۵ نشانه‌ جدید برای شناسایی متن‌های هوش مصنوعی

امروزه نوشته‌های تولیدشده با هوش مصنوعی همه‌جا دیده می‌شوند؛ از صندوق ایمیل شما گرفته تا فید لینکدین. این متون سراسر اینترنت را فراگرفته‌اند و بر اساس یک برآورد، بیش از یک‌سوم وب‌سایت‌های جدید با کمک آن‌ها تولید می‌شوند. مدل‌های زبانی بزرگ (LLM) به دانشجویان در نگارش مقاله‌های دانشگاهی کمک می‌کنند و احتمالاً در نگارش مقالات علمی نیز نقش دارند. حتی برخی مدعی شدند که داستان کوتاه برنده جایزه «داستان کوتاه کشورهای مشترک‌المنافع» امسال توسط هوش مصنوعی نوشته شده است؛ اثری که داوران آن را به دلیل «اقتدار آرام» نثرش ستودند. (بنیاد کشورهای مشترک‌المنافع این ادعا را رد کرد.)

از هر ۳ پستی که با هوش مصنوعی نوشته می‌شود، ۲ پست در لینکدین منتشر می‌شود

مدل‌های زبانی بزرگ ویژگی‌های سبکی خاص خود را دارند. معمولاً تصور می‌شود که این مدل‌ها از خط تیره بلند (Em Dash) بیش از حد استفاده می‌کنند و همچنین به واژه‌هایی مانند maximize («به حداکثر رساندن») علاقه دارند. آن‌ها دوست دارند در موضوعات مختلف «کاوش عمیق» (deep dive) انجام دهند یا حتی بهتر از آن، در آن‌ها «کندوکاو» (delve) کنند و از «بافت غنی» (rich tapestry) جهان سخن بگویند. اما سبک نوشتاری هوش مصنوعی را نمی‌توان به یک واژه یا عبارت خاص تقلیل داد؛ بلکه مجموعه‌ای از ویژگی‌های زبانی است که در کنار هم معنا پیدا می‌کنند.

تشخیص متون تولیدشده توسط هوش مصنوعی کار ساده‌ای نیست. بخشی از این دشواری به این دلیل است که برای اثبات این موضوع به شواهدی فراتر از چند واژه یا چند خط تیره نیاز دارید. اینکه صرفاً به دلیل استفاده از واژه delve نتیجه بگیرید متنی را یک مدل زبانی نوشته، همان‌قدر نادرست است که بگویید هر متنی که واژه «بی‌احتیاطی» (imprudence) را به کار برده، حتماً اثر جین آستن است. علاوه بر این، هر ربات نیز سبک نوشتاری متفاوتی دارد. «کارولینا رودنیتسکا»، زبان‌شناس دانشگاه گدانسک لهستان توضیح می‌دهد همان‌طور که سبک واحدی برای نوشتار انسان وجود ندارد، سبک واحدی هم برای نوشتار هوش مصنوعی وجود ندارد. نویسندگان ویژگی‌های منحصربه‌فرد خود را دارند؛ برای مثال، امیلی دیکنسون علاقه فراوانی به استفاده از خط تیره بلند داشت و ربات‌ها نیز ممکن است ویژگی‌های مشابه اما خاص خود را داشته باشند.

بااین‌حال، چند روش برای شناسایی متن تولیدشده توسط مدل‌های زبانی بزرگ وجود دارد. یکی از این روش‌ها استفاده از الگوریتم‌های تشخیص است که برای شناسایی «بافت» نوشتار انسانی و ماشینی آموزش دیده‌اند. شرکت Pangram که از شرکت‌های پیشرو در این حوزه است، ادعا می‌کند ابزارش به دقت ۹۹٫۹۸ درصدی دست یافته است. (این شرکت برای توسعه چنین ابزاری با پلتفرم وبلاگ‌نویسی Substack همکاری کرده است.) بااین‌حال، این آشکارسازها الگوریتم‌هایی شبیه جعبه سیاه هستند و ممکن است نتایج مثبت کاذب تولید کنند. همچنین توضیح نمی‌دهند که چرا به چنین نتیجه‌ای رسیده‌اند.

پژوهشگران روش‌های دیگری نیز آزموده‌اند؛ از جمله جست‌وجوی واژه‌های مشکوک در متن یا مقایسه مقالات منتشرشده پیش‌وپس از در دسترس قرارگرفتن عمومی مدل‌های زبانی بزرگ. اما این رویکردها نیز محدودیت‌های خود را دارند؛ مهم‌ترین آن این است که تفکیک ویژگی‌های زبانی ناشی از هوش مصنوعی از سایر روندهای طبیعی تحول زبان کار آسانی نیست.

