Humanize은(는) 무엇을 하나요?
단일 패스 인간화 파이프라인입니다. 29개 카테고리의 AI 패턴 탐지 프레임워크를 반복적이고 지표 기반의 적대적 루프와 결합한 뒤, 모든 em 대시를 제거하는 필수 최종 패스를 실행합니다. 패턴 프레임워크가 무엇을 수정하고 어떻게 수정할지 결정합니다. 적대적 루프는 텍스트가 사람이 쓴 것으로 읽힐 때까지 검증하고 반복합니다. 최종 패스는 출력물에 em 대시가 전혀 없음을 보장합니다.
핵심 워크플로우
인간화할 모든 텍스트에 대해 이 정확한 순서를 실행합니다.
1단계: 패턴 패스 (29개 카테고리)
아래 나열된 29개 AI 패턴 카테고리 전체에 대해 텍스트를 스캔합니다. 일치하는 모든 부분을 다시 씁니다. 정확성보다는 어조(voice)를 우선시합니다.
2단계: 점수 패스
다시 쓴 텍스트를 네 가지 정량적 신호에 대해 확인합니다.
- Perplexity (혼란도). Perplexity가 낮으면 AI로 읽힙니다. 높으면 인간으로 읽힙니다. 모델은 예측 가능한 토큰 시퀀스를 선택합니다. 인간은 그렇지 않습니다.
- Burstiness (폭발성). 문장 길이가 균일하면 AI로 읽힙니다. 분산이 높으면 인간으로 읽힙니다. 인간은 짧고, 중간이고, 긴 문장을 자연스럽게 섞습니다.
- Trigram 다양성. Trigram 중복이 높으면 AI로 읽힙니다. 인간은 더 드문 단어 조합을 사용합니다.
- 패턴 재발견. 패턴 1부터 29까지의 남은 일치 항목을 다시 스캔합니다.
3단계: 적대적 루프 (최대 10회 반복)
각 반복에서 아래 언어 무기고(Linguistic Arsenal)에서 변환 2~3개를 무작위로 선택하여 적용합니다. 다시 점수를 매깁니다. AI 확률을 낮추는 변경 사항은 유지합니다. 높이는 변경 사항은 폐기합니다.
4단계: 자체 감사
스스로에게 묻습니다. 이 텍스트 중 아직도 AI가 생성한 것처럼 읽히는 부분은 무엇인가? 남아있는 단서를 식별합니다. 수정합니다. 점수가 여전히 목표보다 높으면 3단계로 돌아갑니다.
5단계: Em 대시 제거 (필수, 불가침)
이 패스는 항상 마지막에 실행되며 절대 건너뛰지 않습니다. 최종 텍스트에는 em 대시가 전혀 없어야 합니다.
- 모든 em 대시 문자(U+2014)를 제거합니다.
- 연결자로 사용된 모든 en 대시(U+2013)와 대시로 사용된 모든 이중 하이픈("--")을 제거합니다.
- 제거된 각각에 대해 문장에 맞는 대체 구두점을 선택합니다.
- 쉼표: 절이 단순한 삽입어일 때.
- 마침표 또는 세미콜론: 두 부분이 각각 독립된 생각일 수 있을 때.
- 괄호: 절이 분리될 수 있는 진정한 삽입어일 때.
- 콜론: 뒤 부분이 앞 부분을 설명하거나 확장할 때.
- 아무것도 없음: 대시가 단지 문장을 부풀렸을 때. 그냥 간격을 닫습니다.
- 결과를 다시 읽습니다. 만약 em 대시가 하나라도 남아 있으면 반복합니다. 출력물은 단 하나의 em 대시도 가지고 배포될 수 없습니다.
어조 보정
글쓰기 샘플이 제공되면, 다시 쓰기 전에 분석합니다.
- 문장 길이 패턴. 짧고 강력한가? 길고 흐르는가? 혼합되었는가?
- 단어 선택 수준. 캐주얼한가? 학술적인가? 그 중간인가?
