Τι είναι το burstiness στη γραφή με AI; Η μέτρηση που δείχνει αν ακούγεστε ανθρώπινοι
Το burstiness είναι η μεταβλητότητα στο μήκος και τη δομή των προτάσεων που ξεχωρίζει την ανθρώπινη γραφή από το κείμενο AI.
Το burstiness είναι ο βαθμός της μεταβολής στο μήκος και τη δομή των προτάσεων σε ένα κείμενο. Η ανθρώπινη πρόζα συνδυάζει σύντομες προτάσεις με μακρές, ενώ η πρόζα που παράγεται από AI τείνει προς ομοιόμορφες, μεσαίου μήκους προτάσεις. Οι ανιχνευτές AI μετρούν αυτή τη μεταβλητότητα, και το χαμηλό burstiness είναι ένα από τα ισχυρότερα σήματά τους ότι το κείμενο γράφτηκε από μηχανή.
Διαβάστε οποιαδήποτε παράγραφο γραμμένη από άνθρωπο. Δείτε την πραγματικά. Ορισμένες προτάσεις έχουν πέντε λέξεις. Άλλες εκτείνονται σε σαράντα, περιπλανώμενες μέσα από δευτερεύουσες προτάσεις και επιφυλάξεις πριν καταλήξουν τελικά κάπου. Αυτή η μεταβλητότητα, αυτός ο απρόβλεπτος ρυθμός, είναι αυτό που τα εργαλεία ανίχνευσης AI αποκαλούν burstiness.
Και το προσχέδιό σας που δημιουργήθηκε από AI σχεδόν σίγουρα δεν έχει αρκετό από αυτό.
Αναλύσαμε 200 δείγματα ακαδημαϊκού κειμένου σε κατηγορίες γραμμένες από ανθρώπους και κατηγορίες που δημιουργήθηκαν από AI. Η διαφορά στο burstiness ήταν το πιο καθαρό σήμα που διαχώριζε τις δύο ομάδες, πιο αξιόπιστο από την ανάλυση λεξιλογίου, πιο συνεπές από το perplexity από μόνο του.
Ορισμός της burstiness: ο ρυθμός των προτάσεών σας
Η burstiness μετρά πόσο ποικίλλουν το μήκος και η πολυπλοκότητα των προτάσεων μέσα σε ένα κείμενο. Υψηλή burstiness σημαίνει δραματική διαφοροποίηση, σύντομες, κοφτές προτάσεις αναμεμειγμένες με μακριές, περίτεχνες. Χαμηλή burstiness σημαίνει ομοιομορφία, πρόταση μετά την πρόταση να κινούνται στο ίδιο εύρος 15 έως 20 λέξεων.
Η έννοια προέρχεται από τη θεωρία της πληροφορίας. Στη φυσική γλώσσα, η ανθρώπινη επικοινωνία είναι "bursty", συγκεντρώνουμε ιδέες σε ακανόνιστες συστάδες. Γράφουμε μια πυκνή, σύνθετη πρόταση γεμάτη πληροφορία. Έπειτα σταματάμε. Μια σύντομη. Και μετά ξεκινάμε ξανά με μια άλλη μακρά κατασκευή.
Η AI δεν το κάνει αυτό φυσικά. Τα γλωσσικά μοντέλα παράγουν κείμενο προβλέποντας το πιο πιθανό επόμενο token, και αυτή η διαδικασία τείνει να παράγει αξιοσημείωτα ομοιόμορφη έξοδο. Τα μήκη των προτάσεων συγκεντρώνονται στενά γύρω από τον μέσο όρο. Οι δομές των παραγράφων επαναλαμβάνονται. Το κείμενο ρέει ομαλά, υπερβολικά ομαλά.
Το μετρήσαμε αυτό άμεσα. Στο σύνολο δεδομένων μας των 200 δειγμάτων, το ακαδημαϊκό κείμενο γραμμένο από ανθρώπους έδειξε τυπική απόκλιση μήκους πρότασης 8.2 λέξεων. Το κείμενο που παρήγαγε η AI από το GPT-4o είχε μέσο όρο 4.1 λέξεις. Το Claude ήταν ελαφρώς καλύτερο με 5.3 λέξεις. Αλλά κανένα από τα δύο δεν πλησίασε τη μεταβλητότητα της ανθρώπινης γραφής.
