Generatory tekstu i obrazu weszły do codziennej pracy redakcji, agencji reklamowych i sklepów internetowych szybciej, niż powstały narzędzia do ich wykrywania. Czytelnik został z tym problemem sam, choć rozpoznanie maszynowego pochodzenia treści nie wymaga specjalistycznego oprogramowania. Wymaga wiedzy, na co patrzeć.
Żaden pojedynczy sygnał nie przesądza sprawy. Człowiek też potrafi pisać monotonnie, a wygenerowany tekst bywa poprawiany ręcznie do momentu, w którym ślady znikają. Dopiero kilka cech występujących razem daje sensowną podstawę do oceny.
Rytm zdań, który nie faluje
Ludzki tekst ma nierówny oddech. Po zdaniu na trzydzieści słów przychodzi zdanie na cztery, bo autor chce coś podkreślić albo po prostu skończyła mu się myśl. Model językowy utrzymuje zbliżoną długość przez cały akapit, a często przez cały tekst, co daje efekt równego szumu bez akcentów.
Podobnie zachowują się akapity. Trzy zdania, trzy zdania, trzy zdania przez półtorej strony to układ, którego prawie nikt nie stosuje świadomie. Kiedy każda sekcja ma tę samą objętość, tekst prawdopodobnie powstał z jednego polecenia i nie był potem przebudowywany.
Słownictwo, które zdradza pochodzenie
Istnieje zestaw słów, po które generatory sięgają nieproporcjonalnie często. W polszczyźnie należą do niego określenia w rodzaju kompleksowy, dynamiczny, bezproblemowy czy solidny, używane bez żadnej funkcji informacyjnej. Zdanie o kompleksowym podejściu do dynamicznie zmieniających się potrzeb klienta nie zawiera treści, ale zajmuje miejsce, w którym treść powinna się znaleźć.
Charakterystyczne są też konstrukcje oparte na kontraście. Formuły typu to nie tylko sprzęt, to sposób myślenia albo nie chodzi wyłącznie o cenę, chodzi o wartość pojawiają się w tekstach maszynowych kilka razy na stronę, bo model nauczył się, że brzmią przekonująco. W tekstach pisanych ręcznie występują raz na jakiś czas, jako świadomy zabieg.
Nagłówki i struktura
Dwuczłonowe tytuły z ozdobnym dopiskiem po dwukropku to niemal podpis generatora. Nazwa marki, dwukropek i obietnica bez konkretu w rodzaju twoja brama do świata możliwości nie niesie żadnej informacji, za to idealnie pasuje do wzorca, na którym model był trenowany.
Kolejny sygnał to nagłówek powtórzony na początku akapitu pod nim. Sekcja zatytułowana Bonus bez depozytu zaczynająca się od zdania Bonus bez depozytu to forma promocji, która pokazuje, że tekst powstawał sekcja po sekcji, bez spojrzenia na całość.
Fakty bez adresu
Zdania w rodzaju eksperci wskazują, badania pokazują albo według branżowych raportów pojawiają się tam, gdzie autor nie miał żadnego konkretnego źródła. Model wypełnia lukę formułą, która brzmi wiarygodnie, ale nie prowadzi do niczego sprawdzalnego. Rzetelny tekst podaje nazwę instytucji, rok i najlepiej odnośnik.
Liczby wymagają osobnej czujności. Generatory podają konkretne wartości procentowe z pełnym przekonaniem, także wtedy, gdy nie mają ich skąd wziąć. Dwie minuty w wyszukiwarce zwykle wystarczą, żeby stwierdzić, czy dana liczba istnieje poza tym jednym tekstem, czy powtarza się wyłącznie w serwisach, które przepisały ją od siebie nawzajem.
Obrazy: gdzie pękają szczegóły
Dłonie przestały być głównym problemem generatorów obrazu, ale nierówności zostały w innych miejscach. Tekst na szyldach, okładkach książek i etykietach rozsypuje się w znaki przypominające litery. Odbicia w oknach i lustrach nie zgadzają się z tym, co powinny odbijać. Biżuteria i oprawki okularów lubią zmieniać kształt w połowie długości.
Tło bywa zdradliwsze niż pierwszy plan. Krawędzie mebli, które nigdzie nie prowadzą, wzory na tkaninach urywające się bez powodu i zęby o nietypowej liczbie to szczegóły, które model traktuje jako drugorzędne i odpowiednio je opracowuje. Powiększenie fragmentu obrazu o dwieście procent rozstrzyga większość wątpliwości.
Metadane i obowiązek oznaczania
Unijne przepisy o sztucznej inteligencji nakładają na firmy obowiązek oznaczania materiałów wytworzonych maszynowo, więc rosnąca część treści reklamowych i redakcyjnych ma znacznik w metadanych pliku albo widoczną adnotację. Sprawdzenie właściwości pobranego obrazu zajmuje chwilę i czasem daje odpowiedź od razu, choć metadane łatwo usunąć przy zapisie w innym formacie.
Obowiązek dotyczy również stron ofertowych i banerów reklamowych. Jeśli grafika na podstronie promocyjnej w rodzaju slotoro bonus bez depozytu powstała w generatorze, powinna mieć odpowiednią adnotację, a operator serwisu musi umieć wykazać pochodzenie pliku; oferty tego typu kierowane są wyłącznie do osób pełnoletnich.
Tłumaczenie maszynowe to osobna sprawa
Część tekstów uznawanych za wygenerowane powstała w rzeczywistości po angielsku i została przepuszczona przez tłumacz automatyczny. Objawy są inne: kalki składniowe, szyk zdania rodem z angielskiego, angielskie nazwy w nawiasach obok polskich odpowiedników. Zwrot typu wymóg obrotu z dopiskiem po angielsku w nawiasie zdradza tłumaczenie, a nie generator.
Rozróżnienie ma praktyczne znaczenie, bo tłumaczone teksty zwykle zawierają prawdziwe informacje, tylko podane nieporadnie. Wygenerowane bywają płynne i puste. Pierwszy problem naprawia redaktor, drugi wymaga napisania tekstu od nowa.
Narzędzia wykrywające i ich granice
Programy do wykrywania tekstu maszynowego działają na podstawie statystyki przewidywalności słów i mylą się w obie strony. Fałszywie oznaczają teksty pisane przez osoby uczące się języka albo pisane stylem urzędowym, a jednocześnie przepuszczają teksty maszynowe po ręcznej redakcji. Traktowanie ich wyniku jako dowodu prowadzi do krzywdzących wniosków, szczególnie w szkołach i na uczelniach.
Skuteczniejsze bywa proste pytanie o konkret. Wygenerowany tekst rzadko zawiera szczegół, którego nie dało się wywnioskować z ogólnej wiedzy: nazwisko osoby, która coś powiedziała, kwotę z konkretnej faktury, nazwę ulicy. Obecność takich detali nie gwarantuje ludzkiego autorstwa, ale ich całkowity brak w tekście, który powinien je mieć, mówi sporo.
Co z tego wynika przy codziennym czytaniu
Rozpoznanie maszynowego pochodzenia nie jest tożsame z oceną jakości. Tekst wygenerowany i porządnie zweryfikowany bywa użyteczniejszy niż ludzki napisany po łebkach. Opisane sygnały przydają się przede wszystkim tam, gdzie stawką są pieniądze albo zdrowie: przy poradach finansowych, opisach produktów i treściach medycznych. W tych obszarach brak sprawdzalnego źródła waży więcej niż to, kto trzymał klawiaturę.
