Stratul ascultător: ce elimină, de fapt, o regulă de stil

Țin o mică bibliotecă de reguli pentru prins felul în care scriu mașinile. O listă de cuvinte interzise, un buget de em-dash-uri, o listă structurală de verificat, un script care punctează un teanc de drafturi și le ordonează de la cel mai prost. Există pentru că scriu zilnic cu un model și aveam nevoie ca registrul să fie prins în producție, nu admirat într-un eseu.

Îndreptarea instrumentului spre propria mea arhivă trebuia să dea un rezultat ordonat. A dat două, și doar unul dintre ele a fost confortabil.

Cel confortabil e că regulile funcționează. Spune-i unui model să nu mai folosească un cuvânt și nu-l mai folosește, imediat și complet. Cel incomod e că, atunci când am comparat propriile mele eseuri publicate cu eseuri de mașină scrise în același gen, pe același tip de subiect, la aceeași lungime, n-am găsit diferența fix acolo unde eram cea mai sigură că e. Pe ritmul frazei, măsura pe care toată biblioteca mea o tratează drept semnul structural durabil, proza mea editată și a mașinii au ieșit la fel.

Eseul ăsta e despre despărțirea asta. Există un strat al registrului AI care face tot ce i se spune și un strat care nu, iar aproape tot ce s-a scris despre proza de AI se adresează primului.

Ce e măsurat cu adevărat și ce e doar numit

Starea dovezilor e dezechilibrată și merită despărțit ce e stabilit de ce e doar repetat.

Vocabularul e măsurat temeinic. Kobak și colegii au adaptat metoda „mortalității în exces" la frecvențele de cuvinte, pe 15 milioane de rezumate din PubMed, și au documentat o creștere abruptă, post-ChatGPT, a unor cuvinte de stil, estimând că cel puțin 13,5% dintre rezumatele din 2024 au trecut printr-un LLM, ajungând la 40% pe unele subcorpusuri (2025). Și gramatica e măsurată. Reinhart și colegii au construit corpusuri paralele om-mașină și au găsit propoziții cu participiu prezent la o rată de două până la cinci ori mai mare decât la oameni și nominalizări de 1,5 până la 2 ori mai frecvente, cu o diferență mai mare la modelele instruction-tuned decât la cele de bază (2025). Detaliul ăsta plasează registrul în etapa de post-antrenare, nu în modelul brut.

Acum partea numită peste tot și numărată nicăieri. Trăsăturile pe care le observ eu de fapt sunt cele tonale: registrul de uimire („e ceva frumos în felul în care", „îmi place întrebarea asta"), diminutivele care înmoaie, și cadența negație-apoi-afirmație, „nu e X, e Y", care sună ca o tobă odată ce ai văzut-o. Jurnaliștii le numesc constant. Cercetătorii le numesc în comentarii. Din câte pot stabili, nimeni nu le-a cuantificat pe un corpus. Metoda există, în designul paralel al lui Reinhart. N-a fost îndreptată încoace.

Așa că am încercat s-o îndrept eu, și vreau să-ți spun cum a mers înainte să-ți spun ce cred, pentru că eșecul s-a dovedit mai instructiv decât încercarea.

Măsurătoarea care n-a funcționat

Prima trecere a fost o după-amiază de numărat pe patru grămezi de text: articolele mele publicate, mesajele mele needitate, rapoarte de mașină nesupravegheate și eseuri de mașină scrise sub regulile mele. A produs cifre spectaculoase. Apoi am încercat s-o fac ca lumea, și cele mai multe n-au supraviețuit.

Două lucruri au mers prost, și amândouă merită știute dacă încerci vreodată asta.

Genurile nu erau comparabile. Eseuri personale față de chat față de rapoarte de cercetare nu e o comparație controlată, sunt patru feluri de scris cu convenții diferite. Când am reconstruit testul cum cere metoda lui Reinhart, potrivind genul, lungimea și tipul de subiect între om și mașină, mai multe dintre diferențele găsite s-au micșorat sau s-au inversat. Una dintre ele, o numărătoare de cadență de care eram destul de entuziasmată, nu s-a reprodus deloc: aceeași căutare, pe același corpus, mi-a dat patru rezultate acolo unde prima rulare implica vreo douăzeci și șapte. Încă nu știu ce făcea prima numărătoare. Scriptul nu fusese salvat, ceea ce e o lecție în sine.

