รูปแบบการเขียนของ AI, คำ จังหวะ และเครื่องหมายวรรคตอนที่บ่งชี้ได้

อ่านประโยคนี้ครั้งหนึ่งแล้วดูว่าคุณรู้หรือไม่ว่ามันมาจากที่ใด: นักวิจัยยังคงเน้นย้ำถึงปฏิสัมพันธ์ที่ซับซ้อนระหว่างแรงจูงใจและผลสัมฤทธิ์ และงานวิจัยที่เพิ่มขึ้นจำนวนหนึ่งเน้นบทบาทสำคัญที่การกำกับตนเองมีต่อความสำเร็จทางวิชาการ ไม่มีส่วนใดของข้อความนี้ผิด ทุกอนุประโยคเป็นไปตามไวยากรณ์ ทุกคำเป็นคำจริง และผู้ตรวจจะไม่หักคะแนนแม้แต่คะแนนเดียว แต่ก็ยังอ่านเหมือนหลุดออกมาจากเครื่องจักร เพราะมันเป็นเช่นนั้นจริง นี่คือสิ่งที่บทความนี้กล่าวถึง

รูปแบบการเขียนของ AI คือพฤติกรรมที่เกิดซ้ำได้ในด้านการเลือกคำ จังหวะของประโยค เครื่องหมายวรรคตอน และโครงสร้าง ซึ่งทำให้ร้อยแก้วที่ร่างโดยเครื่องจักรเป็นที่จดจำได้ทันที รูปแบบเหล่านี้รวมตัวกันในสี่ระดับ ได้แก่ คำที่โมเดลเลือกใช้ รูปทรงของประโยค เครื่องหมายวรรคตอนที่มันพึ่งพา และวิธีที่มันจัดโครงสร้างข้อโต้แย้งโดยรวม ไม่มีระดับใดระดับหนึ่งเพียงลำพังที่พิสูจน์อะไรได้ แต่เมื่อรวมกันภายในย่อหน้าเดียว ก็ยากที่จะมองข้าม

เครื่องที่ทำสิ่งนี้เรียกว่า statistical detector มันให้คะแนนว่าคำแต่ละคำคาดเดาได้มากเพียงใด ตามสิ่งที่ language model คาดหมาย รายงานฉบับหนึ่งมีคณิตศาสตร์ของ perplexity และ burstiness อยู่เบื้องหลังคะแนนนั้น ซึ่งอธิบายไว้ละเอียดขึ้นในอีกบทความหนึ่งเกี่ยวกับ how AI detectors work ส่วนที่เหลือของบทความนี้เป็นรายการลักษณะบ่งชี้การเขียนของ AI ที่ผู้อ่านสามารถได้ยิน นับ หรือชี้ให้เห็นบนหน้าได้ สิ่งนี้อาจมีความสำคัญ แม้ว่า detector จะผิด ใช้งานไม่ได้ หรือไม่ใช่ประเด็นก็ตาม สิ่งที่จะกล่าวต่อไปนี้ไม่ต้องใช้โมเดลและไม่ต้องสมัครสมาชิก

เหตุใดรูปแบบการเขียนของ AI จึงฟังดูเหมือนหุ่นยนต์?

language model กำลังทำสิ่งที่แตกต่างจากมนุษย์ในระดับประโยค, คือการเลือกคำถัดไปที่มีแนวโน้มทางสถิติมากที่สุดซ้ำแล้วซ้ำเล่า ภายในระบบที่ฝึกมาเพื่อให้ฟังดูมีความสามารถมากกว่าที่จะมีเอกลักษณ์ ความสามารถในระดับนั้นก่อให้เกิดร้อยแก้วที่ลื่นไหล ถูกต้อง และไม่น่าจดจำ ซึ่งเป็นรากของความรู้สึกแบบหุ่นยนต์ ผู้อ่านมักบอกไม่ได้ว่ามีอะไรผิดกับย่อหน้าเช่นนั้น เพียงแต่รู้สึกว่ามันราบเรียบ และความราบเรียบนั้นอยู่ในสี่ระดับด้านล่างนี้

