U posljednjih nekoliko godina sve se više raspravlja o tome koliko umjetna inteligencija može zamijeniti ljudski rad u pisanju. Jedan od najčešćih primjera u javnosti je članak o filozofskom eksperimentu „kineska soba“ koji se pojavio na španjolskoj Wikipediji. Čitatelji su primijetili da stil tog teksta podsjeća na rad algoritma: obiluje crticama, nabrajanjima i tipičnim “robotskim” izrazima. U nastavku objašnjavamo koje su to najčešće znakove, zašto se pojavljuju i kako postupiti ako uočite slične obrasce u nekom drugom članku.
Sadržaj...
Prepoznatljive osobine teksta nastalog umjetnom inteligencijom
Automatski generatori teksta često koriste određene obrasce koji se lako mogu uočiti. Nijedan od tih znakova sam po sebi ne dokazuje da je tekst nastao strojem, ali njihova kombinacija može biti snažan pokazatelj. Najčešće se susreću sljedeće karakteristike:
- Prekomjerna upotreba crtica i dugačkih razmaka – umjesto običnih zareza ili točaka, tekst obiluje em‑dasticama (–) i dvostrukim razmacima, što je tipično za automatske stilizatore.
- Stalna nabrajanja – rečenice se često završavaju točkama i započinju novim stavkama, iako nije nužno da je popis potreban za razumijevanje teme.
- Neprirodni izrazi i ponavljanja – fraze poput “kao što je prikazano”, “u skladu s tim” ili “na taj način” pojavljuju se u gotovo svakom odlomku, a često se ponavljaju gotovo identično.
- Nedostatak osobnog tona – tekst zvuči neutralno i distancirano, bez ikakvih osobnih primjedbi ili stilskih varijacija koje bi otkrile ljudsku ruku.
- Prekomjerno korištenje pasiva – radnje se često opisuju pasivnim oblikom, što smanjuje dinamiku i čini tekst monotonim.
Ove osobine nisu jedinstvene za AI‑generirane tekstove, ali njihova učestalost i istovjetnost u istom dokumentu često otkrivaju mehanizam koji se oslanja na statističke obrasce umjesto na kreativno razmišljanje.
Zašto se takvi obrasci pojavljuju
Algoritmi za generiranje teksta uče iz velikih korpusa podataka. Njihov primarni cilj je proizvesti gramatički ispravan i koherentan sadržaj, a da bi to postigli, koriste konzervativne strukture koje minimiziraju mogućnost grešaka. Kratke rečenice, jasno označena nabrajanja i neutralni jezik smanjuju rizik od nesporazuma i olakšavaju automatsko provjeravanje.
U kontekstu Wikipedije, gdje se od suradnika očekuje neutralnost i objektivnost, takav stil može izgledati prikladno. Međutim, sustavi često preferiraju česte fraze jer su statistički najčešće u njihovim podacima, što rezultira ponavljanjem istih izraza. Također, mnogi modeli ne posjeduju duboko razumijevanje konteksta, pa ne mogu prilagoditi stil prema specifičnim temama ili publici.
Još jedan razlog je i način na koji su trenirani – većina modela ne uči nijanse stilistike ili osobni glas, već se fokusira na predviđ
