Desde que ChatGPT hizo que la inteligencia artificial generativa se abriera a todo aquel que quisiera, ha existido el debate. ¿Hasta qué punto son detectables los textos generados con inteligencia artificial?
La respuesta es complicada. Muchos programas antiplagio y anti-IA utilizado por Universidades han demostrado no ser eficientes del todo, pero también está claro que los textos generados por los grandes modelos de lenguaje cuentan con unos patrones que, a puro de usarlos, tienden a ser repetitivos.
Inicios anodinos con frases como “en el contexto” actual, su afán por adjetivar todo lo posible, y párrafos que cierran con coletillas como “en resumen” o “en conclusión” eran algunos de los más evidentes.
En Estados Unidos, un análisis había probado que la palabra ‘delve’ (ahondar o sumergirse) había disparado su presencia en papers académicos desde la llegada de la IAG. Pero ahora, el analista y consultor SEO español Natzir Turrado ha extraído qué palabras son también las que más se repiten en español.
Para el análisis, publicado en Twitter, Turrado ha comparado las bases de datos de algunos de los modelos más populares con un corpus de textos escritos por humanos.
En concreto, se basó en los modelos Llama3-8b-8192, Llama-3-sonar-small-32k-chat, Gemma-7b-It, GPT3.5 Turbo, GPT4, GPT4o. Pero mayoría del corpus con modelos GPT. El tamaño total para el análisis fue de 360.337.739 tokens generados con IA.