การเลือกใช้คำเป็นระดับที่ผู้อ่านสังเกตเห็นก่อน, คือคำที่เป็นทางการและมีลักษณะโอ่อ่า ปรากฏในที่ที่ไม่ควรอยู่ จังหวะของประโยคเงียบกว่า, เป็นย่อหน้าที่ทุกประโยคมีความยาวใกล้เคียงกัน เครื่องหมายวรรคตอนและการจัดรูปแบบมีลายเซ็นของตนเอง, ขีดกลางถูกใช้เป็นข้อต่ออเนกประสงค์, รายการหัวข้อย่อยแบ่งข้อความที่เดิมไม่เคยเป็นรายการในความคิดของผู้เขียน โครงสร้างเป็นสิ่งที่มองไม่เห็นที่สุด, เป็นส่วนที่กล่าวซ้ำหัวข้อของตนเอง, ครอบคลุมตรงสามประเด็น, แล้วปิดท้ายด้วยการสรุปตัวเอง

เริ่มจากคำก่อน, เพราะเป็นสิ่งที่ชี้ให้เห็นได้ง่ายที่สุด และมีการบันทึกไว้ดีที่สุด

AI ใช้คำใดมากเกินไป?

คุณจะเห็นคำที่เป็นทางการและมีลักษณะโอ่อ่าเหล่านี้ซ้ำแล้วซ้ำเล่า, "delve", "underscore", "showcase" และ "pivotal" อยู่ในกลุ่มที่มีการบันทึกมากที่สุด Dmitry Kobak และผู้เขียนร่วมอีกสามคนตั้งเป้าจะระบุภาษาดังกล่าว พวกเขาวิเคราะห์บทคัดย่อจาก PubMed จำนวน 15.1 ล้านรายการ ตั้งแต่ปี 2010 ถึง 2024 และระบุกลุ่มคำที่มีความถี่เพิ่มขึ้นอย่างรวดเร็วเมื่อมีการเปิดตัว ChatGPT "delve" เพิ่มขึ้นมากที่สุด, การศึกษาซึ่งตีพิมพ์ใน Science Advances เมื่อเดือนกรกฎาคม 2025 ประเมินว่าความถี่ของมันในปี 2024 สูงกว่าก่อนปี 2023 ประมาณ 28 เท่า คำที่ตามมาใกล้ที่สุดคือ "underscore" และ "showcase" ผู้เขียนประเมินว่าอย่างน้อย 13.5 เปอร์เซ็นต์ของบทคัดย่อในปี 2024 มีสัญญาณของการช่วยเหลือจาก AI, และตัวเลขนี้สูงกว่า 40 เปอร์เซ็นต์ในบางประเทศและสำนักพิมพ์

เหตุผลที่โมเดลมาบรรจบกันที่คำเฉพาะเหล่านี้ยังไม่ชัดเจนเท่ากับรูปแบบที่สังเกตได้เอง การศึกษาใน COLING 2025 ทดสอบคำที่มีการใช้มากเกินสัดส่วน 21 คำ เทียบกับสถาปัตยกรรมของโมเดล, ข้อมูลฝึก และข้อเสนอแนะจากมนุษย์ที่ใช้ปรับแต่งแชตบอต, และพบว่าขั้นตอนข้อเสนอแนะเป็นปัจจัยที่น่าเป็นไปได้มากที่สุด แม้จะยังไม่อธิบายผลดังกล่าวได้ทั้งหมด การตีความก็ยังเป็นที่ถกเถียงเช่นกัน, การโต้ตอบในวารสาร PNAS เมื่อปี 2026 คัดค้านว่าการเปลี่ยนแปลงความถี่ของคำจะวัดการใช้ AI ได้โดยตรงเพียงใด, ซึ่งควรจำไว้ก่อนจะถือว่าตัวเลขใดตัวเลขหนึ่งที่นี่เป็นข้อเท็จจริงที่ยุติแล้ว

นั่นไม่ใช่เพียงความจริงสำหรับบทคัดย่อของวารสารเท่านั้น ในการศึกษาที่เปรียบเทียบเรียงความของนักศึกษากับเรียงความที่สร้างโดย AI จำนวนครึ่งล้านฉบับ นักวิจัยได้เปรียบเทียบความยาวและการเลือกใช้คำของบทความ และพบว่าเรียงความของมนุษย์มีความยาวโดยรวมมากกว่า และใช้คำศัพท์ที่หลากหลายกว่า ในการศึกษาบทวิจารณ์โดยผู้ทรงคุณวุฒิที่ส่งไปยังการประชุมด้าน machine learning สี่รายการ รวมถึง ICLR 2024 และ NeurIPS 2023 นักวิจัยใช้เทคนิคเดียวกันเพื่อประเมินว่า ระหว่างร้อยละหกถึงสิบห้าของข้อความในบทวิจารณ์ถูก LLM ปรับแก้ในสาระสำคัญ มีแนวโน้มที่จะได้รับผลกระทบจาก LLM มากกว่าเมื่อส่งใกล้ถึงกำหนดเวลา