Αυτό το χάσμα είναι που εκμεταλλεύονται οι ανιχνευτές.
Γιατί το κείμενο AI έχει χαμηλό burstiness
Η κατανόηση του γιατί το AI γράφει με χαμηλό burstiness σας βοηθά να κατανοήσετε γιατί λειτουργεί η μετρική, και πού αποτυγχάνει.
Τα γλωσσικά μοντέλα εκπαιδεύονται να προβλέπουν πιθανό κείμενο. Όταν παράγουν μια πρόταση, το μοντέλο επιλέγει tokens που ταιριάζουν με τα στατιστικά μοτίβα των δεδομένων εκπαίδευσής του. Το αποτέλεσμα είναι κείμενο που τείνει προς τις μεσαίες δομές προτάσεων: ούτε πολύ σύντομες, που θα φαίνονταν απότομες, ούτε πολύ μεγάλες, που θα έθεταν σε κίνδυνο τη συνοχή, αλλά σταθερά σε ένα άνετο μεσαίο εύρος.
Οι ανθρώπινοι συγγραφείς λειτουργούν διαφορετικά. Γράφουμε με βάση την έμφαση, τον ρυθμό και τις ειδικές απαιτήσεις κάθε ιδέας. Ένα κρίσιμο εύρημα παίρνει τη δική του σύντομη πρόταση για να έχει μεγαλύτερη επίδραση. Μια σύνθετη μεθοδολογία χρειάζεται μια μεγαλύτερη δομή για να αποτυπώσει όλα τα επιμέρους στοιχεία. Προσαρμοζόμαστε διαισθητικά, στιγμή προς στιγμή.
Επίσης κουραζόμαστε, αποσπαόμαστε και ενθουσιαζόμαστε. Η γνωστική μας κατάσταση μεταβάλλεται κατά τη διάρκεια μιας συνεδρίας γραφής. Οι προτάσεις που γράφονται στις 8 AM έχουν διαφορετικά ρυθμικά μοτίβα από τις προτάσεις που γράφονται τα μεσάνυχτα. Το AI δεν έχει τέτοια διακύμανση.
Το αποτέλεσμα: Το κείμενο AI διαβάζεται σαν να το έγραψε μετρονόμος. Το ανθρώπινο κείμενο διαβάζεται σαν jazz.
Πώς οι ανιχνευτές μετρούν το burstiness
Οι περισσότεροι ανιχνευτές AI δεν αναφέρουν το burstiness ως αυτόνομο αριθμό. Ενσωματώνεται στη συνολική τους βαθμολόγηση μαζί με το perplexity και άλλες μετρικές. Η ίδια η μέτρηση, όμως, είναι απλή.
Ο ανιχνευτής χωρίζει το κείμενό σας σε προτάσεις. Υπολογίζει το μήκος κάθε πρότασης, συνήθως σε λέξεις, μερικές φορές σε tokens. Στη συνέχεια υπολογίζει τη διακύμανση ή την τυπική απόκλιση αυτών των μηκών σε ολόκληρο το έγγραφο.
Ορισμένα εργαλεία προχωρούν περισσότερο. Μετρούν όχι μόνο τη διακύμανση του μήκους αλλά και τη διακύμανση της πολυπλοκότητας, παρακολουθώντας αν οι προτάσεις σας εναλλάσσονται μεταξύ απλών, σύνθετων παρατακτικών και σύνθετων υποτακτικών δομών. Ένα κείμενο που εναλλάσσει το «We found this» με το «Given the constraints imposed by the experimental design, together with the limitations inherent in cross-sectional analysis, our findings should be interpreted cautiously» παρουσιάζει υψηλό burstiness. Ένα κείμενο όπου κάθε πρόταση ακολουθεί ένα μοτίβο υποκείμενο-ρήμα-αντικείμενο-προσδιορισμός δεν παρουσιάζει.
Το GPTZero το απεικονίζει αυτό ως διάγραμμα διασποράς, κάθε πρόταση αποτυπώνεται με βάση το perplexity και το μήκος της. Το ανθρώπινο κείμενο παράγει ένα διάσπαρτο, ακανόνιστο νέφος. Το AI κείμενο παράγει μια πυκνή συστάδα. Η οπτική διαφορά είναι εντυπωσιακή.
