NYU-სა და UT Austin-ის კვლევამ ხელოვნური ინტელექტის ტექსტში 6 რთული ნი

ნიუ-იორკისა და ტეხასის უნივერსიტეტების მკვლევრებმა 2026 წლის 21 ოქტომბერს გამოქვეყნებულ ნაშრომში ხელოვნური ინტელექტის ტექსტის ენობრივი სტრუქტურა შეისწავლეს. კვლევა ამოწმებდა, რამდენად ჰგავს მისი ფორმა ადამიანურ წერას.

ნაშრომის თანახმად, ავტორებმა 14 მოდელის პასუხები სხვადასხვა ტიპის დავალებაში შეაგროვეს. მონაცემთა შეგროვების პროტოკოლში იყო 15 საწყისი მოთხოვნა, მათ შორის 10 სასაუბრო და 5 კოდირების სცენარი, ხოლო ცალკე ნაწილში 7 ესეს დავალება გამოიყენეს.

ესეების კორპუსში თითოეულმა მოდელმა 7 დავალებიდან თითოეულზე 10 ესე შექმნა, ჯამში 980 ტექსტი. სასაუბრო და კოდირების პასუხები ადამიანურ ტექსტებთან შეადარეს, მათ შორის OpenSubtitles-ის დიალოგებთან, StackExchange-ის მასალებთან და სტუდენტურ ესეებთან. შედარება ჟანრის მიხედვით იყო დაყოფილი.

კვლევა 6 მახასიათებელს აკვირდება: იშვიათ სიტყვათა წყვილებს, გრძელ სინტაქსურ დამოკიდებულებებს, მიმართებით დამოკიდებულ წინადადებებს, რომლებშიც განსაზღვრული სახელი დამატების როლს ასრულებს, ერთმანეთზე დაწყობილ არსებით სახელებს, არსებითი სახელიდან შექმნილ უჩვეულო ზმნებს და უსულო ქვემდებარის გამოყენებას ზმნასთან, რომელიც ჩვეულებრივ სულიერ მოქმედ პირს მოითხოვს. ეს ნიშნები ფსიქოლინგვისტურ ლიტერატურაში დამუშავების სირთულესთან არის დაკავშირებული.

ავტორებმა ინგლისურიდან იაპონურად და უკან თარგმნილი ტექსტები ფორმულირების შესადარებლად გამოიყენეს. ეს მეთოდი პერიფრაზებს ქმნიდა, რის ფონზეც გუნდმა შეამოწმა, რომელი სტრუქტურები მოდელმა აირჩია.

ნაშრომის მონაცემებით, ფრონტირული და მასთან მიახლოებული მოდელების პასუხებში დაბალი სიხშირის სიტყვათა ერთობლიობები, არსებითი სახელიდან შექმნილი უჩვეულო ზმნები, მიმართებითი სიტყვის გარეშე აგებული მიმართებითი დამოკიდებული წინადადებები, რომლებშიც განსაზღვრული სახელი დამატების როლს ასრულებს, და უსულო ქვემდებარეები უფრო ხშირად გვხვდებოდა. განსხვავება განსაკუთრებით საუბარსა და კოდირებაში ჩანდა.

ეს შედეგი არ ნიშნავს, რომ ნაშრომმა ყველა ასეთი ტექსტი პირდაპირ ადამიანებისთვის დამღლელად გაზომა. ავტორებმა შეისწავლეს ნიშნები, რომლებიც დამუშავების სირთულესთან კორელაციაშია. ამიტომ სიტყვა „რთული“ კვლევაში სტატისტიკურ ენობრივ მახასიათებელს აღნიშნავს და არა ყველა მკითხველის ერთნაირ გამოცდილებას.

მოდელებს შორის განსხვავებაც გამოჩნდა. Llama-ს ოჯახი და Olmo-ს საბაზისო და ინსტრუქციული ვერსიები ადამიანურ ტექსტთან უფრო ახლოს იყო, მაშინ როცა Olmo Think ფრონტირულ მოდელებს უახლოვდებოდა. Claude Opus 5.5-მა წინამორბედ Opus 5-ს 21 შედარებიდან 19-ში უკეთესი მაჩვენებელი აჩვენა, თუმცა 95%-იანი ინტერვალები მხოლოდ 8 შედარებაში არ იკვეთებოდა. ეს შედეგები მოდელების შედარებაა და არა ყველა პასუხის საბოლოო ხარისხის რეიტინგი.

კვლევის მეორე ექსპერიმენტში ავტორებმა Qwen2.5-1.5B-Instruct მოდელს დამატებითი გაძლიერებული სწავლებისას სიგრძის ჯარიმა დაუწესეს. მიზანი იყო შემოწმება, გადაიხრებოდა თუ არა სისტემა მოკლე სინტაქსური ვარიანტისკენ მაშინაც, როცა ორივე ფორმა დავალებას ასრულებდა.

ამ ექსპერიმენტში, KL-რეგულარიზაციის გარეშე, ჯარიმის დადებით მნიშვნელობებზე ყველა საწყისმა რბენამ მოკლე ვარიანტის კატეგორიული არჩევისკენ გადაიხარა. ნასწავლი „that“ კონსტრუქციების შემთხვევაში მოკლე ფორმის არჩევა 98%-ს აჭარბებდა, ხოლო შორეული გადატანა 4 განსხვავებული ალტერნაციიდან მხოლოდ 1-ში გამოჩნდა.

ავტორების შეფასებით, შედეგები თავსებადია ჰიპოთეზასთან, რომ მათემატიკის, კოდის და მსჯელობის ამოცანებზე შემდგომი მომზადება მოდელებში „information density“-ისკენ ზეწოლას ქმნის. ეს არის ახსნის შემოთავაზებული მექანიზმი და არა ექსპერიმენტით საბოლოოდ დამტკიცებული მიზეზი.

ნაშრომი ასევე არ არის ხელოვნური ინტელექტის ტექსტის დეტექტორი. ის არ ამბობს, რომ კონკრეტული აბზაცი აუცილებლად მოდელმა დაწერა და არც სთავაზობს სიზუსტის პროცენტს ცალკეული ტექსტის დასადგენად. ანალიზი ჯგუფურ ნიმუშებსა და მოდელების განაწილებებს ეხება.

კვლევის შეზღუდვებში წერია, რომ ავტორებმა მხოლოდ ინგლისური ენა, მოდელების შეზღუდული ჯგუფი და სასაუბრო და კოდირების შეზღუდული რაოდენობის საწყისი თემები გამოიყენეს. პოსტტრენინგის მიზეზის პირდაპირი დადგენა ფართო მასშტაბით ვერ მოხერხდა, ამიტომ გუნდმა პროქსი-მაჩვენებლებს მიმართა.

შედეგი პრაქტიკული წერითი წესების მზა სია არ არის. კვლევა აჩვენებს, რომ მოდელის სისწორე და ადამიანისთვის ადვილად დამუშავებადი ენა ერთი და იგივე მიზანი არ არის. მკითხველზე რეალური ეფექტის გასაზომად ცალკე ადამიანური ექსპერიმენტები, სხვა ენები, მეტი მოდელი და მკითხველთა ცალკე ტესტები იქნება საჭირო.