คำหรือวลีที่ AI ใช้มากเกินไป	สิ่งที่นักเขียนที่รอบคอบใช้แทน
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

ไม่มีคำใดในบรรดาคำเหล่านี้ผิดในตัวของมันเอง ส่วนวิธีวิทยาที่เรียกผลการศึกษาว่าน่าเชื่อถือก็ใช้คำนั้นอย่างถูกต้อง และนักประวัติศาสตร์ที่อธิบายข้อโต้แย้งทางกฎหมายอันซับซ้อนไม่ได้กำลังสารภาพกับแชตบอต สิ่งที่อ่านแล้วให้ความรู้สึกเหมือนสร้างโดยเครื่องคือความหนาแน่น, คำเหล่านี้สามหรือสี่คำในย่อหน้าเดียว, ที่ไม่ได้ทำหน้าที่เฉพาะใด ๆ ซ้อนกันในแบบที่โมเดลซ้อนมัน เพราะแต่ละคำเป็นตัวเลือกถัดไปที่ปลอดภัยที่สุดอย่างอิสระ การตรวจอย่างรวดเร็วด้วย free AI word cleaner ของ TextPulse จะระบุความหนาแน่นนั้นโดยตรง

ทำไมประโยคที่สร้างโดย AI จึงฟังดูยาวเท่ากันไปหมด?

โมเดลสร้างแต่ละประโยคในแบบเดียวกับที่มันสร้างประโยคก่อนหน้า มากกว่าจะย่อประเด็นให้เหลือหกคำในที่หนึ่ง แล้วค่อยคลี่ออกเป็นสามสิบคำในอีกที่หนึ่ง ดังนั้นผลลัพธ์จึงมักมีความยาวใกล้เคียงกันตลอด ความแปรผันนั้น, หรือการขาดความแปรผันนั้น, เป็นสิ่งที่คุณรับรู้ได้ด้วยการอ่านย่อหน้าออกเสียง ซึ่งเป็นแบบฝึกหัดคนละอย่างกับคะแนน burstiness ที่ตัวตรวจจับคำนวณจากคุณสมบัติพื้นฐานเดียวกัน

พฤติกรรมเล็ก ๆ สองอย่างทำให้จังหวะนี้เผยตัวชัดเมื่อพิจารณาใกล้ ๆ โมเดลชอบปิดประโยคด้วย participle ที่ห้อยค้าง ซึ่งชี้ไปยังความสำคัญโดยไม่เพิ่มข้อมูล, ข้ออ้างที่ตามด้วยการเน้นย้ำถึงความจำเป็นของการวิจัยเพิ่มเติม หรือการสะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในสาขา มันยังชอบใช้โครงสร้างคู่เพื่อให้ฟังดูสมดุล ในทำนองว่า วิธีนี้ไม่เพียงมีประสิทธิภาพ แต่ยังขยายขนาดได้ เมื่อกล่าวเพียงครั้งเดียว โครงสร้างนั้นก็ไม่น่าประหลาดใจ แต่เมื่อกล่าวในทุกย่อหน้า มันฟังเหมือนแม่แบบที่สลับคำนามออกไป

กฎของสาม

ในระดับวลีด้วยเช่นกัน กลุ่มของสามคือจังหวะเริ่มต้นของโมเดล, คำคุณศัพท์สามคำก่อนคำนามหนึ่งคำ, ตัวอย่างสามรายการในรายการหนึ่งชุด, ข้อความสามส่วนที่สร้างในแบบเดียวกันเรียงต่อกัน กลุ่มของสามเป็นครั้งคราวมีอยู่ในภาษาอังกฤษมาโดยตลอด กลุ่มของสามที่วางได้เหมาะสมไม่ใช่อาการของสิ่งใด สิ่งที่บ่งชี้คือความถี่ ไม่ใช่จำนวนสามเองที่เป็นปัญหา แต่คือการที่สามปรากฏในแทบทุกย่อหน้า

