الگوهای نوشتار AI: واژه‌ها، ریتم و نشانه‌گذاری که آن را لو می‌دهند

این جمله را یک بار بخوانید و ببینید آیا از قبل می‌دانید از کجا آمده است: پژوهشگران همچنان بر تعامل پیچیده میان انگیزش و پیشرفت تأکید می‌کنند، و مجموعه‌ای رو به رشد از پژوهش‌ها نقش کلیدی خودتنظیمی را در موفقیت تحصیلی برجسته می‌کند. هیچ چیز آن نادرست نیست. هر بند از نظر دستوری درست است، هر واژه یک واژه واقعی است، و یک ارزیاب حتی یک امتیاز هم کم نمی‌کند. اما هنوز طوری خوانده می‌شود که انگار از یک ماشین بیرون افتاده است، چون همین‌طور هم هست. این همان چیزی است که این نوشته درباره آن است.

الگوهای نوشتاری AI عادت‌های تکرارشونده در انتخاب واژه، آهنگ جمله، نشانه‌گذاری و ساختار هستند که نثرِ پیش‌نویس‌شده توسط ماشین را در نگاه اول قابل تشخیص می‌کنند. این الگوها در چهار سطح گرد می‌آیند: واژه‌هایی که یک مدل به سراغشان می‌رود، شکل جمله‌هایش، نشانه‌گذاری‌ای که بر آن تکیه می‌کند، و شیوه‌ای که یک استدلال را در کلیت آن سامان می‌دهد. هیچ‌یک از آن‌ها به‌تنهایی چیزی را ثابت نمی‌کند. اما در کنار هم، درون یک بند، نادیده گرفتنشان دشوار است.

ماشینی که این کار را انجام می‌دهد یک آشکارساز آماری نام دارد. این ماشین بر اساس آنچه یک مدل زبانی انتظار دارد، میزان پیش‌بینی‌پذیری هر واژه را امتیازدهی می‌کند. یک گزارش، ریاضیات perplexity و burstiness را در زیر آن امتیاز در بر دارد، که در نوشته‌ای دیگر درباره چگونگی کارکرد آشکارسازهای AI با جزئیات بیشتری پوشش داده شده است. بقیه این مقاله فهرستی از نشانه‌های نوشتاری AI است که خواننده می‌تواند آن‌ها را بشنود، بشمارد یا روی صفحه به آن‌ها اشاره کند. این می‌تواند مهم باشد، حتی اگر یک آشکارساز اشتباه کند، در دسترس نباشد، یا از اصل موضوع دور باشد. آنچه در ادامه می‌آید به هیچ مدل و هیچ اشتراکی نیاز ندارد.

چرا الگوهای نوشتاری AI ربات‌گونه به نظر می‌رسند؟

یک مدل زبانی در سطح جمله کاری متفاوت از یک انسان انجام می‌دهد: بارها و بارها محتمل‌ترین واژه بعدی را برمی‌گزیند، درون سامانه‌ای که برای باکفایت به نظر رسیدن آموزش دیده است، نه برای متمایز بودن. کفایت در آن مقیاس نثری روان، درست و فراموش‌شدنی تولید می‌کند، و همین ریشه احساس ربات‌گونه بودن است. یک خواننده اغلب نمی‌تواند بگوید چه چیزی در چنین بندی نادرست است، فقط می‌تواند بگوید که تخت خوانده می‌شود، و چهار سطح زیر جایی هستند که این تختی در آن‌ها زندگی می‌کند.

انتخاب واژه نخستین سطحی است که خوانندگان متوجه آن می‌شوند: واژه‌های رسمی و نمایشی که در جایی ظاهر می‌شوند که به آن تعلق ندارند. آهنگ جمله آرام‌تر است، پاراگرافی که در آن هر جمله تقریباً هم‌طول جمله دیگر پیش می‌رود. نشانه‌گذاری و قالب‌بندی نیز امضای خاص خود را دارند، خط تیره‌ای که مانند مفصل همه‌کاره به کار می‌رود، فهرستی گلوله‌ای که متنی را از هم می‌گسلد که در ذهن نویسنده اصلاً فهرست نبوده است. ساختار کم‌نمایان‌ترین بخش است، بخشی که عنوان خود را بازگو می‌کند، دقیقاً سه نکته را پوشش می‌دهد، سپس با خلاصه‌کردن خود به پایان می‌رسد.

