Bakit Kaya Napakahina ng AI Writing? Ang Tunay na Dahilan ng Flat at Generic na Drafts

Bakit Kaya Napredictable ang AI Writing?

Ang mga large language models ay sinasanay upang mahulaan ang pinakamalamang na susunod na salita na ibinigay ang lahat na naunang dumating. Ang isang layuning ito ay nagpapaliwanag ng karamihan sa kung ano ang mukhang mali sa AI prose. Sa bawat punto sa isang pangungusap, ang modelo ay umaabot sa salita o parirala na isang malaking sample ng dating teksto ay nagmumungkahi na ang pinakamalamang na susunod — hindi ang salita na pinakamahusay na kumukuha ng isang specific, idiosyncratic idea. Ang resulta ay teksto na halos hindi kailanman nagugulat sa iyo, dahil ito ay binuo upang hindi gawin. Ang isang human writer minsan ay pumipili ng isang hindi inaasahang salita dahil ito ay mas tumpak, mas malakas, o kung paano nila iniisip — kahit na isang mas secure na synonym ay nakaharap doon. Ang isang modelo na sinasanay upang mabawasan ang prediction error ay walang dahilan upang gawin ang pagpipilian na ito; ang mas secure na synonym ay, sa kahulugan, ang istatistikong mas preferred. Basahin ang sapat na AI output at nagsisimula kang mapansin ang parehong ritmo na bumabalik: isang topic sentence, isang supporting clause, isang soft qualifier, isang tidy close. Walang ito ay mali. Lahat nito ay inaasahan, at ang inaasahan ay eksaktong kung ano ang nagsisimulang mabasang masama.

Ang AI writing ay hindi masama dahil ito ay sumasalamin sa mga patakaran. Ito ay masama dahil sumusunod ito sa pinaka-malamang na patakaran sa bawat oras, at ang prose na walang unlikely choices sa loob nito ay walang lugar para sa atensyon ng mambabasa na makalapag-land.

Bakit Kaya Napakageneriko ng Tunog ng AI Writing?

Ang isang modelo ay walang iisang source na pinag-uusapan nito — ito ay sinasanay sa isang malaking average ng kung paano ang milyun-milyong dokumento ay nakikipag-usap tungkol sa isang paksa. Kapag hinihiling mo itong ipaliwanag ang isang konsepto, ilarawan ang isang produkto, o gumawa ng isang argument, ito ay hindi naaalala ang isang sharp point of view; ito ay pinagsasama ang istatistikong karaniwang phrasing sa isang malaking bilang ng katulad na mga teksto sa isang iisang smoothed-out version. Ang averaging na ito ay ang dahilan kung bakit ang AI writing ay tumutunog generic kahit na ang bawat pangungusap ay indibidwal na tama. Ang isang specific opinion, isang memorable analogy, o isang slightly unconventional framing ay maghahatid ng output palayo mula sa average, at ang training ng modelo ay itutulak ito pabalik sa gitna. Ang gitna ay secure, broadly applicable, at halos hindi kailanman mali — at halos hindi kailanman distinctive. Ito ang parehong dahilan kung bakit ang AI-written product descriptions, cover letters, at mga essay tungkol sa ganap na magkakaibang mga paksa ay maaaring magmukhang kakaiba na katulad sa isa't isa: lahat nila ay inakit sa parehong istatistikong middle.

1. Vague intensifiers sa halip na specifics: 'significant impact' sa halip na isang numero, 'many experts agree' sa halip na pangalanan ng isa
2. Interchangeable examples: mga ilustrasyon na napakageneriko na maaaring palitan sa isang essay tungkol sa halos ibang paksa nang walang edits
3. Balanced-to-a-fault framing: ang bawat claim ay agad na backed ng 'however' o 'on the other hand,' kahit na ang writer ay malinaw na may mas malakas na view
4. Textbook definitions na bumubukas sa mga paragraph na ang isang mambabasa na may anumang pamilyaridad sa paksa ay hindi na kailangang ipaliwanag muli

Bakit Kaya Bland ang Transitions sa AI?

