कई पाठकों ने इस पर ध्यान दिया है: एआई मॉडल द्वारा लिखा गया पाठ तेजी से सघन, रुका हुआ और विश्लेषण करने में अजीब तरह से थका देने वाला लगता है, भले ही वह व्याकरणिक रूप से त्रुटिहीन हो। arXiv पर पोस्ट किया गया एक नया प्रीप्रिंट उस अंतर्ज्ञान के पीछे कठिन भाषाई डेटा डालता है - और यह क्यों हो रहा है इसके लिए एक स्पष्टीकरण प्रस्तावित करता है।
अध्ययन, "एआई-जनित भाषा को समझना इतना कठिन क्यों है?", 21 अक्टूबर को शोधकर्ताओं थॉमस हिकारू क्लार्क, मटियास बी. मार्टिन और काइल महोवाल्ड द्वारा प्रस्तुत किया गया था। विविध डोमेन में एआई-जनित पाठ के एक उपन्यास संग्रह पर चित्रण करते हुए, लेखकों ने मनोवैज्ञानिक विशेषताओं के एक सेट का विश्लेषण किया जो साहित्य में मानव पाठकों के लिए प्रसंस्करण कठिनाई के मार्कर के रूप में अच्छी तरह से स्थापित हैं - जिसमें वस्तु सापेक्ष खंड, लंबी वाक्यात्मक निर्भरता और कम-आवृत्ति एन-ग्राम शामिल हैं। For more context on this story, see our ongoing breaking AI news.
शोधकर्ताओं ने क्या मापा
मनोभाषाविज्ञान लंबे समय से जानता है कि सभी वाक्यों को पढ़ने की लागत समान नहीं होती है। वस्तु सापेक्ष उपवाक्य ("सीनेटर जिस पर रिपोर्टर ने हमला किया...") विषय सापेक्ष की तुलना में संसाधित होने में काफी अधिक समय लेता है। शब्दों के बीच लंबी निर्भरता पाठकों को स्मृति में अधिक सामग्री रखने के लिए मजबूर करती है। दुर्लभ शब्द अनुक्रमों को पुनः प्राप्त करने और एकीकृत करने के लिए अधिक प्रयास की आवश्यकता होती है। ये विशेषताएँ यह मापने के लिए एक शासक के रूप में काम करती हैं कि किसी पाठ को वास्तव में समझना कितना कठिन है - यह कितना परिष्कृत लगता है उससे कितना अलग है।
शोधकर्ताओं ने एआई-जनित लेखन की तुलना दो आधार रेखाओं से की: मानव-लिखित पाठ, और राउंड-ट्रिप अनुवाद के माध्यम से उत्पादित पैराफ्रेश, औपचारिक या मशीन-ईश गद्य के सामान्य स्वाद से वास्तविक मॉडल विचित्रता को अलग करने के लिए डिज़ाइन किया गया नियंत्रण।
वह नियंत्रण मायने रखता है. संशयवादी उचित रूप से यह तर्क दे सकते हैं कि एआई पाठ किसी विशिष्ट विकृति को प्रदर्शित करने के बजाय केवल व्यावसायिक या तकनीकी लेखन - औपचारिक, अवैयक्तिक और संज्ञा-भारी - की तरह पढ़ता है। राउंड-ट्रिप अनुवाद बिना किसी भाषा-मॉडल प्रशिक्षण के एक समान पॉलिश, थोड़ा अप्राकृतिक रजिस्टर के साथ पाठ तैयार करता है। यदि एआई मॉडल अभी भी प्रसंस्करण-कठिनाई उपायों पर उस आधार रेखा को पार कर गए हैं, तो अंतर कुछ विशिष्ट से आना होगा कि मॉडल ने खुद को लिखना कैसे सीखा। संक्षेप में, अध्ययन में यही पाया गया।
उन्होंने क्या पाया
बोर्ड भर में परिणाम एक जैसे रहे। मानव लेखन की तुलना में, अध्ययन में जांचे गए सभी नौ सीमांत और निकट-सीमा मॉडल - एक समूह जिसमें जीपीटी-5.6, क्लाउड, लामा, डीपसीक और क्वेन परिवारों के सिस्टम शामिल हैं - ने काफी कठिन विकल्प बनाए:
- अधिक निर्जीव विषयों को चेतन क्रियाओं के साथ जोड़ा जाता है - लेखन का विशिष्ट एआई पैटर्न जो अमूर्तता को "तल्लीन करता है," "अंडरस्कोर करता है," या "हाइलाइट करता है।"
- अधिक कम-आवृत्ति एन-ग्राम, जिसका अर्थ असामान्य शब्द अनुक्रम है जो मानव लेखक शायद ही कभी उत्पन्न करते हैं।
- लंबी वाक्यात्मक निर्भरता, विषयों और क्रियाओं को अधिक हस्तक्षेप करने वाली सामग्री द्वारा अलग किया जाता है।
- अधिक स्टैक्ड संज्ञाएं और, संवादी पाठ में, अधिक कम वस्तु सापेक्ष उपवाक्य।