با واژه‌ها آغاز کنید: آسان‌ترین بخش برای اشاره، و بهترین بخش مستندشده.

AI از چه واژه‌هایی بیش از حد استفاده می‌کند؟

این واژه‌های رسمی و اندکی نمایشی را بارها و بارها می‌بینید: "delve"، "underscore"، "showcase" و "pivotal" از جمله مستندترین‌ها هستند. Dmitry Kobak و سه هم‌نویسنده دیگر برای شناسایی این زبان دست به کار شدند. آنان 15.1 میلیون چکیده PubMed را از 2010 تا 2024 تحلیل کردند و گروهی از واژه‌ها را شناسایی کردند که هم‌زمان با انتشار ChatGPT، افزایش شدیدی در بسامد نشان دادند. "delve" بیشترین فاصله را گرفت، این مطالعه که در Science Advances در July 2025 منتشر شد، بسامد آن را در 2024 حدود 28 برابر بیشتر از پیش از 2023 برآورد کرد. نزدیک‌ترین موارد بعدی "underscore" و "showcase" بودند. نویسندگان برآورد می‌کنند دست‌کم 13.5 درصد از چکیده‌های 2024 نشانه‌هایی از کمک AI دارند، و این رقم در برخی کشورها و ناشران به بیش از 40 درصد می‌رسد.

اینکه چرا مدل‌ها به این واژه‌های خاص همگرا می‌شوند، از خود الگو کمتر قطعی است. یک مطالعه COLING 2025 بیست‌ویک واژه بیش‌نمایان را در برابر معماری مدل، داده‌های آموزشی و بازخورد انسانیِ به‌کاررفته برای تنظیم دقیق چت‌بات‌ها آزمود و مرحله بازخورد را محتمل‌ترین عامل دانست، بی‌آنکه اثر را به‌طور کامل توضیح دهد. تفسیر این موضوع نیز همچنان محل بحث است: یک تبادل نظر در 2026 در مجله PNAS نسبت به این که تغییر بسامد واژه‌ها تا چه اندازه به‌طور مستقیم استفاده از AI را می‌سنجد، ایراد گرفت، و این نکته پیش از آنکه هر عدد منفردی در اینجا به‌عنوان واقعیت قطعی تلقی شود، باید به خاطر سپرده شود.

این فقط در مورد چکیده‌های مجلات صادق نیست. در یک مطالعه که نیم میلیون مقاله دانشجویی و مقاله‌های تولیدشده توسط AI را مقایسه می‌کرد، پژوهشگران طول مقاله‌ها و انتخاب واژگان را مقایسه کردند و دریافتند که مقاله‌های انسانی در مجموع طولانی‌تر بودند و از واژگان گسترده‌تری استفاده می‌کردند. در یک مطالعه درباره داوری‌های همتا که به چهار کنفرانس یادگیری ماشین، از جمله ICLR 2024 و NeurIPS 2023، ارسال شده بودند، پژوهشگران با استفاده از همان روش برآورد کردند که بین 6 تا 15 درصد از متن داوری به‌طور قابل توجهی توسط یک LLM اصلاح شده بود. احتمال این که یک LLM بر آن اثر گذاشته باشد، وقتی که نزدیک به مهلت ارسال ثبت شده بود، بیشتر بود.

واژه یا عبارتی که AI بیش از حد به کار می‌برد	آنچه یک نویسنده دقیق به جای آن به کار می‌برد
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

هیچ‌یک از این واژه‌ها به‌تنهایی نادرست نیست. بخشی از روش‌ها که یک یافته را robust می‌نامد، این واژه را درست به کار می‌برد، و یک تاریخ‌نگار که یک استدلال حقوقی پیچیده را توصیف می‌کند، در حال اعتراف به یک chatbot نیست. آنچه ماشینی به نظر می‌رسد، تراکم است: سه یا چهار تا از این واژه‌ها در یک بند، بی‌آنکه کار مشخصی انجام دهند، روی هم چیده شده‌اند، همان‌گونه که یک model آن‌ها را روی هم می‌چیند، چون هر کدام به‌طور مستقل امن‌ترین انتخاب بعدی بوده‌اند. یک بررسی سریع با free AI word cleaner در TextPulse این تراکم را مستقیماً علامت‌گذاری می‌کند.

