学術的な引用を保持するAI Humanizer

私たちは、ベータ参加者のポスドクから投稿記事のスクリーンショットを受け取りました。彼女はオープンアクセスの免疫学ジャーナルへの投稿準備をしていたのですが、まさに「学術的な引用を保持するAI humanizer」が汎用型のプロダクトと別物である理由を示す典型的なケースです。

彼女はリジェクトメールで、次の理由によるデスク・リジェクトを受けていました。非準拠の参考文献フォーマット。私たちが彼女の参考文献リストを確認すると、特に問題はありません。そこで彼女はアブストラクトを開き、何が問題なのかを探しましたが、そこに原因がありました。humanization前のアブストラクトには「"(Nakamura et al., 2024)"」というインテキストAPA引用が含まれていたのに対し、彼女が試した一般的なhumanizerではそれが「"as Nakamura and colleagues showed in their 2024 study."」に書き換わっていたのです。これは流麗な文章であり、しかし引用が別物になっています。

編集者のスクリーニングツールは、アブストラクト中のストーリーテリング用の参照が、論文本文の他箇所にある括弧付き参照と一致していないことを検知しました。スタイリッシュな置換によって生じたこの差が改善だとhumanizerが判断した結果、アブストラクト提出が2週間遅れたのかどうかは、現時点では未解決の問いのままです。

私たちは、2025年初頭からこの問題を追跡しています。制御されたテストとして、インテキスト引用を含むhumanized学術段落200本に対して実行したところ、Phraslyは47%のケースで引用の書式を、Undetectable.aiは53%のケースで引用の書式を、そしてQuillbotのhumanizerは38%のケースで引用の書式を変えていました。

さらに多いのが、学術論文の中でも、実際には多くの著者がほとんど確認しない、より重要だといえる要素にツールが触れてしまうケースです。つまり、イタリック体の参考文献エントリやDOIです。ほとんどのhumanizerは、ブログ記事を書きコンテンツマーケティングを行う層やSEOのプロダクト説明文を作る用途向けに設計されています。しかし、学術文には、マーケティング寄りのツールが配慮することを前提にしていない構造上の要件があります。引用は、書き換え後もそのまま生き残らなければなりません。

本稿では、学術的な引用を保持するai humanizerが、汎用型のhumanizerと比べて意味のある違いを持つ理由、引用を意識した保持が内部的にどのように実現されるのか、失敗時に生じる4つの研究者側の影響、そして、原稿を信頼する前にどのhumanizerでも実行できる5分テストを解説します。

学術的な引用を保持するAI humanizerとは？

学術的な引用を保持するAI humanizerは、書き換えの前にインテキスト引用、参考文献リストのエントリ、統計表現、方程式ラベルを抽出し、その後にそれらを逐語的に再挿入します。そのためAPA、MLA、IEEEの参考文献は、損なわれずに維持されます。汎用型のhumanizerはこの手順を省略し、引用を単なる通常のトークンとして扱うため、私たちがテストした学術段落ではPhrasly、Undetectable.ai、Quillbotのようなツールが、引用の書式を38〜53%のケースで変更していました。さらに、どのツールが本当に「引用を意識している」のかは、その無料プランでの5分テストで確認できます。

引用を意識するAI humanizerは、引用を損なわないために何をするのか？

汎用型のhumanizerは、自分の文章を書き換えて表面上は別のものを生成するために、文章を一連のトークンとして扱います。つまり、そこに含まれるものは何でも、括弧付きであっても（例：reference）、イタリックであっても（例：ジャーナル名）、頭字語であっても（例：DOI）、あるいは方程式ラベルや統計表現であっても、書き換えの対象になり得るということです。

