💬 NLP

Writing in Symbiosis: Mapping Human Creative Agency in the AI Era

Dit artikel onderzoekt hoe menselijke auteurschap evolueert in symbiose met AI door een 'dubbel-track evolutie' te identificeren, waarbij thematische convergentie over AI-onderwerpen gepaard gaat met gestructureerde stilistische differentiatie die de diversiteit van creatieve expressie behoudt.

Oorspronkelijke auteurs: Vivan Doshi, Mengyuan Li

Gepubliceerd 2026-02-17

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Vivan Doshi, Mengyuan Li

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

🤖 Mens en Machine: Een dans op twee tracks

Stel je voor dat schrijvers en kunstenaars plotseling een nieuwe danspartner krijgen: een super-slimme robot (een AI) die kan schrijven, brainstormen en overtuigen. De grote vraag is: Verandert de menselijke dansstijl hierdoor? Worden we allemaal hetzelfde, of vinden we een nieuwe manier om te dansen?

Dit onderzoek van Vivan Doshi en Mengyuan Li kijkt naar precies dat. Ze hebben gekeken naar duizenden teksten van mensen, zowel voor als na de komst van de grote AI-tools (zoals ChatGPT). Hun conclusie is verrassend: we worden niet allemaal eentonig. In plaats daarvan ontstaat er een twee-sporen systeem.

🎵 Spoor 1: De muziek wordt hetzelfde (Onderwerp)

Het eerste spoor is makkelijk te zien. Net als wanneer een nieuw liedje overal op de radio staat, beginnen mensen overal over hetzelfde te praten.

De vergelijking: Stel je een feestje voor waar iedereen plotseling over "AI" begint te praten. Of je nu een gamer bent of een wetenschapper, het gesprek gaat over hetzelfde onderwerp.
De bevinding: Mensen schrijven nu veel meer over AI, robotica en technologie. Dit is een universele trend; iedereen raakt geobsedeerd door het nieuwe onderwerp.

🎨 Spoor 2: De dansstijl wordt verschillend (Stijl)

Hier wordt het interessant. Je zou denken dat als iedereen over hetzelfde praat, ze ook allemaal hetzelfde gaan klinken. Maar dat is niet wat er gebeurt. De onderzoekers ontdekten dat mensen op drie heel verschillende manieren reageren op de aanwezigheid van de AI. Ze noemen deze drie groepen "De Archetypen":

1. De Weerstanders (De Puristen) 🛡️

Wie zijn ze? Schrijvers die bewust hun eigen, unieke stem behouden.
Hoe doen ze het? Ze schrijven zo dat het voor de AI juist moeilijk is om te voorspellen wat er als volgende komt. Ze houden complexe zinnen, rare woordkeuzes en hun eigen "ruis" in de tekst.
De analogie: Het zijn de muzikanten die een oude, rauwe gitaar gebruiken in een wereld vol digitale synthesizers. Ze zeggen: "Ik wil niet klinken als een machine; ik wil klinken als mezelf." Ze zien authenticiteit belangrijker dan gemak.

2. De Aannemers (De Collaborators) 🤝

Wie zijn ze? Schrijvers die de AI omarmen en hun stijl aanpassen aan wat de machine doet.
Hoe doen ze het? Hun teksten worden vloeiender, voorspelbaarder en lijken steeds meer op wat een AI zou schrijven.
De analogie: Het zijn dansers die de robot-steps van hun nieuwe partner perfect overnemen. Ze zeggen: "Laten we samenwerken. Als de machine het zo mooi kan, waarom zouden we het dan niet zo doen?" Voor hen is de grens tussen mens en machine vervaagd.

3. De Pragmatisten (De Slimme Gebruikers) ⚖️

Wie zijn ze? De grootste groep. Ze gebruiken de AI, maar houden hun eigen stijl.
Hoe doen ze het? Ze schrijven over AI-onderwerpen (zoals de Weerstanders en Aannemers), maar ze doen dat in hun eigen, unieke taal. Ze gebruiken de AI als hulpmiddel voor het onderwerp, maar niet voor hun stem.
De analogie: Stel je een kok voor die een nieuwe, snelle snijmachine gebruikt (de AI) om groenten te snijden, maar de saus en de presentatie (de stijl) maakt hij nog steeds met zijn eigen handen en geheim recept. Ze zeggen: "Ik gebruik de tool, maar ik ben nog steeds de chef-kok."