چرا جمله‌های AI همگی طولی یکسان به نظر می‌رسند؟

یک model هر جمله را همان‌گونه می‌سازد که جمله پیشین را ساخته بود، نه اینکه یک نکته را در یک جا در شش واژه فشرده کند و در جایی دیگر آن را در طول سی واژه بگستراند، بنابراین خروجی معمولاً در سراسر متن تقریباً هم‌طول می‌ماند. این تنوع، یا نبود آن، چیزی است که می‌توان با بلند خواندن یک بند شنید، تمرینی متفاوت از نمره burstiness که یک detector از همان ویژگی زیربنایی محاسبه می‌کند.

دو عادت کوچک‌تر، ریتم را از نزدیک آشکار می‌کنند. یک model دوست دارد جمله را با یک participle معلق به پایان برساند که به اهمیت اشاره می‌کند بی‌آنکه اطلاعاتی بیفزاید، ادعایی که با تأکید بر نیاز به پژوهش بیشتر یا بازتاب یک دگرگونی گسترده‌تر در این حوزه دنبال می‌شود. همچنین به یک ساختار جفتی روی می‌آورد تا متعادل به نظر برسد، در این مایه که روش نه‌تنها کارآمد است بلکه مقیاس‌پذیر نیز هست. اگر یک‌بار گفته شود، این ساختار عادی است. اگر در هر بند گفته شود، شبیه الگویی به نظر می‌رسد که فقط اسم‌ها در آن عوض شده‌اند.

قاعده سه‌تایی

در سطح عبارت نیز، گروه‌های سه‌تایی ریتم پیش‌فرض model هستند: سه صفت پیش از یک اسم، سه مثال در یک فهرست، سه بند که پشت سر هم به یک شیوه ساخته شده‌اند. گروه‌های سه‌تایی گاه‌به‌گاه همیشه بخشی از English بوده‌اند. یک گروه سه‌تایی که درست در جای خود آمده باشد، نشانه هیچ چیز خاصی نیست. آنچه نشانه را آشکار می‌کند، فراوانی است. سه‌تایی بودن مشکل نیست. مشکل آن است که سه‌تایی تقریباً در هر بند ظاهر شود.

شمارش برای تشخیص بیشتر این موارد، بدون هیچ آموزش ویژه‌ای، کافی است. یک بند را بخوانید و طول هر جمله را بر حسب واژه علامت بزنید. اگر همه علامت‌های شما در فاصله‌ای چند واژه‌ای از مورد قبلی باشند، ریتم نشانه است. از free burstiness checker TextPulse برای خودکار کردن شمارش و ترسیم آن استفاده کنید، که برای متنی که آن‌قدر طولانی است که نتوان هر بار فقط با نگاه کردن یک جمله را سنجید، مفید است.

خط تیره بلند و دیگر نشانه‌های نگارشیِ آشکارکننده

چرا این نشانه به گزینه اصلی تبدیل شد

خط تیره بلند احتمالاً متهم‌ترین نشانه نگارشی در نوشتار ماشینی است. شاید آن را به صورت خط تیره بلند بشناسید که به جای ویرگول، دونقطه یا نقطه می‌آید تا دو نیمه یک جمله را به هم وصل کند. خط تیره بلند تازه نیست و چیزی نیست که AI آن را اختراع کرده باشد. تا زمانی که راهنماهای سبک وجود داشته‌اند، از Chicago تا AP، استفاده از آن را برای تأکید و گسست مجاز دانسته‌اند. و بسیاری از نویسندگان حرفه‌ای آن را عمداً به کار می‌برند.

دلیل محتمل این که آن را این‌قدر زیاد در خروجی ماشینی می‌بینیم، ساده است: این نشانه در نثر ویرایش‌شده و حرفه‌ای که مدل‌های زبانی بر آن آموزش می‌بینند رایج است، و به جمله اجازه می‌دهد بدون رسیدن به نقطه همچنان پیش برود. مدلی که برای تولید متن روان و پیوسته ساخته شده است، بارها به سراغ این انعطاف می‌رود، بیشتر از آنچه بیشتر مردم هنگام پیش‌نویس‌نویسی دستی انجام می‌دهند.

