Przejdź do treści

Dlaczego teksty od AI są tak trudne do zrozumienia?

Adam Marzec
Mapa badania arXiv 2610.29162: nagłówek DLACZEGO AI PISZE DZIWNIE, karty MODELE W TEŚCIE 9+5, MATERIAŁ 120+45, PRZYCZYNA Gęstość; pieczątka ARXIV 21.10; odczyt 25.10.2026

Ktoś, kto dużo czyta tekstów generowanych przez modele językowe, zna to uczucie: zdanie formalnie poprawne, a głowa zaczyna się plątać w połowie. Praca zamieszczona 21 października 2026 na arXivie (numer 2610.29162) buduje wokół tego wrażenia pomiar. Zespół Thomasa Hikaru Clarka z New York University oraz Matiasa Martina i Kyle’a Mahowalda z Uniwersytetu Teksańskiego w Austin zestawił teksty od dziewięciu modeli frontowych z pismem ludzkim i sprawdził, czy modele częściej używają konstrukcji, które psycholingwistyka od dawna wiąże z kosztem przetwarzania u człowieka. Odpowiedź brzmi: tak, i to systematycznie.

Najciekawsza jest hipoteza, którą autorzy dokładają do wyników. Ludzki język rozwinął się pod presją skutecznego porozumiewania się. Modele językowe trenuje się dziś głównie na matematyce, kodzie i rozumowaniu, a tam wygrywa gęstość informacji, nie czytelność. Według badaczy to właśnie ta przesunięta oś optymalizacji sprawia, że tekst od modeli czyta się jak przetłumaczony z języka maszyn: poprawnie, treściwie i męcząco.

Najważniejsze informacje

CoSzczegóły
BadaniearXiv 2610.29162, przesłane 21.10.2026, dziedziny NLP i AI
AutorzyThomas Hikaru Clark (NYU), Matias B. Martin i Kyle Mahowald (UT Austin)
Modele frontoweClaude Sonnet 5, Opus 5, Opus 5.5, Fable 5, GPT-5.6 sol/terra/luna, GLM-5, Kimi K2.5
Modele otwarteLlama 3.1 8B base i Instruct, Olmo 3 7B base, Instruct i Think
Materiał120 rozmów czatowych (10 tematów × 12 modeli) i 45 sesji kodowania (5 repozytoriów × 9 modeli)
Wynik głównywszystkie 9 modeli frontowych: więcej nieożywionych podmiotów z czasownikami ożywionymi i więcej rzadkich n-gramów niż u ludzi
Kontrolaround-trip translation EN→JA→EN (NLLB-200 3,3B), która utrzymuje znaczenie stałym, a wymienia słownictwo
Dowód koncepcyjnyfine-tuning z karą za długość tekstu odtwarza odchylenie od ludzkiego stylu

Co dokładnie mierzyli

Autorzy zebrali własny korpus tekstów modelowych w trzech trybach: rozmowy czatowe, praca nad kodem na żywych repozytoriach GitHuba i eseje. Następnie liczyli cechy, o których wiemy z badań nad czytaniem, że podnoszą koszt przetwarzania u człowieka: zdania względne typu „list, który lekarz odesłał” oraz ich skrócone wersje bez słówka „który”, długie zależności składniowe między podmiotem a orzeczeniem, stosy rzeczowników dociągnięte jeden na drugi, rzadkie n-gramy, czyli sekwencje słów nieobecne w normalnym języku, oraz czasowniki zwykle wymagające żywego wykonawcy postawione przy przedmiotach.

Kluczem metodologicznym jest porównanie z round-trip translation. Każde zdanie wygenerowane przez model przetłumaczono na japoński i z powrotem za pomocą NLLB-200. Tłumaczenie maszynowe normalizuje tekst: wraca do częstych form i zdejmuje autorskie dziwactwa. Skoro znaczenie po rundzie zostaje to samo, a wysypują się rzadkie sekwencje i skomplikowana składnia, to znaczy, że model wybrał je świadomie, mając dostępne prostsze sposoby powiedzenia tego samego.

Rzadkie n-gramy wymagają chwilę tłumaczenia, bo w wątku Hacker News ktoś zapytał o nie wprost. To pary i trójki słów, które w normalnym języku prawie nie występują. Jeśli sekwencja nigdy wcześniej się nie pojawiła, czytelnik nie ma w głowie gotowego wzorca i musi składać znaczenie z kawałków, co kosztuje uwagę. Modele używały takich sekwencji wyraźnie częściej niż ludzie, a przejazd przez japoński pokazał, że to wybór, nie konieczność: rzadkości znikały, bo tłumacz zastępował je banalnymi, częstymi odpowiednikami.

Wyniki: wszystkie dziewiątki

Wszystkie dziewięć modeli frontowych używało więcej nieożywionych podmiotów z czasownikami ożywionymi i więcej rzadkich n-gramów niż ludzie. Większość dodawała do tego dłuższe zależności składniowe, więcej stosów rzeczowników i zdania względne bez zaimka w trybie czatu. Równolegle modele unikały zdań względnych z relatorem, co autorzy czytają jako skłonność do pomijania opcjonalnych słów. Efekty miały też wyraźne różnice między rodzinami modeli.

Najbardziej pouczający jest gradient w otwartej rodzinie Olmo 3. Model bazowy zachowuje się prawie jak człowiek, wersja Instruct odchyla się mocniej, a wersja Think, trenowana pod rozumowanie, osiąga odchylenia na poziomie modeli frontowych. Im mocniej model jest dostrajany pod rozumowanie, tym mniej pisze jak człowiek. To samo widać w trybie: w esejach jednorazowych efekty są słabsze, w długich rozmowach i pracy z kodem mocniejsze, bo tam presja kompresji rośnie z każdą turą.