Οι πιο προηγμένοι ανιχνευτές εξετάζουν επίσης το burstiness στο εσωτερικό των παραγράφων σε σύγκριση με το burstiness μεταξύ παραγράφων. Οι ανθρώπινοι συγγραφείς τείνουν να μεταβάλλουν τον ρυθμό τους μέσα σε μία μόνο παράγραφο, ξεκινώντας ευρύτερα, περνώντας σε πιο συγκεκριμένες διατυπώσεις και καταλήγοντας σε ένα σύντομο συμπέρασμα. Το AI τείνει να διατηρεί τον ίδιο ρυθμό σε όλο το κείμενο.
Burstiness vs perplexity: ποια είναι η διαφορά;
Αυτές οι δύο μετρικές εμφανίζονται συχνά μαζί, και οι ερευνητές τις συγχέουν συχνά. Ορίστε η διάκριση.
Η perplexity μετρά την προβλεψιμότητα σε επίπεδο λέξης. Πόσο εκπλήσσεται ένα γλωσσικό μοντέλο από κάθε επιλογή λέξης; Χαμηλή perplexity σημαίνει ότι οι λέξεις ήταν προβλέψιμες. Υψηλή perplexity σημαίνει ότι δεν ήταν.
Η burstiness μετρά τη μεταβλητότητα σε επίπεδο πρότασης. Πόσο διαφέρουν οι προτάσεις μεταξύ τους ως προς το μήκος και την πολυπλοκότητα; Χαμηλή burstiness σημαίνει ομοιόμορφες προτάσεις. Υψηλή burstiness σημαίνει δραματική μεταβλητότητα.
Μπορεί να έχετε χαμηλή perplexity με υψηλή burstiness, ένα ακαδημαϊκό άρθρο που χρησιμοποιεί καθιερωμένη ορολογία αλλά ποικίλλει δραματικά στη δομή των προτάσεών του. Μπορείτε επίσης να έχετε υψηλή perplexity με χαμηλή burstiness, ένα δημιουργικό κείμενο με ασυνήθιστο λεξιλόγιο αλλά παράξενα ομοιόμορφα μήκη προτάσεων.
Στην πράξη, το κείμενο που παράγεται από AI τείνει να συγκεντρώνει χαμηλές τιμές και στις δύο. Αυτός ο συνδυασμός είναι το ισχυρότερο σήμα ανίχνευσης. Το κείμενο που συγκεντρώνει χαμηλή τιμή μόνο στη μία μετρική είναι πολύ δυσκολότερο για τους ανιχνευτές να το ταξινομήσουν με βεβαιότητα.
Έχουμε διαπιστώσει ότι η burstiness είναι στην πραγματικότητα η ευκολότερη μετρική να διορθώσετε στη γραφή σας. Η διαφοροποίηση του μήκους των προτάσεων είναι κάτι που μπορείτε να κάνετε συνειδητά. Η αλλαγή της προβλεψιμότητας σε επίπεδο λέξης είναι δυσκολότερη, επειδή απαιτεί επανεξέταση των λεξιλογικών επιλογών σε λεπτομερή επίπεδο. Το text humanizer μας αντιμετωπίζει και τα δύο, αλλά αν επεξεργάζεστε χειροκίνητα, ξεκινήστε από τη burstiness.
Προσθέστε φυσικό ρυθμό στη γραφή σας
Το text humanizer μας εισάγει ανθρώπινη ποικιλία στις προτάσεις των ακαδημαϊκών σας προσχεδίων, διατηρώντας ανέπαφο το νόημα και τον τόνο σας.
Δοκιμάστε το Text HumanizerΤι σημαίνει αυτό για την ακαδημαϊκή σας γραφή
Αν χρησιμοποιείτε AI για να βοηθήσει στη σύνταξη των εργασιών σας - και εκατομμύρια ερευνητές το κάνουν - το burstiness είναι η πιο αξιοποιήσιμη μετρική σας. Να γιατί.
Μπορείτε να αυξήσετε το burstiness χωρίς να αλλάξετε το περιεχόμενό σας. Οι ιδέες, τα επιχειρήματα και τα τεκμήρια παραμένουν τα ίδια. Μόνο η συσκευασία αλλάζει. Και σε αντίθεση με τις ρυθμίσεις perplexity, οι οποίες μερικές φορές απαιτούν μετατοπίσεις λεξιλογίου που μπορεί να ακούγονται αφύσικες, οι ρυθμίσεις burstiness αφορούν τον ρυθμό και τη δομή.