Și n-am putut construi o linie de bază curată. Ca să compar proza de mașină constrânsă cu una neconstrânsă, îmi trebuie proză de mașină neconstrânsă. Dar modelul cu care generam avea regulile mele de stil în instrucțiuni, din propria mea configurație. Textul presupus nefiltrat s-a întors cu zero cuvinte interzise, acolo unde output-ul cu adevărat nefiltrat stă pe la două la mie. Nu mai era nimic de suprimat, pentru că fusese deja suprimat înainte să înceapă testul. Nu poți măsura o dietă pe care tu însuți o administrezi.

Așa că nu voi raporta acele numărători tonale ca rezultate, iar cifrele care au circulat prin notițele mele de lucru nu trebuie citate. Sunt nereplicate, una dintre ele e contrazisă, și prefer să public un eseu cu o singură cifră pe care o pot apăra decât cu cinci spectaculoase pe care nu le pot susține.

Iat-o pe cea apărabilă.

Cifra pe care o pot susține

Am luat cele unsprezece eseuri publicate în engleză, extrase ca proză curată direct de pe site, fără titluri, liste și referințe. În fața lor am pus opt eseuri generate în același gen, scriere practică la persoana întâi pentru blogul unui designer, la aceeași lungime, pe subiecte despre care n-am scris niciodată, jumătate sub regulile mele de stil și jumătate fără.

Apoi am măsurat burstiness-ul, care e pur și simplu variația lungimii frazelor. Mare înseamnă un amestec de fraze scurte și fraze lungi, șerpuite. Mic înseamnă că toate ies cam de aceeași mărime. E măsura pe care biblioteca mea o pune deasupra tuturor, pentru că e cea care ar trebui să supraviețuiască editării.

Proza mea publicată iese la 0,61. Eseurile de mașină ies la 0,57 fără regulile de stil și 0,62 cu ele. Pe eseu, intervalul meu merge de la 0,46 la 0,66, cu o mediană de 0,58; al mașinii merge de la 0,43 la 0,75, cu mediane de 0,56 și 0,59. Distribuțiile stau una peste alta. Dacă mi-ai da cifrele astea fără etichete, n-aș putea să-ți spun care grămadă e care.

Două lucruri decurg de aici, și vreau să fiu atentă la care e solid.

Cel solid: pe măsura asta, în genul ăsta, scrisul meu publicat și editat nu se distinge de cel de mașină. E un fapt despre corpusul meu și instrumentul meu, cu un singur autor și un eșantion modest, și e exact genul de afirmație care ar trebui verificată de altcineva înainte să fie crezută. Dar e măsurată, și pot da fișierele.

Cel interesant, pe care îl țin mai lejer: scrisul meu needitat nu arată așa. Ritmul felului în care tastez de fapt, înainte să fie ordonat ceva, e mult mai variat decât ritmul a ceea ce public. Dacă asta se confirmă la o măsurătoare mai curată decât cea pe care o am, atunci povestea nu e că mașinile scriu ca mine. E că aceeași ordonare ne aplatizează pe amândoi spre același loc, iar poarta pe care am construit-o ca să scot registrul de mașină scoate și lucrul care îl distinge cel mai tare pe al meu.

Vreau să semnalez o capcană tehnică, pentru că pe mine m-a prins. Burstiness-ul e extrem de sensibil la ce îi dai să măsoare. Aceleași eseuri, măsurate din fișierele mele de lucru, care conțin titluri, liste și fragmente de draft, ies la 0,91. Măsurate ca proză publicată, 0,61. Orice cifră de burstiness fără o precizare despre ce a fost inclus nu înseamnă nimic, și am văzut câteva citate fără ea.

