Si la “al·lucinació” és la IA inventant el que no existeix, l’“ablació semàntica” és la IA esborrant el que sí que existeix: matís, precisió i senyal propi en nom d’un text “net”.
Durant l’últim any, la conversa pública sobre models generatius s’ha concentrat en l’error additiu: allò que el sistema s’inventa, allò que “al·lucina”, allò que afegeix a un text amb una seguretat impostada. Però hi ha un dany més difícil de detectar i potser més corrosiu, precisament perquè no fa soroll: allò que el sistema treu. En un article d’opinió a The Register, l’autor proposa un terme per posar nom a aquesta dinàmica: ablació semàntica. I la defineix com l’erosió algorítmica d’informació d’alta entropia: aquells fragments rars, precisos, difícils i autèntics que fan que un text sigui recognoscible, argumenti de veritat i no soni a plantilla.
La tesi va més enllà de “la IA escriu avorrit”. Assenyala un biaix estructural —no un error puntual— que neix de com es generen les frases i de com s’ajusten els models perquè siguin “útils” i “segurs”. El resultat, si s’utilitza la IA com a polidora automàtica, no és una millora: és una cirurgia estètica que, a força de suavitzar, desossa.
Què és l’ablació semàntica i per què no és un accident
L’ablació semàntica descriu un fenomen subtil: quan passes un text humà per un procés de “refinament” amb IA, el sistema tendeix a desplaçar-se cap al centre del probable, descartant la “cua” de l’improbable: paraules rares, termes tècnics precisos, metàfores inusuals, girs sintàctics amb fricció i —sobretot— el subtext que no es deixa reduir a una fórmula.
A l’article, s’assenyalen dos mecanismes que empenyen en aquesta direcció:
- Decodificació golafre (greedy decoding): el sistema privilegia, pas a pas, l’opció més probable en cada punt de la frase.
- Ajust per reforç amb retroalimentació humana (RLHF): el model aprèn a maximitzar senyals de “preferència” (que soni bé, que sigui correcte de to, que no sigui conflictiu), cosa que premia sortides suaus i penalitza fricció.
Aquesta combinació genera una tendència: en lloc de conservar “senyal” (allò específic), la IA conserva “fluïdesa” (allò genèric). No perquè “vulgui” enganyar, sinó perquè optimitza per no incomodar i per semblar competent davant del lector mitjà.
Per què acaba sent genèric: el “viatge” cap a la mitjana
El text de The Register ho explica amb una metàfora potent: allò que era una estructura romànica, irregular i precisa, es va erosionant fins a semblar una carcassa plàstica barroca, polida, impecable… i buida. Pot “semblar” millor a primera vista perquè està lliure d’arestes, però ha perdut densitat: el múscul argumental, la singularitat verbal, l’olor d’experiència.
Aquest desplaçament cap a la mitjana té una lògica estadística: en un sistema entrenat per endevinar la paraula següent, l’originalitat acostuma a viure als marges. I els marges, per definició, apareixen menys a l’entrenament, són menys segurs, més arriscats. Si a més l’ajust de seguretat i “ajuda” penalitza allò que sona estrany o intens, l’algoritme aprèn a rebaixar qualsevol aspresa.
El perill: una “cursa civilitzadora cap al centre”
L’article no es queda en l’estètica. Sosté que estem construint un ecosistema comunicatiu on la complexitat del pensament se sacrifica a l’altar de la suavitat algorítmica. I ho formula amb una altra imatge incisiva: el text resultant s’assembla a un “JPEG del pensament”: coherent a simple vista, però amb pèrdua irreversible d’informació, perquè ha estat comprimit fins a eliminar la seva densitat original.
Per què això seria “perillós”? Per tres raons pràctiques:
- Homogeneïtzació cultural: si milions de textos passen pels mateixos filtres de “bon to” i “claredat estàndard”, les veus s’aplanen. No és censura explícita; és una convergència silenciosa.
- Empobriment del criteri: si el que es premia és allò “llegible” i “amable”, el lector aprèn a confondre suavitat amb veritat, i estructura impecable amb contingut sòlid.
- Degradació del coneixement aplicat: en àmbits tècnics (medicina, dret, ciència, economia), la precisió no és pedanteria: és seguretat. Substituir un terme rar per un sinònim comú pot canviar el significat d’una recomanació, una clàusula o un diagnòstic.
L’ablació semàntica, per tant, no només produeix textos avorrits; produeix textos enganyosament fiables: semblen correctes, però han perdut just allò que permetia detectar matisos, incerteses o condicions.
Com es manifesta: tres etapes de “lobotomia” textual
The Register proposa que aquest buidatge passa en fases recognoscibles, com un procés de “refinament” que va desmuntant la intenció de l’autor:
1) Neteja metafòrica
El model identifica metàfores poc comunes o imatges viscerals com a “soroll” perquè es desvien de la mitjana de l’entrenament. Les reemplaça per clixés segurs. El text perd fricció sensorial i emocional.
2) Aplanament lèxic
Els tecnicismes i termes d’alta precisió se sacrifiquen per “accessibilitat”. Estadísticament, es canvia un token rar per un sinònim freqüent: baixa la densitat semàntica i l’argument perd gravetat específica.
3) Col·lapse estructural
El raonament no lineal i el subtext es forcen dins d’una plantilla previsible: introducció-problema-solució-conclusió, amb transicions netes i “puntuació perfecta”. Es guanya llegibilitat superficial i es perd intel·ligència real: queda una closca gramatical correcta, però amb menys pensament.
El punt crític és que aquestes tres fases sovint es celebren com a “millora”: més claredat, més ordre, més accessibilitat. I, tanmateix, en textos amb valor —periodisme, assaig, anàlisi— gran part del valor és precisament en allò que no és estàndard.
Es pot mesurar: l’entropia cau
L’article suggereix mesurar-ho amb “decaïment d’entropia”: si fas passar un text per bucles successius de “refinament”, cau la diversitat de vocabulari (per exemple, la ràtio tipus-token), es redueixen les paraules rares i augmenta la proporció de connectors i fórmules.
Això encaixa amb una observació empírica que molts redactors ja han notat: un primer esborrany humà pot tenir arestes; dues rondes de “fes-ho més clar i professional” sovint produeixen una veu genèrica que podria signar qualsevol.
Què fer si uses IA per escriure sense perdre’t pel camí
El concepte d’ablació semàntica és útil perquè permet passar de la queixa (“sona a IA”) a la disciplina (“què estic perdent?”). Algunes pràctiques per minimitzar-la:
- Evitar el “poliment total”: no demanar “millora el text” sense especificar què cal conservar. Millor: “corregeix errates sense canviar metàfores, ritme ni tecnicismes”.
- Congelar el lèxic crític: marcar termes que no s’han de substituir (noms tècnics, conceptes clau, frases-signatura).
- Usar la IA com a mirall, no com a polidora: demanar alternatives puntuals (“dona’m 3 versions d’aquest paràgraf mantenint to i precisió”) i triar, en lloc d’acceptar una reescriptura integral.
- Regla d’or: si el text ha quedat “massa perfecte”, revisar què s’ha perdut: hi ha menys exemples concrets? menys xifres? menys verbs forts? menys postura?
La qualitat no és absència d’arestes; sovint és selecció conscient d’arestes.
