ChatGPTが露呈する40以上の語と表現

2024年には、PubMedに索引付けされた生物医学論文の少なくとも8分の1に、AI支援の語彙的特徴が見られ、国や雑誌によってはその割合が5分の2を超えていた。誰も何かを認める必要はなかった。いくつかの形式的で、やや芝居がかった語が、ひとつの要旨の中で偶然では説明できないほど高い頻度で並んでいたことが、その告白をしていたのである。

ChatGPTを見分ける語は、珍しいものではない。ごく普通の、形式的な英語であり、やや使いすぎられ、注意深い書き手なら一つの段落の中にそれほど重ねないような組み合わせで現れる。以下が完全な実用参照である。40語以上を、出やすい場所ごとに整理し、それぞれの代わりに注意深い編集者が何を選ぶかも示している。中には、それ自体で評判を持つほど有名なものもある。大半はそうではなく、単独では疑わしく見えないために、読者の目をすり抜ける。なぜこのようなことが起こるのかという広い仕組みは、別の解説記事に譲る。ここでの焦点は、この一覧そのものである。

なぜこれらの語がChatGPTを見分ける手がかりになるのか

言語モデルは、能力があるように聞こえることを目指して訓練された体系の中で、統計的に起こりやすい次の語を何度も選びながら文を構築する。その習性は、語の選択、文のリズム、句読法、構造にわたって現れ、その全体像はTextPulseのAI writing patternsのガイドで詳しく扱っている。語の選択が読者に最初に気づかれるのは、紙面上で指摘するのが最も容易だからにすぎない。

語の選択がそれ自体で参照に値するのは、ただ一つの理由による。それは検証可能だからである。読者は、ある段落が形式的で情報量の少ない語を5つか6つ、一度に頼っていることに気づくために、検出器の購読を必要としない。数えることは、この一覧を一度読むのにかかる時間があれば誰でも学べる技能である。文のリズムと句読法は、このサイトの別の箇所で詳しく扱っている。語彙は、注意以上のものを読者に要求しない唯一の層である。

ChatGPTを見分ける語の完全一覧

以下の一覧は40件を超え、各語が現れやすい場所ごとに分類されている。すなわち、学術および研究の散文、ビジネスおよびキャリアに関する文章、つなぎの定型句、そして段落をあまり述べずに締めくくる婉曲表現である。およそ半数は、生物医学要旨に関する単一の大規模研究に由来し、残りは非公式に記録されている。たとえば、ある検出ベンダー自身による、ChatGPT出力1,000万語超のスキャン、あるいは2025年11月の分析では、"notable works include" という句がAI生成テキストにおいて通常の約120倍、"today's fast-paced world" が約107倍の頻度で現れたとされている。これら二種類の出典は区別して理解する価値がある。査読付きの1,500万件の要旨サンプルは、チャットボット出力を1人の分析者がスキャンしたものとは異なる重みを持ち、この欄はその違いを装っていない。

Word or phrase	Where it clusters	What a careful writer uses instead
delve (into)	Academic	調べる、検討する
underscore / underscores	Academic	示す、明らかにする
showcase / showcasing	Academic	提示する、実証する
intricate	Academic	複雑な、詳細な
meticulous	Academic	注意深い、徹底した
comprehensive	Academic	包括的な、完全な
notably	Academic	特に
crucial	Academic	重要な、鍵となる
exhibited	Academic	示した
multifaceted	Academic	多面的な
encompasses	Academic	含む、包含する
facilitates	Academic	助ける、可能にする
elucidates	Academic	説明する
discernible	Academic	見て取れる、明確な
underpinning	Academic	支える
insights	Academic	知見、要点
within	Academic	の中で
across	Academic	にわたって
particularly	Academic	特に
noteworthy	Academic	注目に値する
leverage	Business	使う
utilize	Business	使う
streamline	Business	簡素化する
elevate	Business	改善する、向上させる
unlock	Business	可能にする、実現する
seamlessly	Business	円滑に、余分な手順なく
cutting-edge	Business	新しい、最近の
robust	Business	堅牢な、信頼できる
innovative	Business	新しい
results-driven	Business	効果的な
actionable	Business	実用的な、実行可能な
groundbreaking	Business	新しい、独創的な
transformative	Business	重要な、大きな
state-of-the-art	Business	最新の、最先端の
additionally	Transition	また、そして
furthermore	Transition	また、そして
moreover	Transition	また
in order to	Transition	するために
due to the fact that	Transition	なぜなら
a wide range of	Transition	いくつかの、または実際の数
today's fast-paced world	Hedge / closer	実際の年または分野を挙げる
notable works include	Hedge / closer	重要なものを2つか3つ挙げる
aims to explore	Hedge / closer	検討する、試す
it is worth noting	Hedge / closer	事実を直接述べる
plays a vital role in	Hedge / closer	にとって重要である、形作る
serves as a testament to	Hedge / closer	示す、証明する
boasts	Hedge / closer	持つ、含む

"Delve" は、この一覧全体の中で最も文書化されている語であり、上にちょうど1行あるだけで十分で、それ以上は不要である。これを散文で繰り返して述べると、他の46語を押しのけてしまう。表全体を目で読むより速い確認方法は、下書きを TextPulse のfree AI word cleanerに通すことであり、これがこの種の密度を自動的に検出する。

実例

表から4項目を一度に含む1文を取る, "This comprehensive study aims to explore the multifaceted challenges that underscore the pivotal role of policy in modern research." 各語は実在し、各節は文法的であるが、まさにそれが問題である。人間の編集者なら、これを次のように削るだろう, "This study looks at how policy shapes research, and why it matters." 事実は何も失われていない。失われたのは、冗長な部分である。

どの種類の語が最も明白な手がかりか?