Stratul ascultător și cel încăpățânat

Lasă deoparte numărătorile eșuate și forma lucrului rămâne vizibilă, pentru că apare și în alte lucrări decât ale mele.

Stratul lexical ascultă. Asta nu prea e în dispută. Sam Altman a anunțat în noiembrie 2025 că ChatGPT va respecta în sfârșit o instrucțiune de a renunța la em-dash-uri, ceea ce e un lucru ciudat de anunțat și o demonstrație limpede a ceea ce punctuația a fost mereu: un buton, reglabil în post-antrenare și reglabil per utilizator, la cerere. Alegerea cuvintelor se comportă la fel. Eseurile mele de mașină scrise sub reguli nu conțin niciun cuvânt din lista interzisă, iar ăsta e cel mai puțin surprinzător rezultat din tot proiectul.

Stratul structural nu ascultă în același fel. Cea mai bună dovadă de aici nu e a mea. Lucrarea StoryScope, care e un preprint și trebuie citită ca provizorie, raportează că semnăturile structurale supraviețuiesc editării stilistice în proporție mare, în timp ce artefactele de suprafață nu, iar asta e concluzia în jurul căreia mi-am reorganizat toată biblioteca. Propria mea măsurătoare e consecventă cu ea dintr-un alt unghi: poarta sub care au fost scrise eseurile mele de mașină conține o instrucțiune explicită de a varia lungimea frazelor, iar cele scrise sub ea ies la 0,62 față de 0,57 pentru cele scrise fără. Diferența e prea mică să însemne mare lucru. Să-i spui unui model să fie variat ritmic nu-l face, în mod fiabil, variat ritmic.

Ceea ce înseamnă că discuția publică despre registrul AI, cea purtată în em-dash-uri și cuvinte interzise și dacă „delve" te dă de gol, e în mare parte o discuție despre stratul care se conformează. Stratul conform e cel pe care îl vede toată lumea, deci e cel despre care se ceartă toată lumea, și e cel care va tot continua să se schimbe pe măsură ce producătorii mișcă butoane. Cel de dedesubt e mai greu de văzut, mai greu de instruit și, prin urmare, mai durabil.

De ce converg mașinile spre o singură voce

Dacă asta ar fi stilul de casă al unei singure companii, ar fi o curiozitate. Nu e, iar mecanismul e destul de bine documentat.

Tuning-ul pe preferințe reduce diversitatea. Kirk și colegii au găsit că RLHF reduce semnificativ diversitatea output-ului față de fine-tuning-ul supravegheat, inclusiv colaps de mod între input-uri (2024). Zhang și colegii localizează o cauză: un bias de tipicalitate în datele de preferință, unde adnotatorii favorizează sistematic textul familiar, împingând modelele spre un centru sigur (2025). Sharma și colegii arată că sicofantismul e general la asistenți, oamenii și modelele de preferință preferând uneori răspunsuri agreabile în locul celor corecte (2023). Combinația produce afectul pe care îl descriu oamenii: plăcut, familiar, centrat, de acord.

Convergența însăși e acum evaluată de colegi, la nivel de creativitate. Wenger și Kenett au găsit că răspunsurile modelelor se oglindesc între ele mult mai mult decât se oglindesc oamenii între ei, între producători, după controlul factorilor de confuzie (2026). Granița contează: asta e măsurat pentru răspunsuri creative, nu pentru ton. Nimeni n-a măsurat convergența tonală între modele, iar munca mea nu o face nici ea, de vreme ce tot ce am generat vine dintr-o singură familie de modele.

Cel mai bun nume pentru rezultat e koineizarea, procesul prin care dialecte aflate în contact se nivelează într-o varietate comună care stă deasupra surselor, fără să le înlocuiască. Se potrivește pentru că nu există o țintă care se copiază și nici un editor care emite un ghid de stil, doar multe sisteme care se acomodează spre același centru. Unde se rupe merită spus: koineizarea merge pe acomodare umană de-a lungul a vreo trei generații, iar asta a mers pe gradient descent în vreo trei ani. Aceeași formă, motor complet diferit. Iar înăuntrul koinei există în continuare accente, de vreme ce lucrările de stilometrie atribuie output-ul de mașină unor familii de modele cu acuratețe mare. Convergența și amprentele coexistă, ceea ce e exact cum arată un accent regional cu vorbitori individuali.

