Modelele de inteligență artificială preferă scrierea umană față de scrierea generată de IA

Conform unor cercetări recente, modele precum ChatGPT și altele arată o preferință clară pentru textul pe care cred că a fost scris de oameni, chiar și atunci când această credință este greșită. Simplul fapt de a eticheta un text ca “creat de om” îi determină pe modelele de IA să îl favorizeze – și, ironic, este posibil ca această prejudecată să fie învățată de la noi.

Noțiunile de autenticitate, proveniență și experiență umană împărtășită pot avea un rol mai important în asaltul IA asupra sectorului scrierii creative decât s-a crezut până acum: testele efectuate pentru un nou studiu la Princeton au arătat că o serie de modele de limbaj importante, deschise și cu sursă închisă, inclusiv ChatGPT, preferă texte pe care cred că au fost create de oameni.

Chiar și atunci când etichetele de pe mostrele de scriere au fost inversate, atât modelele de IA, cât și participanții umani au continuat să găsească defecte în textul scris de IA, repetând aceleași critici pe care le-au făcut atunci când a fost etichetat corect.

Cercetătorii cred că una dintre cauze ar putea fi faptul că ostilitatea umană crescândă față de IA generativă, care pare să se manifeste prin evenimente noi și interesante în fiecare zi, ar putea alimenta înapoi în sistemele de IA însele. Notând măsura în care IA dezaprobă scrierea de IA și mai mult decât oamenii, ei afirmă*:

‘Cele 13 modele de IA pe care le-am testat au demonstrat o preferință de 34,3 puncte procentuale față de oameni, care au avut 13,7 puncte procentuale, făcându-le de 2,5 ori mai susceptibile la indicii de atribuire decât evaluatorii noștri umani.

‘Acest amplificare are sens odată ce recunoaștem că modelele contemporane sunt evaluatori de preferință instruiți. Antrenamentul de aliniere prin Învățare de la Feedback Uman (RLHF) învață în mod explicit modelele să trateze judecățile umane ca standardul lor de aur, instalând efectiv o prioritate de încredere învățată.

‘Modelele învață că deferarea preferințelor umane este recompensată, creând sycophancy unde ele reflectă atitudinile așteptate de utilizatori, mai degrabă decât să ofere o evaluare independentă.’

Rezultatele se aplică domeniului scrierii creative, cercetătorii folosind povești de la un autor francez deosebit ca mostre de date; și ele indică faptul că prejudecățile umane împotriva IA pot, în final, să depășească orice îmbunătățire cantitativă în construcția limbajului pe care modelele de limbaj mari (LLM) o pot produce pe măsură ce evoluează – și că eticheta “IA” poate veni să însemne “neautentic”, “ersatz” și chiar “de clasa a doua” în acest domeniu.

Multe dintre motivele acestea se centrează pe practica și utilizarea culturală: articolul indică faptul că creativitatea este adesea descrisă în termeni de noutate, valoare și tipicitate, adică cât de “nou” pare ceva; cât de mult este apreciat de experți; și cât de bine se potrivește în categoria sa. Când un pasaj este etichetat ca “scris de om”, trăsăturile de gen familiare sunt recompensate ca valoroase; când este etichetat ca “generat de IA”, aceleași trăsături sunt respinse ca neoriginale.

În esență, dezvăluirea sursei provoacă o reevaluare a meritului lucrării, modelată de presupuneri despre modul în care a fost creată. Odată ce autoritatea IA este dezvăluită, cititorii instinctiv resping posibilitatea descoperirii individuale sau a intenției din spatele ieșirii.

Articolul afirmă*:

‘În majoritatea artelor, nu există un standard de aur pentru “suficient de creativ”, făcând indicii de proveniență să fie puternice care pot schimba care criteriu pare cel mai relevant: meșteșug disciplinat sau noutate evidentă, accesibilitate sau dificultate.

‘Deoarece observatorii adesea inferă procesul din produs, indicii de proveniență influențează judecățile despre modul în care ceva a fost făcut, precum și despre ceea ce este: mișcări conservatoare pot fi creditate ca meșteșug de la un om, dar respinse ca “pură generare” de la un model.’