Ang mga human writers ay gumagalaw sa pagitan ng mga ideya sa paraan ng kanilang pag-iisip: minsan ng abruptly, minsan na may isang pangungusap na tahimik na nag-reframe kung ano ang naunang dumating, minsan sa pamamagitan lamang ng pagsisimula ng isang bagong paragraph dahil ang punto ay malinaw na konektado nang walang pangangailangang bridge word. Ang AI-generated text ay may posibilidad na umaasa sa isang maliit na hanay ng connective phrases — moreover, additionally, furthermore, in addition — inilagay sa simula ng halos bawat paragraph anuman ang logical relationship. Ang gawi na ito ay nagmumula sa parehong predictability problem: ang 'additionally' ay isang napakasecure, napakakalayang paraan upang ikonekta ang dalawang kaugnay na mga punto, kaya ito ay patuloy na pinipili. Labis na ginagamit, ang mga transitions na ito ay humihinto na gumawa ng kanilang trabaho. Ang isang mambabasa ay nagsisimulang mag-skip sa kanila dahil natutunan nila na ang salita ay walang tunay na impormasyon — ito ay filler na nagbabahagi ng 'dito ay dumadating ang ibang punto,' hindi 'dito ay kung paano ang mga punto na ito ay nauugnay sa nakaraang isa.' Ang epekto ay umabot sa buong artikulo: paragraph pagkatapos ng paragraph ay nagsisimula sa parehong gabay na stock connectors, at ang pagsulat ay nagsisimulang mukhang mechanical kahit na walang iisang pangungusap na may depekto.

Ang isang transition word ay dapat magbigay sa mambabasa ng isang bagay tungkol sa ugnayan sa pagitan ng dalawang ideya. Kapag ang bawat paragraph ay nagsisimula sa parehong isa, ito ay humihinto na nangangahulugan ng kahit ano.

Bakit Kaya Napakahina ng AI Writing sa Pagkilala ng Uncertainty?

Ang mga AI models ay lumilikha ng teksto isang token sa isang pagkakataon nang walang hiwalay na proseso na gumagawa ng tsek kung ang isang claim ay tunay na totoo bago isulat ito. Ang fluency ng output at ang accuracy ng output ay nagmumula sa ganap na magkakaibang mga mekanismo, at fluency ang isa na na-optimize ng modelo. Iyan ang dahilan kung bakit ang AI-generated writing ay maaaring sabihin ang isang hindi tamang istatistika, maling atributo ng isang quote, o mag-imbento ng isang plausible-sounding study na may eksaktong parehong confident, well-structured tone na ginagamit nito para sa isang claim na ganap na tumpak. Walang hedge sa prose mismo na nagbabahagi ng uncertainty, dahil ang modelo ay hindi sumusubaybay sa sariling uncertainty nito sa paraan ng isang maingat na human writer. Ang isang tao na sumusulat tungkol sa isang bagay na hindi nila lubos na sigurado ay madalas — conscious o hindi — mag-soften ng claim, magdagdag ng qualifier, o flag ito bilang isang bagay na i-verify. Ang isang modelo ay walang katulad na panloob na signal upang umaasa, kaya ang lahat ay lumalabas na parang pantay na sigurado. Ang mga mambabasa na hindi pa familiar sa paksa ay walang paraan upang makilala ang pagkakaiba sa pagitan ng isang well-supported claim at ng fabricated one lamang mula sa kung paano ito isinulat, na eksaktong kung ano ang gumagawang napakadaling palampasin ang failure mode na ito sa unang pagbabasa.

Ang fluent at correct ay hindi parehong property, at ang mga AI models ay direktang na-optimize lamang para sa una.

Bakit Kaya Napakahina ng AI Writing sa Lived Detail?

