Słowo „humanizator” brzmi jak obietnica magii: wklejasz tekst, a maszyna sprawia, że nikt nie pozna, skąd pochodzi. Z naszej perspektywy (budujemy humai od środka) wygląda to zupełnie inaczej. Humanizator to narzędzie redakcyjne, które robi dwie dość przyziemne rzeczy. Rozpoznaje nawyki językowe typowe dla modeli i zastępuje je nawykami ludzi piszących po polsku. Nic więcej, ale też nic mniej.
W tym artykule opisujemy, jak to działa pod maską. Bez kodu, za to szczerze. Pokazujemy, co narzędzie widzi jako „maszynowe”, jak wygląda przetwarzanie krok po kroku, co naprawdę mierzy wskaźnik stylu AI i gdzie kończą się możliwości. Jeśli szukasz ogólnego wprowadzenia do tematu, zacznij od przewodnika po humanizacji tekstu. Tutaj schodzimy poziom niżej.
Co narzędzie widzi jako „maszynowe”
Tekst z generatora nie jest zły gramatycznie. Zwykle jest aż za poprawny. Problem leży w statystyce. Modele językowe uczą się na ogromnych zbiorach i w każdym kroku wybierają najbardziej prawdopodobne kolejne słowo. Człowiek pisze nierówno, bo myśli nierówno. Model pisze równo, bo optymalizuje. Po tej nierówności (a raczej po jej braku) da się sporo poznać.
Oto sygnały, na które zwracamy uwagę przy projektowaniu humai. Każdy z nich z osobna zdarza się też u ludzi. Dopiero nagromadzenie daje charakterystyczny efekt.
- Równy rytm zdań. Zdania o zbliżonej długości i podobnej budowie, jedno za drugim. Ludzki akapit ma zwykle jedno zdanie długie, potem krótkie, potem coś pośredniego. U modelu wykres długości zdań wygląda jak linia prosta.
- Klisze i wypełniacze. Formułki otwierające zdanie, które nie wnoszą treści, tylko zapowiadają, że zaraz coś zostanie powiedziane: „Warto dodać, że”, „W tym kontekście”, „Nie ulega wątpliwości, że”. Do tego rytualne podsumowanie w ostatnim akapicie, zaczynające się od imiesłowu, który każdy użytkownik ChatGPT rozpoznaje w ułamku sekundy. Przykłady zebraliśmy w słowniku AI-polszczyzny.
- Nominalizacje. Zamiast „przeanalizować” jest „dokonać analizy”, zamiast „wdrożyć” jest „przeprowadzić proces wdrożenia”. Rzeczownik odczasownikowy plus pusty czasownik. Po polsku brzmi to urzędowo i ciężko.
- Wyliczanie po trzy. Przymiotniki i argumenty układają się w trójki, bo trójka daje wrażenie retorycznego domknięcia. Raz to działa. W każdym akapicie już nie.
- Interpunkcja z angielskiego. Długi myślnik (pauza) wstawiany jako wtrącenie w środku zdania, średnik zamiast kropki, dwukropek zapowiadający wyliczenie tam, gdzie po polsku wystarczyłby przecinek. To nawyki angielskiej prozy, które model przenosi do polskiego tekstu.
- Resztki formatowania. Gwiazdki wokół pogrubień albo krzyżyki przed nagłówkami, skopiowane prosto z okna czatu. Nie mówią nic o stylu, ale zdradzają pochodzenie tekstu na pierwszy rzut oka.
Skąd bierze się ta różnica między polskim a angielskim, tłumaczymy w tekście o tym, dlaczego teksty z ChatGPT brzmią sztucznie po polsku. Tu ważne jest jedno. To są cechy mierzalne, da się je policzyć i da się je zmienić.