अध्ययन में मॉडल परिवारों में पर्याप्त भिन्नता का भी दस्तावेजीकरण किया गया है - सभी मॉडलों को पढ़ना समान रूप से कठिन नहीं है - और पाया गया कि एआई मॉडल इन कठिन निर्माणों का उपयोग राउंड-ट्रिप-ट्रांसलेशन पैराफ़्रेज़ की तुलना में अधिक बार करते हैं, यह दर्शाता है कि प्रभाव औपचारिक रजिस्टर की कलाकृतियों के बजाय मॉडल को प्रशिक्षित करने के तरीके के लिए विशिष्ट है।
वह बदलाव चुपचाप पेपर में सबसे उपयोगी परिणामों में से एक है। यदि पढ़ने में कठिनाई पैमाने या क्षमता का अपरिहार्य परिणाम होती, तो सभी सीमांत प्रणालियाँ एक साथ एकत्रित हो जातीं। इसके बजाय, परिवारों के बीच प्रसार से पता चलता है कि प्रशिक्षण के बाद के विकल्प - डेटा मिश्रण, इनाम संकेत, तर्क-भारी डोमेन पर जोर - स्पष्ट रूप से आकार देते हैं कि एक मॉडल का गद्य मानव पाठक पर कैसे उतरता है। दूसरे शब्दों में, पढ़ने में कठिन AI टेक्स्ट एक डिज़ाइन परिणाम है, न कि बुद्धिमत्ता का अपरिहार्य उपोत्पाद।
सूचना-घनत्व परिकल्पना
मॉडल कठिन भाषा की ओर क्यों बढ़ेंगे? लेखक एक परिकल्पना का प्रस्ताव और परीक्षण करते हैं: जबकि मानव भाषा विकसित हुई और सफलतापूर्वक संवाद करने के लिए दबाव में सीखी गई, एआई-जनित पाठ को अन्य लक्ष्यों - गणित, कोड और तर्क कार्यों के लिए तेजी से अनुकूलित किया गया है - जहां दबाव समझने में आसानी के बजाय सूचना घनत्व की ओर है।
सही उत्तरों को कम टोकन में पैक करने के लिए पुरस्कृत एक मॉडल उन आदतों को सीखता है जो गद्य में आगे बढ़ती हैं: अर्थ को संपीड़ित करना, सटीक-लेकिन-दुर्लभ शब्दों को प्राथमिकता देना, प्रति वाक्य अधिक संरचना एम्बेड करना। नतीजा यह है कि ऐसा पाठ जो बेंचमार्क पर अच्छा स्कोर करता है, जबकि मानव पाठकों के लिए लगातार कम स्वाभाविक होता जा रहा है।
इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने एक प्रूफ-ऑफ-कॉन्सेप्ट प्रयोग चलाया: उन्होंने एक भाषा मॉडल को लंबाई दंड के तहत ठीक किया, जिससे उसे अपने आउटपुट को संपीड़ित करने के लिए मजबूर होना पड़ा। मॉडल का भाषाई व्यवहार ठीक उसी तरह से मानव-समान पैटर्न से भिन्न है जिस तरह से परिकल्पना भविष्यवाणी करती है - इस विचार को कारणात्मक समर्थन देते हुए कि अनुकूलन दबाव, अकेले डेटा नहीं, बदलाव को प्रेरित करता है।
यह क्यों मायने रखता है
निष्कर्ष इस बात पर प्रकाश डालते हैं कि लेखक मनुष्यों की भाषाई प्रसंस्करण मांगों और बड़े भाषा मॉडलों द्वारा स्पष्ट रूप से पसंद की जाने वाली मांगों के बीच एक गलत संरेखण कहते हैं। उस ग़लत संरेखण के व्यावहारिक परिणाम होते हैं। एआई सहायक जो पढ़ने में कठिन पाठ तैयार करते हैं, प्रत्येक उत्तर पर एक छिपा हुआ कर लगाते हैं, और प्रभाव तब बढ़ता है जब लोग अपने पढ़ने का अधिक समय मॉडल-जनरेटेड ड्राफ्ट, सारांश और स्पष्टीकरण पर खर्च करते हैं।
लेखकों का तर्क है कि उनका ढांचा संभावित उपचारों की ओर इशारा करता है - मॉडल को प्रशिक्षित करने या ट्यून करने के तरीके जिनका आउटपुट क्षमता का त्याग किए बिना मानव प्रसंस्करण सीमाओं का सम्मान करता है। पेपर एक प्रीप्रिंट है और अभी तक सहकर्मी समीक्षा से नहीं गुजरा है, लेकिन इसका केंद्रीय अवलोकन पहले से ही प्रतिध्वनित हो रहा है: काम 24 अक्टूबर को हैकर न्यूज के पहले पन्ने पर चढ़ गया, जिससे इस बारे में सक्रिय बहस छिड़ गई कि क्या तर्क प्रदर्शन और पठनीय गद्य के बीच व्यापार-बंद मौलिक या ठीक करने योग्य है।
अभी के लिए, अध्ययन पाठकों को एक परिचित निराशा के लिए एक मान्य शब्दावली देता है। पाठ दुर्घटनावश ख़राब नहीं हो रहा है - यह डिज़ाइन के कारण सघन होता जा रहा है।
स्रोत: arXiv:2610.29162, हैकर समाचार चर्चा---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
