Wasomaji wengi wameigundua kwa njia isiyo ya kawaida: maandishi yaliyoandikwa na miundo ya AI yanazidi kuwa mnene, yamesimama, na yanachosha sana kuchanganua, hata kama hayana dosari kisarufi. Nakala mpya iliyotumwa kwa arXiv inaweka data ngumu ya kiisimu nyuma ya uvumbuzi huo - na inapendekeza maelezo kwa nini inafanyika.
Utafiti huo, "Kwa nini lugha inayotokana na AI ni ngumu kueleweka?", Iliwasilishwa Oktoba 21 na watafiti Thomas Hikaru Clark, Matias B. Martin, na Kyle Mahowald. Wakichora kwenye riwaya mpya ya maandishi yanayotokana na AI katika vikoa mbalimbali, waandishi walichanganua seti ya vipengele vya saikolojia ambavyo vimethibitishwa vyema katika fasihi kama viashirio vya ugumu wa kuchakata kwa wasomaji wa binadamu - ikiwa ni pamoja na vifungu vya uhusiano wa kitu, utegemezi mrefu wa kisintaksia, na n-gramu za chini-frequency. For more context on this story, see our ongoing AI news.
Walichopima Watafiti
Saikolojia inajulikana kwa muda mrefu kuwa sio sentensi zote zinazogharimu sawa kusoma. Vifungu jamaa vya kitu ("seneta ambaye mwandishi alimshambulia...") huchukua muda mrefu zaidi kuchakatwa kuliko jamaa anayehusika. Utegemezi wa muda mrefu kati ya maneno hulazimisha wasomaji kushikilia nyenzo zaidi kwenye kumbukumbu. Mifuatano ya nadra ya maneno inahitaji juhudi zaidi ili kurejesha na kuunganisha. Vipengele hivi hutumika kama rula ya kupima jinsi maandishi ni magumu kuelewa - tofauti na jinsi yanavyosikika ya kisasa.
Watafiti walilinganisha uandishi unaozalishwa na AI dhidi ya misingi miwili: maandishi yaliyoandikwa na binadamu, na vifungu vya maneno vinavyotolewa kupitia tafsiri ya safari ya kwenda na kurudi, udhibiti ulioundwa kutenganisha hali halisi za mifano kutoka kwa ladha ya jumla ya nathari rasmi au ya mashine.
Udhibiti huo ni muhimu. Wakosoaji wanaweza kusema kwamba maandishi ya AI yanasomeka tu kama maandishi ya biashara au ya kiufundi - rasmi, isiyo ya kibinafsi, na nomino nzito - badala ya kuonyesha ugonjwa tofauti. Tafsiri ya kwenda na kurudi hutoa maandishi yenye rejista sawa na ile iliyong'arishwa, isiyo ya asili bila mafunzo yoyote ya modeli ya lugha nyuma yake. Ikiwa mifano ya AI bado ilizidi msingi huo wa hatua za ugumu wa usindikaji, tofauti ingelazimika kutoka kwa kitu maalum kwa jinsi mifano yenyewe ilijifunza kuandika. Hiyo, kimsingi, ndio utafiti uligundua.
Walichokipata
Matokeo yalikuwa thabiti kote kwenye bodi. Ikilinganishwa na uandishi wa binadamu, miundo yote tisa ya mipakani na karibu na mipaka iliyochunguzwa katika utafiti - kikundi kinachojumuisha mifumo kutoka kwa familia za GPT-5.6, Claude, Llama, DeepSeek na Qwen - ilifanya chaguzi ngumu zaidi:
- Masomo zaidi yasiyo na uhai yaliyooanishwa na vitenzi vilivyohuishwa - muundo bainifu wa AI wa uandishi ambao vifupisho "huchunguza," "chini," au "kuangazia."
- N-gramu za chini-frequency zaidi, ikimaanisha mfuatano wa maneno usio wa kawaida ambao waandishi wa binadamu hutokeza mara chache.
- Vitegemezi virefu zaidi vya kisintaksia, huku mada na vitenzi vikitenganishwa na nyenzo ingiliani zaidi.
- Nomino zaidi zilizopangwa na, katika maandishi ya mazungumzo, vifungu vya jamaa vilivyopunguzwa zaidi.