این که هر چند وقت یک بار رخ می‌دهد، به‌طور چشمگیری بسته به این که کدام سامانه متن را تولید کرده باشد، متفاوت است. یک آزمون مقایسه‌ای در میانه 2025 به شش چت‌بات همان دستور را داد و نشانه‌ها را شمرد: سه سامانه آن را در کمتر از ششصد واژه هشت یا نه بار برگرداندند، یکی آن را دو بار در نزدیک به هزار واژه به کار برد، و دو سامانه اصلاً از آن استفاده نکردند. فراوانی، ویژگی هر مدلی است که بندی را که پیش روی شماست تولید کرده است، نه صفتی ثابت برای نوشتار AI. OpenAI در November 2025 یک تنظیم اضافه کرد که به کاربر اجازه می‌دهد به ChatGPT بگوید از این نشانه استفاده نکند و واقعاً هم تبعیت کند، و این یعنی حتی این نشانه آشکارکننده هم اکنون تا حدی اختیاری شده است.

هیچ‌یک از این‌ها خودِ نشانه را به مدرکی برای چیزی تبدیل نمی‌کند. بسیاری از نویسندگان دقیق عمداً از آن استفاده می‌کنند، و بسیاری از انشاهای دانشجویی که هرگز به یک chatbot دست نزده‌اند هم از آن استفاده می‌کنند، گاهی چون معلمی به آن‌ها یاد داده است. آنچه ارزش بررسی دارد، تراکم است: صفحه‌ای که در هر جمله دوم به این نشانه تکیه می‌کند، متفاوت از صفحه‌ای خوانده می‌شود که عمداً دو بار از آن استفاده می‌کند. free em dash remover در TextPulse این تراکم را بررسی می‌کند و برای هر مورد، ویرگول، دونقطه، نقطه یا خط تیره‌ای را که لازم است پیشنهاد می‌دهد.

گلوله‌ها، متن بولد و سرعنوان‌ها

همان سطح، تصمیم‌های قالب‌بندیِ پایین‌تر از جمله را دربر می‌گیرد. یک فهرست گلوله‌ای در میانه نثری که در ذهن نویسنده هرگز فهرست نبوده است. سرعنوان‌ها به صورت title case در حالی که بقیه سند به صورت sentence case است. یک عبارت بولدشده در آغاز هر bullet point مانند یک تیتر کوچک. هیچ‌یک از این‌ها نشانه‌گذاری نیستند، اما همگی از یک جا می‌آیند: مدلی که برای یک پنجره چت قالب‌بندی می‌کند، جایی که ساختار بصری جای انتقال‌هایی را می‌گیرد که نثر معمولاً بر عهده دارد.

ساختار و شکل استدلال

آخرین سطح بالاتر از جمله قرار دارد و اصلاح آن با یک جابه‌جایی واژه‌ای دشوارترین کار است، زیرا خودِ شکل استدلال است. بخشی که به دست ماشین نوشته شده است، اغلب با بازگوییِ عنوان خودش با واژه‌هایی اندکی متفاوت آغاز می‌شود، سپس از دو یا سه نکته پشتیبان می‌گذرد که صرف‌نظر از این‌که هر کدام واقعاً تا چه اندازه اهمیت دارند، تقریباً وزن یکسانی دارند، و بعد با خلاصه کردن همان چیزی که تازه گفته است به پایان می‌رسد، نه با افزودن چیز تازه‌ای.

یک عادت مرتبط در نوشته‌های بلندتر پیوسته دیده می‌شود: بخشی توضیح می‌دهد که چیزی در چه چیزهایی خوب عمل می‌کند، با واژه‌ای مانند however تغییر جهت می‌دهد، چالش‌ها را در همان سه‌تایی مرتب فهرست می‌کند، سپس به آینده‌ای اشاره می‌کند که احتمالاً آن‌ها را حل خواهد کرد. استدلال‌های واقعی از این نامنظم‌ترند. یک نویسنده انسانی معمولاً به یک نکته بیش از دو نکته دیگر اهمیت می‌دهد، برای آن فضای بیشتری می‌گذارد، و خود را موظف به یک پایان متقارن در برابر خواننده نمی‌داند.