🕵️‍♂️ Waarom is dit belangrijk?

Vroeger dachten veel mensen: "Als AI teksten schrijft, zullen we allemaal gaan klinken als robots." Dit onderzoek zegt: Nee, dat is niet zo simpel.

Detectie is lastig: Als je probeert te raden of een tekst van een mens of een machine is, wordt het lastig. Een "Aannemer" schrijft namelijk bijna net zo als een machine, terwijl een "Weerstander" juist heel menselijk blijft. Een simpele "ja/nee" test werkt niet meer.
Menselijkheid blijft: De meeste mensen (de Weerstanders en Pragmatisten) houden vast aan hun eigen stijl. Menselijke creativiteit wordt niet uitgewist; het wordt gewoon aangepast.

🏁 De conclusie in één zin

Mensen zijn niet passieve slachtoffers van AI die allemaal hetzelfde gaan doen; we zijn actieve dansers die kiezen hoe we met deze nieuwe partner willen bewegen: door te vechten tegen de machine, volledig samen te smelten, of slim een middenweg te vinden.

Probleemstelling

De snelle opkomst van Large Language Models (LLMs) heeft geleid tot een fundamentele vraag over de aard van menselijke creativiteit en auteurschap. Bestaande literatuur focust vaak op het homogeniserende effect van AI, waarbij wordt aangenomen dat menselijk schrijven steeds meer op machine-gegenereerde tekst begint te lijken ("AI-stijl"), wat leidt tot een verlies aan linguïstische diversiteit. Echter, deze studies behandelen de relatie vaak als een eenrichtingsverkeer (mens wordt beïnvloed door AI) en negeren de dynamische co-evolutie en de adaptieve keuzes die individuele auteurs maken. Er is een gebrek aan inzicht in hoe auteurs specifiek reageren op de beschikbaarheid van AI-tools: imiteren ze de stijl, weerstaan ze deze, of passen ze zich op een andere manier aan?

Methodologie

De auteurs hebben een uitgebreide, longitudinale studie ontworpen om menselijk schrijven te analyseren over de periode voor en na de introductie van LLMs (grens: 30 november 2022).

Corpus Curation:
- Data: Een corpus van meer dan 50.000 documenten, bestaande uit twee genres: formele computerwetenschappelijke preprints (arXiv) en informele conversaties (Discord Unveiled dataset, 2015–2024).
- Tijdsafbakening: Vergelijking tussen het "pre-LLM"-tijdperk (voor nov 2022) en het "post-LLM"-tijdperk.
- Controles: Er werd gestratificeerd gesampled om thematische verschuivingen (topics) te scheiden van stijlverschillen. Een referentiecorpus van puur AI-gegenereerde tekst (ShareGPT-90k, Dolly-15k) werd gebruikt als basislijn.
Feature Engineering (Kerninnovatie):
- Perplexity-Gap Analyse: Om stijl te isoleren van inhoud, trainden de auteurs een GPT-2 Medium-model uitsluitend op pre-2022 data (zonder blootstelling aan AI-tekst) als een "pre-LLM rechter". Dit werd vergeleken met een moderne, bevroren Llama-3-8B-model.
- AI-Likeness Index: De "Perplexity-Gap" ( $\Delta ppl$ ) wordt berekend als het verschil in perplexiteit tussen de twee modellen, genormaliseerd per teken. Tekst die makkelijk is voor moderne LLMs maar moeilijk voor het pre-2022 model, krijgt een hoge "AI-achtigheid"-score.
- Vector Samenstelling: Elke auteur kreeg een veranderingvector ( $\Delta$ -Feature Vector) toegewezen, inclusief $\Delta ppl$ , Type-Token Ratio (TTR), leesbaarheid (FKGL), passieve zinsbouw, voornaamwoorden, leestekendichtheid en zinslengte. Alle waarden werden binnen de auteur genormaliseerd (z-score) over de tijdsgrens.
Analytisch Kader:
- Change-Point Detectie: Gebruik van het PELT-algoritme om structurele breukpunten in thematische en stijlmatige trends te identificeren.
- Clustering: Toepassing van HDBSCAN (een dichtheidsgebaseerd clustering-algoritme) op de gestandaardiseerde veranderingvectoren om auteursgroepen te identificeren zonder vooraf gedefinieerde categorieën.
- Validatie: Statistische controles (fixed effects modellen), cross-validatie, en robustheidschecks met de Adjusted Rand Index (ARI) en Silhouette-scores.