Utafiti huo pia ulirekodi tofauti kubwa kati ya familia za kielelezo - sio modeli zote ambazo ni ngumu kusoma - na iligundua kuwa miundo ya AI ilitumia miundo hii ngumu mara nyingi zaidi kuliko vifungu vya tafsiri ya kwenda na kurudi, ikionyesha athari ni mahususi kwa jinsi miundo inavyofunzwa badala ya kisanii cha rejista rasmi.
Tofauti hiyo ni kimya kimya moja ya matokeo muhimu zaidi kwenye karatasi. Ikiwa ugumu wa kusoma ungekuwa tokeo lisiloepukika la ukubwa au uwezo, mifumo yote ya mipaka ingekusanyika pamoja. Badala yake, kuenea kati ya familia kunapendekeza kwamba chaguo za baada ya mafunzo - mchanganyiko wa data, ishara za malipo, msisitizo wa vikoa vizito vya kufikiria - huweka wazi jinsi nathari ya mfano inavyotua kwa msomaji wa kibinadamu. Kwa maneno mengine, maandishi ya AI ambayo ni magumu kusoma ni matokeo ya muundo, sio matokeo ya akili yasiyoepukika.
Nadharia ya Msongamano wa Habari
Kwa nini mifano inaweza kuelea kuelekea lugha ngumu zaidi? Waandishi wanapendekeza na kujaribu dhahania: ingawa lugha ya binadamu ilibadilika na kujifunza chini ya shinikizo la kuwasiliana kwa mafanikio, maandishi yanayotokana na AI yanazidi kuboreshwa kwa malengo mengine - hisabati, msimbo, na kazi za kufikiria - ambapo shinikizo ni kuelekea wiani wa habari badala ya urahisi wa ufahamu.
Muundo unaotuzwa kwa kuweka majibu sahihi katika tokeni chache hujifunza tabia zinazoendelea hadi kwenye nathari: kubana maana, kupendelea maneno sahihi-lakini-adimu, kupachika muundo zaidi kwa kila sentensi. Matokeo yake ni maandishi ambayo yana alama vyema kwenye viwango huku yakizidi kuwa ya asili kwa wasomaji binadamu.
Ili kujaribu wazo hilo, watafiti waliendesha jaribio la uthibitisho wa dhana: walirekebisha muundo wa lugha chini ya adhabu ya urefu, na kuulazimisha kushinikiza matokeo yake. Tabia ya kiisimu ya modeli ilitofautiana kutoka kwa mifumo inayofanana na binadamu kwa njia haswa ambazo nadharia inatabiri - kutoa usaidizi wa sababu kwa wazo kwamba shinikizo la uboreshaji, sio data pekee, huongoza mabadiliko.
Kwanini Ni Muhimu
Matokeo hayo yanaangazia kile ambacho waandishi wanakiita upatanisho usiofaa kati ya matakwa ya usindikaji wa lugha ya wanadamu na yale yanayopendelewa na miundo mikubwa ya lugha. Upotoshaji huo una matokeo ya vitendo. Visaidizi vya AI vinavyotoa maandishi ambayo ni magumu kusoma hutoza kodi iliyofichwa kwa kila jibu, na athari huchanganyika kadiri watu wanavyotumia muda wao mwingi wa kusoma kwenye rasimu, muhtasari na maelezo zinazozalishwa na miundo.
Waandishi hubishana kuhusu mbinu zao za kusuluhisha zinazowezekana - njia za kutoa mafunzo au kurekebisha miundo ambayo matokeo yake yanaheshimu mipaka ya usindikaji wa binadamu bila uwezo wa kutoa sadaka. Karatasi hii ni chapa ya awali na bado haijapitia ukaguzi wa rika, lakini uchunguzi wake mkuu tayari unasikika: kazi hii ilipanda ukurasa wa mbele wa Hacker News mnamo Oktoba 24, ikitoa mjadala mkali kuhusu kama biashara kati ya utendaji wa kufikiri na nathari inayoweza kusomeka ni ya msingi au inaweza kusahihishwa.
Kwa sasa, utafiti huwapa wasomaji msamiati ulioidhinishwa kwa kufadhaika unaojulikana. Maandishi hayazidi kuwa mabaya kwa bahati mbaya - yanazidi kuwa mnene kulingana na muundo.
Vyanzo: arXiv:2610.29162, Majadiliano ya Habari ya Hacker---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