برای شناسایی نشانه‌های نوشتار هوش مصنوعی، می‌توان نوشته‌های انسان و ماشین را با یکدیگر مقایسه کرد. برای انجام چنین مقایسه‌ای به یک مبنای مرجع نیاز است که هم متمایز باشد و هم برای مخاطبان آشنا. نشریه اکونومیست برای این منظور به سراغ متونی رفت که با اطمینان می‌دانست انسانی هستند و خوانندگان نیز آن‌ها را به‌خوبی می‌شناسند: یعنی مقالات خود این نشریه. پژوهشگران از برترین مدل‌های زبانی شامل ChatGPT شرکت OpenAI، Claude شرکت Anthropic، Gemini گوگل و Grok شرکت xAI خواستند نسخه‌هایی از مقالات اکونومیست را بدون مراجعه به وب، بازنویسی کنند. برای این کار، خلاصه‌های تولیدشده توسط هوش مصنوعی که اکونومیست به‌صورت آزمایشی به برخی مقالات خود افزوده بود، به‌عنوان پرامپت در اختیار مدل‌ها قرار گرفت.

در نتیجه، مجموعه‌ای از متون انسانی و تولیدشده توسط هوش مصنوعی شکل گرفت که در مجموع شامل ۵۵٬۹۴۰ جمله و ۱٫۲ میلیون کلمه بود. برای اطمینان از اینکه ویژگی‌های شناسایی‌شده واقعاً متعلق به هوش مصنوعی هستند و نه صرفاً سبک نگارش اکونومیست، این متون با نوشته‌های منتشرشده در CNN، نیویورک‌تایمز و واشنگتن‌پست نیز مقایسه شدند. علاوه بر این، بخش‌هایی از رمان‌های پرفروش منتشرشده بین سال‌های ۱۹۵۰ تا ۲۰۲۲ نیز به‌عنوان معیار دیگری برای مقایسه مورداستفاده قرار گرفت.

یافته‌های این پژوهش تا حدی غیرمنتظره‌اند. نوشته‌های هوش مصنوعی را می‌توان از روی انتخاب واژگان، نشانه‌گذاری، ساختار جمله‌ها و حتی شیوه سازمان‌دهی پاراگراف‌ها از متون انسانی تشخیص داد. اما ویژگی‌های شاخص آن‌ها الزاماً همان مواردی نیستند که عموم تصور می‌کنند؛ زیرا سبک نوشتاری مدل‌های زبانی بزرگ با هر به‌روزرسانی نرم‌افزاری تغییر می‌کند. البته این به معنای حرفه‌ای و متخصص‌بودن آن‌ها در نویسندگی نیست؛ نثر این مدل‌ها اغلب فاقد شفافیت و ظرافت است و معمولاً ساختاری کلیشه‌ای دارد. بنابراین، اگر کسی می‌خواهد به یک داستان‌سرای تأثیرگذار تبدیل شود، بهتر است از ویژگی‌های زیر در نوشته‌های خود پرهیز کند.

نخست به واژگان توجه کنید. دامنه واژگانی که ربات‌ها بیش از حد از آن استفاده می‌کنند تغییر کرده است؛ دیگر خبری از تکرار فراوان delve یا tapestry نیست. در عوض، اکنون شمار قابل‌توجهی از واژه‌های چندهجایی مانند significant  («قابل‌توجه»)، increasingly («به طور فزاینده») و consequences («پیامدها») را به کار می‌برند. همچنین نسبت به انسان‌ها بیشتر از واژه‌های کم‌کاربردی مانند interdependence («وابستگی متقابل») و reindustrialisation («صنعتی‌سازی مجدد») و اصطلاحات علمی مانند parameter («پارامتر») و methodology («روش‌شناسی») استفاده می‌کنند. از دیگر ویژگی‌های آن‌ها علاقه به اسم‌سازی (nominalisation) است؛ یعنی تبدیل فعل به اسم، مانند ساختن expansion از فعل expand. همه مدل‌های زبانی بررسی‌شده در این مطالعه چنین گرایشی دارند، اما این ویژگی در Gemini و Claude پررنگ‌تر است.

بخش عمده این زبان را می‌توان همان چیزی دانست که جورج اورول از آن با عنوان «واژگان متظاهرانه» (pretentious diction) یاد می‌کرد. او نویسندگانی را نقد می‌کرد که برای هوشمندتر به‌نظررسیدن، «جملات ساده را با واژه‌های پیچیده و اصطلاحات تخصصی می‌آرایند». اورول همچنین مشاهده کرده بود که چنین نویسندگانی معتقدند «واژه‌های لاتین یا یونانی از واژه‌های با ریشه ژرمنی باشکوه‌ترند». به نظر می‌رسد ربات‌ها نیز همین عقیده را دارند؛ زیرا در نوشته‌های آن‌ها پسوندهای با ریشه لاتین، بسیار بیشتر از متون انسانی دیده می‌شود.