Belangrijkste Bijdragen

Het "Dual-Track Evolution" Hypothese: De studie bevestigt dat menselijke creativiteit niet monolithisch evolueert. Er is sprake van twee parallelle sporen:
- Thematische convergentie: Een universele toename van AI-gerelateerde onderwerpen.
- Stijlmatige divergentie: Een gestructureerde, maar uiteenlopende reactie in de schrijfstijl.
De Creatieve Archetype Map: De eerste systematische kwantificering van drie distincte adaptiestrategieën op auteur-niveau, die uit de data naar voren komen via onbewaakte clustering.
Uitdaging voor Binaire Detectie: Het paper toont aan dat de binaire "mens vs. machine"-detectie ontoereikend is, omdat sommige menselijke auteurs (Adopters) statistisch dichter bij AI-tekst staan dan andere menselijke auteurs (Resistors).

Resultaten

De analyse van 2.100 auteurs onthulde drie duidelijke archetypen:

De Resistors (21%):
- Profiel: Behouden hun pre-LLM linguïstische complexiteit.
- Kenmerken: Lage of negatieve perplexity-gaps. Hun tekst blijft uitdagend voor zowel oude als nieuwe modellen.
- Interpretatie: Een bewuste keuze voor authenticiteit en het behoud van een uniek menselijk stempel, mogelijk ten koste van efficiëntie.
De Adopters (18%):
- Profiel: Vertonen de grootste stijging in "AI-achtigheid".
- Kenmerken: Hoge perplexity-gaps; hun tekst is aanzienlijk makkelijker voor moderne modellen dan voor pre-2022 modellen. Ze tonen soepelere syntaxis en voorspelbaardere woordkeuze.
- Interpretatie: Representeert een model van co-creatie waarbij de grenzen tussen mens en machine bewust worden vervaagd.
De Pragmatisten (41% - De grootste groep):
- Profiel: Matige stijlveranderingen, maar hoge betrokkenheid bij AI-thema's.
- Kenmerken: Ze schrijven over AI-onderwerpen, maar behouden hun individuele stijlidentiteit.
- Interpretatie: Een strategische arbeidsverdeling; AI wordt gebruikt voor thematische verkenning, maar de persoonlijke "stem" blijft behouden.

Temporele Dynamiek:
Er werd een tweefasig patroon waargenomen:

Q1 2023: Snelle thematische convergentie en initiële stijging in stijlmatige convergentie (toename van AI-kenmerken).
Late 2023/2024: Een omkering waarbij de perplexity-gaps daalden. Dit suggereert een actieve "stijlmatige vermijding" (stylistic avoidance) toen AI-kenmerken gestigmatiseerd raakten, vooral in formele contexten waar detectie een risico vormt.

Betekenis en Conclusie

De studie concludeert dat de opkomst van AI niet het einde betekent van authentieke menselijke expressie, maar eerder een renegotiatie van het auteurschap. Mensen zijn geen passieve ontvangers van technologie, maar actieve agenten die diverse strategieën ontwikkelen.

Voor AI-detectie: Bestaande detectoren die uitgaan van een homogene "menselijke" stijl, zullen falen omdat ze de diversiteit van adaptieve strategieën (zoals de Adopters) niet kunnen onderscheiden van echte AI-generatie. Er is behoefte aan "archetype-bewuste" modellen.
Voor Creativiteit: De diversiteit van de menselijke respons (Resistors, Adopters, Pragmatisten) suggereert dat creatieve autonomie wordt herdefinieerd in plaats van geëlimineerd.
Beleid en Ethiek: De bevindingen benadrukken de noodzaak om beleid te ontwikkelen dat diverse stemmen beschermt en vermijdt dat bepaalde schrijfstijlen (bijvoorbeeld die van niet-moedertaalsprekers die dichter bij de "standaard" AI-stijl liggen) onterecht worden gemarkeerd als machine-gegenereerd.

Kortom, de menselijke creativiteit evolueert in een symbiose met AI, gekenmerkt door een complexe mix van thematische aanpassing en gestructureerde stijldivergentie.