Дългото тире (em dash) и AI текст - защо символът стана неофициален воден знак

Дългото тире (em dash, —) и по-късото му братче (en dash, –) се превърнаха в един от най-обсъжданите белези на текст от езикови модели. Никой разработчик не го е вграждал като код. Явлението е чисто статистическо: ChatGPT, Gemini и Claude излизат от тренировка с навика да ползват тези символи прекалено често, а хората рядко ги пишат в ежедневни текстове.

Резултатът е странен. Един напълно грамотен знак за пунктуация, използван от векове от Емили Дикинсън и Джейн Остин, днес буди подозрение, че текстът е генериран от машина. Статии в Medium го наричат „швейцарското ножче на AI пунктуацията“. Писатели в Reddit описват как колеги и преподаватели ги обвиняват в използване на ChatGPT само защото в текста има няколко дълги тирета.

Защо езиковите модели го избират толкова често

Големите езикови модели предсказват следващата дума или символ на база вероятности. — е универсален знак, който замества запетая, двоеточие, скоби или точка. Когато моделът се колебае коя пунктуация е най-подходяща, статистически най-безопасният избор е дългото тире. Нищо не се чупи граматически, смисълът минава и вероятността се разпределя в негова полза.

Втората причина е структурата на изреченията. Моделите често вмъкват разяснения или допълнителна информация в средата на изречение. Sean Goedecke описва как — е най-чистият начин за такова вмъкване без риск от грешка - докато запетая може да създаде двусмислица, а точка и запетая има ограничени правила за употреба.

Третата причина е обучението с обратна връзка от хора (RLHF). Оценителите, които помагат на моделите да научат кой отговор е по-добър, предпочитат описателен и разговорен стил. Този стил съдържа повече дълги тирета. Така моделът получава положителен сигнал и започва да ги ползва все повече с всяка итерация на трениране.

Как различните системи виждат дългото тире

Дългото тире не се третира еднакво от всички. Оценката зависи от това кой анализира текста и с каква цел.

Специализирани AI детектори: около 8 от 10

Инструменти като GPTZero, Copyleaks и Originality ползват перплексия и стилистичен анализ. Тъй като средният писател в интернет рядко пише — (повечето хора ползват обикновен дефис или запетая), системата приема прекалената употреба като силен статистически сигнал. Текст с няколко перфектно поставени дълги тирета на къс абзац рязко вдига AI оценката.

Проучване от MSU Denver показа, че детектори като Turnitin и GPTZero маркират текстове с повече от три — на 500 думи с около 60% по-висока вероятност за AI, дори когато остатъкът от текста е написан от човек.

Google Search: около 2 от 10

Google многократно е заявявал, че не наказва AI съдържание само защото е AI. Алгоритъмът за класиране гледа полезност (Helpful Content), E-E-A-T сигнали и уникалност. Правилната пунктуация по-скоро е сигнал за грамотност, отколкото причина за санкция. Един блог пост в WordPress с автоматично конвертиране на двоен дефис в — не губи позиции заради самия символ.

SynthID и математически водни знаци: 1 от 10

Системата на Google DeepMind - SynthID - не разчита на видими символи. Тя вгражда подпис в статистическия избор на думи при генериране. Пунктуационен знак не е достатъчно надежден - всеки потребител може да направи „Find and Replace“ за пет секунди и да изтрие всички — от текста. Сериозните технологични системи за маркиране не биха разчитали на нещо толкова лесно за премахване.

Едно тире не е водният знак - то е едно от многото парченца

Ключовото разбиране за работата на AI детекторите: те не търсят един конкретен символ. Те търсят натрупване на специфични белези. Текст само с дълги тирета е просто грамотен. Текст с дълги тирета плюс четири от класическите AI маркери обаче скача на 9/10 по AI оценка.