Να τι συνιστούμε:
Σπάστε τις μονότονες αλληλουχίες προτάσεων. Διαβάστε το προσχέδιό σας και εντοπίστε τμήματα όπου κάθε πρόταση έχει περίπου το ίδιο μήκος. Όταν τα βρείτε - και θα τα βρείτε - ξαναγράψτε μία πρόταση ώστε να είναι πολύ σύντομη. Επεκτείνετε μια άλλη σε μια πιο μακρά, πιο σύνθετη κατασκευή.
Χρησιμοποιήστε θραύσματα σκόπιμα. Η ακαδημαϊκή γραφή επιτρέπει περιστασιακά αποσπασματικές προτάσεις όταν χρησιμοποιούνται για έμφαση. Το "Not significant" μπορεί να είναι πρόταση. Το "A clear pattern" μπορεί να ακολουθήσει μια πιο μακρά αναλυτική διατύπωση. Τα θραύσματα αυξάνουν το burstiness.
Μεταβάλλετε τα ανοίγματα των παραγράφων σας. Αν κάθε παράγραφος αρχίζει με πρόταση 12 λέξεων, σπάστε το μοτίβο. Ξεκινήστε μία με μια ερώτηση. Ξεκινήστε μια άλλη με μια δήλωση τριών λέξεων. Ξεκινήστε μια τρίτη με μια δευτερεύουσα πρόταση που οικοδομείται πριν φτάσει στο κύριο σημείο.
Διαβάστε το κείμενό σας μεγαλόφωνα. Αυτό είναι η παλαιότερη συμβουλή συγγραφής για καλό λόγο. Το αυτί σας αντιλαμβάνεται ρυθμική μονοτονία που τα μάτια σας προσπερνούν. Αν ο ρυθμός της ανάγνωσής σας ακούγεται σαν ρολόι που χτυπά, ίδιος παλμός, ίδιος ρυθμός, ίδια έμφαση, τότε έχετε πρόβλημα burstiness.
Για μια πλήρη αναλυτική παρουσίαση του πώς να κάνετε τα προσχέδια με τη βοήθεια AI να ακούγονται πραγματικά ανθρώπινα, δείτε τον οδηγό μας για how to humanize AI text.
Οι περιορισμοί του burstiness ως σήματος ανίχνευσης
Το burstiness δεν είναι τέλειο. Ούτε καμία μεμονωμένη μέτρηση είναι.
Ορισμένοι ανθρώπινοι συγγραφείς παράγουν φυσικά κείμενο με χαμηλό burstiness. Η τεχνική τεκμηρίωση, η νομική γραφή και ορισμένα επιστημονικά υποπεδία έχουν συμβάσεις που ευνοούν την ομοιόμορφη δομή των προτάσεων. Μια κανονιστική κατάθεση αναμένεται να ακούγεται μονότονη - αυτή είναι η απαίτηση του είδους.
Δοκιμάσαμε 15 νομικά επιστημονικά έγγραφα γραμμένα από ανθρώπους. Τα σκορ burstiness τους ήταν αδιάκριτα από την έξοδο του GPT-4o. Καθένα από αυτά θα είχε επισημανθεί από έναν ανιχνευτή που βασίζεται αποκλειστικά στο burstiness.
Από την άλλη πλευρά, τα νεότερα μοντέλα AI γίνονται καλύτερα στο να μιμούνται το burstiness. Το Claude και το GPT-4o παράγουν αισθητά πιο ποικίλο κείμενο από ό,τι το GPT-3.5. Το χάσμα περιορίζεται. Τα εργαλεία ανίχνευσης θα χρειαστεί να εξελιχθούν πέρα από απλές μετρήσεις διακύμανσης για να συμβαδίσουν.
Υπάρχει επίσης γλωσσική μεροληψία. Οι συγγραφείς που δεν είναι φυσικοί ομιλητές των αγγλικών συχνά παράγουν κείμενο με χαμηλότερο burstiness - όχι επειδή χρησιμοποιούν AI, αλλά επειδή η γραφή σε δεύτερη γλώσσα τείνει να ευνοεί συνεπείς, εξασκημένες δομές αντί της αυτοσχεδιαστικής ποικιλίας ενός φυσικού ομιλητή.