- 문단 시작 방식. 바로 시작하는가, 아니면 먼저 맥락을 설정하는가?
- 구두점 습관. 쉼표가 많은가? 괄호 속 삽입어? 세미콜론?
- 반복되는 구문 또는 언어적 버릇.
- 전환 처리 방식. 명시적 연결어를 사용하는가, 아니면 그냥 다음 요점을 시작하는가?
샘플에 맞춰 다시 씁니다. 그들이 짧은 문장을 쓰면, 긴 문장을 쓰지 마십시오. 그들이 "stuff"와 "things"를 사용하면, "elements"와 "components"로 업그레이드하지 마십시오.
샘플이 없으면 기본 어조를 사용합니다: 자연스럽고, 다양하며, 의견이 있는.
반 AI 어조: 개성과 영혼
패턴을 피하는 것은 일만 한 것입니다. 멸균된 글쓰기는 형편없는 글만큼이나 명백합니다.
영혼 없는 글쓰기의 징후:
- 모든 문장이 같은 길이와 구조.
- 의견 없이 중립적으로만 보고.
- 불확실성이나 혼란스러운 감정에 대한 인정 없음.
- 어울릴 때 1인칭 관점 사용 안 함.
- 위키백과 문서나 보도자료처럼 읽힘.
어조를 추가하는 방법:
- 의견을 가지세요. 사실만 보고하지 말고, 그에 반응하세요.
- 리듬을 다양화하세요. 짧은 문장. 그 다음에는 시간을 들이는 더 긴 문장.
- 복잡성을 인정하세요. "이것은 인상적이지만 또한 일종의 불안하다"가 "이것은 인상적이다"보다 낫습니다.
- 어울릴 때 "나"를 사용하세요. "나는 계속해서..."는 진짜 사람이 생각하고 있음을 알립니다.
- 약간의 혼란을 허용하세요. 여담, 삽입어, 반쯤 형성된 생각은 인간적입니다.
29가지 패턴 카테고리
내용 패턴
- 의미 과장. 단어: stands as, testament, pivotal, crucial, underscores, evolving landscape, deeply rooted. 수정: 허풍 제거. 왜 중요한지 말하지 말고, 무슨 일이 일어났는지 말하세요.
- 주목성 부풀리기. 단어: independent coverage, media outlets, active social media presence. 수정: 매체를 나열하는 대신 특정 보도를 인용하세요. 모호한 주목성 주장은 생략하세요.
- 피상적인 -ing 분석. 단어: highlighting, underscoring, reflecting, showcasing, fostering, encompassing. 수정: -ing 덧붙이기를 제거하세요. 정보를 추가하지 않으면 잘라내세요.
- 홍보성 언어. 단어: boasts, vibrant, nestled, groundbreaking, breathtaking, stunning. 수정: 중립적인 설명을 사용하세요. "이 마을은 주간 시장이 있다" ("숨막히게 아름다운...에 자리잡은"이 아니라).
- 모호한 출처 표기. 단어: industry reports, observers have cited, experts argue. 수정: 출처를 밝히거나 표기를 생략하세요.
- 개요 공식. 단어: "Despite its... faces several challenges...", "Future Outlook", "Challenges and Legacy". 수정: 무슨 일이 일어났는지 말하세요. 섹션을 발표하지 마세요.
언어 및 문법 패턴
- AI 어휘. 단어: actually, additionally, align with, crucial, delve, enhance, fostering, garner, highlight, interplay, intricate, key (형용사), landscape (추상적), pivotal, showcase, tapestry (추상적), testament, underscore, valuable, vibrant. 수정: 더 간단한 대체어로 바꾸세요. "pivotal" 대신 "important". "underscores" 대신 "shows".
- Copula 회피. 단어: serves as, stands as, marks, represents, boasts, features. 수정: "is" 또는 "has"로 바꾸세요. "serves as" 대신 "Gallery 825 is LAAA's exhibition space".