การนับก็เพียงพอที่จะจับสิ่งนี้ได้ส่วนใหญ่โดยไม่ต้องมีการฝึกอบรมพิเศษ อ่านย่อหน้าแล้วทำเครื่องหมายความยาวของแต่ละประโยคเป็นจำนวนคำ หากเครื่องหมายทั้งหมดของคุณอยู่ห่างจากเครื่องหมายก่อนหน้าเพียงไม่กี่คำ จังหวะก็เป็นสัญญาณบ่งชี้ ใช้ free burstiness checker ของ TextPulse เพื่อทำให้การนับและการสร้างกราฟเป็นอัตโนมัติ ซึ่งมีประโยชน์สำหรับข้อความที่ยาวเกินกว่าจะกะด้วยตาเปล่าทีละประโยค

em dash และสัญญาณบ่งชี้ด้านเครื่องหมายวรรคตอนอื่น ๆ

เหตุใดเครื่องหมายนี้จึงกลายเป็นตัวเลือกหลัก

em dash น่าจะเป็นเครื่องหมายวรรคตอนที่ถูกกล่าวโทษมากที่สุดในการเขียนของเครื่องจักร คุณอาจรู้จักมันในฐานะขีดกลางยาวที่ใช้แทนเครื่องหมายจุลภาค เครื่องหมายทวิภาค หรือจุดเต็ม เพื่อเชื่อมสองส่วนของประโยค em dash ไม่ใช่ของใหม่ และไม่ใช่สิ่งที่ AI ประดิษฐ์ขึ้นมา ตราบเท่าที่คู่มือการเขียนมีอยู่ ตั้งแต่ Chicago ถึง AP คู่มือเหล่านั้นก็อนุญาตให้ใช้เพื่อเน้นย้ำและแทรกจังหวะหยุดชะงัก และนักเขียนที่ทำงานจริงจำนวนมากก็ใช้มันอย่างตั้งใจ

เหตุผลที่เป็นไปได้ว่าทำไมมันจึงปรากฏบ่อยมากในผลลัพธ์ของเครื่องจักรนั้นเป็นเรื่องธรรมดา, เครื่องหมายนี้พบได้ทั่วไปในร้อยแก้วที่ผ่านการแก้ไขและเรียงพิมพ์อย่างมืออาชีพ ซึ่งเป็นภาษาที่โมเดลภาษาถูกฝึกบน และมันทำให้ประโยคดำเนินต่อไปได้โดยไม่ต้องลงท้ายด้วยจุดเต็ม โมเดลที่สร้างขึ้นเพื่อผลิตข้อความที่ลื่นไหลและเชื่อมโยงกันจึงหยิบใช้ความยืดหยุ่นนี้บ่อยครั้ง, บ่อยกว่าที่คนส่วนใหญ่ทำเมื่อร่างด้วยมือ

ความถี่แตกต่างกันอย่างมากตามระบบที่ผลิตข้อความนั้น การทดสอบแบบเปรียบเทียบกันโดยตรงในช่วงกลางปี 2025 ให้แชตบอต 6 ตัวได้รับคำสั่งเดียวกันและนับเครื่องหมายดังกล่าว, 3 ระบบส่งกลับมัน 8 หรือ 9 ครั้งในข้อความไม่ถึง 600 คำ, 1 ระบบใช้มัน 2 ครั้งในเกือบ 1,000 คำ, และ 2 ระบบไม่ใช้เลย ความถี่เป็นคุณสมบัติของโมเดลใดก็ตามที่ผลิตย่อหน้าตรงหน้าคุณ ไม่ใช่ลักษณะตายตัวของงานเขียนของ AI OpenAI เพิ่มการตั้งค่าในเดือนพฤศจิกายน 2025 ที่ให้ผู้ใช้บอก ChatGPT ให้หยุดใช้เครื่องหมายนี้และทำตามจริง ซึ่งทำให้สัญญาณบ่งชี้นี้กลายเป็นตัวเลือกได้บางส่วนในตอนนี้

ไม่มีสิ่งใดในนั้นทำให้เครื่องหมายเองเป็นหลักฐานของอะไรทั้งสิ้น ผู้เขียนที่รอบคอบจำนวนมากใช้มันโดยตั้งใจ และเรียงความของนักศึกษาจำนวนมากที่ไม่เคยแตะต้องแชตบอตก็ใช้มันเช่นกัน บางครั้งเพราะครูสอนให้ใช้ สิ่งที่ควรตรวจสอบคือความหนาแน่น, หน้าหนึ่งที่พึ่งพาเครื่องหมายนี้ทุกประโยคที่สองอ่านต่างออกไปจากหน้าที่ใช้มันสองครั้งอย่างตั้งใจ TextPulse's free em dash remover ตรวจสอบความหนาแน่นนี้และเสนอเครื่องหมายจุลภาค, เครื่องหมายทวิภาค, จุดเต็ม หรือยัติภังค์ตามที่แต่ละกรณีต้องการ