سپس به نشانه‌گذاری توجه کنید. بسیاری معتقدند مدل‌های زبانی بزرگ در متن‌های خود بیش از حد از خط تیره بلند (Em Dash) استفاده می‌کنند، اما پس از آخرین به‌روزرسانی‌ها دیگر چنین نیست. در حال حاضر تنها Claude است که بیشتر از نویسندگان انسانی از خط تیره بلند استفاده می‌کند، درحالی‌که ChatGPT به طور محسوسی کمتر از هر نویسنده دیگری در این مطالعه از این نشانه بهره می‌برد. بنابراین، نویسندگان انسانی می‌توانند با خیال راحت دوباره از خط تیره استفاده کنند.

در واقع، روش بهتر برای تشخیص متن تولیدشده توسط هوش مصنوعی این است که به دنبال نوشته‌هایی باشید که به‌طورکلی از نشانه‌گذاری کمی استفاده می‌کنند. مدل‌های زبانی بزرگ از این نظر یادآور سبک جیمز جویس هستند؛ آن‌ها نسبت به انسان‌ها کمتر از ویرگول، نقطه‌ویرگول استفاده می‌کنند و تقریباً هیچ‌گاه از پرانتز استفاده نمی‌کنند. بخشی از این موضوع به آن دلیل است که جمله‌های طولانی‌تری می‌نویسند و پرکاربردترین واژه‌ای که بیش از حد از آن استفاده می‌کنند «and» است و بخشی دیگر نیز به این دلیل که معمولاً از نقل‌قول مستقیم کارشناسان استفاده نمی‌کنند.

در نهایت، ساختار جمله را بررسی کنید. جمله‌های ربات‌ها معمولاً طولانی هستند و پاراگراف‌های آن‌ها به‌ندرت با جمله‌های کوتاه، کوبنده و اثرگذار قطع می‌شوند؛ رویکردی که متن را یکنواخت و کم‌رمق می‌کند. هرگاه مدل‌های زبانی بخواهند نوشته خود را پویاتر جلوه دهند، معمولاً به سراغ آرایه‌های بلاغی می‌روند. محبوب‌ترین الگوهای آن‌ها عبارت‌اند از: «نه X بلکه Y» (not X but Y)، «نه‌تنها… بلکه…» (not only but also) و «قاعده سه‌تایی» (rule of three)؛ زیرا گروه‌بندی ایده‌ها در قالب سه مورد، آن‌ها را جذاب‌تر می‌کند؛ درست همان کاری که در جمله قبل انجام شد. ChatGPT و Claude در مقایسه با سایر مدل‌های زبانی و همچنین نویسندگان انسانی، به‌ازای هر هزار جمله، تعداد بیشتر از این ساختارها استفاده می‌کنند.

بنابراین، اگر می‌خواهید نوشته‌های تولیدشده توسط هوش مصنوعی را تشخیص دهید، فعلاً به دنبال نثری یکنواخت، متظاهرانه و مملو از واژه‌های با ریشه لاتین باشید. البته این وضعیت دائمی نخواهد بود. این مطالعه نشان می‌دهد که با هر به‌روزرسانی، سبک نگارش هوش مصنوعی بیش‌ازپیش به نثر انسان نزدیک می‌شود. ابزار شرکت Pangram توانست متون تولیدشده توسط هوش مصنوعی را با موفقیت شناسایی کند، اما ممکن است در آینده با دشواری بیشتری روبه‌رو شود. «تامی یوزک» از دانشگاه ایالتی فلوریدا توضیح می‌دهد که مدل‌های زبانی بزرگ بر پایه نوشته‌های انسان آموزش می‌بینند و از بازخورد انسانی نیز یاد می‌گیرند؛ بنابراین، ویژگی‌هایی را که انسان‌ها تحسین می‌کنند جذب می‌کنند و آنچه را مطلوب نمی‌دانند کنار می‌گذارند.

البته ربات‌ها بسیار سریع نیز یاد می‌گیرند. برای نمونه، ChatGPT تا همین اواخر تقریباً در هر جمله از خط تیره بلند استفاده می‌کرد. زمانی که خبرنگار اکونومیست از نسخه قدیمی‌تر این مدل پرسید آیا فکر می‌کند هوش مصنوعی بیش از حد از این نشانه استفاده می‌کند، پاسخ داد: «آها—سؤال خیلی خوبی است!» اما اگر همین سؤال را امروز از آن بپرسید، با لحنی جدی پاسخ می‌دهد: «بهتر است از آن فقط در مواقع ضروری استفاده شود.» تنها یک شبح است که می‌تواند تا این اندازه سریع چهره عوض کند.

گزارش حاضر در نسخه Augst 1^st 2026 نشریه The Economist منتشر شده است.(منبع: هوشیو)