Mengapa Tulisan AI Begitu Buruk? Alasan Sebenarnya Mengapa Draft Terasa Datar dan Generik

Mengapa Tulisan AI Begitu Dapat Diprediksi?

Model bahasa besar dilatih untuk memprediksi kata berikutnya yang paling mungkin mengingat semua yang datang sebelumnya. Tujuan tunggal ini menjelaskan sebagian besar dari apa yang terasa salah dengan prosa AI. Di setiap titik dalam kalimat, model mencapai kata atau frasa yang sampel besar teks sebelumnya sarankan kemungkinan besar akan datang berikutnya — bukan kata yang paling baik menangkap ide yang spesifik dan idiosinkratik. Hasilnya adalah teks yang hampir tidak pernah mengejutkan Anda, karena tidak dibangun untuk melakukannya. Seorang penulis manusia kadang-kadang memilih kata yang tidak terduga karena lebih tepat, lebih hidup, atau hanya bagaimana mereka berpikir — bahkan ketika sinonim yang lebih aman duduk di sana. Model yang dilatih untuk meminimalkan kesalahan prediksi tidak memiliki alasan untuk membuat pilihan itu; sinonim yang lebih aman adalah, menurut definisi, yang lebih disukai secara statistik. Baca output AI yang cukup dan Anda mulai memperhatikan ritme yang sama berulang: kalimat topik, klausa pendukung, penentu lunak, penutupan yang rapi. Tidak ada yang salah dengan itu. Semuanya diharapkan, dan diharapkan adalah persis apa yang mulai terdengar buruk.

Tulisan AI tidak buruk karena melanggar aturan. Ini buruk karena mengikuti aturan yang paling mungkin setiap saat, dan prosa tanpa pilihan yang tidak mungkin tidak memiliki tempat untuk perhatian pembaca mendarat.

Mengapa Tulisan AI Terdengar Begitu Generik?

Model tidak menggambar dari satu sumber — ia telah dilatih pada rata-rata besar tentang bagaimana jutaan dokumen membahas topik. Ketika Anda memintanya menjelaskan konsep, mendeskripsikan produk, atau membuat argumen, ia tidak mengingat satu sudut pandang yang tajam; ia mencampur frasa yang umum secara statistik di sejumlah besar teks serupa menjadi satu versi yang dihaluskan. Rata-rata ini adalah mengapa tulisan AI terdengar generik bahkan ketika setiap kalimat secara individual benar. Pendapat spesifik, analogi yang berkesan, atau framing yang sedikit tidak konvensional akan menarik output jauh dari rata-rata, dan pelatihan model mendorongnya kembali ke tengah. Pusat itu aman, berlaku luas, dan hampir tidak pernah salah — dan juga hampir tidak pernah khas. Ini adalah alasan yang sama mengapa deskripsi produk yang ditulis AI, surat motivasi, dan esai tentang topik yang sangat berbeda dapat berakhir terdengar anehnya serupa satu sama lain: semuanya ditarik menuju tengah statistik yang sama.

1. Penegasan kabur bukannya spesifik: 'dampak signifikan' bukan angka, 'banyak ahli setuju' bukan penamaan satu
2. Contoh yang dapat dipertukarkan: ilustrasi begitu umum sehingga dapat ditukarkan ke esai pada topik apa pun yang hampir lain tanpa edit
3. Framing seimbang-ke-kesalahan: setiap klaim segera disertakan dengan 'namun' atau 'di sisi lain', bahkan ketika penulis jelas memiliki pandangan yang lebih kuat
4. Definisi buku teks pembuka paragraf yang pembaca akrab dengan topik tidak perlu dijelaskan lagi

Mengapa Transisi AI Terasa Begitu Membosankan?

Penulis manusia bergerak antara ide cara mereka berpikir: kadang-kadang tiba-tiba, kadang-kadang dengan kalimat yang diam-diam mereframe apa yang datang sebelumnya, kadang-kadang hanya dengan memulai paragraf baru karena poin jelas terhubung tanpa membutuhkan kata jembatan. Teks yang dihasilkan AI cenderung mengandalkan sekumpulan kecil frasa penghubung — selain itu, selanjutnya, lebih jauh, sebagai tambahan — ditempatkan di awal hampir setiap paragraf terlepas dari apakah hubungan logis benar-benar memanggilnya. Kebiasaan ini berasal dari masalah dapat diprediksi yang sama: 'selanjutnya' adalah cara yang sangat aman dan sangat umum untuk menghubungkan dua poin terkait, jadi itu dipilih terus-menerus. Cukup disalahgunakan, transisi ini berhenti melakukan pekerjaan mereka. Pembaca mulai melompatinya karena telah belajar bahwa kata tidak membawa informasi nyata — itu adalah pengisi yang menandakan 'berikut adalah poin lain', bukan 'berikut adalah bagaimana poin ini berhubungan dengan yang terakhir'. Efeknya bertambah di seluruh artikel: paragraf demi paragraf membuka dengan set penghubung yang sama yang terlihat usang, dan tulisan mulai terasa mekanis bahkan jika tidak ada kalimat tunggal yang rusak.

Kata transisi seharusnya memberi tahu pembaca sesuatu tentang hubungan antara dua ide. Ketika setiap paragraf dibuka dengan yang sama, itu berhenti berarti apa pun.

Mengapa Tulisan AI Begitu Buruk dalam Mengakui Ketidakpastian?

