چرا نوشته هوش مصنوعی رباتیک به نظر می‌رسد و چطور با دست اصلاحش کنیم

چرا نوشته هوش مصنوعی رباتیک به نظر می‌رسد؟ بیشتر چون کلی است. پژوهش روی مدل‌های 2024 نشان می‌دهد که تنظیم احتمالاً آن‌ها را به سمت یک سبک فشرده و پر از اسم می‌برد، و این مدل‌ها چیزی از واقعیت‌های کار شما یا خواننده‌تان نمی‌دانند. راه‌حل این است که ترفندهای کلیشه‌ای را حذف کنید و چیزی را اضافه کنید که فقط شما می‌دانید، و این کاری است که با عوض کردن یک کلمه انجام نمی‌شود.

این را روی نُه پیش‌نویس تازه هوش مصنوعی آزمودیم و توصیه‌های رایج بیشتر به هدف نخوردند. ابزاری مثل انسانی‌ساز هوش مصنوعی ما که می‌توانید رایگان در وب امتحانش کنید، برای بازنویسی عبارت‌ها و احتیاط‌های تکراری ساخته شده، اما نمی‌تواند واقعیت‌های شما را فراهم کند. آن بخش با خود شماست و شش ویرایشی که در ادامه آمده نشان می‌دهد چطور.

در نُه پیش‌نویس هوش مصنوعی چه دیدیم

در 2 نوامبر 2026 از سه مدل Claude (Haiku 5.5، Sonnet 5.5 و Opus 5.5) خواستیم برای هر یک از سه موضوع، مقدمه یک پست وبلاگ را در حدود 130 کلمه بنویسند: چرا کسب‌وکارهای کوچک باید فهرست ایمیل بسازند، چرا تیم‌ها باید یادداشت‌های جلسه را بنویسند، و چطور به همکار بازخورد بدهیم. درخواست‌ها را از طریق یک ابزار عامل فرستادیم که دستورهای پس‌زمینه خودش را اضافه می‌کند و ممکن است بر سبک اثر بگذارد، به مدل‌ها گفتیم فقط متن را برگردانند، پاسخ اول را نگه داشتیم و چیزی را ویرایش نکردیم. بعد متن‌ها را با توصیه‌های رایج در راهنماهایی که خوانده بودیم مقایسه کردیم.

پیش‌نویس‌ها به زبان انگلیسی نوشته شدند و هر شمارشی که از آن‌ها می‌آوریم مربوط به همان متن‌های اصلی است.

پس چه چیزی مشترک بود؟ چهار چیز مدام تکرار می‌شد، هرچند ما واقعاً مقدمه خواسته بودیم و مقدمه‌های انسانی هم بخشی از این کارها را می‌کنند:

• اعلام برنامه نزدیک پایان. هفت پیش‌نویس از نُه تا با توصیف آنچه در ادامه می‌آید تمام شدند: «در این مطلب، قدم‌به‌قدم بررسی می‌کنیم...» یا «دلیلش این است...»
• فهرست‌های سه‌قسمتی. در 68 جمله، 16 فهرست شمردیم و هشت متن از نُه متن دست‌کم یکی داشتند.
• نه منبعی، نه رقمی برای بررسی. هیچ متنی عدد نداشت و نام شخص، شرکت یا منبعی را نیاورده بود.
• همان فکرها با همان کلمه‌ها. Sonnet و Opus هر دو، کلمه به کلمه، نوشتند «An email list is different, because it belongs to you.» یعنی «فهرست ایمیل فرق دارد، چون مال خود شماست.» هر دو عبارت «یادداشت خوب لازم نیست طولانی یا پرداخته باشد.» را هم به کار بردند. هر سه پیش‌نویس ایمیل گفتند که فهرست «مال خود شماست».

در این پیش‌نویس‌ها چیزی آشکارا نادرست نیست، اما مدل‌های یک شرکت سراغ جمله‌های یکسان رفتند و هر کسب‌وکاری می‌توانست آن‌ها را منتشر کند.

این یک بررسی کوچک بود، نه یک پژوهش. فقط نُه متن کوتاه از مدل‌های یک شرکت را با یک سبک درخواست پوشش می‌دهد و هیچ نوشته انسانی برای مقایسه ندارد. بیشتر متن‌ها از یک درخواست برای هر مدل آمده‌اند، پس اجراهای کاملاً مستقلی نیستند. مدل‌های دیگر و متن‌های بلندتر شاید رفتار دیگری داشته باشند: یک آزمون معیار از سوی یک شرکت فروشنده که در راهنمای ویکی‌پدیا آمده، حدود 60% جمله‌های GPT-6 را 8 تا 21 کلمه‌ای گزارش کرده است. با این حال، این بررسی نشان می‌دهد که فهرست کلمه‌ها می‌تواند روی متنی که هنوز کلی به نظر می‌رسد چیزی پیدا نکند.