این همچنین همان سطحی است که در آن نوشتار دانشگاهی قالبی می‌تواند به‌طور فریبنده‌ای شبیه نوشتار ماشینی به نظر برسد، زیرا یک بخش روش‌ها یا یک مرور ادبیات قرار است از شکلی ثابت پیروی کند. تفاوت درون همان شکل قرار دارد. یک مرور ادبیاتِ نوشته‌شده توسط ماشین، نکات معمول یک حوزه را به ترتیب معمول نام می‌برد. یک مرور ادبیاتِ انسانی درباره این است که کدام نکات اهمیت دارند و چرا، حتی درون یک قالب سخت، استدلال می‌کند، زیرا در واقع از یک موضع دفاع می‌شود.

آیا این نشانه‌ها ثابت می‌کنند که یک متن توسط AI نوشته شده است؟

هیچ نشانه واحدی چیزی را ثابت نمی‌کند، و مجموعه کامل آن‌ها هم همین‌طور. تحت فشار یک ویراستار یا استاد، یک نویسنده دانشگاهی دقیق می‌تواند بندهایی با چندین ویژگی از این‌ها، مانند نبود ضمیرها، ایجاد کند، اما بدون کمک یک chatbot. نویسندگان غیر بومی انگلیسی نیز ممکن است از واژه‌های امنی استفاده کنند که در کلاس به آن‌ها آموزش داده شده است، و دانشجویانی که برای استفاده از پیونددهنده‌های رسمی آموزش دیده‌اند نیز ممکن است بسیاری از این ویژگی‌ها را به کار ببرند. یک فهرست واژه‌ها اثبات تخلف نیست، این یک خطاست که می‌تواند باعث شود نویسندگان دقیق به‌اشتباه متهم شوند. ما باید این خطا را مطرح کنیم، نه این‌که آن را بی‌صدا تکرار کنیم.

آنچه یک ابزار می‌تواند به‌طور مسئولانه انجام دهد نشان دادن الگو است، نه داوری درباره نوشتار. آنچه ما با AI humanizer در TextPulse ارائه می‌دهیم، برآوردی از یک Human Score بر پایه متنی است که در برابر آن قرار دارد. این، خوانشی از این است که یک پیش‌نویس در برابر این الگوهای سطحی کجا قرار می‌گیرد، نه حکمی از سوی هر detector و نه وعده‌ای درباره این‌که ابزار دیگری فردا چه می‌گوید. این یک عدد است که می‌توانید آن را به‌عنوان نقطه آغاز یک تصمیم به کار ببرید، همان‌طور که یک spellchecker یک واژه را علامت می‌زند، بی‌آن‌که تصمیم بگیرد آیا جمله پیرامون آن اصلاً خوب است یا نه.

هر نشانه‌ای که در بالا آمد، صفحه‌ای جداگانه دارد. خودِ واژگان در مقاله‌ای درباره words that give away ChatGPT فهرست شده‌اند، با بررسی‌های جداگانه‌ای درباره the em dash habit و درباره why models reach for one verb in particular. برچسب‌های کلی‌تر هم پوشش داده شده‌اند: what AI slop means, what AI fluff means, و یک راهنمای عملی برای telling whether something was written by AI. اگر نگرانی شما پیش‌نویس‌های خودتان است، نه نوشته‌های دیگران، مقاله‌ای هم درباره removing AI words from your writing وجود دارد.

دفعه بعد که نثر خود را می‌خوانید و چیزی در آن کاملا درست به نظر نمی‌رسد، فقط به دنبال یک مترادف برای جایگزینی آن نگردید. به جای آن، سعی کنید آن را با صدای بلند بخوانید. تعداد واژه‌های هر جمله را بشمارید. از خود بپرسید هر واژه دقیقا چه کاری در آنجا انجام می‌دهد. این همان نوع خوانشی است که یک ویراستار دقیق، مدت‌ها پیش از آنکه هیچ‌یک از این‌ها نامی داشته باشد، انجام می‌داد.