Ha ma valaki azt mondja egy novellára, hogy „ezt AI írta”, könnyen lehet, hogy igaza van — és ugyanilyen könnyen lehet, hogy csak egy rosszul megfogható benyomás. A szépirodalmi világ most tanulja meg, mennyire törékeny a bizalom, amikor a bizonyítás eszközei hiányoznak.

Mi történt

A brit irodalmi magazin, a Granta 2012 óta közli a Commonwealth Short Story Prize regionális nyerteseit. Idén azonban az egyik díjazott szöveg, Jamir Nazir „The Serpent in the Grove” című novellája kapcsán felmerült a gyanú, hogy részben vagy egészben nagy nyelvi modell (LLM) generálta.

A gyanú alapja főleg stílusjegyekre épült: „furcsa” ritmus, kevert metaforák, ismétlődő szerkezetek (például a retorikailag hatásos „hármas listák”), és az a nehezen körülírható érzet, hogy „valami nem stimmel”. Nabeel S. Qureshi – korábbi AI vendégkutató – például azt mondta, ő már a nyitómondatoknál úgy érezte, ez a skála azon végén van, amikor nem csak segített az AI, hanem ténylegesen megírta a szöveget.

A szervezők közben a bizalom elvén működnek: a Commonwealth Foundation vezetője jelezte, hogy tudnak a vádakról, de a nevezőktől eredeti, korábban nem publikált művet kérnek, és a shortlistre került szerzők személyesen állították, hogy nem használtak AI-t a szöveg megírásához. A Granta kiadója azt is elmondta, hogy Claude-dal „megkérdezték”, AI-generált-e a szöveg — ami jól hangzik, csak épp Claude egy chatbot (LLM), nem hitelesítő vagy detektáló eszköz. A kiadó még azt a lehetőséget is felvetette: ha AI volt a háttérben, az akár „AI-plagizálás” is lehet, de ezt lehet, hogy sosem fogjuk biztosan tudni.

Miért fontos

Itt nem az a fő kérdés, hogy „felismerhető-e” az AI-stílus. Az LLM-ek emberi szövegeken tanulnak, ezért pont az a trükkjük, hogy emberinek tűnnek — gondolj rájuk úgy, mint egy elképesztően jó utánzóra, aki sok millió mondatból rakja össze, mi „szokott következni” egy adott fordulat után. Emiatt a puszta stílusjegyek (gondolatjelek, a „delve” típusú szavak, pattogós mondatok) nem bizonyítékok. A kiadóknak és díjszervezőknek viszont mégis dönteniük kell: kit díjaznak, mit közölnek, és hogyan védik a saját hitelességüket úgy, hogy közben ne induljon boszorkányüldözés.

Mire figyelj

  1. Detektálás vs. bizonyítás: az AI-detektorok és „AI-gyanú” jellegű elemzések ritkán alkalmasak arra, hogy egy díj vagy kiadó számára jogilag és etikailag is stabil döntést támasszanak alá, főleg publikálatlan kéziratoknál.
  2. Szabályok tisztázása: hol a határ az „AI segített szerkeszteni” és az „AI írta” között? Mi a helyzet az ötletelésre használt modellekkel, kutatással, vagy átiratkészítéssel? Amíg ez nincs leírva, minden botrány ad hoc ítélkezésnek fog tűnni.
  3. Hitelesítés új gyakorlatai: várhatóan terjedni fognak a folyamat-alapú megoldások (vázlatok, verziótörténet, szerkesztői levelezés, munkafájlok) — nem azért, mert ezek tökéletesek, hanem mert legalább emberi munkafolyamatot tudnak alátámasztani.
  4. A bizalom ára: a mostani helyzetben a kiadók sokszor kénytelenek a „trust me” modellre támaszkodni. A The Verge értelmezése szerint ezek az esetek kevésbé az LLM-ek „irodalmi minőségéről”, inkább a publikálási iparág felkészületlenségéről szólnak — és arról, hogy a régi intézményi rutinok nem erre a bizonytalanságra lettek kitalálva.