چرا نوشته هوش مصنوعی رباتیک به نظر می‌رسد؟

تنظیم، مدل‌ها را به سمت یک سبک می‌برد

بهترین شواهد از پژوهشی در سال 2025 در PNAS می‌آید. الکس راینهارت (Alex Reinhart) و همکارانش از مدل‌ها خواستند متن‌های نوشته انسان را ادامه دهند و نتیجه را با ادامه واقعی همان انسان‌ها مقایسه کردند. آن‌ها GPT-4o، GPT-4o Mini و چند نسخه از Llama 3 را آزمودند. مدل‌هایی که با دستورها تنظیم شده بودند (instruction-tuned) بندهای وصفی با فعل حال (present participial clauses) را 2 تا 5 برابر نرخ انسانی به کار بردند و اسم‌سازی (nominalization)، یعنی اسم‌هایی که از فعل یا صفت ساخته می‌شوند، را 1.5 تا 2 برابر نرخ انسانی.

مدل‌های پایه خام Llama این ویژگی‌ها را با نرخی نزدیک به متن‌های انسانی به کار بردند. برداشت نویسندگان این است که تنظیم با دستورها «به نظر می‌رسد خروجی مدل را کمتر انسانی می‌کند، نه بیشتر». آن‌ها می‌گویند این تنظیم احتمالاً توان مدل را در تقلید سبک‌های دیگر هم محدود می‌کند، پس درخواست «مثل یک آدم بنویس» شاید تا حدی بیشتر جواب ندهد.

این پژوهش یک توصیه محبوب را هم پیچیده‌تر می‌کند. GPT-4o مجهول بدون فاعل («اشتباهاتی صورت گرفت») را حدود نصف نرخ انسانی به کار برد، پس شکار جمله‌های مجهول شاید اصلاح چیز اشتباهی باشد. این‌ها مدل‌های 2024 بودند و مدل‌های جدیدتر شاید فرق داشته باشند. عددها را نشانه جهت بدانید، نه اندازه‌گیری امروز.

بازخورد انسانی شاید نقشی داشته باشد

چرا تنظیم ممکن است چنین اثری داشته باشد؟ یک سرنخ، درباره واژگان و نه دستور زبان، از مقاله‌ای در COLING 2025 می‌آید که تام جوزک (Tom Juzek) و زینا وارد (Zina Ward) درباره علت استفاده بیش از حد ChatGPT از کلمه‌هایی مثل «delve» نوشته‌اند. آن‌ها شاهدی پیدا نکردند که داده آموزشی، معماری یا انتخاب‌های الگوریتمی علت باشد. آزمون‌هایشان روی Llama با نقش داشتن بازخورد ارزیابان انسانی سازگار بود، اما شواهد یکدست نبود و ادعا نمی‌کنند آن را ثابت کرده‌اند. این را یک توضیح جزئی احتمالی بدانید.

مدل نمی‌داند شما چه می‌دانید

درخواست ما فقط موضوع و طول داشت. چیزی درباره مشتری یا نتیجه نگفته بود، پس مدل‌ها جای خالی را با حرف‌هایی پر کردند که درباره هر کسب‌وکار یا تیمی می‌شد گفت. وقتی یکی از آن‌ها سراغ صحنه‌ای مشخص رفت، مجبور شد آن را از خودش بسازد: در پیش‌نویس Sonnet درباره یادداشت‌های جلسه، یکی مهلتی را برای جمعه به یاد می‌آورد و دیگری قسم می‌خورد که سه‌شنبه بوده. جزئیات قشنگی است، و چنین جلسه‌ای هرگز برگزار نشده.

نشانه‌های آشکار مدام عوض می‌شوند

ویراستاران ویکی‌پدیا راهنمای میدانی بلندی درباره نشانه‌های نوشته هوش مصنوعی دارند. این راهنما بعضی نشانه‌ها را بر اساس دوره دسته‌بندی می‌کند و استفاده بیش از حد از خط تیره بلند را زیر نشانه‌های تاریخی می‌گذارد، با تاریخ 2022 تا سپتامبر 2026، و یادآوری می‌کند که هنوز هم دیده می‌شود. پژوهشی از ژوئیه 2026 که این راهنما به آن ارجاع می‌دهد نشان داد از میان مدل‌های معاصر، فقط Claude بیش از نویسندگان حرفه‌ای از خط تیره بلند استفاده کرده است، پس صفر بودن آن در پیش‌نویس‌های Claude ما شاید ناشی از مدل‌های جدیدتر یا تنظیمات ما باشد. راهنما هشدار هم می‌دهد که این نشانه‌ها مدرک نیستند، چون آدم‌ها هم این‌طور می‌نویسند، و بعضی‌شان مخصوص ویکی‌پدیا هستند. یک چک‌لیست نشانه‌ها ممکن است زود کهنه شود.

