Czytasz artykuł i czujesz, że coś jest nie tak? Zbyt wiele myślników, dziwne powtórzenia i to wieczne „nie tylko X, ale i Y”. To klasyczne objawy tekstów wypluwanych przez duże modele językowe. Serwis tropes.fyi zebrał te irytujące nawyki w jeden plik Markdown. Wrzucasz go do swojego system promptu i nagle Twoje AI przestaje brzmieć jak korporacyjny bot, a zaczyna pisać z sensem.

Co to są klisze pisarskie AI i skąd się biorą?

Strona tropes.fyi to nic innego jak czarna lista powtarzalnych schematów, którymi katują nas duże modele językowe. Autorzy podzielili je na konkretne kategorie: od niefortunnego doboru słów, przez sztywną strukturę zdań, aż po specyficzny ton i formatowanie. Cel tej misji jest prosty: pomóc twórcom i redaktorom w identyfikacji „AI slop” – tego mdłego, przewidywalnego stylu, który regularnie podnosi ciśnienie użytkownikom Hacker News.

Te językowe potworki wynikają bezpośrednio z procesu trenowania modeli, gdzie algorytmiczne kary za powtórzenia zmuszają maszyny do szukania przekombinowanych fraz, a proces RLHF promuje sztuczną uprzejmość i udawaną głębię. Zanim nastała era LLM, nikt nie nadużywał konstrukcji „nie X – lecz Y” na taką skalę. Twórca witryny, mając dość zalewu botów na forach dyskusyjnych, po prostu spisał te grzechy główne na podstawie tysięcy przeanalizowanych tekstów.

Plik tropes.md to gotowe rozwiązanie – kopiujesz go do kontekstu modelu i kończysz zabawę w kotka i myszkę z algorytmami. Działa to podobnie jak detektory AI, ale uderza bezpośrednio w przyczynę problemu, a nie tylko w jego skutki.

Żeby było prościej stworzyłam (a raczej AI stworzyło) również plik polish-tropes.md, który dostosowany jest do niuansów języka polskiego.

Słownictwo, które krzyczy „jestem botem”

Modele AI mają słabość do przysłówków takich jak „płynnie” czy „głęboko”, którymi próbują dodać mistycyzmu nawet najprostszym czynnościom. „Płynnie orkiestrując przepływy pracy” brzmi może i dumnie, ale to tylko tania sztuczka językowa.

Zamiast zwyczajnego słowa „jest”, w tekstach maszynowych niemal zawsze coś „stanowi” lub „pełni kluczową rolę”, bo algorytmy panicznie boją się prostoty, która mogłaby zostać uznana za błąd.

Najczęstsze słowne pułapki polskiego AI-dialektu:

Typ AI-izmu Jak pisze algorytm (Klisza) Jak napisałby człowiek
Fałszywy badacz „Zagłębmy się w ten fascynujący temat…” Spójrzmy na… / Zobaczmy…
Korpomowa „Wykorzystajmy pełen potencjał…” Użyjmy… / Zróbmy z tego użytek…
Pozorna głębia „Kompleksowe i innowacyjne rozwiązania…” Dobre, sprawdzone narzędzia
Wyszukane rzeczowniki „Szerokie spektrum możliwości w dynamicznym krajobrazie…” Wiele opcji / Na zmieniającym się rynku

Większość tych słów przed ekspansją LLM występowała w przyrodzie śladowo. Dziś plik tropes.md pozwala je skutecznie blokować już na poziomie promptu, a narzędzia typu Deslopify potrafią wskazać konkretne miejsca w tekście, które wymagają natychmiastowej, ludzkiej interwencji.

Struktura zdań – mistrzostwo fałszywej głębi

Absolutnym królem AI-mowy jest tzw. negative parallelism: „To nie jest X – to Y”, zazwyczaj doprawione efektownym myślnikiem. „To nie jest po prostu kodowanie. To rzeźbienie w architekturze danych.” Brzmi to może i mądrze za pierwszym razem, ale dziesiąty taki zwrot w jednym tekście to już obraza dla inteligencji czytelnika. Inne warianty to dramatyczne „Nie X. Nie Y. Tylko Z” lub stawianie pytań retorycznych typu „Pytasz o trudności? To wyzwania.”.