รายการหัวข้อย่อย, ข้อความตัวหนา และหัวเรื่อง

ระดับเดียวกันนี้ครอบคลุมการตัดสินใจด้านการจัดรูปแบบที่อยู่ต่ำกว่าระดับประโยค รายการหัวข้อย่อยตรงกลางร้อยแก้วที่เดิมไม่เคยเป็นรายการในความคิดของผู้เขียน หัวเรื่องที่ใช้รูปแบบ title case ในขณะที่ส่วนอื่นของเอกสารใช้ sentence case วลีตัวหนาที่อยู่ต้นของแต่ละหัวข้อย่อยราวกับเป็นหัวเรื่องย่อ สิ่งเหล่านี้ไม่ใช่เครื่องหมายวรรคตอน แต่ทั้งหมดมาจากที่เดียวกัน, คือแบบจำลองที่จัดรูปแบบสำหรับหน้าต่างแชต ซึ่งโครงสร้างเชิงภาพเข้ามาแทนที่การเชื่อมโยงที่ร้อยแก้วควรแบกรับตามปกติ

โครงสร้างและรูปแบบของข้อโต้แย้ง

ระดับสุดท้ายอยู่เหนือระดับประโยค และแก้ไขได้ยากที่สุดด้วยการเปลี่ยนคำเพียงไม่กี่คำ เพราะมันคือรูปทรงของข้อโต้แย้งเอง ส่วนที่เขียนโดยเครื่องมักเปิดด้วยการกล่าวซ้ำหัวเรื่องของตนเองด้วยถ้อยคำที่ต่างออกไปเล็กน้อย ดำเนินไปผ่านประเด็นสนับสนุนสองหรือสามข้อที่ได้รับน้ำหนักใกล้เคียงกันโดยไม่คำนึงว่าแต่ละข้อสำคัญเพียงใด แล้วปิดท้ายด้วยการสรุปสิ่งที่เพิ่งกล่าวไป แทนที่จะเพิ่มสิ่งใหม่ใด ๆ

นิสัยที่เกี่ยวข้องกันนี้ปรากฏอยู่เสมอในงานที่ยาวกว่า, ส่วนหนึ่งของข้อความระบุว่าสิ่งใดทำได้ดี จากนั้นหักมุมด้วยคำเช่น however, ระบุความท้าทายในชุดสามข้อที่เรียบร้อยแบบเดียวกัน แล้วชี้ไปยังอนาคตที่น่าจะคลี่คลายปัญหาเหล่านั้นได้ ข้อโต้แย้งที่แท้จริงไม่เป็นระเบียบเรียบร้อยเช่นนั้น ผู้เขียนที่เป็นมนุษย์มักให้ความสำคัญกับประเด็นหนึ่งมากกว่าอีกสองประเด็น ให้พื้นที่กับประเด็นนั้นมากกว่า และไม่จำเป็นต้องปิดท้ายอย่างสมมาตรเพื่อผู้อ่าน

นี่เป็นระดับที่งานเขียนเชิงวิชาการแบบสูตรสำเร็จอาจดูคล้ายงานเขียนของเครื่องอย่างหลอกตาได้เช่นกัน เนื่องจากส่วนวิธีวิจัยหรือบททบทวนวรรณกรรมควรเป็นไปตามรูปแบบที่ตายตัว ความแตกต่างอยู่ภายในรูปแบบนั้น บททบทวนวรรณกรรมที่เขียนโดยเครื่องจะเอ่ยถึงประเด็นตามปกติของสาขาในลำดับปกติ บททบทวนวรรณกรรมที่เขียนโดยมนุษย์จะโต้แย้งว่าประเด็นใดสำคัญและเพราะเหตุใด แม้อยู่ภายในแม่แบบที่เข้มงวด เพราะกำลังมีการปกป้องจุดยืนที่แท้จริง

การประเมินข้อความที่คุณไม่ได้เขียน

สี่สัญญาณบ่งชี้ที่คุ้มค่าที่สุด

ช่องว่างด้านความเฉพาะเจาะจงเป็นสัญญาณบ่งชี้ที่แข็งแรงที่สุดที่ผู้อ่านซึ่งไม่มีเครื่องมือใดเลยจะใช้ได้ ร้อยแก้วที่ร่างโดยเครื่องจะกล่าวอ้างในระดับความทั่วไปใดก็ได้ แต่ไม่ยึดติดกับระดับใดระดับหนึ่ง มันรายงานว่างานวิจัยได้ตรวจสอบคำถามนี้แล้วโดยไม่ระบุชื่อการศึกษา ระบุว่าผลมีนัยสำคัญโดยไม่ให้ขนาด ระบุว่าการปฏิบัตินี้พบได้ทั่วไปในภาคส่วนโดยไม่ระบุชื่อบริษัทหรือปี นักเขียนมนุษย์ที่ทำงานภายใต้ข้อจำกัดจำนวนคำเดียวกันมักใช้คำเหล่านั้นกับสิ่งที่เป็นรูปธรรมเพียงหนึ่งอย่าง เพราะเขาหรือเธอมีสิ่งที่เป็นรูปธรรมเพียงหนึ่งอย่างและต้องการใส่มันลงไป

