Opus 5.5 insiste en decir 'esto importa' y otras señales del texto generado por IA
Con la proliferación de textos generados por modelos de lenguaje grandes (LLM), la necesidad de identificar contenido producido por inteligencia artificial se ha vuelto una prioridad para muchos usuarios. Aunque las señales obvias como el uso excesivo de guiones o palabras como «delve» ya no son tan comunes, investigadores afirman que aún existen patrones característicos que los modelos de IA emplean al escribir.
Una nueva investigación realizada por la firma de marketing Graphite analizó los hábitos lingüísticos de modelos de vanguardia, descubriendo qué palabras y frases son más frecuentes en cada versión. Mientras que ciertos indicadores antiguos han sido eliminados, los modelos siguen mostrando construcciones que revelan su origen artificial. Lo más sorprendente es lo amplio que resulta el conjunto de señales detectables: Graphite identificó más de 13,000 frases que aparecen al menos dos veces más en contenido generado por IA que en textos escritos por humanos.
Según Greg Druck, director de inteligencia artificial de Graphite, los modelos Claude han ido acercándose a la distribución de palabras humana con el tiempo. Sin embargo, los modelos GPT parecen alejarse de esa tendencia. La metodología utilizada requirió un diseño cuidadoso: se usó un corpus de 10,000 artículos publicados antes del lanzamiento de ChatGPT como grupo de control humano. Luego, diferentes modelos de IA reescribieron esos artículos a partir de resúmenes, minimizando así el sesgo originado por el texto original.
Al comparar muestras equivalentes entre humanos y modelos, los investigadores pudieron analizar con precisión la frecuencia de ciertas palabras y frases, además de observar patrones en la estructura de las oraciones. Los resultados mostraron que el mayor indicador de Opus 5.5 es la palabra «dependable», que aparece 23 veces más frecuentemente que en textos humanos. Aunque este modelo evita ahora la construcción «no es X, sino Y», tiende a utilizar expresiones como «es más que un X, es un Y».
Uno de los rasgos más marcados de Opus 5.5 es su tendencia a explicar por qué algo es importante. La frase «esto importa» aparece 116 veces más en sus textos que en los humanos, mientras que «por qué X importa» ocurre 92 veces más. Por otro lado, el modelo Astra de OpenAI tiene un conjunto diferente de señales. Este modelo tiende a describir «otra dimensión» de los temas tratados y suele usar frases como «puede proporcionar» o «podría ofrecer» para disminuir la certeza de sus afirmaciones.
El mayor indicador de Astra es lo que Graphite denomina «marco correctivo»: definir un tema como «no simplemente X», o presentarlo como alternativa a «X». Esta construcción fue más de 100 veces más común en los textos generados por Astra que en los escritos por humanos. Todos los laboratorios líderes en IA han respondido al problema del uso excesivo de guiones, como se evidencia en los datos de Graphite.
En los ejemplos revisados, Opus 5.5 utiliza los guiones un 99% menos que Opus 5. Astra emplea estos signos un 88% menos que los humanos, mientras que Gemini 3.1 Pro prácticamente ha eliminado el uso de guiones. A pesar de estos cambios individuales, el número total de señales sigue relativamente estable, según Druck, quien aseguró a TechCrunch que «las señales no están disminuyendo».
Los hallazgos de Graphite destacan la importancia de seguir monitoreando las técnicas de detección de IA, especialmente a medida que los modelos evolucionan. Aunque se han corregido algunos patrones obvios, los modelos continúan dejando rastros únicos que pueden ser utilizados para distinguir entre contenido generado por humanos y por máquinas.
La investigación sugiere que, aunque los fabricantes intentan hacer que las salidas de IA sean más naturales, aún hay huellas lingüísticas que permiten identificar su origen. Esto tiene implicaciones importantes para la veracidad, la ética y la confiabilidad de la información digital en crecimiento constante.
Para los desarrolladores, los resultados subrayan la necesidad de seguir mejorando los modelos de IA sin sacrificar la autenticidad del lenguaje. Para los usuarios, ofrecen herramientas más efectivas para evaluar la procedencia de los contenidos que consumen.
Traducción y adaptación por Tecnología 365.
Fuente original: TechCrunch