چطور با دست اصلاحش کنیم: شش ویرایش، به ترتیب

این پیش‌نویس ایمیل Haiku از آزمون ماست، ویرایش‌نشده (145 کلمه در متن اصلی انگلیسی). آنچه می‌خوانید، مثل الگویی که بعد از گام‌ها می‌آید، ترجمه اصل انگلیسی است:

ساختن فهرست ایمیل یکی از معدود حرکت‌های بازاریابی است که یک کسب‌وکار کوچک کاملاً مالک آن است. فیدهای شبکه‌های اجتماعی الگوریتمشان را عوض می‌کنند، هزینه تبلیغات بالا می‌رود و یک پلتفرم می‌تواند یک‌شبه دسترسی شما به مخاطب را محدود کند. فهرست ایمیل مال خود شماست. هر مشترک کسی است که خودش خواسته از شما بشنود، و این اجازه از یک نمایش گذرا ارزش بیشتری دارد. ایمیل معمولاً نرخ تبدیل خوبی هم دارد: پیام به صندوق ورودی مشتری می‌رسد و همان‌جا منتظر می‌ماند تا وقتی آماده خرید شد خوانده شود. برای تیمی کوچک با بودجه محدود، همین باعث می‌شود فهرست یکی از قابل اعتمادترین راه‌ها باشد برای برگرداندن مشتریان، معرفی محصول جدید، یا فقط در تماس ماندن. در این مطلب، قدم‌به‌قدم بررسی می‌کنیم که چطور از صفر فهرست بسازید، در ازای آدرس ایمیل به مردم چه پیشنهاد بدهید و چه عادت‌های ساده‌ای مشترکان را درگیر نگه می‌دارد.

1. اعلام برنامه را حذف کنید. جمله آخر به جای شروع مقاله، آن را توصیف می‌کند. حذفش کنید و بگذارید پاراگراف بعدی کار را انجام دهد.

2. آزمون جایگزینی را اجرا کنید. درباره هر جمله بپرسید: آیا رقیب می‌تواند همین را بدون تغییر منتشر کند؟ «فهرست ایمیل مال خود شماست» رد می‌شود، و تقریباً همه چیزهای دیگر اینجا هم. آنچه را رد می‌شود علامت بزنید. این جمله‌ها جایگزین یا حذف می‌شوند.

3. چیزی را اضافه کنید که فقط شما می‌دانید. هیچ ابزاری نمی‌تواند این گام را به جای شما بردارد. چه اتفاقی برای شما افتاد؟ چه عددی دیدید؟ چه کسی چه گفت؟ اگر جوابی ندارید، آن ادعا را حذف کنید. از مدل نخواهید «یک داستان شخصی اضافه کند»، چون از خودش می‌سازد.

4. اسم‌ها را دوباره به فعل برگردانید. «این اجازه از یک نمایش گذرا ارزش بیشتری دارد» درباره مفاهیم انتزاعی است. «خودشان خواستند از ما بشنوند» درباره آدم‌هاست. بگویید چه کسی چه کرد.

5. فهرست‌های سه‌قسمتی را بشکنید. «برگرداندن مشتریان، معرفی محصول جدید، یا فقط در تماس ماندن» کامل به نظر می‌رسد و چیز زیادی نمی‌گوید. فقط موردی را نگه دارید که برای خواننده‌تان از همه مهم‌تر است.

6. موضع بگیرید، بعد بلند بخوانید. بگویید واقعاً چه کار می‌کردید. قیدی مثل «معمولاً» را وقتی دقیق است نگه دارید و وقتی فقط برای محتاط نشان دادن است حذف کنید. هر جا موقع بلندخواندن گیر کردید، بازنویسی کنید.

این هم نتیجه در قالب یک الگو. به جای ساختن یک مغازه خیالی، کروشه گذاشتیم، چون هر کروشه چیزی است که فقط نویسنده می‌تواند صادقانه پر کند:

[ماه] گذشته، [پلتفرم] نمایش پست‌های ما را به بیشتر [تعداد] دنبال‌کننده‌مان متوقف کرد. وقتی [چه چیزی] افت کرد، متوجه شدیم. فهرست ایمیل ما [تعداد] نام دارد و [پلتفرم] تصمیم نمی‌گیرد چه کسی آنچه را برایشان می‌فرستیم ببیند. آن‌ها [کجا و چرا] عضو شدند و وقتی [چه چیزی] می‌فرستیم، [بعدش چه می‌شود]. پس توصیه ما این است که پیش از خرج بیشتر برای تبلیغات، فهرست بسازید. فهرست ما با [ساده‌ترین کاری که کردید] شروع شد.

