Perplejidad y burstiness en texto de IA

Cuando un detector como GPTZero o Turnitin AI Detection analiza un fragmento de texto, no está buscando frases robadas ni consultando una base de datos de respuestas de ChatGPT. Lo que hace es calcular propiedades matemáticas del texto que resultan sistemáticamente distintas según si el autor es humano o un modelo de lenguaje.

Las dos propiedades más importantes tienen nombres poco intuitivos: perplejidad y burstiness. Entender qué miden y por qué importan es fundamental para comprender cómo funciona la humanización de texto y por qué los simples parafraseadores no son suficientes.

Qué es la perplejidad en lingüística computacional

La perplejidad (en inglés, perplexity) mide qué tan "sorprendente" resulta cada palabra en su contexto estadístico. En términos más precisos: dado el conjunto de palabras que preceden a una palabra determinada, ¿cuán predecible era esa palabra?

Para calcularla, los detectores usan modelos de lenguaje que han aprendido las probabilidades de que una palabra siga a otra en millones de textos. Si el texto analizado tiene palabras que ese modelo considera muy probables en su contexto, la perplejidad es baja. Si las palabras son menos predecibles, la perplejidad es alta.

Aquí está el problema central: los modelos de IA como GPT-4o están optimizados para producir el texto más probable y coherente posible. Esto los hace excepcionales generando prosa fluida, pero también significa que su texto tiene perplejidad sistemáticamente baja. Cada palabra que escogen es estadísticamente muy predecible dado el contexto anterior.

Los humanos, en contraste, escribimos con mucha más variabilidad. Elegimos palabras inesperadas, usamos expresiones idiomáticas regionales, cometemos cierto tipo de "errores estilísticos" que en realidad son señales de personalidad. El resultado es texto con perplejidad significativamente más alta y, sobre todo, más variable.

Cómo mide la perplejidad un detector real

Detectores como GPTZero no solo calculan la perplejidad promedio del texto. Calculan también su distribución a lo largo del documento. Un texto humano suele tener oraciones con perplejidad muy variable: algunas completamente predecibles (frases hechas, expresiones de transición) mezcladas con otras donde las elecciones léxicas son sorprendentes.

El texto de IA tiende a tener una curva de perplejidad casi plana — uniforme. Cada oración tiene más o menos la misma perplejidad que la anterior. Esto es una señal estadística fortísima.

Cuando un detector como Turnitin AI Detection calcula una probabilidad de detección del 85%, parte de ese cálculo viene directamente de detectar esa uniformidad en la curva de perplejidad.

Qué es el burstiness

El burstiness (a veces traducido como "ráfaga" o simplemente varianza textual) mide la heterogeneidad en la longitud y complejidad de las oraciones dentro de un texto. El término viene originalmente de estadística y teoría de la información, donde describe la tendencia de ciertos eventos a ocurrir en rachas irregulares en lugar de distribuirse uniformemente.

Aplicado a texto, el burstiness alto significa que el texto tiene oraciones muy cortas mezcladas con oraciones muy largas, párrafos densos junto a párrafos de una sola frase, estructuras simples alternando con subordinadas complejas. Así escribe la mayoría de la gente.

El texto generado por modelos de lenguaje tiende a tener burstiness bajo: las oraciones tienen una longitud y complejidad más homogénea. No de forma extrema — los modelos modernos producen cierta variación — pero la homogeneidad es estadísticamente detectable cuando se compara con corpus de texto humano real.

Por qué estos dos factores son tan difíciles de falsificar con parafraseo

Esta es la razón por la que las herramientas de "parafraseo" simples no funcionan contra detectores modernos: reemplazar palabras por sinónimos no cambia la perplejidad ni el burstiness.

Si el texto original de ChatGPT tiene baja perplejidad porque sus elecciones léxicas son muy predecibles, cambiar "importante" por "relevante" produce un texto donde "relevante" sigue siendo una elección muy predecible en ese contexto. La perplejidad apenas varía.

