AI가 생성한 언어는 왜 이해하기 어려울까?

다양한 분야의 AI 생성 텍스트를 분석한 결과, 사람의 언어 처리 부담과 관련된 표현이 왕복 번역으로 바꿔 쓴 문장보다 더 자주 나타남 인간의 글과 비교하면 조사 대상 9개 최상위권 및 준최상위권 모델 모두 무생물 주어와 유생물의 행동을 나타내는 동사의 조합, 출현 빈도가 낮은 n-그램을 더 많이 사용함 대화에서는 대부분의 모델이 긴 구문 의존 관계, 명사 연쇄, 축약된 목적격 관계절도 더 많이 사용했으며, 모델 계열 간 차이도 상당함 연구진은 수학, 코드, 추론 등 다른 목표에 대한 최적화가 성공적인 의사소통보다 정보 밀도를 높이는 압력을 만든다는 가설을 세우고 검증함 길이 페널티를 적용한 미세 조정 실험에서는 인간과 유사한 언어적 행동에서 벗어나는 결과가 나타났으나, 가설을 뒷받침하는 개념 증명 수준의 근거임 분석 대상과 비교 방식 최근 AI 생성 텍스트가 이해하기 어려워졌다는 인식을 출발점으로, 인간의 언어 처리 난도와 상관관계가 알려진 심리언어학적 특징을 조사함 목적격 관계절, 긴 구문 의존 관계, 출현 빈도가 낮은 n-그램 등이 분석 대상임 다양한 분야의 AI 생성 텍스트 말뭉치를 새로 구축하고, 왕복 번역으로 바꿔 쓴 문장 및 인간의 글과 비교함 데이터 수집 대상에는 최상위권 및 준최상위권 모델 9개와 소형 공개 모델 5개가 포함됨 9개 모델은 Claude Sonnet 5, Opus 5, Opus 5.5, Fable 5, GPT-5.6 sol, terra, luna, GLM-5, Kimi K2.5임 소형 공개 모델은 Llama 3.1 8B base/Instruct와 Olmo 3 7B base/Instruct/Think임 대화 데이터는 기본 모델을 제외한 12개 모델에 10개 주제를 적용한 120개 대화로 구성됨 AI 텍스트에서 더 자주 나타나는 언어적 특징 AI 모델은 왕복 번역으로 바꿔 쓴 문장보다 처리 부담이 큰 언어적 특징을 더 자주 사용함 인간의 글과 비교할 때, 9개 최상위권 및 준최상위권 모델 모두 다음 두 특징을 더 많이 사용함 무생물 주어와 유생물의 행동을 나타내는 동사를 결합함 출현 빈도가 낮은 n-그램을 사용함 대화에서는 대부분의 모델이 더 긴 구문 의존 관계와 명사 연쇄, 축약된 목적격 관계절도 더 많이 사용함 이러한 특징의 사용 양상에는 모델 계열 간 상당한 차이가 있음 도입부의 예문은 목적격 관계절, 명사에서 파생된 동사인 footnote, 무생물 주어에 결합된 eat, 명사 ...