که در کل ادبیات یک حوزه ثبت شود، نه در یک مقاله منفرد.

هیچ‌یک از این واژه‌ها به‌تنهایی نادرست نیستند؛ یک delve منفرد در صفحه‌ای از نثر هیچ توجهی جلب نمی‌کند. نشانه، تراکم است: چند مورد از آن‌ها که در یک بند روی هم انباشته شده‌اند، یا همان گذار که هر بخش را آغاز می‌کند. اصلاح این الگو یعنی مشخص کردن این‌که کدام واژه‌ها به آن تعلق دارند و ارائه کردن جایگزین ساده‌ای که نویسنده بدون دخالت مدل به آن می‌رسید، در حالی که هر چیزی را که به معنای خاصِ حوزه وابسته است برای تصمیم انسانی باقی می‌گذارد.

واژگانِ بیش‌ازحد به‌کاررفته لایه‌ای است که خواننده سریع‌تر از همه متوجه آن می‌شود، اما این لایه بر ریتم و ساختار جمله‌ها قرار دارد، الگوهایی که این cleaner به آن‌ها دست نمی‌زند. وقتی انتخاب واژه‌ها روشن شد، بازنویسی خودِ جمله‌ها در سطح سند کاری است که TextPulse humanizer برای آن ساخته شده است.