인간과 AI 생성 언어의 역학: 서로 다른 시간 척도에서의 의미 변동
The Dynamics of Human and AI-Generated Language: How Semantics Fluctuates across Different Timescales
구어는 인간이든 대규모 언어 모델(LLM)이든 시간에 따라 전개되며 의미 내용이 달라진다. 그러나 시간에 걸쳐 일반적인 내용과 구체적인 내용이 어떻게 분포하는지 포착하고, 인간과 AI 생성 음성을 비교하는 데 사용할 수 있는 간단하고 해석 가능한 시계열 특징은 아직 부족하다. 우리는 타임스탬프가 있는 단어 수준 전사본을 의미 시계열로 변환하는 의미-시간 척도 분석 파이프라인을 제안한다. 각 구어 서사에 대해 (i) WordNet 기반 단어 깊이를 이용한 의미적 구체성과 (ii) SBERT 임베딩을 이용한 문맥 유사도를 계산하고, 자기상관 윈도우(autocorrelation-window) 측정치(ACW-0 및 관련 지표)로 그들의 시간적 의존성을 정량화한다. 그런 다음 원본 음성을 어휘 동일성, 시간적 순서, 단어 지속 시간을 선택적으로 교란하는 여러 셔플 대조군과 비교한다. 인간이 읽은 자서전적 서사, TTS 읽기, TTS로 렌더링된 LLM 생성 텍스트 전반에 걸쳐, 의미 시계열에서 ACW-0가 더 긴 구간은 더 일반적인 어휘를 포함하는 경향이 있고, ACW-0가 더 짧은 구간은 더 구체적인 단어가 풍부함을 발견한다. 단어 순서와 타이밍이 무작위화되면 이러한 연관은 크게 약화되거나 사라지며, 이는 ACW 기반 측정치가 정적 어휘 분포를 넘어서는 의미 내용의 비자명한 시간적 조직을 포착함을 시사한다. 결과는 ACW 기반 의미 시간 척도가 인간과 AI 생성 음성의 시간적 구조를 분석하고 비교하는 데 유용한 특징군임을 시사한다.