引用を意識するhumanizerは、いくつかの要素をそのままにしておきます。実際には、それらを避ける（回避する）設計です。具体的には、次を認識します。

• インテキストの括弧付き引用。 "(Smith, 2024)", "(Smith & Jones, 2024)", "(Smith et al., 2024, p. 47)", "[12]"、およびAPA、MLA、Chicago、IEEE、Harvard、Vancouver、Turabian、AMAにまたがる、そのさまざまな書式バリエーション。
• 参考文献リストのエントリ。 イタリック体のジャーナル名、巻号間の句読点、"and"とampersand（&）の違い、文の大文字小文字（sentence-case）とタイトル体（title-case）での記事タイトルの違い、そしてDOIで行末が終わる任意の行。
• 統計表現。 "p < 0.01," "95% CI [0.34, 0.58]," "n = 1,247,"、ならびに信頼区間、オッズ比、効果量の報告に関する慣例。
• 技術的表記。 方程式ラベル（Eq. 3）、図の参照（Fig. 2a）、表の参照（Table 1）、およびそれらの間を行き来するために原稿で使われる相互参照マーカー。
• 分野固有の語彙。 手法名（"PRISMA"）、装置名（"CRISPR-Cas9"）、試験登録（"ClinicalTrials.gov NCT03945383"）、および書き換えで触れてはいけない固有名詞。

これらは「例外的なケース」ではありません。編集用データセットでは、平均6,000語の原稿に、インテキスト引用が47個、統計表現が11個、さらに方程式または図の参照が6個含まれていました。これらのうちたとえ10%にhumanizerが触れてしまえば、投稿前に手作業で見つけて元に戻す必要がある「1論文あたり6〜7件の誤り」が生じます。

AI humanizerはどうやってAPA、MLA、IEEEの引用を壊すのか？

私たちのテストでは、引用に鈍感なhumanizerは毎回、3つのパターンで崩壊しました。

失敗パターン1：インテキスト引用が叙述形式へ書き換わる。 この記事冒頭のNakamuraの事例です。"(Smith, 2024)"は "as Smith demonstrated in 2024" または "Smith's 2024 study suggested." に変換されます。新しい文は、humanizerの学習データ分布で自然に見える種類の文章です。その結果、引用のタイプ（括弧付きから叙述形式）が変わり、多くのジャーナルの指示に従って段落やセクション内で一貫して使う必要が生じると同時に、暗黙の著者の語り口も変わります。編集者はこれに気づきます。

失敗パターン2：参考文献リストの再フォーマット。 参考文献エントリの "Smith, J. (2024). The structure of Cell, 187(5), 945-961. Https://doi.org/10.1016/j.cell.2024.05.012" は、イタリック体が剥がされ、巻番号の強調が失われ、DOIのプレフィックスが変更される、あるいは著者イニシャルと年の間の句読点が別のスタイルに正規化される形で書き換えられます。技術的には参照は解決（resolve）され続けますが、APA 7のテンプレートと一致しなくなります。校正者がそれを指摘します。

失敗パターン3：保護対象コンテンツの周囲がねじれたフレーズになる。 Cabanac Problematic Paper Screenerは、同義語置換のパターンを含む19,000本超の論文を検知したとされています。これは、パラフレーズ系humanizerが生成する、言い換えに基づくフレーズ置換の癖です。Joined Together States for United States. Bosom peril for breast cancer. Renal disappointment for kidney failure. このようなねじれたフレーズを伴う引用が、私たちのテストデータの周辺を取り囲みます。結果として、引用そのものが逐語的に生き残っていたとしても、周辺の引用が編集者に信頼されにくくなります。Problematic Paper Screener（Cabanac, Labbe, and Magazinov）は現在、いくつかの出版社で、査読の前に編集上の検討が必要な論文をフラグ付けするために使われています。

これら3つの失敗は組み合わさって起こります。汎用型humanizerが返す論文には、叙述形式に書き換えられたインテキスト引用（モード1）、再フォーマットされた参考文献エントリ（モード2）、そしてねじれた周辺文（モード3）が満載になります。そして、その状態を人間によるhumanization前に戻すには研究者側で90分かかります。それがどれほど価値があったのかは、なお未解決です。

なぜAI humanizerは引用を保持するのが難しいのか？

ほとんどのhumanizerが適切に引用を扱えないのは、基盤となる言語モデルが「引用」が何であるかを理解していないからです。モデルは引用を、単なる別のトークン系列として処理します（つまり "(Smith, 2024)" など）。そこで「引用を保持して」と依頼すれば……ある程度はそうしてくれるでしょう。しかし、基盤モデルは「流暢な文章を生成する」ように学習されています。これらの目的が衝突した場合、モデルは通常、流暢な文章を優先します。

この問題は、引用を意識するhumanizerによって解決できます。書き換えの前に、引用スパン、統計表現、方程式ラベル、参考文献リストのエントリを特定する抽出フェーズを実行し、humanizationの段階ではそれらをプレースホルダに置き換え、最後に元のスパンを逐語で再挿入します。この方式により、私たちのモデルが「書き換えの対象になってしまう形」の引用を見ることがなくなります。