- 부정 평행 구조. 구조: "Not only... but also...", "It's not just about X, it's about Y", "no guessing"와 같은 꼬리 부정. 수정: 직접적인 진술. "It's not just about the beat..." 대신 "The heavy beat adds to the tone".
- 3의 법칙. 세 가지 예, 세 개의 형용사, 세 항목 목록. 수정: 세 개라면, 두 개여도 되는지 고려하세요. 목록이 필요하다면 괜찮습니다. 수사학적 완전성을 위해 존재한다면 제거하세요.
- 동의어 순환. 연속된 문장에서 같은 개념을 다른 이름으로 부르기 (주인공, 주요 인물, 중심 인물, 영웅). 수정: 하나의 용어를 선택하여 계속 사용하세요. 반복은 인간적입니다.
- 거짓 범위. "From X to Y, from A to B"에서 끝점이 실제 척도에 있지 않은 경우. 수정: 항목을 나열하세요. "from the singularity to the cosmic web" 대신 "The book covers the Big Bang, star formation, and dark matter".
- 수동태와 주어 없는 구. "No configuration file needed." "The results are preserved automatically." 수정: 행위자를 추가하세요. "You do not need a configuration file."
스타일 패턴
- Em 대시 (무관용). 어떤 em 대시든 단서입니다. 수정: 모두 제거하세요. 쉼표, 마침표, 세미콜론, 콜론, 괄호로 바꾸거나 간격을 완전히 닫으세요. 이는 필수 5단계 패스에 의해 강화됩니다. 최종 텍스트는 em 대시가 없습니다.
- 볼드체 남용. 주요 용어에 대한 기계적인 강조. 수정: 일반 텍스트를 사용하세요. 독자가 무엇이 중요한지 결정하게 하세요.
- 인라인 헤더 목록. "- Topic: Description" 형식. 수정: 산문 문장으로 쓰세요.
- 제목에서의 타이틀 케이스. "Strategic Negotiations And Global Partnerships." 수정: 문장 케이스. "Strategic negotiations and global partnerships."
- 이모지. 제목이나 글머리 기호 앞의 장식용 이모지. 수정: 제거.
- 둥근 따옴표. 직선 따옴표 대신 스마트 따옴표. 수정: 직선 따옴표로 바꾸세요.
커뮤니케이션 패턴
- 챗봇 인공물. "I hope this helps!", "Let me know if...", "Great question!" 수정: 제거하세요. 텍스트는 이것들 없이도 독립적이어야 합니다.
- 지식 절단 시점 면책 조항. "As of [date]", "Based on available information..." 수정: 관련 날짜를 명시하거나 생략하세요.
- 아첨하는 어조. 지나치게 긍정적이고, 사람을 기쁘게 하는 언어. 수정: 직접적이고 중립적. "Great point! You're absolutely right!" 대신 "The factors you mentioned are relevant".
잡담 및 회피
- 잡담 구문. "In order to"는 "to"로. "Due to the fact that"은 "because"로. "At this point in time"은 "now"로.
- 과도한 회피. "It could potentially possibly be argued that..." 수정: "may be"로 바꾸거나 제거.
- 일반적인 긍정 결론. "The future looks bright." "Exciting times lie ahead." 수정: 구체적인 미래 지향적 진술, 또는 아무것도 하지 않음.
- 하이픈으로 연결된 단어 쌍. third-party, cross-functional, data-driven, decision-making, high-quality, real-time. 수정: 인간은 일관성이 없습니다. "Third party", "cross functional", "data driven".
- 설득력 있는 권위 논조. "The real question is," "At its core," "What really matters," "Fundamentally," "The deeper issue." 수정: 요점을 직접적으로 말하세요.
- 길 안내. "Let's dive in," "Let's explore," "Here's what you need to know," "Now let's look at." 수정: 그냥 내용을 시작하세요.
- 파편화된 헤더. 헤더 다음에 헤더를 다시 설명하는 한 줄짜리 문단. 수정: 워밍업 문장을 자르세요. 내용으로 시작하세요.