Treisprezece modele, inclusiv variante de ChatGPT, Claude, Gemini și Mistral, au participat alături de cititori umani, toți evaluând poveștile mai favorabil atunci când li s-a spus că au fost create de oameni, modelele de IA arătând o prejudecată mai puternică decât oamenii.

Idea că modelele de IA ar fi putut absorbi o prejudecată împotriva propriei ieșiri ridică întrebări despre originea acestei prejudecăți. Deoarece scrierea de IA nu este întotdeauna ușor de identificat, orice asocieri negative formate în timpul antrenamentului provin probabil din exemple care sunt etichetate explicit, fie prin acoperirea media a conținutului de IA, fie prin articole de IA autodeclarate în publicații mainstream.

Noul articol se intitulează Toată lumea preferă scriitorii umani, inclusiv IA și provine de la doi scriitori de la Centrul de Umanitate Digitală Princeton. Lucrarea este însoțită de o lansare de date conexe la Zenodo (cu o lansare GitHub citată în articol, dar repository-ul nu a fost activ la momentul scrierii).

Metodă

Pentru a explora modul în care atribuirea influențează și formează percepțiile despre stil și creativitate, autorii au folosit Exerciții de stil, o lucrare excentrică din 1947 a lui Raymond Queneau care rescrie o anecdotă simplă în 99 de stiluri diferite. Povestea urmărește un bărbat care urcă într-un autobuz, se ceartă cu un alt pasager și mai târziu primește sfaturi de modă de la un prieten.

Deși are origini literare, această structură prefigurează transformările bazate pe prompturi în modelele de limbaj moderne, unde utilizatorii solicită rescrieri în tonuri, voci sau registre specifice. Acest proces a fost odată numit transstylizare – o abordare care este acum reflectată în cercetarea IA în contextul transferului de stil. În timp ce majoritatea metodelor computaționale vizează schimbări funcționale, cum ar fi schimbări de sentiment sau detoxificare, rescrierile lui Queneau vizează un contrast stilistic remarcabil.

Dintr-o traducere engleză populară a lucrării lui Queneau, au fost selectate treizeci de exerciții care au păstrat narativa, acoperind o gamă largă de stiluri. Acestea au inclus forme constrânse, cum ar fi alexandrine și lipograme, schimbări de registru, cum ar fi nobil sau abuziv, schimbări narative, cum ar fi retrograd și ezitare, și distorsioni playfully, implicând spoonerisme, onomatopee sau latină pentru câini:

Exemple din studiu care arată cum GPT-4 a rescris poveștile lui Queneau în diferite stiluri literare, împerecheate cu descrierile de stil pe care evaluatorii umani și IA le-au văzut în timpul testării. Source: https://arxiv.org/pdf/2510.08831

Deoarece experimentele lui Queneau sunt greu de clasificat, aceste categorii sunt doar grupări aproximative, cu intenția de a crea condiții diverse în care cititorii umani și modelele ar putea dezvălui prejudecățile lor.

Pentru a produce contrapartide autorizate de IA pentru fiecare stil selectat, cercetătorii au folosit prompturi deliberat minime. Fiecare model a primit cea mai simplă versiune a anecdotei lui Queneau (exercițiul de deschidere, Notarea), împreună cu o scurtă instrucțiune de a o rescrie într-un anumit stil, cum ar fi Rescrieți povestea ca o versiune de science fiction. Acest abordare a permis prompturi care reflectă spiritul transformărilor originale ale lui Queneau, permițând totuși modelului să interpreteze stilul în mod liber.

Dublă viziune

Primul studiu întreprins de autori a folosit GPT-4o pentru a genera toate variantele de stil, deoarece a fost cel mai avansat model disponibil la acea vreme. Utilizarea unui singur model a asigurat ieșiri consistente, permițând izolarea efectului etichetelor de atribuire, pe care studiul a căutat să îl testeze.

Ieșirile nu au fost editate pentru stil sau ton, cu excepția unor fragmente de încadrare, cum ar fi Aici este versiunea rescrisă.