การอ้างอิงที่ไม่สามารถตรวจสอบกลับได้เป็นสัญญาณบ่งชี้เพียงรายการเดียวในรายการนี้ที่ใกล้เคียงกับหลักฐาน และยังเป็นสิ่งที่พบได้น้อยที่สุดด้วย การอ้างอิงที่จัดรูปแบบอย่างไร้ที่ติ ระบุแหล่งที่มาว่าเป็นวารสารจริง และมีตัวระบุที่ไม่พบระเบียนใด ๆ นั้นยากมากที่จะเกิดขึ้นโดยบังเอิญ ตรวจสอบการอ้างอิงสามรายการก่อนที่คุณจะตรวจสอบสิ่งอื่นใดในงานส่งที่คุณไม่แน่ใจ ใช้เวลาเพียงสองนาที และมันจะยุติคำถามนั้น หรือไม่ก็นำสัญญาณที่แข็งแรงที่สุดออกจากตาราง

ความหนาแน่นของคำศัพท์เป็นสัญญาณบ่งชี้ที่ผู้อ่านส่วนใหญ่หยิบมาใช้ก่อน และเป็นสัญญาณที่ผิดพลาดมากที่สุด สัญญาณอยู่ที่ความหนาแน่น ไม่ใช่ที่คำใดคำหนึ่งโดยเฉพาะ กริยาทางการเพียงคำเดียวเป็นเพียงภาษาวิชาการตามปกติ ขณะที่กริยาห้าคำในย่อหน้าเดียวซึ่งไม่ได้ทำหน้าที่เฉพาะใด ๆ เป็นรูปแบบหนึ่ง การนับด้วยมือในงานส่งที่ยาวเป็นเรื่องช้า และ free AI word cleaner ของ TextPulse จะทำเครื่องหมายกลุ่มคำเหล่านั้นโดยอัตโนมัติ ซึ่งเปลี่ยนความรู้สึกคลุมเครือให้กลายเป็นสิ่งที่คุณชี้ให้เห็นบนหน้าได้

สิ่งที่ละเอียดอ่อนที่สุดในสี่ประการคือระดับภาษาแบบหนึ่งที่ไม่เคยหลุดจังหวะ ผู้เขียนมนุษย์แทบจะทำสิ่งที่คลาดเคลื่อนจากโทนเล็กน้อยเสมอภายในสองพันคำ, ประโยคสั้นหนึ่งประโยคหลังจากประโยคยาวสามประโยค, ข้อสังเกตในวงเล็บ, การตัดสินที่ไม่จำเป็นต้องทำ, คำที่เลือกเพราะชอบคำนั้น ร้อยแก้วที่ร่างโดยเครื่องจะคงระดับภาษาเดียวตั้งแต่บรรทัดแรกจนถึงบรรทัดสุดท้าย มีบางประเภทของงานเขียนที่ห้ามสิ่งเหล่านี้ทั้งหมด ดังนั้นสัญญาณนี้จึงมีค่าน้อยกว่ามากในส่วนวิธีวิจัยเมื่อเทียบกับ personal statement

สัญญาณที่ดูชัดเจนแต่ไม่ใช่

ไวยากรณ์ที่ไร้ที่ติไม่ได้พิสูจน์อะไร การสะกดและเครื่องหมายวรรคตอนถูกทำให้เป็นอัตโนมัติมานานสองทศวรรษแล้ว และผู้เขียนที่รอบคอบซึ่งใช้ตัวตรวจสอบก็จะได้พื้นผิวที่สะอาดเหมือนกัน ระดับภาษาที่เป็นทางการก็ไม่ได้พิสูจน์อะไรเช่นกัน เพราะความเป็นทางการคือสิ่งที่ประเภทงานเขียนทางวิชาการและวิชาชีพส่วนใหญ่ต้องการตามนโยบาย การใช้หัวเรื่อง ตัวหนา และรายการหัวข้อย่อยอย่างมากเป็นนิสัยของรูปแบบประจำสำนักพิมพ์หรือสถาบันมานานก่อนที่จะเป็นอย่างอื่น และผู้เขียนจำนวนมากถูกฝึกให้ใช้สิ่งนี้มาหลายปีก่อนที่แชตบอตจะนำมันมาให้ใครเห็นเสียอีก นิสัยด้านเครื่องหมายวรรคตอนก็มีน้ำหนักต่ำในทำนองเดียวกัน และ em dash โดยเฉพาะถูกขอให้แบกรับภาระมากเกินกว่าที่เครื่องหมายหนึ่งตัวจะทำได้

