AI-szöveg szerkesztése: az árulkodó jelek

Amit mérésből tudunk

Tizenötmillió tudományos absztraktot végignézve 2024-ben 379 olyan stílusszó vált hirtelen gyakoribbá, amire a korábbi évek trendje nem adott magyarázatot. A legnagyobb ugrások: a delves huszonnyolcszoros, az underscores majdnem tizennégyszeres, a showcasing több mint tízszeres gyakoriságra ugrott. Összehasonlításul: ez a nyelvi lökés nagyjából kétszerese volt annak, amit a járvány szókincse okozott 2021-ben.

A gyakorlat szempontjából fontosabb a második megállapítás. Egy másik vizsgálat szerint 2024-ben a delve szót használó cikkek 59,3 százaléka használta az underscore szót is — 2022-ben ez az arány 1,3 százalék volt. Vagyis nem az egyes szó árulkodik, hanem a fürt: ha hármat-négyet találsz egymás közelében, az már jelent valamit; ha egyet, az semmit.

A harmadik mérés a szólistánál mélyebbre megy. Emberi és gépi szövegeket ugyanazon a nyelvészeti jegykészleten összevetve az derült ki, hogy a modell ek nem a stílus átlagát tévesztik el, hanem a szórását: a mondathossz, a hangnem és a szerkezet változatossága szűkebb, mint az embernél. Ráadásul az instrukcióra hangolt modellek szűkebbek, mint a nyerskiadásuk — vagyis a laposodás nem a tanításból jön, hanem abból, ahogy a modellt utólag udvariassá tették.

A tizenkét fordulat

Ezek magyar szövegben árulkodóak. Nem azért, mert rosszak, hanem mert a modell aránytalanul gyakran nyúl értük — és mert emberi szövegben ritkán jönnek elő négyesével.

• A felvezető semmi. „A mai rohanó világban", „Az elmúlt években egyre nagyobb figyelmet kap". Az első bekezdés első mondatát a legtöbb gépi szövegben nyomtalanul törölni lehet.
• A fontosság-jelzők. Kulcsfontosságú, létfontosságú, elengedhetetlen, meghatározó. Ha valami tényleg az, mondd meg, mihez képest és miért. Ha nem, hagyd ki.
• A mélyre ásás. „Merüljünk el benne", „nézzük meg mélyebben", „vizsgáljuk meg közelebbről". A magyar változata annak a szónak, ami angolul a legerősebb gépi jelző lett.
• A rávilágítás. Rávilágít, aláhúzza, kiemeli, hangsúlyozza — négy szó ugyanarra, és a gépi szöveg mind a négyet szereti egy bekezdésen belül.
• A nem csupán–hanem. „Ez nem csupán technológiai kérdés, hanem emberi is." Az ellentétpár önmagában rendben van; a baj az, hogy a modell minden második bekezdést így épít fel.
• A hármas felsorolás mindenütt. Három jelző, három példa, három szempont — akkor is, ha kettő elég lenne, és akkor is, ha öt kellene. Az emberi szöveg egyenetlen.
• A megjegyzendő fontos. „Fontos megjegyezni, hogy", „érdemes hangsúlyozni, hogy". Ha fontos, írd le; a bejelentés, hogy fontos, nem tesz hozzá.
• Az összefoglaló zárás. „Összefoglalva", „mindent egybevetve", „a fentiek alapján elmondható". A gépi szöveg szinte mindig megismétli önmagát a végén, mert így tanulta.
• A tájkép-metafora. Táj, világ, univerzum, terület, útvesztő, és a hozzájuk járó navigálás. „Az AIfolyamatosan változó világában eligazodni" — ez a mondat ezer helyen szerepel, és sehol nem mond semmit.
• Az egyenletes mondathossz. Ha az egész bekezdésben minden mondat 15-20 szó, az önmagában gyanús. Az emberi bekezdésben van egy négyszavas mondat is.
• A jelzőhalmozás. Átfogó, robusztus, zökkenőmentes, innovatív, holisztikus. Külön-külön mind használható szó; egy bekezdésben hármat találni viszont biztos jel.
• A markdown-maradék. Minden második szó félkövér, minden gondolat külön alcím alatt. Ez nem stílus, hanem a modell alapértelmezett formázása, és levélben vagy cikkben idegenül hat.

Amit a szólista nem fog meg

A fordulatok kicserélése után a szöveg még mindig gépinek hathat, mert a felismerhetőség nagyobb része a szerkezetben van, nem a szavakban.