学術的レジスターが最も明確な証拠を示す。2010年から2024年の間に発表された 15.1 million PubMed abstracts の研究では、"underscores" は2024年までに期待値のおよそ14倍に増え、"showcasing" はほぼ11倍になった。一般的な語でさえ変化した, "potential", "findings" and "crucial" はいずれも、出発点が高かっただけで、測定可能なほどより頻繁になったため、実際には増えているのに、生の比率では上昇幅が小さく見える。同じ研究チームは、"additionally", "comprehensive", "notably" and "within" を含む、他には目立たない接続語10語の集まりを特定し、それらがまとまると統計的に異例となることを示した。個々の語は単独では何も意味しないが、1つの abstract に4つか5つもあれば意味を持つ。

同じパターンは生物医学の外でも見られ、分野によって強度は異なる。2020年1月から2024年2月までの arXiv、bioRxiv、および Nature 系ジャーナル上の約951,000本の論文を別途分析したところ、LLM が関与している可能性は、コンピュータサイエンスでは最大17.5パーセントに達した一方、数学および Nature ポートフォリオでは上限が6.3パーセントに近かった。人文系の指導教員とコンピュータサイエンスの指導教員とでは、これらの語の背景的な出現率を同じようには読んでいないのであり、単一のエッセイを外れ値として扱う前に、これは記憶しておく価値がある。短い論文や、頻繁にプレプリントを投稿する著者の論文でもこのパターンはより多く見られ、これは単純な説明と整合的である。つまり、これらの語は時間を節約し、その時間的圧力は分野内で均等に分布していないのである。

上のビジネスおよびキャリアの欄は、より緩やかにしか文書化されていないが、同様に明確に見て取れる。"Aims to explore" は、先に引用した同じ2025年11月の分析において、通常の約50倍の頻度で現れ、カバーレター、LinkedIn の要約、プレスリリースでは "streamline"、"elevate"、"results-driven" が集まりやすい。午後のうちにほぼ同一のカバーレターを40通読む採用担当者は、これをどの研究よりも速く認識するのであり、だからこそ、誰かが数値を出すずっと前から、採用担当者はこのパターンを逸話的に述べていたのである。これらのことは、ある特定のカバーレターがチャットボットによって下書きされたことを証明しない。証明するのは、企業文書の語彙と、言語モデルが用いる語彙とが大きく重なっているということであり、それは ChatGPT が存在する以前からすでに真であったが、ある一つのツールがそれを一度に大量に生成し始めてから、単に見つけやすくなったにすぎない。

リストが変わり続ける仕組み

このリストは固定されていない。Wikipedia自身の、機械生成された追加を見分けるための編集ガイドラインは、こうした編集を毎日差し戻しているボランティアによって維持されており、リアルタイムで移り変わる傾向を追跡している。2023年から2024年半ばまでの波は、"boasts"、"crucial"、"pivotal"、"tapestry" といった語を中心としている。2025年半ばまでには、同じガイドラインは "align with"、"fostering"、"showcasing" を含む別の語群を追跡しており、"enhance" や "highlighting" のようなより平易な語が、1年前により派手な語が担っていた以上の役割を担っていた。これらはすべて中央で調整されているわけではない。

ある時点で固定されたリストは、この理由だけで急速に古くなる。持続するのは根底にある習慣であり、今年どの語が流行しているかにかかわらず、やや使いすぎられがちな形式的な語である。

これらの語は ChatGPT が書いたことを証明するのか?

いいえ。締切に追われる慎重な書き手、無難で形式的な語彙を求めている非英語話者、そしてライティングの授業でこれらの語をそのまま教わった学生は、いずれも、このリストに対して高いスコアを示す段落を、チャットボットが近くになくても作成しうる。上の表を不正行為の証拠として扱うのは、慎重な書き手が誤って非難される原因となる誤りであり、黙って繰り返すのではなく、誤りとして名指しする価値がある。TextPulseの製品が存在するのは、逆の問題も同じくらい現実的だからである。つまり、本物の人間の文章であっても、たまたまこれらの語のいくつかが1つの段落に集まってしまうと、受けるべきでない審査に回されることがある。

統計的検出器は、関連してはいるがまったく異なる信号に基づいて機能する。この点は TextPulse の AI 検出器の仕組み に関する記事で扱われており、TextPulse の AI humanizer は、いかなる検出器からの判定でもなく、目の前のテキストから算出した推定 Human Score を報告する。このような語のリストは、人間による判断の出発点であって、その代替ではない。TextPulse の free tools collection の残りは、リズム、句読点、構造という他の層を扱っており、1つの段落ではなく全文を確認する人に向いている。

この一覧で最も多くを占めているのは他のどの語よりも1つの動詞であり、モデルがそれを用いる理由は別に説明している。句読点も同じことを示し、em dash の習慣にも専用のページがある。

次に段落がやや不自然に感じられたとき、単一の同義語を探して修正したつもりになってはいけない。代わりに密度を確認すること。これらの語が2つか3つ、実際に機能しているなら通常の文章であり、4つか5つがまったく機能していないならそれが手がかりである。そして、その違いは、何かを detector に通す前でも、どの読者でも見分け方を学べるものである。