คะแนนจากตัวตรวจจับก็อยู่ในกลุ่มนี้เช่นกัน ซึ่งมักทำให้ผู้คนประหลาดใจ คะแนนคือการตัดสินเชิงสถิติว่าข้อความคาดเดาได้เพียงใด และร้อยแก้วที่คาดเดาได้คือสิ่งที่มนุษย์ที่รอบคอบสร้างขึ้นทุกวัน ซึ่งนั่นเองที่ทำให้เกิดผลบวกลวงขึ้นได้ ตัวตรวจจับให้ผลลัพธ์เป็นหนึ่งในข้อมูลนำเข้าของการตัดสินใจที่ยังต้องมีมนุษย์เป็นผู้ทำ และคำอธิบายของ TextPulse เกี่ยวกับ วิธีการทำงานของตัวตรวจจับ AI อธิบายไว้ชัดเจนว่าตัวเลขนั้นกำลังวัดอะไร ก่อนที่ใครจะนำมันไปใช้เป็นข้อสรุป

ควรทำอย่างไรเมื่อข้อความมีสัญญาณหลายข้อ

ตรวจสอบสิ่งที่ตรวจสอบได้ก่อน ดึงข้อมูลอ้างอิง 3 รายการ, ตัวเลข 1 ตัว และข้อเท็จจริงที่มีชื่อระบุ 1 ข้อ แล้วตรวจสอบแต่ละรายการ การตรวจเพียงรอบเดียวนี้แยกข้อความที่มีเนื้อหาบางออกจากข้อความที่ถูกสร้างขึ้น และทั้งสองกรณีต้องการการตอบสนองที่แตกต่างกันมาก ต่อไป เปรียบเทียบงานที่ส่งกับสิ่งที่บุคคลเดียวกันเคยเขียนไว้ก่อนหน้านี้ภายใต้การกำกับดูแล เพราะการเปลี่ยนแปลงอย่างฉับพลันของระดับภาษาในผู้เขียนคนเดียวมีน้ำหนักมากกว่าการอ่านเอกสารฉบับใดฉบับหนึ่งแบบแยกเดี่ยว จากนั้นถามคำถามที่มีเพียงผู้เขียนเท่านั้นที่ตอบได้เกี่ยวกับข้อความของตนเอง, เหตุใดจึงใช้แหล่งนี้แทนทางเลือกที่ชัดเจน, ส่วนที่ 3 เดิมตั้งใจจะโต้แย้งอะไร, ย่อหน้าใดทำให้พวกเขาลำบากที่สุด ผู้ที่เขียนงานชิ้นนั้นจะตอบได้ทันที

ปฏิบัติตามนโยบายที่มีอยู่จริง ไม่ใช่นโยบายที่คุณอาจเขียนขึ้นเอง ปัจจุบันสถาบันส่วนใหญ่ระบุว่าใครอาจยกข้อกังวล, หลักฐานใดรับฟังได้ และผู้เขียนจะได้รับแจ้งอะไรบ้าง, และการข้ามลำดับขั้นนั้นเองที่ทำให้คำถามที่สมเหตุสมผลกลายเป็นข้อร้องเรียน ผู้เขียนอีกฝ่ายหนึ่งในปัญหานี้, เมื่อถูกบอกว่างานของตนอ่านดูเหมือนร่างที่สร้างโดยเครื่องจักร, มีงานอีกแบบหนึ่งที่ต้องทำ และ TextPulse's AI humanizer รายงาน Human Score โดยประมาณที่คำนวณจากข้อความแทนที่จะเป็นคำตัดสินจากตัวตรวจจับใดๆ

การนำการทดสอบเดียวกันนี้ไปใช้กับร่างของตนเองยากกว่า และ งานเขียนของคุณฟังดูเหมือน AI หรือไม่ มีหน้าเฉพาะของตนเอง คำศัพท์นั้นเองถูกจัดทำเป็นรายการแยกต่างหาก ในรายการ คำและวลีที่ทำให้ ChatGPT ถูกจับได้

สัญญาณบ่งชี้ทั้ง 9 ข้อเป็นเหตุผลให้ตั้งคำถาม และคำถามนั้นก็เหมือนเดิมเสมอ, ข้อความนี้รู้อะไรที่การคาดเดาอย่างคล่องแคล่วจะไม่รู้ ถามจากข้อมูลอ้างอิงก่อน นั่นคือส่วนเดียวของงานส่งใดๆ ที่ตอบได้ด้วยตัวมันเอง โดยไม่ต้องมีใครถูกกล่าวหาว่าทำสิ่งใด

สัญญาณบ่งชี้เหล่านี้ยืนยันหรือไม่ว่าข้อความถูกเขียนโดย AI?