Hipoteza: gęstość zamiast komunikacji

Korpus ludzkiego pisma kształtowała przez tysiące lat jedna metaoptymalizacja: powiedz tak, żeby odbiorca zrozumiał. Trening współczesnych modeli premiuje zadania, w których ocenia się wynik rozumowania, poprawność kodu albo trafność odpowiedzi, a nie to, czy zdanie wygodnie się czyta. Autorzy nazwali to presją gęstości informacji kosztem skutecznej komunikacji.

Dowodem koncepcyjnym jest eksperyment odwrotny: wzięli model językowy, dodali do fine-tuningu karę za długość tekstu, czyli silnik gęstości, i otrzymali teksty, które odchylają się od ludzkich wzorców dokładnie tak, jak podejrzewali. Mechanizm da się więc nie tylko zaobserwować, ale i wyprowadzić na żądanie. Dla praktyka to ważna wskazówka: jeśli chcesz tekst po ludzku, nie pytaj modelu o „więcej treści na mniej znakach”, bo dostaniesz dokładnie to, co badacze zmierzyli.

Jak to się czuje przy czytaniu

Dyskusja na Hacker News (236 punktów i 191 komentarzy na odczyt 25.10) zebrała opisy, które brzmią jak ilustracje do wyników. „Tekst od AI jest trudny do zrozumienia, gdy jest we własnym świecie: wie, co ma na myśli, ale nie potrafi tego wyartykułować bez buzzwordów i slopu” (paid_dot_expert, dodając, że ratuje go prompt w stylu ELI5). „Czemu AI uwielbia dodawać slogany, chwyty i dowcipne fragmenty zdań? To szczypanie w oczy i pewny sygnał slopu” (drivebyhooting). Kolejny komentujący trafia w mechanizm: „LLM nie rozumie, kto jest odbiorcą. Premiuje własny ostatni kontekst i interakcję z autorem prompta, zamiast patrzeć na dokument oczami hipotetycznego czytelnika” (cmrdporcupine).

Warto powiedzieć uczciwie, czego to badanie nie robi: nie jest detektorem tekstu od AI. Frazy typu jak rozpoznać tekst ai wpisują w Google ludzie, którzy chcą automat, a tu dostają listę cech do ręcznego wyczucia: gęsta składnia, rzadkie kolokacje, nieożywione podmioty robiące ludzkie rzeczy, a nade wszystko ton, który brzmi jak sprawozdanie, niezależnie od tematu. Zespół pisze o możliwych środkach zaradczych i o niezgodności między wymaganiami przetwarzania u człowieka a u LLM-ów, ale narzędzia pomiarowe nie zostały udostępnione jako gotowy produkt.

Co to zmienia w praktyce

Trzy wnioski da się zebrać bez cytowania tabel. Pierwszy: męczenie się przy czytaniu długich tekstów od modeli nie jest wyobraźnią, tylko zjawiskiem z kategorii, które da się policzyć, więc warto na nie reagować krótszymi promptami i odpuszczaniem modelu tam, gdzie liczy się czytelność. Drugi: im mocniejszy model pod rozumowaniem, tym dziwniejszy tekst, co potwierdza gradient w rodzinie Olmo, i warto to brać pod uwagę przy wyborze modelu do pisania. Trzeci: skoro presja na kompresję jest mechanizmem, a nie wadą losową, to zamawianie „napisz prościej” działa, bo odwraca oś optymalizacji, co potwierdzają doświadczenia ludzi z wątku: wystarczy zapytać o wyjaśnienie prostym językiem.

Frazy „ai slop co to” i „ai slop po polsku” żyją w podpowiedziach Google od dawna, bo język modeli wlewa się do mediów społecznościowych, opisów produktów i recenzji. To badanie daje slopowi ramę: nie jest wadą fabryki, tylko skutkiem optymalizacji pod coś innego niż czytelnik. Dla osób piszących po polsku wynik przenosi się z zastrzeżeniem: korpus autorów jest anglojęzyczny, choć cechy takie jak rzadkie n-gramy czy stosy rzeczowników mają swoje odpowiedniki w polszczyźnie.

Najczęstsze pytania

Jak rozpoznać tekst od AI?

Po czytaniu najłatwiej wychwycić ton sprawozdania bez odbiorcy, gęstą składnię z długimi zależnościami, stosy rzeczowników i rzadkie połączenia wyrazowe, które brzmią poprawnie, ale nikt tak nie mówi. Nieożywione podmioty robiące ludzkie rzeczy („dane sugerują”, „system kieruje”) też zdradzają maszynę. To wyczucie, nie wzór matematyczny, a badanie opisuje właśnie te cechy po raz pierwszy na dużej próbie modeli.

Co to jest AI slop?

Potoczna nazwa masowej, niskiej jakości treści generowanej przez modele językowe: poprawnej technicznie, a przeciętnej w treści i zgranej stylistycznie. Badanie z arXivu dokłada wyjaśnienie mechanizmu: model optymalizuje gęstość informacji pod rozumowanie, a nie czytelność, więc jego domyślny ton tak łatwo jest rozpoznać.

Czy da się pewnie stwierdzić, że tekst napisał AI?

Nie istnieje pewny test dla pojedynczego tekstu, a to badanie detektorem nie jest: mierzy cechy stylistyczne zbiorczo, nie wydaje werdyktów o pojedynczych zdaniach. Człowiek z doświadczeniem czytania modeli trafia lepiej niż jakiekolwiek proste narzędzie, ale myli się przy tekstach zredagowanych albo pisanych przez ludzi, którzy naśladowali ten styl.

Źródła

Powiązane artykuły