این الگو در نسخه انگلیسی 70 کلمه است و وقتی کروشه‌ها با واقعیت پر شوند، بیشتر از آن 145 کلمه متن اصلی حرف دارد. اگر نمی‌توانید بیشترشان را پر کنید، پیش‌نویس هنوز آماده ویرایش نیست. هنوز حرفی برای گفتن ندارید و صیقل بیشتر هم آن را به شما نمی‌دهد.

چه کارهایی نکنید

• عمداً غلط املایی یا جمله‌بندی ناشیانه اضافه نکنید. این‌ها کارتان را بی‌دقت نشان می‌دهند و چیزی به خواننده نمی‌گویند.
• داستان، منبع یا عدد از خودتان نسازید. جزئیات ساختگی تا وقتی کسی بررسی‌اش نکند خوب به نظر می‌رسد.
• فقط مترادف عوض نکنید. همان جمله توخالی با کلمه‌ای کمیاب‌تر، باز هم توخالی است.
• برای تشخیص‌دهنده ویرایش نکنید. تشخیص‌دهنده‌ها در هر دو جهت اشتباه می‌کنند، همان‌طور که در آیا تشخیص‌دهنده‌های هوش مصنوعی دقیق هستند؟ توضیح داده‌ایم. برای کسی ویرایش کنید که می‌خواند.

ویرایش قوانینی را هم که باید رعایت کنید تغییر نمی‌دهد. اگر مدرسه یا کارفرمایتان استفاده از هوش مصنوعی را محدود کرده، بازنویسی خوب استفاده اولیه را مجاز نمی‌کند، پس اول سیاست آن‌ها را بررسی کنید.

ابزارها کجا به کار می‌آیند

ابزارها بخش مکانیکی را انجام می‌دهند. ورودی بهتر حتی پیش از ویرایش کمک می‌کند: واقعیت‌ها، خواننده و نمونه‌ای از نوشته خودتان را به مدل بدهید و از آن بخواهید به جای حدس زدن، جای خالی بگذارد. در Clever AI Hub می‌توانید از یک گفتگو از GPT، Claude، Gemini، Grok و مدل‌های دیگر بپرسید و با یک ضربه مدل را عوض کنید، پس راحت است که یک درخواست را روی چند مدل امتحان کنید و پیش‌نویسی را نگه دارید که کمترین کار را می‌خواهد. همچنین می‌توانید دستورهایتان را در یک عامل ذخیره کنید و در هر گفتگویی دوباره به کار ببرید.

پس از ویرایش دستی، انسانی‌ساز هوش مصنوعی می‌تواند عبارت‌ها را در هر بار 20 تا 4,000 نویسه و با یکی از پنج لحن روان‌تر کند. خروجی آن را برای این مقاله آزمایش نکردیم، پس ادعایی درباره نتیجه نداریم. صفحه خودش می‌گوید هیچ ابزاری نمی‌تواند قول بدهد از همه تشخیص‌دهنده‌ها بگذرد و باید نتیجه را بخوانید و هر چیزی را که شبیه شما نیست اصلاح کنید. بررسی گرامر در آخر کار، باقی‌مانده را می‌گیرد.

پرسش‌های رایج

آیا استفاده از هوش مصنوعی برای پیش‌نویس اول اشتباه است؟ بستگی دارد کجا می‌رود. مدرسه‌ها و کارفرماها قوانین خودشان را دارند. برای محتوای وب، گوگل می‌گوید «استفاده مناسب از هوش مصنوعی یا خودکارسازی خلاف دستورالعمل‌های ما نیست»، در حالی که محتوایی که عمدتاً برای دستکاری رتبه جستجو تولید شود، سیاست‌های اسپم آن را نقض می‌کند. گوگل همچنین می‌گوید استفاده از هوش مصنوعی مزیت ویژه‌ای به محتوا نمی‌دهد.

آیا آدم‌ها می‌توانند فقط با خواندن، نوشته هوش مصنوعی را با اطمینان تشخیص دهند؟ نه با اطمینان. راهنمای ویکی‌پدیا می‌گوید بسیاری از این الگوها در نوشته انسانی هم دیده می‌شوند و پژوهش‌ها نشان داده‌اند آدم‌ها اغلب فقط کمی بهتر از شانس عمل می‌کنند، هرچند بعضی خوانندگان باتجربه بهترند. هیچ‌کس را فقط بر پایه سبک متهم نکنید.

این کار چقدر طول می‌کشد؟ حذف‌ها و آزمون جایگزینی سریع‌اند. گام 3 به اندازه‌ای طول می‌کشد که یادتان بیاید واقعاً چه شد. وقتی چیزی برای افزودن ندارید، بهتر است وقت را صرف پیدا کردنش کنید تا صیقل دادن.