Si el burstiness del texto original es bajo porque todas las oraciones tienen entre 18 y 25 palabras, reemplazar vocabulario no cambia esa homogeneidad estructural. El detector sigue viendo el mismo patrón de longitudes.

Para modificar estas propiedades de verdad hay que intervenir en la estructura del texto: cambiar las longitudes de oraciones deliberadamente, introducir elecciones léxicas menos predecibles (pero que sigan siendo naturales en español), y eliminar los patrones formulaicos que son señales adicionales de IA.

Patrones léxicos formulaicos: la tercera señal

Además de perplejidad y burstiness, los detectores modernos identifican patrones léxicos específicos de cada modelo. En español, ChatGPT y GPT-4o tienen un vocabulario formulaico muy reconocible:

• "Es importante señalar que…" — aparece en texto de IA con una frecuencia entre 8 y 12 veces mayor que en texto académico humano equivalente
• "Cabe destacar que…" — similar sobrerepresentación
• "En este contexto…" como apertura de párrafo
• "En conclusión, podemos afirmar que…" — casi nunca aparece en texto humano informal o semiformal
• "Sin lugar a dudas…" — atípico en texto humano moderno pero frecuente en IA

Estos patrones funcionan como una firma estadística. Incluso si la perplejidad y el burstiness se modificaran, la presencia de varias de estas expresiones en un mismo texto todavía elevaría la probabilidad de detección.

Cómo la humanización efectiva modifica estas tres señales

Una herramienta de humanización efectiva opera en las tres capas simultáneamente:

Aumentar la perplejidad: Reemplazar las opciones léxicas más predecibles por alternativas menos obvias que siguen siendo completamente naturales en español. No se trata de usar palabras raras o arcaicas, sino de elegir dentro del espectro de opciones válidas las que un humano podría plausiblemente elegir pero que el modelo raramente escogería por sí mismo.

Aumentar el burstiness: Introducir varianza real en la longitud y complejidad de las oraciones. Esto significa conscientemente mezclar oraciones cortas de impacto con oraciones largas de desarrollo, alternando el ritmo de forma que imite la irregularidad natural de la escritura humana.

Eliminar patrones formulaicos: Identificar y reemplazar las expresiones características de cada modelo con alternativas que son estadísticamente más propias del texto humano. Esto requiere conocer específicamente qué expresiones sobreutiliza cada modelo en español.

Las limitaciones de los detectores y los falsos positivos

Es importante entender que los detectores no son perfectos. Tienen tasas de error que varían según el tipo de texto y el idioma. En particular, el texto académico formal en español presenta tasas de falsos positivos notablemente más altas que el texto equivalente en inglés.

El motivo es que la mayoría de los detectores fueron entrenados principalmente con texto en inglés. El español académico formal tiene propiedades estadísticas propias — ciertos conectores discursivos, estructuras de subordinación y vocabulario técnico — que los modelos de detección pueden confundir con patrones de IA. Estudios independientes han documentado tasas de falsos positivos de entre el 12% y el 19% en español académico universitario.

Esto no invalida el uso de humanización, sino que subraya la importancia de verificar siempre el resultado con el detector específico que se necesita pasar, y de no asumir que una probabilidad baja en un detector equivale necesariamente a probabilidad baja en otro.

Conclusión

La perplejidad y el burstiness son métricas matemáticas precisas que los detectores modernos calculan de forma robusta. Comprender qué miden — y por qué el parafraseo superficial no las modifica — es el primer paso para entender qué hace diferente a una herramienta de humanización real frente a un simple sinónimo-swapper.

El texto que suena humano no es solo texto con vocabulario variado. Es texto con propiedades estadísticas específicas: perplejidad alta y variable, burstiness alto, y ausencia de los patrones léxicos formulaicos que caracterizan a cada modelo de IA.