Ang isang modelo ay hindi kailanman tunay na ginawa ang kahit ano. Ito ay nag-proseso ng teksto na nagbabalita kung ano ang iba pang mga tao ay ginawa, naramdaman, o sinusubaybayan, ngunit ito ay walang alaala ng isang specific na Martes, walang sensory record ng isang particular na lugar, at walang personal na taya sa resulta ng isang argument. Ang kawalan na ito ay nagpapakita bilang isang patuloy na gap sa specificity. Magtanong sa isang modelo upang ilarawan ang isang mahirap na usapan, isang failed project, o isang maliit na technical mistake, at ito ay maglalabas ng isang bagay na struktural na tama at emosyonal na angkop — ngunit ito ay aabot para sa generic version ng karanasang ito sa halip na isang tunay na particular na isa, dahil ito ay walang particular na isa upang gumugol mula sa. Ang human writing, kahit na ito ay tungkol sa isang bagay na ordinaryo, ay may likas na maliit na unexplainable details: isang specific na numero, isang kakaibang side comment, isang observation na hindi nagsisilbi sa argument ngunit totoo pa rin. Ang AI drafts ay may posibilidad na alisin ang mga ito dahil walang mekanismo na lumilikha ng irrelevant-but-real detail — lahat ng ginagawa ng modelo ay, sa ilang kahulugan, sa serbisyo ng immediate prediction task, at ang stray, purposeless specifics ay bihira na pinipili bilang ang pinaka-probable na susunod na mga salita.

1. Nawawalang sensory o situational specifics: walang particular na amoy, tunog, oras ng araw, o physical detail na nag-ground sa scene
2. Walang unexplained tangents: ang bawat pangungusap ay makikitang nagsisilbi sa argument, nang walang maliliit na irrelevant asides na kasama ng tunay na mga manunulat
3. Round, generic na mga numero sa halip na oddly specific: 'a significant portion' sa halip na '37 out of the 52 responses'
4. Emotions na pinalaki sa halip na ipakita: 'this was frustrating' sa halip na isang konkretong sandali na gumagawang malinaw ang frustration nang hindi ito sinasabing direkta

Paano Mo Titignan kung May Mga Problemang Ito ang Draft?

Karamihan ng mga fix para sa flat AI writing ay nagsisimula sa isang malapit na pagbabasa para sa mga eksaktong pattern na inilarawan sa itaas, dahil walang isa sa kanila ay nangangailangan ng pagsusulat mula sa simula — kailangan nila ng paghahanap at pagpapalit ng generic version na may isang specific. Pumunta sa seksyon sa seksyon at magtanong kung ano ang mawawala kung buburahin mo ang isang ibinigay na pangungusap; kung ang sagot ay walang, ang pangungusap na ito ay marahil ay filler. Pagkatapos ay tumingin para sa pinakamakatotohang, least hedged claim ng pagsulat at tukuyin kung ang piraso ay tunay na nag-commit o itinago ito sa mga qualifier. Ang isang maikling revision pass na nakatuon sa mga tsekeng ito ay mas maraming ginagawa upang ayusin ang AI-flavored draft kaysa isang buong pagsusulat, dahil ang underlying ideas ay karaniwang maayos — ang surface texture ay ang kailangan ng gawain.

1. Hanapin ang draft para sa 'moreover,' 'additionally,' 'furthermore,' at 'in conclusion' — gupitin ang kahit ilan sa kanila at hayaang ang mga paragraph ay kumonekta nang walang bridge word
2. I-circle ang bawat vague intensifier (significant, various, numerous, many) at palitan ito ng isang aktwal na numero, pangalan, o specific example
3. Basahin ang bawat factual claim at markahan kung maaari mong ipekta ang source nito — kung hindi, i-verify ito o tanggalin bago ilathala
4. Magdagdag ng isang konkretong, specific detail sa bawat seksyon na nagmula sa tunay na karanasan o pananaliksik, hindi mula sa kung ano ang 'typically' nangyayari
5. Basahin ang piraso nang malakas — ang mga pangungusap na lahat ay dumarating sa parehong ritmo at timbang ay isang sign ng mababang variation na karapat-dapat na masira
6. Gamitin ang draft sa pamamagitan ng NotGPT's AI detector upang makita kung aling mga partikular na pangungusap ang pinaka-predictable, pagkatapos ay irevise ang mga ito muna