これは、人名、ブランド名、あるいは文中の数値が出てくるときの機械翻訳で、正しい答えを得られるのと同じアーキテクチャです。humanizationでも同じ論理が当てはまります。生成側の処理から何かを保護すれば、生成側に「慎重に扱うように」と頼むよりも確実になります。

うまくいかないときに研究者へ生じる4つの影響

引用に鈍感なhumanizerが研究者にもたらすコストは、4つの形で現れます。私たちは過去18か月で、それぞれを目の当たりにしてきました。

影響1：技術的なスクリーニングによるリジェクト。 ジャーナルの自動スクリーニングが、書き換え後アブストラクト中の引用と参考文献リストの不一致を検知します。その論文は、査読前に著者へ差し戻されます。最良の場合は2週間の遅延です。最悪の場合は、この問題が他の修正と連鎖して、投稿ウィンドウの期限内に収まらず掲載対象から外れることがあります。

影響2：捏造の疑いを持つ査読者。 査読者は、インテキスト引用が参考文献リストのエントリと異なること、または括弧付き引用が本文に含まれる形に書き換えられていることを目にします。そして当然のこととして、「著者は出典を読んでいないのだろう」と判断します。私たちが監査した原稿で「大幅修正」や「却下」の判断に至る、最も一般的な経路がこれになっています。

影響3：ねじれたフレーズ検知ツールによる完全性フラグ。 引用周辺にある同義語置換のパターンが、Cabanacスクリーナー、あるいは出版社側の社内バージョンによって検知されます。論文は研究の健全性（integrity）レビューのために回されます。基となる論文が良い内容であっても、ここで数週間の遅延が追加されます。また、著者名にも「印」が残ります。

影響4：出版後の撤回（retraction）。 まれですが、机上の話ではありません。出版後の監査で、humanizerが導入したねじれたフレーズや引用の書き換えが編集過程で見逃され、その結果として撤回に至ったケースが確認されています。現在までに、Problematic Paper Screenerは1,000件超の撤回に役立っており、その一部はhumanizer由来のパターンが関わるものです。

バランスは片寄っています。流麗な書き換えによる得は小さいからです。多くのケースで無害な、AI検出のわずかな低下につながるだけです。一方、引用が壊れることで失うものは大きいです。遅延、疑念、健全性のフラグ、そしてさらに悪い場合には撤回です。引用を意識するhumanizerは、その損失を回避しつつ得を維持します。

5分で、どのhumanizerでも引用保持をテストする方法

これは、市場に出てくる新しいhumanizerすべてに私たちが実行しているテストです。5分で完了し、ほぼどのツールでも無料プラン上で行えます。

ステップ1： 次の段落を、任意のhumanizerに貼り付けてください。ここには、最も一般的な4つの引用形式と、1つの統計表現が含まれています。

The intervention reduced symptoms in 64% of participants
(Smith, 2024). Other studies (Jones & Lee, 2023; Patel et al.,
2024, p. 47) reported comparable effects. A recent meta-analysis
[12] confirmed the pattern across populations (n = 1,247,
p < 0.01). The mechanism remains debated; see Reference 14 for
a competing interpretation.

ステップ2： humanized後の出力を読み、次の各要素が残っているかを確認します。

• 括弧付きの "(Smith, 2024)" が完全に一致していること。
• 複数著者の "(Jones & Lee, 2023; Patel et al., 2024, p. 47)" が完全に一致していること。ampersand、セミコロン、ページ番号も含めて。
• 番号付き参考文献 "[12]" が完全に一致していること。
• 統計表現 "n = 1,247, p < 0.01" が完全に一致していること。
• 相互参照 "Reference 14" が、"the fourteenth reference" などにパラフレーズされていないこと。

ステップ3： 5つの要素のいずれかが変化しているなら、そのhumanizerは、学術的な文章作成において重要な意味で引用を意識していません。マーケティング用の文面に使い、原稿には使わないでください。

ステップ4： 次に、イタリック体とDOIを含む参考文献リストのエントリを含む2つ目の段落を実行します。

Smith, J., & Jones, K. (2024). The structure of cellular
respiration in mitochondrial disease. Nature Reviews Molecular
Cell Biology, 25(3), 187-203. https://doi.org/10.1038/s41580-024-00712-3