Dwie warstwy: model z instrukcją stylu i reguły domykające
Naiwne podejście do humanizacji to podmiana słów na synonimy. Tak działały pierwsze „spinnery” i tak działa część narzędzi do dziś. Efekt jest łatwy do przewidzenia. Składnia zostaje ta sama, rytm ten sam, a słownictwo robi się dziwaczne, bo synonim ze słownika rzadko pasuje do kontekstu. Więcej o tej różnicy piszemy w artykule o humanizacji, parafrazie i korekcie.
humai działa inaczej. Składa się z dwóch warstw, które wykonują różne zadania.
Warstwa pierwsza to model językowy z instrukcją stylu. Tekst trafia do modelu razem z dość długim zestawem wytycznych: jak ma wyglądać rytm zdań, jakich konstrukcji unikać, jak rozbijać nominalizacje, jak zachować sens i wszystkie fakty z oryginału. Wybór tonu w wersji Pro (Naturalny, Swobodny, Formalny, Akademicki, Marketingowy) zmienia tę instrukcję, a nie sam model. Ton akademicki prosi model o rzeczowy, precyzyjny styl jak w pracy naukowej, swobodny o styl luźny, jak w rozmowie ze znajomym. Model przepisuje tekst na poziomie zdań i akapitów, czyli tam, gdzie zwykła podmiana synonimów nie sięga.
Tu pojawia się jednak kłopot, którego nie da się rozwiązać samą instrukcją. Model, któremu każemy nie używać długich myślników, bardzo często i tak ich użyje, bo ten nawyk siedzi głęboko w jego danych treningowych. To samo dotyczy średników i wypełniaczy na starcie zdania. Instrukcja zmniejsza częstotliwość, ale nie sprowadza jej do zera.
Dlatego istnieje warstwa druga: deterministyczne reguły domykające. To zwykły, przewidywalny kod, który działa po modelu i sprząta to, co model przepuścił. Długi myślnik użyty jako wtrącenie zostaje zamieniony na przecinki, a pojedynczy myślnik przed puentą na nowe zdanie albo przecinek, zależnie od miejsca w zdaniu. Średnik między dwoma pełnymi zdaniami staje się kropką. Zdanie zaczynające się od wypełniacza traci wypełniacz, a kolejne słowo dostaje wielką literę. Resztki markdownu znikają. Znikają też znaki niewidoczne, na przykład twarde spacje i znaki o zerowej szerokości, które zostają po kopiowaniu z różnych edytorów i potrafią zepsuć wyszukiwanie w dokumencie albo dziwnie zawijać wiersze.
Ta druga warstwa ma jedną wielką zaletę. Jest powtarzalna. Model za każdym razem odpowie trochę inaczej, reguła zawsze tak samo. Dzięki temu możemy zagwarantować, że pauzy użyte jako wtrącenia, średniki między zdaniami i resztki markdownu zostaną sprzątnięte niezależnie od tego, jak model zachował się w danym przebiegu. Myślniki w dialogach i w zakresach liczb (3–6) reguła zostawia w spokoju, bo tam są na miejscu. Czym pauza różni się od półpauzy i dywizu, wyjaśniamy w artykule o tym, co oznacza normalizacja tekstu.
Wskaźnik stylu AI „przed” i „po”: co mierzy, a czego nie
Po przetworzeniu humai pokazuje dwa wskaźniki: styl AI przed i po. Ten sam mechanizm działa w naszym darmowym detektorze stylu, który liczy wynik w przeglądarce, bez wysyłania tekstu na serwer. Wynik to liczba od 0 do 100. Powiedzmy wprost: to szacunek stylometryczny, nie wyrok w sprawie autorstwa.
Co wchodzi w skład tego szacunku? Kilka prostych miar, które da się policzyć bez modelu językowego:
- Klisze. Lista zwrotów typowych dla generatorów po polsku i ich zagęszczenie w przeliczeniu na sto słów tekstu.
- Rytm. Rozrzut długości zdań, liczony jako współczynnik zmienności (odchylenie standardowe podzielone przez średnią). Mały rozrzut podnosi wynik, duży obniża.