Partea în care e vorba despre oameni

Există un cost în a trata ceva din toate astea ca pe un detector, iar el cade pe scriitori ca mine.

Liang și colegii au găsit că detectoarele GPT au clasificat greșit peste jumătate dintre eșantioanele de engleză non-nativă drept generate de AI, în timp ce acuratețea pe eșantioane native a rămas aproape perfectă, pentru că scrisul non-nativ tinde să aibă perplexitate mai mică (2023). Engleza e a doua mea limbă. Biblioteca mea are o regulă permanentă de a nu avea niciodată încredere într-un scor de detector, adoptată înainte să citesc lucrarea aia, pentru că un fals pozitiv pe propria mea proză e zgomot așteptat, nu informație.

Afacerea „delve" a arătat același lucru în public. Când cuvântul a fost identificat ca semn de ChatGPT, în aprilie 2024, scriitori nigerieni au explicat că e obișnuit în engleza formală nigeriană și că reflexul de a-l numi făcut de mașină avea o istorie mai lungă în spate. Mai circulă o ipoteză, că adnotatori din procesul de tuning pe preferințe ar fi deplasat engleza modelelor spre propriul lor registru formal. E speculație, nu un rezultat stabilit, și o numesc ca pe o întrebare deschisă, nu ca pe o cauză.

Propria mea bibliotecă ține ambele poziții deodată, ceea ce n-am plănuit și acum cred că e argumentul în miniatură. E o trusă pentru eliminarea registrului de mașină și conține o regulă explicită care îmi protejează construcțiile non-native de a fi corectate, pentru că sunt identitate, nu eroare. Asta e definiția mea a problemei: nu că registrul e făcut de mașină, ci că tratarea lui ca amprentă îi pedepsește pe oamenii a căror engleză obișnuită stă aproape de mijlocul statistic.

Eseul ăsta, auditat

Un eseu despre vocea de casă a AI-ului, scris cu un model, va aluneca în vocea de casă a AI-ului. Așa că iată piesa prin același script, la draft final:

• Burstiness 0,58. Peste pragul de 0,55, deci nu declanșează alarma. E și puțin sub media mea publicată de 0,61 și stă înăuntrul intervalului măsurat pentru eseurile de mașină. Eseul ăsta punctează exact ca lucrul despre care vorbește, și n-am putut repara asta știind despre ea.
• Em-dash-uri: zero. Regulă de casă și, pe subiectul ăsta, o glumă pe care eram obligată s-o duc la capăt.
• Vocabular interzis: un singur cuvânt, „delve". E aici pentru că eseul e despre cuvântul ăsta.
• Negație-apoi-afirmație: trei semnalate. Merită deschise, de vreme ce asta e construcția despre care se ceartă toată piesa. Una e eseul citând construcția ca exemplu, deci o menționare, nu o folosire. Una e un fals pozitiv, o frază pe care regexul o citește greșit drept cadență. Una e o folosire reală, deliberată, cu conținut în ambele jumătăți, și se nimerește să fie fraza-teză. Deci instrumentul care subnumără lucrul ăsta într-o formă îl și supranumără în alta, iar cifra nu înseamnă nimic până nu citește cineva rezultatele.
• Fraze de umplutură: zero. Referințe numite: 2,1 la 100 de cuvinte, cam dublul pragului de subțire, ceea ce se întâmplă când citezi lucrări reale.

Două dintre cifrele astea sunt argumentul sosind la timp. Cea de burstiness e cea pe care aș fi reparat-o discret dacă nu m-aș fi angajat s-o public, și n-am putut. Cea de antiteză e o demonstrație că un semnal e un motiv să te uiți, nu un verdict, adică fix disciplina pe care n-am aplicat-o propriei mele numărători de dinainte.