• Nincs benne bizonytalanság. A mérések szerint a modellek kevesebb óvatos fordulatot használnak, mint az emberek — „azt hiszem", „nem vagyok benne biztos", „lehet, hogy tévedek". A gépi szöveg magabiztosabb, mint amennyi tudás mögötte van.
• Nincs benne személyes kitérő. Egy ember félmondatban elmondja, hol találkozott a problémával. A modellnek nincs hol találkoznia vele, ezért ez a félmondat mindig hiányzik.
• Nincs benne kérdés az olvasóhoz. A közvetlen megszólítás és a valódi kérdés emberi jegy; a modell kijelentésekben gondolkodik.
• Minden bekezdés ugyanannyi. Négy mondat, négy mondat, négy mondat. Az emberi szövegben van egymondatos bekezdés is, mert valahol nyomatékra volt szükség.

A gondolatjel-mítosz

A legelterjedtebb tévhit szerint a sok gondolatjel elárulja a gépi szöveget. Ezt lemérték: a vizsgált emberi esszékben ezer szavanként átlagosan 3,23 gondolatjel szerepelt, de a szórás 0,33 és 17,12 között mozgott. A modellek középmezőnye ebbe belefér — az egyik népszerű modell 10,62-vel, egy másik 9,09-cel, míg a nyílt súlyú családok némelyike nullával dolgozott.

Ebből két dolog következik. Egy: a gondolatjelek száma önmagában semmit nem bizonyít, mert az emberi sáv átfedi a gépit. Kettő: modellfüggő és utasítással állítható — ugyanabban a mérésben az egyik modell egy „csak folyó szöveget írj" kérésre 9,09-ről 0,19-re esett, egy másik viszont meg sem mozdult. Ha zavar a sok gondolatjel, kérd, hogy ne használjon; de ne gondold, hogy a hiánya emberivé teszi a szöveget.

A detektorokról, mielőtt megbíznál bennük

Itt érdemes megállni, mert ez a rész gyakorlati következménnyel jár rád nézve. Az AI-szöveg felismerésére készült eszközök nem működnek megbízhatóan, és ez nem vélemény: az egyik nagy szolgáltató a saját osztályozóját 26 százalékos találati arány és 9 százalékos téves riasztás mellett adta ki, majd fél év után visszavonta pontatlanság miatt.

A neked fontos szám ennél rosszabb. Egy tizennégy eszközt tesztelő vizsgálatban egyik sem ért el 80 százalékos pontosságot, és a kézzel átszerkesztett gépi szövegre az arány 42 százalékra, az átfogalmazottra 26 százalékra esett. Egy másik kutatás hét detektort futtatott nem anyanyelvi angol írók esszéin: a téves riasztás átlagosan 61,22 százalék volt, szemben az anyanyelvi diákszövegek 5,19 százalékával. A magyarázat nyelvi — az egyszerűbb, kiszámíthatóbb mondatszerkezet a detektor szemében gépszerű.

Ez magyar és spanyol anyanyelvűeket közvetlenül érint, ha angolul írnak: a tiszta, egyszerű angol mondatért a rendszer megbüntet, a cikornyásért jutalmaz. Ugyanebben a vizsgálatban az AI-val írt szöveg felismerése 100 százalékról 13 százalékra esett, ha a modellt megkérték, hogy fogalmazzon irodalmiasabban. Ha tehát valaki detektorral „bizonyítja" rád, hogy géppel írtál, annak a számnak nincs bizonyító ereje — és ezt érdemes tudni, mielőtt védekezni kezdenél.

A húszperces szerkesztőkör

Ez a sorrend azért ez, mert a legolcsóbb javítások vannak elöl.

1. Töröld az első és az utolsó bekezdést. Nyolcból hét esetben a szöveg jobb lesz tőle, és a cikk ott kezdődik, ahol az első valódi állítás van.
2. Keress rá a tizenkét fordulatra. Szó szerinti keresés, egyesével. Ez öt perc, és a felismerhetőség felét elviszi.
3. Törj meg három bekezdést. Vágj bele egy rövid mondatot, ahol nyomaték kell, és vonj össze kettőt, ahol nincs.
4. Tegyél bele egy dolgot, amit csak te tudsz. Egy szám a saját munkádból, egy eset, egy dátum. Ez az egyetlen lépés, amit a modell szerkezetileg nem tud megcsinálni helyetted.
5. Olvasd fel hangosan az első három bekezdést. Ahol elakadsz vagy elunod magad, ott a szöveg még gépi. A saját hangod rögzítése ezt a lépést rövidíti le, de nem váltja ki.

Amit érdemes elvinni

A gépi jelleg fürtökben mutatkozik meg, nem egyes szavakban, és a szerkezetben jobban, mint a szókincsben. Töröld az első és az utolsó bekezdést, fésüld ki a tizenkét fordulatot, törd meg a ritmust, és tegyél bele egy saját adatot. A detektorokban ne bízz — sem magad ellen, sem mások ellen. Hogy mindezt jelölni kell-e egyáltalán, arról külön poszt szól: mikor kell jelölni az AI-t, és a válasz meglepően szűk.