언어 무기고 (적대적 루프용)
적대적 정제 단계에서 이러한 변환을 무작위로 적용합니다.
축약
모든 인스턴스에 적용하지 말고 무작위로 적용합니다. 인간은 일관성이 없습니다.
- do not → don't, does not → doesn't, did not → didn't
- are not → aren't, is not → isn't, was not → wasn't
- have not → haven't, has not → hasn't
- would not → wouldn't, could not → couldn't, should not → shouldn't
- it is → it's, that is → that's, there is → there's
- we are → we're, they are → they're, you are → you're
문장 병합
인접한 두 문장이 모두 8단어 미만이면 쉼표와 연결어(and, but, so, because)로 병합합니다.
문장 분할
문장이 30단어를 초과하고 쉼표로 묶인 접속사를 포함하면 중간 지점에서 두 문장으로 분할합니다.
페르소나 주입
- 학부생: 시작 부분에 회피 표현 하나 추가 ("I think," "From what I understand," "It seems like," "Honestly"). 자기 수정 또는 재고 절 하나 추가 ("Or at least that's how I see it").
- 전문가: 가끔 "is"를 "appears to be"로, "are"를 "tend to be"로 바꿉니다. 형식 수준을 일관되게 유지하되 딱딱하지 않게 합니다.
- 캐주얼: 가끔 관사를 생략합니다. 문장 단편을 사용합니다. 문장을 "And," "But," "So"로 시작합니다. 모든 가능한 동사에 축약을 적용합니다.
시작 변주
세 개의 연속된 문장이 같은 방식으로 시작하면(같은 주어, 같은 구조) 하나를 바꿔 씁니다. 인간 작가는 시작을 본능적으로 다양화합니다.
정량적 신호 (점수 매기기용)
각 다시 쓰기 패스 후에 이 네 가지 신호를 확인합니다.
| 신호 | 낮음 (AI) | 높음 (인간) |
|---|---|---|
| Perplexity | 낮음. 모델이 다음 토큰을 쉽게 예측합니다. | 높음. 예상치 못하지만 자연스러운 단어 선택. |
| Burstiness | 문장 길이가 밀접하게 모여 있습니다. | 높은 분산. 짧고, 중간이고, 긴 문장이 혼합됨. |
| Trigram 다양성 | 높은 trigram 중복, 예측 가능한 패턴. | 드문 조합, 낮은 중복. |
| 패턴 재발견 | 활성 패턴 일치 3개 이상. | 0~1개 일치 남음. |
목표: 네 가지 신호 모두에서 AI 확률 10% 미만.
프로세스 요약
- 입력 텍스트를 읽습니다.
- 29개 패턴 일치 항목을 모두 식별하고 다시 씁니다.
- 어조(개성, 의견, 다양한 리듬)를 추가합니다.
- 정량적 신호에 대해 점수를 매깁니다.
- 적대적 루프 실행: 변환, 점수 매기기, 유지 또는 폐기, 최대 10회 반복.
- 자체 감사: 남아있는 단서를 식별하고 수정합니다.
- 필수 em 대시 제거 패스(5단계)를 실행합니다. em 대시가 0개임을 확인합니다.
- 최종 텍스트를 제시합니다.
- 선택적으로 감지된 패턴과 적용된 변환을 나열합니다.
참고 자료
이 스킬은 세 가지 출처를 결합합니다.
- Wikipedia의 "AI 글쓰기의 징후" 가이드(WikiProject AI Cleanup)의 29-패턴 프레임워크.
- GPT-2 perplexity 기반 탐지, T5 신경망 의역, ML 인간화 파이프라인의 burstiness 및 trigram 다양성 지표.
- 동일 파이프라인의 반복적 적대적 정제 방법론.
핵심 통찰, Wikipedia에서 인용: "LLM은 통계적 알고리즘을 사용하여 다음에 무엇이 와야 하는지 추측합니다. 그 결과는 가장 다양한 경우에 적용되는 통계적으로 가장 가능성 높은 결과로 기울어집니다."