Model AI menghasilkan teks satu token pada satu waktu tanpa proses terpisah yang memeriksa apakah klaim benar-benar benar sebelum menulisnya. Kelancaran output dan akurasi output berasal dari mekanisme yang sama sekali berbeda, dan kelancaran adalah yang dioptimalkan model untuk. Itulah mengapa tulisan yang dihasilkan AI dapat menyatakan statistik yang salah, salah atribusi kutipan, atau mengarang studi yang terdengar plausibel dengan nada yang persis sama percaya diri dan terstruktur dengan baik yang digunakan untuk klaim yang sepenuhnya akurat. Tidak ada pagar dalam prosa itu sendiri yang menandakan ketidakpastian, karena model tidak melacak ketidakpastiannya sendiri seperti penulis manusia yang hati-hati melacaknya. Seseorang yang menulis tentang sesuatu yang mereka tidak sepenuhnya yakin akan sering — sadar atau tidak — melunakkan klaim, menambahkan kualifikasi, atau menandainya untuk verifikasi. Model tidak memiliki sinyal internal yang setara untuk diambil, jadi semuanya terdengar sama yakin. Pembaca yang tidak sudah akrab dengan subjek tidak memiliki cara untuk membedakan antara klaim yang didukung dengan baik dan yang difabrikasi hanya dari cara itu ditulis, yang persis membuat mode kegagalan ini begitu mudah untuk terlewatkan pada bacaan pertama.

Lancar dan benar bukan properti yang sama, dan model AI hanya dioptimalkan secara langsung untuk yang pertama.

Mengapa Tulisan AI Begitu Buruk dalam Detail Pengalaman?

Model tidak pernah benar-benar melakukan apa pun. Telah memproses teks yang menggambarkan apa yang dilakukan orang lain, rasakan, atau amati, tetapi tidak memiliki memori Selasa tertentu, tidak ada catatan sensorik tempat tertentu, dan tidak ada saham pribadi dalam hasil argumen. Ketidakhadiran ini muncul sebagai kesenjangan yang terus-menerus dalam kekhususan. Minta model untuk mendeskripsikan percakapan yang sulit, proyek yang gagal, atau kesalahan teknis kecil, dan itu akan menghasilkan sesuatu yang terstruktur dengan benar dan emosional yang tepat — tetapi itu akan mencapai versi generik pengalaman itu daripada yang benar-benar tertentu, karena tidak memiliki yang tertentu untuk diambil. Tulisan manusia, bahkan ketika tentang sesuatu yang biasa, cenderung membawa detail kecil yang tak terbatas: nomor spesifik, komentar sampingan aneh, pengamatan yang tidak berfungsi pada argumen tetapi benar. Draft AI cenderung menghilangkannya karena tidak ada mekanisme yang menghasilkan detail yang tidak relevan tetapi nyata — semua yang dihasilkan model entah bagaimana dalam layanan tugas prediksi segera, dan detail yang tersesat dan tanpa tujuan jarang dipilih sebagai kata berikutnya yang paling mungkin.

1. Detail sensorik atau situasional yang hilang: tidak ada bau tertentu, suara, waktu dalam sehari, atau detail fisik yang mendasarkan adegan
2. Tidak ada tangen yang tidak dijelaskan: setiap kalimat secara jelas melayani argumen, tanpa aside kecil yang tidak relevan yang disertakan penulis nyata
3. Angka bulat dan generik bukan yang anehnya spesifik: 'porsi signifikan' bukan '37 dari 52 tanggapan'
4. Emosi dinamai daripada ditunjukkan: 'ini sangat membuat frustrasi' bukan momen konkret yang membuat frustrasi jelas tanpa menyatakannya

Bagaimana Anda Memeriksa Apakah Draft Memiliki Masalah Ini?

Sebagian besar perbaikan untuk tulisan AI yang datar dimulai dengan membaca dekat untuk pola eksak yang dijelaskan di atas, karena tidak satupun memerlukan penulisan ulang dari awal — mereka memerlukan pencarian dan penggantian versi generik dengan yang spesifik. Pergi bagian demi bagian dan tanyakan apa yang akan hilang jika Anda menghapus kalimat tertentu; jika jawabannya tidak ada apa-apa, kalimat itu mungkin pengisi. Kemudian cari klaim paling dapat dipertahankan dan paling tidak dilindungi dari karya dan periksa apakah karya benar-benar berkomitmen pada itu atau menguburnya dalam penentu. Lintasan revisi singkat yang berfokus pada pemeriksaan ini melakukan lebih banyak untuk memperbaiki draft berasa AI daripada penulisan ulang lengkap, karena ide dasar biasanya baik-baik saja — tekstur permukaan adalah apa yang perlu dikerjakan.

1. Cari draft untuk 'selain itu', 'selanjutnya', 'lebih jauh', dan 'kesimpulannya' — potong setidaknya setengah dan biarkan paragraf terhubung tanpa kata jembatan
2. Lingkari setiap penegasan kabur (signifikan, berbagai, banyak, banyak) dan ganti dengan nomor aktual, nama, atau contoh spesifik
3. Baca setiap klaim faktual dan tandai apakah Anda dapat menunjuk pada sumbernya — jika tidak, verifikasi atau hapus sebelum mempublikasikan
4. Tambahkan satu detail konkret dan spesifik per bagian yang berasal dari pengalaman nyata atau penelitian, bukan dari apa yang 'biasanya' terjadi
5. Baca karya dengan suara keras — kalimat yang semuanya mendarat dengan ritme dan bobot yang sama adalah tanda variasi rendah yang patut diputus
6. Jalankan draft melalui detektor AI NotGPT untuk melihat kalimat spesifik mana yang dibaca paling dapat diprediksi, kemudian revisi yang pertama