Ce ar rezolva asta cu adevărat

Starea onestă a tot ce e mai sus: un singur autor, o singură familie de modele, un eșantion mic, fără preînregistrare, și un set de numărători tonale pe care le-am retras în loc să le public.

Ce ar trebui nu e exotic. O linie de bază de mașină generată într-un context curat, fără reguli de stil prezente, care e blocajul ce mi-a rupt prima încercare. Mai multe modele de la producători diferiți, pentru că o afirmație despre convergență cere mai mult de un laborator. Mai mult de un scriitor uman. Liste de cuvinte scrise și versionate înainte să înceapă numărătoarea, nu reconstruite după. Și direcția fiecărei predicții înregistrată dinainte, pentru că două dintre rezultatele mele timpurii s-au inversat când m-am uitat a doua oară, ceea ce e semnătura clasică a unei măsurători cu prea multe grade de libertate.

Prefer să public versiunea mică și onestă acum decât să stau pe ea până devine o lucrare pe care oricum n-o scriu.

Ce păstrez din tot, și a supraviețuit pierderii celei mai mari părți a dovezilor, e despărțirea. Există un strat al registrului care face tot ce-i spui și unul care nu, iar discuția e aproape în întregime despre primul. Cuvintele sunt un costum. Ritmul e mersul, iar al meu merge mai mult a mașină decât mi-ar plăcea.

Referințe

• Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290
• Kerswill, P. (2002). Koineization and accommodation. În J. K. Chambers, P. Trudgill, & N. Schilling-Estes (Eds.), The Handbook of Language Variation and Change. Blackwell. https://doi.org/10.1002/9781118335598.ch24
• Kirk, R., Mediratta, I., Nalmpantis, C., Luketina, J., Hambro, E., Grefenstette, E., & Raileanu, R. (2024). Understanding the effects of RLHF on LLM generalisation and diversity. ICLR 2024. https://arxiv.org/abs/2310.06452
• Kobak, D., González-Márquez, R., Horvát, E.-Á., & Lause, J. (2025). Delving into LLM-assisted writing in biomedical publications through excess vocabulary. Science Advances, 11(27), eadt3813. https://doi.org/10.1126/sciadv.adt3813
• Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
• Reinhart, A., Markey, B., Laudenbach, M., Pantusen, K., Yurko, R., Weinberg, G., & Brown, D. W. (2025). Do LLMs write like humans? Variation in grammatical and rhetorical styles. PNAS, 122(8), e2422455122. https://doi.org/10.1073/pnas.2422455122
• Sharma, M., Tong, M., Korbak, T., et al. (2023). Towards understanding sycophancy in language models. ICLR 2024. https://arxiv.org/abs/2310.13548
• Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., & Gal, Y. (2024). AI models collapse when trained on recursively generated data. Nature, 631(8022), 755–759. https://doi.org/10.1038/s41586-024-07566-y (Corectură de autor: Nature 640, E6, 2025)
• Wenger, E., & Kenett, Y. N. (2026). Large language models are homogeneously creative. PNAS Nexus, 5(3), pgag042. https://doi.org/10.1093/pnasnexus/pgag042
• Willison, S. (2024, 8 mai). Slop is the new name for unwanted AI-generated content. https://simonwillison.net/2024/May/8/slop/
• Yakura, H., Lopez-Lopez, E., Brinkmann, L., et al. (2025). Empirical evidence of large language model's influence on human spoken communication. https://arxiv.org/abs/2409.01754
• Zhang, J., et al. (2025). Verbalized sampling: How to mitigate mode collapse and unlock LLM diversity. https://arxiv.org/abs/2510.01171

Notă de măsurătoare: comparația de burstiness raportată aici a fost rulată pe 24 iulie 2026, pe 11 eseuri publicate (22.588 de cuvinte) și 16 eseuri generate de mașină într-un gen potrivit (8.925 de cuvinte), folosind măsura de lungime a frazei din propriul meu script de audit. Doar proză: titluri, liste și referințe excluse. Numărătorile tonale dintr-o rulare din 8 iulie 2026 nu sunt raportate în mod deliberat, din motivele date în text.