Blog

Húsz éve gyűjtöm a helyesírási hibákat. Az elmúlt évben viszont elkezdtem mást gyűjteni: hibátlan mondatokat. Olyanokat, amelyekben nincs egyetlen elütés, egyetlen rossz vessző, egyetlen magyartalan fordulat sem, és mégis, ha hangosan felolvasom őket, érzem, hogy egy magyar ember nem így beszél. Ez a cikk erről szól: mit árul el kifejezetten a magyar nyelvhasználat, ha egy szöveg mögött nyelvi modell dolgozott.

A HM Könyvek magazinjában megírtuk az általános jeleket – a többletszókincset, a túl sima hangnemet, a körben forgó gondolatmenetet, és azt, miért nem érdemes detektorprogramra bízni a döntést. Itt most csak a magyarról lesz szó. Mert a gépnek a mi nyelvünkkel külön baja van, és ez a baj a mi szerencsénk.

A magyar nem angol – és ez a gép szerencsétlensége

A nagy nyelvi modellek túlnyomórészt angol szövegen tanultak. A magyar a betanító anyagnak elenyésző töredéke: kevés a szöveg, és ami van, annak jó része fordítás. A modell tehát magyarul is angol mintázatokból gazdálkodik, csak magyar szavakkal tölti ki őket. Ez a legtöbbször észrevétlen marad, hiszen a mondat helyes, a ragozás rendben van, a vesszők a helyükön vannak. De aki sokat olvas, annak a füle jelez: ez a mondat „fordításízű”. Nem hibás, csak nem magyar észjárással született.

A panelmondat-gyűjtemény

Ha összeállítanánk a gyanús magyar mondatok listáját, ezek biztosan rajta lennének. Egyik sem hiba, együtt viszont már egy mintázatot mutatnak.

• „Összességében elmondható, hogy…” – a gép kedvenc záróformulája. Ember ritkán foglalja össze egy háromsoros levél végén, amit az imént leírt.
• „Fontos megjegyezni, hogy…” / „Érdemes kiemelni, hogy…” – bejelenti, hogy most mond valamit, ahelyett, hogy mondaná.
• „Nem szabad megfeledkeznünk arról, hogy…” – ugyanez, egy fokkal ünnepélyesebben.
• „Az élet szinte minden területén…” / „a mai rohanó világban…” – általánosítás, amely semmit nem állít, de kitölti a bekezdést.
• „Kulcsfontosságú”, „átfogó”, „dinamikus”, „innovatív”, „hatékony” – a magyar többletszókincs. Egy szövegbe egy még belefér, de négy már nem.
• A hármas felsorolás kényszere: „gyors, egyszerű és hatékony”, „olvasók, szerzők és kiadók”. A gép a ritmus miatt szereti a hármat, akkor is, ha csak kettő van.
• „Zárásként” / „Összegzésként” / „Végezetül” – és utána következik az, amit két bekezdéssel feljebb már olvastunk.

Az örök egyrészt–másrészt

A nyelvi modellek különösen szeretik a mérleget: mielőtt bármit állítanának, megvillantják a témát egyik és másik oldalról is, majd egy semleges, senkit meg nem sértő konklúzióval zárnak. „Egyrészt kétségtelen, hogy…, másrészt azonban…” Ez nem bölcsesség, hanem betanítás: a modellt arra idomították, hogy ne vitatkozzon. Az emberi írás elfogult. Ha valaki egy egész oldalon át egyszer sem mond semmit, amit egy másik ember cáfolhatna, az már gyanús.

Fordításíz: angol szórend, magyar szavakkal

Itt jönnek azok a jelek, amelyeket a Helyesen magyarul olvasói már régről ismernek, csak most új értelmet kapnak. A nyelvművelés évtizedek óta harcol a terpeszkedő kifejezésekkel – „kerül megrendezésre” a „megrendezik” helyett, „lehetővé teszi számunkra” a „lehet” helyett, „intézkedést foganatosít” az „intézkedik” helyett. Nos, a gép ezeket imádja, mert az angol „it allows us to”, „is being organized”, „take measures” tükörképei. Ugyanez a helyzet a túlburjánzó -ás/-és végű főnevesítéssel: „a szöveg megírása során az olvasó bevonásának biztosítása érdekében” – ez négy főnév egy igés gondolat helyett, és angolul született.

A további tünetek: hosszú, egymásba ágyazott mellékmondatok „azáltal, hogy” és „annak érdekében, hogy” kötőelemekkel; a mondat élén álló „Ez” névmás, amely az előző mondatra mutat vissza („Ez lehetővé teszi…”, „Ez azt jelenti…”); a birtokos szerkezetek láncolata („a könyv olvasóinak élményének javítása”); és a nagykötőjel – a gondolatjel – túlhasználata olyan helyeken, ahol egy magyar szerző vesszőt vagy pontot tenne. Mindez helyes, csak nem így írunk.

Ami hiányzik: a nyelv íze

A legnehezebben utánozható dolog nem szabály, hanem íz. A szólás, a tájszó, a szándékos nyelvi játék, az irónia, a félbehagyott mondat. Egy gép ritkán kockáztat meg egy szójátékot, mert kétértelmű (szerinte kockázatos húzás), és a modellt arra tanították, hogy egyértelmű legyen (a Helyesen magyarul csapata és olvasói pedig kimondottan szeretik a szójátékokat ;)). Nem ír „kutya meleg”-et, mert az nem szerepel elég sokszor a betanító szövegben. Nem hagy félbe egy mondatot, mert a félbehagyott mondat hiba. Én igen. Direkt.