Anafory i trójkowe wyliczanki są tu bezlitośnie nadużywane – uporczywe powtarzanie „Często zakłada się, że…” lub listy punktowane, które puchną do absurdalnych rozmiarów. Do tego dochodzą zapychacze w stylu „Warto również zauważyć, że”, które służą jedynie do łączenia wątków niemających ze sobą nic wspólnego. Modele uwielbiają też rwane zdania oparte na rzeczownikach odczasownikowych: „Analizowanie błędów. Wdrażanie innowacji.” – ma być dynamicznie, a wychodzi mechanicznie.

To nie jest naturalny styl. Ludzkie myśli są chaotyczne i pełne dygresji, podczas gdy AI jedynie symuluje napięcie. Jeśli wkleisz tropes.md do Claude czy GPT, szybko zauważysz różnicę. W tekstach pojawi się więcej konkretnej treści, a mniej taniego teatru.

Ton, format i kompozycja – reszta arsenału

Ton generowany przez sztuczną inteligencję często zdradza jej nieludzkie pochodzenie, próbując naśladować ludzkie emocje w bardzo przerysowany sposób. Oprócz samego słownictwa, modele zdradzają się poprzez specyficzne formatowanie i budowanie nastroju.

Ulubione zagrywki strukturalne i tonalne AI:

  • Fałszywa intymność: wtrącenia w stylu „I tak, muszę przyznać, że uwielbiam…”, które u maszyny brzmią po prostu sztucznie.
  • Wymuszone bycie „cool”: próba złapania luzu przez zwroty typu „A teraz najlepsze…”.
  • Mentorski ton: pouczające „Rozłóżmy to na czynniki pierwsze” czy wyświechtane „Wyobraź sobie świat, w którym…”.
  • Zmyślanie terminologii: tworzenie pojęć brzmiących mądrze, ale pustych w środku (np. „paradoks synergii kognitywnej”).
  • „Fractal summaries”: niekończące się podsumowania podsumowań i mielenie tych samych wniosków w kółko.
  • Toksyczny optymizm: obowiązkowe, radosne zamknięcie każdego tekstu (np. „Podsumowując, mimo licznych wyzwań…”), niezależnie od tego, jak ponury był temat.

Uzależnienie od myślników to wizualny znak rozpoznawczy tekstów maszynowych. Narzędzia powiązane z tropes.fyi, takie jak AI Vetter, potrafią sklasyfikować treść jako ludzką, podejrzaną lub czysty „slop”. Z kolei ai;dr pomaga wyłuskać sensowny prompt z morza wygenerowanego bełkotu.

Jak tropes.fyi zmienia grę z AI writingiem?

Wykorzystanie pliku do poprawy promptu to genialne posunięcie. Ironia polega na tym, że narzędzie stworzone przy pomocy AI uczy AI, jak nie brzmieć jak… AI. Na Hacker News, w wątku który zebrał 139 punktów, użytkownicy chwalą to rozwiązanie za jego czysto praktyczny wymiar. Po prostu dodajesz odpowiedni kontekst, a model zaczyna omijać najbardziej rażące klisze szerokim łukiem.

Ekosystem wokół projektu stale rośnie: Deslopify sugeruje lepsze sformułowania, a Vetter skanuje linki pod kątem ich wiarygodności. To ciągły wyścig zbrojeń – modele ewoluują, więc katalog tropów musi być stale aktualizowany. Dla nas, odbiorców treści, to przede wszystkim filtr, który pozwala odsiać ziarno od cyfrowych plew.

Używamy technologii, by chronić się przed jej własnymi wadami. Jak mówi disclaimer projektu: człowiek powinien pisać dla człowieka. W czasach, gdy internet tonie w masowej produkcji, to właśnie cicha, ludzka inteligencja staje się ostatnią linią obrony jakości.

Źródła: tropes.fyi, Hacker News (item?id=47291513, item?id=47088813)

Najczęściej zadawane pytania