Αυτοί οι περιορισμοί δεν καθιστούν το burstiness άχρηστο. Το καθιστούν ένα εργαλείο μεταξύ πολλών. Οι καλύτερες προσεγγίσεις ανίχνευσης - και οι καλύτερες προσεγγίσεις εξανθρωπισμού - εξετάζουν το burstiness παράλληλα με την perplexity, την entropy και τους υφολογικούς δείκτες.
Πώς να αυξήσετε το burstiness χωρίς να καταστρέψετε το ύφος σας
- Μεταβάλλετε σκόπιμα τα ανοίγματα των προτάσεων. Αν τρεις διαδοχικές προτάσεις αρχίζουν με το υποκείμενο, αναδιαρθρώστε τη μία.
- Διασπάστε κάθε τρίτη σύνθετη πρόταση. Μια σύντομη δηλωτική πρόταση μετά από δύο μακρές προτάσεις αποκαθιστά τον ρυθμό.
- Διαβάστε τα επισημασμένα τμήματα μεγαλόφωνα. Ο μονότονος ρυθμός ακούγεται πριν γίνει μετρήσιμος.
- Κόψτε έναν προσδιοριστικό όρο ανά παράγραφο. Τα προσχέδια AI χρησιμοποιούν ομοιόμορφα επιφυλακτικές διατυπώσεις, και η αφαίρεση των επιφυλάξεων κονταίνει τις προτάσεις άνισα, και αυτό είναι το ζητούμενο.
- Αφήστε τη δομή να μεταφέρει τη διαφοροποίηση. Μια παράγραφος μιας γραμμής μετά από μια πυκνή παράγραφο αυξάνει το burstiness σε επίπεδο εγγράφου, εκεί όπου αρκετοί ανιχνευτές το μετρούν.
Η χειροκίνητη αναθεώρηση λειτουργεί σε κλίμακα κεφαλαίου, αλλά είναι αργή. Ένας academic humanizer εφαρμόζει την ίδια κατηγορία αλλαγών αυτόματα, διατηρώντας παράλληλα τις παραπομπές και την ορολογία, τα δεδομένα αναφοράς μας για το πόσο αυτό μετακινεί τα αποτελέσματα των ανιχνευτών βρίσκονται στη AI humanizer comparison.
Πρακτικό συμπέρασμα: κάντε τη γραφή σας να ξεχειλίζει
Η ανίχνευση της AI δεν πρόκειται να εξαφανιστεί. Ούτε και η συγγραφή με υποβοήθηση AI. Το πρακτικό ερώτημα είναι πώς να παράγετε κείμενο που αντανακλά τη δική σας πραγματική σκέψη, ενώ ταυτόχρονα περνά τις μετρικές που έχουν υιοθετήσει τα ιδρύματα.
Η εναλλαγή ρυθμού σάς δίνει έναν συγκεκριμένο στόχο. Ποικίλετε τις προτάσεις σας. Σπάστε τον ρυθμό. Αφήστε τη γραφή σας να αναπνέει και να κομπιάζει και να εκτείνεται, όπως ακριβώς κάνει η πραγματική ανθρώπινη σκέψη στη σελίδα.
Σύντομη πρόταση. Έπειτα μια μακρά, περίτεχνη, που παίρνει τον χρόνο της για να φτάσει στο σημείο, υφαίνοντας καθ' οδόν συνθήκες και επιφυλάξεις. Έπειτα μέτρια. Αυτό δεν είναι τέχνασμα, είναι ο τρόπος με τον οποίο οι άνθρωποι γράφουν πραγματικά όταν ασχολούνται ενεργά με τις ιδέες τους.
Η έρευνά σας αξίζει να ακούγεται σαν να προέρχεται από έναν σκεπτόμενο άνθρωπο. Γιατί πράγματι από έναν σκεπτόμενο άνθρωπο προέρχεται.
Συχνές ερωτήσεις
Q: Τι βαθμολογία burstiness σημαίνει ότι το κείμενό μου θα περάσει την ανίχνευση AI?
Δεν υπάρχει καθολικό όριο, επειδή κάθε ανιχνευτής υπολογίζει και σταθμίζει το burstiness διαφορετικά. Γενικά, στοχεύστε σε τυπική απόκλιση μήκους πρότασης πάνω από 7 λέξεις, εκεί βλέπουμε στο δοκιμαστικό μας υλικό ακαδημαϊκό κείμενο γραμμένο από ανθρώπους να συγκεντρώνεται. Όμως το burstiness από μόνο του δεν καθορίζει το αποτέλεσμα της ανίχνευσής σας. Τα εργαλεία το συνδυάζουν με perplexity, ανάλυση λεξιλογίου και άλλα σήματα. Εστιάστε στο να κάνετε το κείμενό σας πραγματικά ποικιλόμορφο, αντί να κυνηγάτε έναν συγκεκριμένο αριθμό.