イタリック体、ampersand、巻-号の書式、そしてDOI URLがすべて生き残っているか確認してください。インテキスト引用は扱えるが参考文献エントリは扱えないhumanizerは、「半分だけ安全」です。原稿には「完全な保証」が必要です。

ステップ5： 最後に、自分の原稿から段落を選んで最終テストを実行してください。人工的な入力では動くツールでも、より引用パターンの密な実文では失敗する可能性があります。締切前だからといって、検証なしにどのhumanizerも信頼しないでください。

私たちは、このテストに対して、私たちのhumanizerを、humanizerランキングページで示しているほか、Phrasly vs Undetectable.aiのcomparisonでも名指しの競合と比較しています。両記事が上記と同じテスト手法を用いているため、ツール間で数値比較が可能です。同一の課題（引用の保持）を、パラフレーズツール（別カテゴリ）がどう扱うのかを見たい場合は、同じアーキテクチャのパラフレーズ側をカバーしている、引用をpreserves citationsするパラフレーズに関する注記をご覧ください。

よくある質問

Q: なぜ多くのAI humanizerは学術的な引用を壊すのですか？

それらは研究者ではなくコンテンツマーケター向けに設計されています。汎用型humanizerはすべてのトークンを、書き換え候補になり得るものとして扱うため、インテキスト引用は叙述形式へ変換され、参考文献リストのイタリック体は剥がされ、句読点は正規化され、さらにねじれたフレーズの同義語は引用の周りに束ねられてしまいます。この問題は、引用を抽出してから書き換え、最後に後から挿入し直す引用を意識するhumanizerによって解決されます。

Q: 引用を意識するhumanizerなら、論文をundetectableにできるのですか？

引用の保持と検出の回避は別問題です。引用を意識するhumanizerの目的は、引用を保持しつつ、検出器が探し求めるような種類の表面上のバリエーションを導入することにあります。humanizerが周辺文をどれほど攻撃的に書き換えるかが、検出される引用のスコアを左右しますが、引用の扱い（引用が変わる頻度）には影響しません。多くの引用を意識するhumanizerは、検出回避ではうまく機能します。使用しているツールのベンチマーク検出スコア（公表されているはずです）と、引用をどう扱うかの割合を確認してください。

Q: humanizeする前に引用を手作業で抜き出しておけばいいのでは？

はい、そうする研究者もいます。手順は、対象となる原稿をドキュメントに貼り付け、各引用をプレースホルダ（"[CITE_001]"）に手作業で置き換え、人間がhumanizeし、その後に元の引用を再挿入する、というものです。これは少量の文章なら機能します。完全な原稿の場合、手作業の負担はhumanizationの工程より時間がかかることがあります。humanizeの最中にプレースホルダを落とすのは非常に簡単です。数分以上かかるようなら、ツールで自動化することを検討してください。ここで説明したパイプラインを自動化するために、1,500語を超える任意の文書はツール利用の恩恵を受けます。

Q: そのhumanizerが本当に引用を意識しているのか、それとも単にそう主張しているだけなのかをどう見分ければいいですか？

上の章で説明した5分テストを実行してください。APA、番号付き、統計引用が混在した段落をコピーし、ツールに通します。すべての要素が入力とまったく同じ形で見えていれば、そのhumanizerは引用を意識しています。何かがどこかで変わっていれば、「引用を意識している」というラベルは単なるマーケティングにすぎません。引用保持ができると宣伝している多くのツールは、実際にはパイプラインの抽出部分を実装していません。このテストを実行すると、どれが本当かが分かります。

Q: 指導教員に提出する学位論文の章でも問題になりますか？それともジャーナル用原稿に限る話ですか？

両方で問題になりますが、理由が異なります。ジャーナル用原稿では、引用が不一致だと技術的なスクリーニングでリジェクトにつながります。学位論文の章では、指導教員や委員会が引用のズレに気づき、それがAI使用の証拠、あるいは不注意の証拠だと考え、健全性に関する懸念を提起したり、章の作り直しを求めたりします。このズレは軽微で、一見すると事故のように見えますが、注意深い読者には十分に気づかれる程度に一貫しています。引用を意識するhumanizerは、どちらの文脈でもこの失敗パターンを取り除きます。