Mulți cititori au observat acest lucru în mod anecdotic: textul scris de modele AI se simte din ce în ce mai dens, mai înclinat și ciudat de obositor de analizat, chiar și atunci când este impecabil din punct de vedere gramatical. Un nou preprint postat pe arXiv pune date lingvistice dure în spatele acestei intuiții - și propune o explicație pentru ce se întâmplă.
Studiul, „De ce este atât de greu de înțeles limbajul generat de IA?”, a fost prezentat pe 21 octombrie de cercetătorii Thomas Hikaru Clark, Matias B. Martin și Kyle Mahowald. Bazându-se pe un nou corpus de text generat de AI în diverse domenii, autorii au analizat un set de caracteristici psiholingvistice care sunt bine stabilite în literatură ca markeri ai dificultății de procesare pentru cititorii umani - inclusiv propoziții relative de obiect, dependențe sintactice lungi și n-grame cu frecvență joasă. For more context on this story, see our ongoing breaking AI news.
Ce au măsurat cercetătorii
Psiholingvistica știe de mult că nu toate propozițiile costă la fel de citit. Propozițiile referitoare la obiect („senatorul pe care reporterul l-a atacat...”) durează mult mai mult pentru procesare decât rudele subiect. Dependențe lungi între cuvinte îi obligă pe cititori să păstreze mai mult material în memorie. Secvențele de cuvinte rare necesită mai mult efort pentru regăsire și integrare. Aceste caracteristici servesc ca o riglă pentru a măsura cât de greu este de înțeles un text - spre deosebire de cât de sofisticat sună.
Cercetătorii au comparat scrierea generată de inteligență artificială cu două linii de bază: textul scris de oameni și parafrazele produse prin traducere dus-întors, un control conceput pentru a separa ciudațiile de model autentice de aroma generică a prozei formale sau automate.
Acest control contează. Scepticii ar putea argumenta în mod rezonabil că textul AI se citește pur și simplu ca scris de afaceri sau tehnic - formal, impersonal și substantiv-greu - mai degrabă decât să prezinte o patologie distinctă. Traducerea dus-întors produce text cu un registru similar lustruit, ușor nenatural, fără nicio pregătire a modelului lingvistic în spate. Dacă modelele de inteligență artificială ar depăși totuși această linie de bază în ceea ce privește măsurile dificultății de procesare, diferența ar trebui să vină de la ceva specific modului în care modelele înseși au învățat să scrie. Asta, în esență, este ceea ce a constatat studiul.
Ce au găsit
Rezultatele au fost consistente la nivel general. În comparație cu scrierea umană, toate cele nouă modele de frontieră și aproape de frontieră examinate în studiu - un grup care include sisteme din familiile GPT-5.6, Claude, Llama, DeepSeek și Qwen - au făcut alegeri mult mai dificile:
- Mai multe subiecte neînsuflețite asociate cu verbe animate — tiparul caracteristic de scriere AI pe care abstracțiile „descoperă”, „subliniază” sau „evidențiază”.
- Mai multe n-grame cu frecvență joasă, adică secvențe de cuvinte neobișnuite pe care scriitorii umani le produc rar.
- Dependențe sintactice mai lungi, cu subiecte și verbe separate prin mai multe materiale intermediare.
- Mai multe substantive stivuite și, în textul conversațional, propoziții relativ obiect mai reduse.
Studiul a documentat, de asemenea, variații substanțiale între familiile de modele - nu toate modelele sunt la fel de greu de citit - și a constatat că modelele AI au folosit aceste construcții dificile mai des decât parafrazele de traducere dus-întors, indicând că efectul este specific modului în care modelele sunt antrenate, mai degrabă decât un artefact al registrului formal.
Această variație este în liniște unul dintre cele mai utile rezultate din lucrare. Dacă dificultatea de citire ar fi o consecință inevitabilă a dimensiunii sau capacității, toate sistemele de frontieră s-ar grupa împreună. În schimb, răspândirea între familii sugerează că alegerile post-formare — amestecul de date, semnalele de recompensă, accentul pus pe domenii grele de raționament — modelează în mod vizibil modul în care proza modelului aterizează asupra unui cititor uman. Cu alte cuvinte, textul AI greu de citit este un rezultat al designului, nu un produs secundar inevitabil al inteligenței.
Ipoteza densității informației
De ce s-ar orienta modelele către un limbaj mai dur? Autorii propun și testează o ipoteză: în timp ce limbajul uman a evoluat și este învățat sub presiune pentru a comunica cu succes, textul generat de inteligența artificială este din ce în ce mai optimizat pentru alte obiective - matematică, cod și sarcini de raționament - unde presiunea este către densitatea informațiilor mai degrabă decât ușurința de înțelegere.
Un model recompensat pentru împachetarea răspunsurilor corecte în mai puține simboluri învață obiceiuri care se transferă în proză: comprimă sensul, preferă formulări precise, dar rare, încorporează mai multă structură pe propoziție. Rezultatul este un text care are rezultate bune la benchmark-uri, în timp ce devine din ce în ce mai puțin natural pentru cititorii umani.
Pentru a testa ideea, cercetătorii au efectuat un experiment de demonstrare a conceptului: au ajustat un model de limbaj sub o penalizare de lungime, forțându-l să-și comprime rezultatul. Comportamentul lingvistic al modelului s-a abătut de tiparele asemănătoare omului exact în modul în care prezice ipoteza – dând sprijin cauzal ideii că presiunea de optimizare, nu numai datele, conduce schimbarea.
De ce contează
Descoperirile evidențiază ceea ce autorii numesc o nealiniere între cerințele de procesare lingvistică ale oamenilor și cele preferate implicit de modelele mari de limbaj. Această nealiniere are consecințe practice. Asistenții AI care produc text mai greu de citit impun o taxă ascunsă pentru fiecare răspuns, iar efectul se agravează pe măsură ce oamenii își petrec mai mult timp de citire pe schițe, rezumate și explicații generate de model.
Autorii susțin că punctele lor cadrului către posibile remedii - moduri de a antrena sau de a regla modele ale căror rezultate respectă limitele de procesare umană fără a sacrifica capacitatea. Lucrarea este un preprint și nu a fost încă supus unei evaluări inter pares, dar observația sa centrală rezonează deja: lucrarea a urcat pe prima pagină a Hacker News pe 24 octombrie, atrăgând o dezbatere activă despre dacă compromisul dintre performanța raționamentului și proza lizibilă este fundamental sau reparabil.
Deocamdată, studiul oferă cititorilor un vocabular validat pentru o frustrare familiară. Textul nu se înrăutățește din întâmplare – devine din ce în ce mai dens prin proiectare.
Surse: arXiv:2610.29162, Discuție Hacker News---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