În al doilea studiu, procesul de generare a fost repetat pe treisprezece modele de limbaj mari: Qwen 2.5 72B Instruct, Mistral Nemo, Mistral Medium 3, Llama 4 Maverick, Llama 3.3 70B Instruct, Gemini 2.5 Flash, GPT-4o Mini, GPT-4o, GPT-3.5 Turbo Instruct, DeepSeek RI (0528), DeepSeek Chat v3 (0324), Cohere Command R (08-2024), Claude Sonnet 4 și Claude 3.5 Haiku.

Fiecare model a primit aceleași instrucțiuni și a produs versiuni proprii ale celor treizeci de exerciții, permițând cercetătorilor să testeze dacă efectele de atribuire se mențin în diferite modele de IA, mai degrabă decât să fie legate de un singur model.

Date și teste

Cercetătorii au prezentat aceleași perechi de povești unor grupuri diferite de oameni, dar au schimbat etichetele pentru a vedea cât de mult numele autorului influențează opiniile:

A treia grup a văzut numele schimbate, cu versiunea “IA” etichetată ca “uman”, și versiunea “umană” etichetată ca “IA”:

Prezentarea generală a Studiului 1. Evaluatorii umani și IA au comparat 30 de perechi de povești, fiecare conținând o versiune scrisă de Queneau și una de GPT-4. Evaluatorii au fost împărțiți în trei grupuri: unul a văzut fără etichete de autor; unul a văzut etichete corecte; și unul a văzut etichetele schimbate – o configurație menită să testeze măsura în care numele autorului influențează opiniile despre stilul de scriere.

Studiu 1

Cercetătorii au împărțit cele 30 de stiluri create în seturi mai mici, cu fiecare participant la studiu văzând doar cinci stiluri, și fiecare stil testat sub toate cele trei configurații de etichetare.

Fiecare participant a văzut doar o configurație de etichetare: grupul orb a văzut fără menționarea IA, în timp ce celelalte grupuri au văzut fie etichete corecte, fie etichete inversate. Atribuirea grupului, ordinea poveștilor și plasarea stânga-dreapta au fost toate randomizate.

Modelele de IA au trecut prin același proces, primind aceeași mix de stiluri și aceeași rearanjare aleatorie. Fiecare test a fost rulat de trei ori pe model pentru a se asigura că rezultatele sunt consistente, permițând compararea reacțiilor umane și IA la etichetele de autor.

Studiul 2 a folosit aceleași trei configurații de etichetare ca și înainte, dar a extins testul pentru a include toate cele 420 de povești generate de la cele 14 modele de IA diferite. Fiecare model a evaluat fiecare poveste sub fiecare condiție de etichetare, producând 1.260 de decizii pe model, și rezultând în 17.596 de evaluări valabile:

Rezultate din Studiu 1. Atât evaluatorii umani, cât și cei de IA au arătat prejudecăți bazate pe etichetele de autor. Când nu s-au afișat etichete (Orb), preferințele au fost aproape egale; când s-au afișat etichete corecte (Etichetă deschisă), ambele grupuri au preferat textul scris de om; și când etichetele au fost inversate (Contrafactual), ambele grupuri s-au schimbat pentru a favoriza textul pe care l-au crezut a fi scris de om – și acest efect a fost mult mai puternic în modelele de IA decât în oameni. Barele de eroare arată intervale de încredere de 95%.

La toate cele treisprezece modele, patternul a corespuns prejudecății umane, dar a fost mult mai puternic: fără etichete, sistemele de IA au evaluat textele umane și de IA aproximativ egal, alegând textul de IA în 49,4% din cazuri; când eticheta de IA a fost vizibilă, preferința a scăzut brusc la 29,8%, arătând o devalorizare clară a lucrărilor de IA recunoscute; și când același text a fost etichetat ca “uman”, preferința a crescut la 64,1%.

Diferența dintre cele două condiții de etichetare a fost de 34,3%, ceea ce înseamnă că modelele de IA și-au schimbat preferința mult mai mult decât oamenii atunci când etichetele au fost schimbate. Mai mult, modelele au fost foarte consistente în rulări repetate, confirmând că prejudecata este stabilă, mai degrabă decât aleatorie.