- Różnorodność słownictwa. Używamy miary znanej jako MATTR (moving-average type-token ratio). W przesuwającym się oknie liczymy, jaki odsetek słów jest unikalny, i uśredniamy to po całym tekście. Niska różnorodność, czyli te same słowa i zwroty mielone w kółko, podnosi wynik.
- Powtórzone trójki słów. Sprawdzamy, jak często identyczne ciągi trzech kolejnych słów wracają w tekście. To najprostszy sposób, żeby wyłapać „mielenie w kółko” tej samej frazy.
- Długie zdania i nominalizacje. Średnia długość zdania powyżej mniej więcej osiemnastu słów podnosi wynik, podobnie zagęszczenie rzeczowników odczasownikowych typu „dokonać analizy”.
Pauzy, średniki i resztki markdownu nie wchodzą do tego wyniku. Sprząta je warstwa reguł, ale wskaźnik ich nie liczy, więc tekst pełen długich myślników może dostać niski wynik, a po ich usunięciu wynik zmieni się niewiele. Wskaźnik patrzy na rytm i słownictwo, nie na interpunkcję.
Wynik 70 nie znaczy „siedemdziesiąt procent szans, że pisał to model”. Znaczy tyle, że tekst ma dużo cech, które uznajemy za typowe dla stylu generatorów. Ktoś, kto pisze urzędowo, albo tłumacz przenoszący angielską składnię do polskiego dostanie wysoki wynik na własnym, w pełni samodzielnym tekście. To nie jest błąd narzędzia, tylko granica metody. Wskaźnik ma pokazać, czy redakcja zadziałała, a nie wydawać wyrok. Dokładniej o tym, dlaczego żadnemu detektorowi nie należy ufać bezkrytycznie, piszemy w artykule o tym, czy detektory AI są wiarygodne.
Czego humanizator nie robi
Ta sekcja jest ważniejsza niż poprzednie, bo wokół humanizatorów narosło sporo obietnic bez pokrycia.
Nie dodaje faktów ani argumentów. Instrukcja dla modelu zakazuje dopisywania treści. Jeśli akapit był pusty merytorycznie, po humanizacji będzie pusty merytorycznie, tylko ładniej. Narzędzie redaguje, nie pisze.
Nie ukrywa autorstwa. humai jest zaprojektowany do pracy na tekście, który sam napisałeś albo współtworzyłeś i rozumiesz. Jeśli ktoś wkleja cudzy lub w całości wygenerowany tekst, żeby „wyglądał na własny”, używa narzędzia niezgodnie z jego przeznaczeniem. Nie budujemy go pod taki cel i nie doradzamy takiego użycia, szczególnie na uczelni, o czym piszemy w tekście o AI, plagiacie i regulaminach uczelni.
Nie gwarantuje wyniku w cudzych detektorach. Nasz wskaźnik i cudzy detektor liczą różne rzeczy. Część detektorów opiera się na prawdopodobieństwie kolejnych słów w modelu referencyjnym, część na klasyfikatorach trenowanych na konkretnych zbiorach tekstów. Wynik u nas nie przekłada się w żaden przewidywalny sposób na wynik gdzie indziej. Zresztą same detektory dają fałszywe alarmy i fałszywe uspokojenia na tyle często, że opieranie na nich decyzji jest ryzykowne w obie strony. Zebrane badania nad skutecznością detektorów AI pokazują to dość jednoznacznie.
Może przekręcić sens przy chaotycznym wejściu. Model przepisujący zdania musi je najpierw zrozumieć. Jeśli tekst wejściowy jest niejasny, ma urwane zdania albo sprzeczne stwierdzenia, model dopowie sobie interpretację i przepisze ją płynnie. Wyjdzie gładki tekst, który mówi coś trochę innego niż oryginał. Dlatego wynik zawsze trzeba przeczytać. Reguły domykające tego nie wyłapią, bo one nie rozumieją treści, tylko znaki.
