Akeh sing maca wis ngelingi kanthi anekdot: teks sing ditulis dening model AI krasa saya padhet, stilted, lan anehe kesel kanggo ngurai, sanajan kanthi gramatikal tanpa cacat. Preprint anyar sing dikirim menyang arXiv nempatake data linguistik sing angel ing mburi intuisi kasebut - lan ngusulake panjelasan kenapa kedadeyan kasebut.
Panliten kasebut, "Napa basa sing digawe AI angel dimangerteni?", dikirim tanggal 21 Oktober dening peneliti Thomas Hikaru Clark, Matias B. Martin, lan Kyle Mahowald. Nggambar ing korpus novel teks sing digawe AI ing macem-macem domain, penulis nganalisa sakumpulan fitur psikolinguistik sing mapan ing literatur minangka panandha kesulitan pangolahan kanggo pamaca manungsa - kalebu klausa relatif obyek, dependensi sintaksis dawa, lan n-gram frekuensi rendah. For more context on this story, see our ongoing latest AI developments.
Apa sing Diukur Peneliti
Psikolinguistik wis suwe ngerti yen ora kabeh ukara padha maca. Klausa relatif obyek ("senator sing diserang wartawan ...") mbutuhake proses sing luwih suwe tinimbang sederek subyek. Ketergantungan sing dawa ing antarane tembung-tembung meksa maca supaya luwih akeh materi ing memori. Urutan tembung langka mbutuhake luwih akeh gaweyan kanggo njupuk lan nggabungake. Fitur-fitur kasebut minangka panguwasa kanggo ngukur sepira angel dimangerteni teks - beda karo kecanggihan swara kasebut.
Peneliti mbandhingake tulisan sing digawe AI marang rong garis dasar: teks sing ditulis manungsa, lan parafrase sing diprodhuksi liwat terjemahan round-trip, kontrol sing dirancang kanggo misahake quirks model asli saka rasa umum prosa formal utawa mesin.
Sing penting kontrol. Skeptis bisa uga mbantah manawa teks AI mung diwaca kaya tulisan bisnis utawa teknis - formal, impersonal, lan noun-heavy - tinimbang nuduhake patologi sing béda. Terjemahan round-trip ngasilake teks kanthi daftar polesan sing padha, rada ora wajar tanpa latihan model basa. Yen model AI isih ngluwihi garis dasar babagan langkah-langkah kangelan pangolahan, prabédan kasebut kudu teka saka sing spesifik babagan cara model kasebut sinau nulis. Sing, ing intine, sing ditemokake ing panliten kasebut.
Sing Ditemukake
Asil padha konsisten ing Papan. Dibandhingake karo tulisan manungsa, kabeh sangang model perbatasan lan cedhak-frontier diteliti ing panliten kasebut - klompok sing kalebu sistem saka kulawarga GPT-5.6, Claude, Llama, DeepSeek, lan Qwen - nggawe pilihan sing luwih angel:
- Subjek inanimate liyane dipasangake karo kriya animasi — pola AI karakteristik nulis sing abstraksi "delve," "underscore," utawa "nyorot."
- N-gram frekuensi luwih sithik , tegese urutan tembung mirunggan sing arang diasilake dening panulis manungsa.
- dependensi sintaksis sing luwih dawa , kanthi subyek lan kriya sing dipisahake dening materi sing luwih campur.
- Nomina sing ditumpuk luwih akeh lan, ing teks obrolan, klausa relatif obyek sing luwih suda.
Panaliten kasebut uga nyathet variasi substansial ing kulawarga model - ora kabeh model padha angel diwaca - lan nemokake manawa model AI nggunakake konstruksi sing angel iki luwih kerep tinimbang parafrase terjemahan round-trip, sing nuduhake efek kasebut khusus kanggo carane model dilatih tinimbang artefak registrasi resmi.
Variasi kasebut kanthi tenang minangka salah sawijining asil paling migunani ing koran. Yen kesulitan maca minangka akibat saka skala utawa kemampuan sing ora bisa diendhani, kabeh sistem perbatasan bakal bebarengan. Nanging, panyebaran ing antarane kulawargane nuduhake manawa pilihan pasca-latihan - campuran data, sinyal ganjaran, emphasis ing domain abot-nalar - katon bisa mbentuk prosa model ing maca manungsa. Ing tembung liya, teks AI sing angel diwaca minangka asil desain, dudu produk sampingan saka intelijen.
Hipotesis Kapadhetan Informasi
Yagene model bakal mabur menyang basa sing luwih angel? Penulis ngusulake lan nguji hipotesis: nalika basa manungsa berkembang lan sinau ing tekanan supaya bisa komunikasi kanthi sukses, teks sing digawe AI tambah akeh dioptimalake kanggo tujuan liyane - matématika, kode, lan tugas nalar - ing ngendi tekanan kasebut nyedhaki kapadhetan informasi tinimbang gampang dipahami.
Model sing diganjar kanggo ngemas jawaban sing bener dadi token sing luwih sithik sinau kabiasaan sing ditindakake ing prosa: kompres makna, luwih milih tembung sing tepat nanging langka, nambah struktur saben ukara. Asil kasebut minangka teks sing entuk skor apik ing benchmark nalika tuwuh kanthi stabil kurang alami kanggo pamaca manungsa.
Kanggo nguji ide kasebut, para peneliti nindakake eksperimen bukti-konsep: dheweke nyempurnakake model basa miturut paukuman dawa, meksa supaya bisa ngompres output. Prilaku linguistik model kasebut beda karo pola kaya manungsa kanthi cara sing diprediksi hipotesis - menehi dhukungan sebab-akibat kanggo ide manawa tekanan optimasi, dudu data mung, sing nyebabake owah-owahan kasebut.
Apa Sing Penting
Temuan kasebut nyoroti apa sing diarani penulis minangka misalignment antarane panjaluk pangolahan linguistik manungsa lan sing sacara implisit disenengi dening model basa gedhe. Sing misalignment duweni akibat praktis. Asisten AI sing ngasilake teks sing luwih angel diwaca ngetrapake pajak sing didhelikake ing saben jawaban, lan efek kasebut nambah amarga wong nggunakake luwih akeh wektu maca ing draf, ringkesan, lan penjelasan sing digawe model.
Penulis mbantah kerangka kerja kasebut babagan obat sing bisa ditindakake - cara kanggo nglatih utawa nyetel model sing output ngormati watesan pangolahan manungsa tanpa ngorbanake kemampuan. Kertas kasebut minangka preprint lan durung ngalami peer review, nanging pengamatan pusat wis resonating: karya kasebut munggah ing kaca ngarep Hacker News tanggal 24 Oktober, nggawe debat aktif babagan apa trade-off antarane kinerja pertimbangan lan prosa sing bisa diwaca iku dhasar utawa bisa didandani.
Saiki, panliten kasebut menehi kosakata sing wis divalidasi kanggo frustasi sing akrab. Teks kasebut ora dadi luwih elek kanthi ora sengaja - dadi luwih padhet kanthi desain.
Sumber: arXiv:2610.29162, diskusi Warta Peretas---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