สัญญาณใดสัญญาณหนึ่งเพียงอย่างเดียวไม่อาจพิสูจน์อะไรได้ และชุดของสัญญาณทั้งหมดก็เช่นกัน ภายใต้แรงกดดันจากบรรณาธิการหรืออาจารย์ นักเขียนวิชาการที่รอบคอบอาจสร้างย่อหน้าที่มีลักษณะเหล่านี้หลายอย่าง, เช่น การขาดสรรพนาม, แต่ไม่ได้อาศัยความช่วยเหลือจากแชตบอต ผู้เขียนภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา อาจใช้คำที่ปลอดภัยซึ่งพวกเขาเรียนมาในชั้นเรียนด้วย และนักศึกษาที่ถูกสอนให้ใช้ตัวเชื่อมแบบเป็นทางการก็อาจใช้ลักษณะเหล่านี้หลายอย่างเช่นกัน รายการคำไม่ใช่หลักฐานของการประพฤติมิชอบ, แต่มันเป็นความผิดพลาดที่อาจทำให้นักเขียนที่รอบคอบถูกกล่าวหาอย่างไม่เป็นธรรม เราควรชี้ให้เห็นความผิดพลาดนี้, ไม่ใช่ทำซ้ำมันอย่างเงียบ ๆ

สิ่งที่เครื่องมือสามารถทำได้อย่างรับผิดชอบคือแสดงรูปแบบ, ไม่ใช่วินิจฉัยงานเขียน สิ่งที่ TextPulse's AI humanizer นำเสนอคือค่าประมาณของ Human Score โดยอิงจากข้อความที่อยู่ตรงหน้า นี่คือการอ่านว่างานร่างอยู่ตรงไหนเมื่อเทียบกับรูปแบบผิวเผินเหล่านี้, ไม่ใช่คำตัดสินจากตัวตรวจจับใด ๆ และไม่ใช่คำสัญญาเกี่ยวกับสิ่งที่เครื่องมืออื่นจะบอกในวันพรุ่งนี้ มันเป็นตัวเลขที่คุณใช้เป็นจุดเริ่มต้นของการตัดสินใจได้, ในลักษณะเดียวกับที่ตัวตรวจการสะกดคำทำเครื่องหมายคำหนึ่งคำโดยไม่ได้ตัดสินว่าประโยคโดยรอบนั้นดีหรือไม่

สัญญาณแต่ละอย่างข้างต้นมีหน้าของตนเอง คำศัพท์เองถูกจัดทำเป็นหมวดหมู่ไว้ในบทความเกี่ยวกับ คำที่บ่งชี้ว่าเป็น ChatGPT, โดยมีการอธิบายแยกต่างหากเกี่ยวกับ นิสัยการใช้ em dash และเกี่ยวกับ เหตุผลที่โมเดลมักเลือกใช้กริยาคำหนึ่งเป็นพิเศษ ป้ายกำกับที่กว้างกว่านั้นก็มีการกล่าวถึงเช่นกัน: ความหมายของ AI slop, ความหมายของ AI fluff, และคู่มือเชิงปฏิบัติสำหรับการบอกว่าสิ่งใดสิ่งหนึ่งเขียนโดย AI หรือไม่ หากความกังวลคือร่างงานของคุณเองมากกว่าของคนอื่น ก็มีบทความเกี่ยวกับ การลบคำที่เป็น AI ออกจากงานเขียนของคุณ

ครั้งต่อไปที่คุณกำลังอ่านงานเขียนของคุณแล้วรู้สึกว่ามีบางอย่างไม่ค่อยถูกต้อง อย่าเพียงแค่หาคำพ้องความหมายมาแทนที่มัน ลองอ่านออกเสียงแทน นับจำนวนคำในแต่ละประโยค ถามตัวเองว่าแต่ละคำกำลังทำหน้าที่อะไรอยู่ตรงนั้น นั่นคือวิธีอ่านแบบเดียวกับที่บรรณาธิการที่รอบคอบใช้มานานก่อนที่สิ่งเหล่านี้จะมีชื่อเรียก