Nie zastąpi Twojego głosu. Narzędzie zdejmuje z tekstu maniery generatora, ale nie wie, jak Ty piszesz. Ton Naturalny to przybliżenie przeciętnej, dobrej polszczyzny, nie Twojego stylu. Ostatni szlif należy do autora.
Kiedy warto, a kiedy lepiej przepisać samemu
Humanizator ma sens w kilku typowych sytuacjach. Pisałeś z pomocą modelu, treść jest Twoja, ale tekst nasiąknął manierami z czatu i nie masz czasu ręcznie wyłapywać każdego wypełniacza. Masz gotowy, własny szkic, który brzmi drętwo, i chcesz zobaczyć, jak wyglądałby z lepszym rytmem. Tłumaczysz własny tekst z angielskiego i chcesz pozbyć się kalek. Redagujesz dużo krótkich tekstów (opisy produktów, maile do klientów) i liczy się tempo. W takich przypadkach narzędzie oszczędza godziny i daje punkt wyjścia do własnych poprawek. O tym, jak od początku pisać z modelem tak, żeby mniej było do sprzątania, piszemy w poradniku o naturalnym pisaniu z ChatGPT po polsku.
Są też sytuacje, w których lepiej przepisać samemu. Krótki tekst (kilka zdań) szybciej poprawisz ręcznie, niż przeczytasz i sprawdzisz wynik. Chaotyczną treść najpierw uporządkuj, bo narzędzie wygładzi chaos, a nie usunie go. Felieton czy esej, czyli teksty, w których liczy się osobisty głos, stracą po przepuszczeniu przez dowolny model właśnie to, co najcenniejsze. Przy pracy dyplomowej redakcja stylu własnego tekstu jest w porządku, ale zasady uczelni i zdrowy rozsądek są ważniejsze od jakiegokolwiek narzędzia. Rozpisaliśmy to w tekście o pracy dyplomowej i AI.
W praktyce humanizator to pierwszy przebieg, nie ostatni. Po nim tekst czyta się na głos i poprawia to, co nie brzmi jak Ty.
Polski to nie angielski z innymi literami
Wiele humanizatorów powstało pod angielski, a polską wersję dostało przez tłumaczenie interfejsu i ewentualnie instrukcji. W narzędziach, które sprawdzaliśmy w porównaniu humanizatorów AI po polsku, widać to w wynikach. Angielski ma sztywny szyk i prawie nie ma fleksji, więc podmiana słowa na synonim zwykle nie psuje zdania. Po polsku to samo działanie rozwala rodzaj, przypadek albo liczbę i wychodzi „dokonano wdrożenie” albo „duża ilość studentów, którzy”. Narzędzie „z angielskiego” nie widzi też polskich klisz, bo ich lista jest inna niż w angielskim, i nie rozumie, że po polsku szyk przestawny jest normalnym środkiem stylistycznym, a nie błędem.
Dlatego w humai instrukcje, listy klisz, wypełniaczy i nominalizacji oraz reguły domykające od początku piszemy pod polszczyznę. Reguła zamieniająca długi myślnik na przecinek musi wiedzieć, jak polska interpunkcja traktuje wtrącenia. Na liście wypełniaczy są polskie formułki, nie tłumaczenia angielskich. Same miary rytmu i różnorodności słownictwa są uniwersalne, bo liczą długości zdań i powtórzenia słów, a to działa tak samo w każdym języku. Przykłady z konkretnymi narzędziami znajdziesz we wspomnianym porównaniu.
Jeśli chcesz sprawdzić to na własnym tekście, darmowa wersja pozwala przetworzyć trzy teksty dziennie po 500 znaków, bez logowania. Pro zwiększa limit do 20 000 znaków na raz i dodaje wybór tonu, za 79 zł miesięcznie albo od 58 zł miesięcznie w pakiecie półrocznym. W obu wersjach wynik pokazuje wskaźnik stylu przed i po, więc od razu widzisz, co się zmieniło i co jeszcze zostało do zrobienia ręcznie.