Pentru a verifica dacă prejudecata a fost cauzată de cuvintele folosite în etichete, mai degrabă decât de faptul că textul a fost scris de om sau de IA, cercetătorii au efectuat două teste suplimentare: unul a folosit etichete care făceau ca IA să sune mai impresionant; și celălalt a folosit termeni neutri, cum ar fi “autorizat de IA” și “Autor uman”.

Ambele au arătat aceeași prejudecată, și chiar și atunci când modelele de IA au produs același răspuns de fiecare dată, prejudecata a persistat, indicând faptul că prejudecata este cauzată de tipul de etichetă (“uman” sau “IA”), mai degrabă decât de cuvintele exacte folosite.

Studiu 2

Al doilea studiu a găsit aceeași prejudecată pro-umană în toate cele 13 modele de IA, indiferent de arhitectură sau furnizor:

Prejudecata de atribuire pentru fiecare dintre cele 13 modele de IA: barele arată dimensiunile efectelor cu intervale de încredere de 95%, și linia roșie marchează linia de bază umană. Toate modelele au arătat o prejudecată mai puternică decât oamenii, cu diferențe mici între ele.

Fiecare model a preferat poveștile etichetate ca “scrise de om”, cu efecte mai puternice decât cele observate la oameni. Chiar și după eliminarea cazului cel mai extrem, prejudecata medie a rămas de peste două ori mai mare decât versiunea umană, sugerând că efectul nu este o eroare într-un singur model, ci o trăsătură comună a modelelor de limbaj mari.

Concluzie

Deși, așa cum menționează articolul, studii anterioare au arătat că IA poate produce scrieri la fel de bune ca sau chiar mai bune decât cele umane, autorii subliniază că în literatură, valoarea atribuită autorității și autenticității este o convenție veche și profund înrădăcinată:

‘Când GPT-4o Mini respinge abordarea “creativă și amuzantă” a lui Queneau ca “exagerată” sub eticheta de IA, în timp ce laudă trăsături identice sub eticheta de autor uman, el revelează implicit cum aceste etichete declanșează presupuneri că nu a existat niciun proces psihologic autentic.

‘Indicii de proveniență introduc procesul înapoi în ceea ce ar putea fi altfel o judecată bazată doar pe produs: “generare pură” pare acceptabilă de la un meșter uman (judecat ca un meșteșug abil), dar suspectă de la un model (judecat ca o recombinație algoritmică).’

Modelele de limbaj mari nu sunt încă suficient de fiabile pentru cercetarea factuală nesupravegheată, deși o supraveghere atentă poate face ca acestea să fie productive – dar scrierea creativă bazată pe modele de limbaj mari poate avea un viitor mai incert, în cazul în care lucrările creative generate de IA devin stigmatizate prin dezaprobarea publică largă a intruziunii IA în domeniile umane, mai degrabă decât pe baza meritului literar.

Implicațiile rezultatelor din studii de acest tip sunt afectate considerabil de dispoziția companiilor și a utilizatorilor individuali de a fi onești cu privire la faptul că IA a contribuit sau nu la ieșirile lor. În unele cazuri, o lipsă de dorință de a admite un astfel de uzaj poate avea mai mult de a face cu pirateria copyrightului corporativ decât cu îngrijorarea cu privire la faptul că publicul va accepta sau nu lucrări creative generate de IA.

Cu toate acestea, soluții legale, financiare și politice sunt posibile (chiar dacă foarte provocatoare) în ceea ce privește drepturile de autor. Întrebarea dacă se poate face ca oamenii să aprecieze lucrări creative de IA care nu au o singură minte umană relaționabilă în spatele lor – aceasta poate fi o perspectivă și mai dificilă.

* Vă rugăm să consultați articolul sursă pentru citările inline eliminate. Pe măsură ce este necesar, acestea vor fi incluse în articol.

Publicat pentru prima dată luni, 13 octombrie 2025