És nem téved úgy, ahogy mi tévedünk. Az emberi hiba jellegzetes: a „muszáj” j-vel vagy ly-nal, a „lesz” két sz-szel, az elmaradt vessző a „hogy” előtt. A gépi szöveg hibátlan, vagy ha hibázik, azt nem magyar módra teszi. Ez fordítja meg a régi logikát: a hibátlan szöveg lett a gyanús, az elütött a megnyugtató. Ami persze a helyesírás buzgó őrzőjének elég furcsa érzés.

A csapda, amibe a jó korrektor esik

Van egy friss kutatás, amely kifejezetten nekünk szól. Dél-koreai kutatók idén augusztusban 135 389 tudományos kéziratot vizsgáltak párban – a nem anyanyelvi szerző eredeti szövegét és ugyanazt hivatásos nyelvi szerkesztés után –, tizenhárom AI-detektorral. Az eredmény: ugyanarra az emberi szövegre a detektorok 0 és 100 százalék közötti „AI-valószínűséget” adtak, és a szerkesztés minden esetben elmozdította a pontszámot, mégpedig annál inkább, minél alaposabb volt. Vagyis a detektor nem a szerzőséget méri, hanem a csiszoltságot. Egy jó korrektor keze alól kikerülő magyar kézirat gépibbnek látszik a szoftver szemében, mint egy nyers gépi vázlat. Aki a Helyesen magyarul tippjeit követve gondosan megszerkeszti a szövegét, azt egy detektor jó eséllyel gépnek nézi. Ezért nem detektort futtatunk, hanem olvasunk.

Egy valós példa a saját asztalunkról

Ez nálunk nem elméleti fejtegetés. Az elmúlt hónapokban többször is előfordult, hogy egy-egy lektori vélemény 24–48 órán belül érkezett meg egy több száz oldalas kéziratra, feltűnően egyenletes stílusban: minden bekezdés hasonló hosszú, mindegyik egy „fontos megjegyezni”-vel indult, és „összességében” szóval zárult, a végén pedig egy hármas felsorolással. Erről külön cikket írtunk. Nem volt bizonyítékunk, és nem is kerestünk detektort, elég volt hozzá a szöveg, hogy rákérdezzünk. És ez a lényeg: a gyanú nem ítélet, hanem egy kérdés kezdete.

Ötkérdéses gyorsteszt: gép írta?
1. Van-e benne legalább egy mondat, amit egy másik ember cáfolhatna?
2. Van-e benne egyetlen szólás, tájszó, szójáték vagy irónia?
3. Hány „összességében”, „fontos megjegyezni”, „kulcsfontosságú” jut ezer szóra – több, mint egy?
4. Egyforma hosszúak-e a bekezdések, és hármas felsorolással végződnek-e?
5. Ha hangosan felolvasod: így beszél egy magyar ember?

Ha háromra „nem” a válasz, hívd fel a szerzőt, ne a detektorral tesztelj.

A lényeg

A nyelv – ha odafigyelünk rá – nem hazudik. A magyar nyelv sajátos észjárása ma még jó szűrő: a gép helyesen ír, de nem magyarul gondolkodik. Ez a jel azonban kopni fog, ahogy egyre több magyar szöveg kerül a betanító anyagba, és amit mi, olvasók észreveszünk, azt a detektorok már ma sem. Ezért nem a nyelvi nyomozás a megoldás, hanem a jelölés: ha egy könyvön ott van, hogy mennyi benne a gépi munka, nem kell füllel ítélni.

Ha gép írta, legyen ráírva.
Írd alá az „Átlátható AI-t, védett szerzőket!” petíciót a peticio.hmkonyvek.hu oldalon – egy perc az egész, és minden aláírás számít.

Kapcsolódó tartalmaink

• „Így bukik le a gép: a leggyakoribb árulkodó jelek, ha AI írta a szöveget” – a sorozat párcikke az általános jelekről és a detektorok megbízhatatlanságáról (hmkonyvek.hu)
• A 24–48 órás lektori vélemények jelenségéről szóló korábbi cikkünk (helyesenmagyarul.hu)
• „Human Authored”: Amerikában pecsétet kapnak az emberkéz írta könyvek (hmkonyvek.hu)
• Az „Átlátható AI-t, védett szerzőket!” petíció (peticio.hmkonyvek.hu)

Források

• Hyeonchu Park, Gahye Jeong, Bugeun Kim: Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing – arXiv 2608.26710, 2026. augusztus 27.
• Weixin Liang és munkatársai: GPT detectors are biased against non-native English writers – Patterns (Cell Press), 2023. július 14.
• Dmitry Kobak, Rita González-Márquez, Emőke-Ágnes Horvát, Jan Lause: Delving into LLM-assisted writing in biomedical publications through excess vocabulary – Science Advances, 2025. július 2.
• Hogyan ismerd fel az AI által generált képeket és szövegeket? – Kontakt Magazin
• Mesterséges intelligencia által generált szövegek felismerése – Wikipédia (magyar)