Ето другите парченца от пъзела, които заедно с тиретата създават профила на машинния текст:

• Прекалена структурираност: Всяко изречение е с подобна дължина. Използват се предвидими преходи от типа „Освен това“, „По този начин“ или „От друга страна“.
• Липса на шум: Хората правят леки стилистични грешки, ползват жаргон, прескачат логически връзки. AI пише твърде чисто.
• Обилно ползване на списъци: Езиковите модели обожават да структурират информацията в булети и номерирани точки.
• Ниска бърстинес (burstiness): Човешкото писане е хаотично - едно дълго изречение, последвано от три кратки. AI поддържа равномерен ритъм.
• Перфектна пунктуация: Тук влизат тиретата. Моделът никога не забравя запетая пред „че“ или да затвори скобите.

Точно тази комбинация детекторите ловят. Не самото тире.

Защо Google се притеснява от профила, а не от символа

За Google проблемът не е, че текстът е от AI. Проблемът е, че изглежда генериран по калъп. Когато хиляди сайтове ползват един и същ модел (например GPT-4o), те пишат по абсолютно един и същ начин. Същите тирета. Същите преходи. Същата структура.

Google вижда стотици статии, които изглеждат почти идентично. Избира да покаже само тази, която носи реална добавена стойност (Information Gain). Останалите третира като запълващо съдържание. Това е наказанието, а не символите сами по себе си.

Ефект върху реалните автори

Несъзнателното уеднаквяване на AI текста промени поведението на писателите. Три тенденции се оформиха през последните две години.

Самоцензура. Студенти и свободни автори избягват —, за да не бъдат несправедливо обвинени в използване на AI. Форуми за копирайтъри дискутират дали да преминат към обикновен дефис, за да „минат“ през детекторите.

Фалшиво положителни резултати. Много детектори маркират текстове с правилна, но по-сложна пунктуация като AI. Това засяга особено чуждестранни студенти, които са учили английски по академични източници и несъзнателно ползват — по-често от средния носител на езика.

Контрадвижение „Save the Em Dash“. Колумнистка в Medium описва реакцията на колеги писатели в The Em Dash Dilemma: „Сега AI краде и тиретата ми“. Някои автори съзнателно продължават да ги ползват като жест, а не се отказват от полезен инструмент заради асоциацията му с машините.

Кога тиретата са сигнал и кога не

Практическата граница е проста. Ако текстът има две или повече — на 300 думи плюс прекалена структурираност, равни по дължина изречения и типични преходи, детекторите ще го маркират. Ако тиретата се появяват естествено веднъж или два пъти в дълга статия с неравномерен ритъм и личен глас, няма да бъде проблем.

Интересен случай са текстовете, редактирани от Word или WordPress. Двата инструмента автоматично конвертират двоен дефис -- в дълго тире —. Хора, които пишат ръчно, може да се окажат с много — без да са ги въвели съзнателно. Това също може да подведе детекторите.

Какво прави лексикалният подход

Инструмент като AI Detector работи с конкретни фрази и стилистични белези. Дългото тире е само един сигнал - системата го претегля спрямо десетки други. Ако в текста има и типични AI клишета от рода на обобщаващи встъпителни фрази или маркери на предпазлив тон, оценката за AI расте. Ако единственото съмнително нещо са няколко дълги тирета, резултатът остава нисък.

Този подход е по-устойчив от чистата статистика при къси текстове. Зад знака — може да стои и Джейн Остин, и ChatGPT. Разликата се вижда от контекста, структурата и съчетанието с други маркери.

Практическият извод

Дългото тире само по себе си не е воден знак. То е навик на езиковите модели, който се превърна в статистически признак, защото хората рядко го ползват в интернет текстове. Ако пишете редовно в блог, технически материали или академична работа, не избягвайте — само от страх. Полезен инструмент е.

Ако редактирате AI генериран текст преди публикуване, не се спирайте на замяна на тиретата с дефиси. Това не решава проблема. По-ефективно е да разчупите ритъма, да добавите едно много кратко изречение, да вмъкнете личен коментар или пример. Така разваляте общия профил на машинния текст, не само един от сигналите му.

Дългото тире остава полезен препинателен знак с история, която предхожда AI с два века. Фактът, че езиковите модели го ползват прекалено, не е причина хората да се отказват от него. Причина е да пишат по-разнообразно.