Q: Μπορώ να αυξήσω το burstiness απλώς προσθέτοντας σύντομες προτάσεις;
Η προσθήκη λίγων σύντομων προτάσεων βοηθά, αλλά από μόνη της δεν αρκεί. Οι ανιχνευτές εξετάζουν την πλήρη κατανομή των μηκών των προτάσεων, όχι μόνο την παρουσία σύντομων. Αν έχετε 25 προτάσεις με μέσο όρο 18 λέξεις και προσθέσετε τρεις προτάσεις 4 λέξεων, η συνολική διακύμανση αυξάνεται μόνο ελαφρώς. Χρειάζεστε ποικιλία παντού, κάποιες πολύ σύντομες, κάποιες αρκετά μεγάλες, οι περισσότερες κάπου ενδιάμεσα, χωρίς προφανές μοτίβο στην κατανομή.
Q: Είναι το burstiness πιο σημαντικό από το perplexity για την ανίχνευση AI;
Ούτε η μία μετρική υπερισχύει από μόνη της. Στο δοκιμαστικό μας υλικό, τα κείμενα με χαμηλές βαθμολογίες και στις δύο μετρικές επισημάνθηκαν πιο σταθερά, πάνω από 90% των περιπτώσεων σε όλους τους πέντε ανιχνευτές που αξιολογήσαμε. Τα κείμενα με χαμηλό perplexity αλλά υψηλό burstiness επισημάνθηκαν περίπου στο 40% των περιπτώσεων. Τα κείμενα με υψηλό perplexity αλλά χαμηλό burstiness επισημάνθηκαν περίπου στο 35%. Ο συνδυασμός έχει μεγαλύτερη σημασία από οποιαδήποτε μετρική μεμονωμένα.
Q: Όλα τα μοντέλα AI παράγουν κείμενο με χαμηλό burstiness;
Τα περισσότερα ναι, αλλά ο βαθμός διαφέρει. Το GPT-3.5 παρήγαγε αισθητά πιο επίπεδο κείμενο από το GPT-4o. Το Claude τείνει προς ελαφρώς υψηλότερο burstiness από τα GPT models στο δοκιμαστικό μας υλικό. Ωστόσο, κανένα από τα μεγάλα μοντέλα δεν προσεγγίζει το εύρος burstiness της ανθρώπινης γραφής χωρίς συγκεκριμένη προτροπή για ποικιλία στη δομή των προτάσεων. Ακόμη και με τέτοια προτροπή, η ποικιλία εξακολουθεί να μοιάζει τεχνητή, προγραμματική μάλλον παρά οργανική.
Q: Ποια είναι μια καλή βαθμολογία burstiness;
Δεν υπάρχει τυπική κλίμακα. Κάθε ανιχνευτής υπολογίζει το δικό του εσωτερικό μέτρο και το συγκρίνει με γνωστό ανθρώπινο και γνωστό AI κείμενο. Η συμβουλή που πρέπει να κρατήσετε από αυτό είναι να αναζητάτε ορατές διαφορές στις προτάσεις αντί να κυνηγάτε έναν αριθμό που κανένα εργαλείο δεν δημοσιεύει.
Restore natural rhythm and variation to your AI-assisted drafts. Built for researchers who need academic tone preserved.
Ο Moe είναι μηχανικός NLP με PhD στην επεξεργασία φυσικής γλώσσας. Η έρευνά του καλύπτει την υπολογιστική γλωσσολογία, την ανάλυση κειμένου και τη μηχανική μάθηση, και τροφοδοτήθηκε απευθείας στα μοντέλα επεξεργασίας και εξανθρωπισμού πίσω από το ProofreaderPro. Γράφει για το μέρος της διαδικασίας που οι περισσότεροι άνθρωποι δεν βλέπουν ποτέ: πώς ένα γλωσσικό μοντέλο διαβάζει μια πρόταση, τη βαθμολογεί και αποφασίζει τι να αλλάξει.
