Кратко
- Вузы всё чаще проверяют работы не только на списывание, но и на признаки генерации ИИ — в «Антиплагиат.ВУЗ» такой модуль встроен в стандартную лицензию с мая 2023 года.
- Детектор не читает текст «на смысл» — он ищет статистические признаки: слишком ровный, предсказуемый стиль, повторы одной и той же мысли, отсутствие живых неровностей авторской речи.
- Живой текст помечают как ИИ регулярно и без злого умысла системы: формульный академический стиль, короткие простые предложения и бедный словарный запас статистически похожи на машинный текст.
- Пометка — это вероятностная оценка для преподавателя, а не приговор: сам «Антиплагиат» называет её инструментом, который подсвечивает подозрительные фрагменты, а решение оставляет за человеком.
Если отчёт показал признаки ИИ-генерации, это не значит, что систему обманул алгоритм, а вас — поймали. Это значит, что статистическая модель нашла в вашем тексте узор, похожий на тот, что оставляют языковые модели. Совпадает он с реальностью или нет — отдельный вопрос, и дальше разберём, почему так происходит и что делать, если пометка появилась на честной работе.
Что вузы и сервисы проверки реально используют
Основной инструмент в российских вузах — корпоративная версия «Антиплагиат.ВУЗ»: у неё есть внутренние базы работ конкретного учебного заведения, «кольцо вузов» с обменом данными между учебными заведениями и с 2023 года отдельный модуль поиска ИИ-сгенерированного текста. Он встроен в стандартную лицензию, то есть не требует отдельной покупки, и результат виден в общем отчёте о проверке — не студенту напрямую, а тому, кто эту проверку запускает: чаще всего преподавателю или сотруднику деканата.
Гендиректор «Антиплагиата» Юрий Чехович описывал главный маркер, на который опирается система, образно — «эффект рыбки Дори»: так называют частые повторы одной и той же мысли или выводы, которые противоречат друг другу внутри одного текста. Языковая модель не помнит, что уже написала абзацем выше, и это оставляет заметный след. Публично компания не раскрывает полный список признаков, по которым работает классификатор, — это осознанное решение, чтобы усложнить целенаправленный обход.
Кроме «Антиплагиата», в ходу и другие детекторы, особенно если работа связана с международными программами или подаётся не только на русском: GPTZero, Originality.ai, встроенный ИИ-модуль Turnitin. У каждого своя модель и свои пороги чувствительности, поэтому один и тот же текст в двух системах может получить разные отчёты — это не баг, а следствие того, что каждый сервис обучен на своём наборе примеров.
Как детектор решает, что перед ним: перплексия и «бёрстинес»
Первая волна детекторов ИИ-текста, включая раннюю версию GPTZero 2023 года, опиралась на две измеримые характеристики.
Перплексия — мера того, насколько предсказуемо каждое следующее слово в тексте для языковой модели. Языковая модель генерирует текст, выбирая на каждом шаге наиболее вероятное продолжение, поэтому её собственный текст статистически предсказуем для такой же модели — низкая перплексия. Человек пишет менее предсказуемо: выбирает не самое очевидное слово, делает неровности, которые с точки зрения вероятностной модели выглядят как «сюрприз» — высокая перплексия.
Бёрстинес — это разброс той же самой предсказуемости внутри одного текста. У человека одни предложения простые и предсказуемые, другие — сложные и неожиданные, и эта картина колеблется по всему тексту. Языковая модель держит примерно один и тот же уровень «гладкости» на всём протяжении — колебание маленькое.
Представьте два варианта одного и того же абзаца о причинах инфляции. Первый — ровный, каждое предложение примерно той же длины, обороты вроде «важно отметить» и «следует подчеркнуть» на своих местах, аргументы идут строго по нарастающей. Второй — где-то короткая рубленая фраза, где-то длинное с уточнением в скобках, один тезис забегает вперёд, а потом автор к нему возвращается. Первый вариант статистически предсказуем и ровен, второй — нет. Разница на глаз не всегда заметна, а для модели, обученной на миллионах примеров, это разные узоры.
Здесь важна честная оговорка: это принцип, а не описание того, как работают все современные детекторы сегодня. Сам GPTZero к осени 2023 года перешёл на архитектуру глубокого обучения — обученную нейросеть-классификатор, которая не использует перплексию и бёрстинес напрямую как формулу. Логика «предсказуемо и ровно — значит, вероятно машина» осталась в основе идеи, но конкретные современные модели, включая модуль «Антиплагиата», учатся на размеченных примерах и находят более сложные закономерности, которые разработчики принципиально не раскрывают.
Какие ещё сигналы ищет система
Помимо статистической ровности стиля, детекторы и человек, читающий подсвеченный отчёт, обычно смотрят на содержательные признаки, характерные для генеративного текста:
- Повтор одной мысли разными словами. Абзац утверждает одно и то же несколько раз без развития аргумента — типичный результат того, что модель «не помнит», что уже сказала.
- Противоречия внутри текста. Вывод в заключении не совпадает с тезисом во введении, потому что части генерировались без сквозного плана.
- Выдуманные источники и факты. Ссылка на работу, которой не существует, или на исследование с искажёнными цифрами — классическая ИИ-галлюцинация, и по ней система смотрит уже не стиль, а фактическую проверяемость.
- Универсальная, «ничья» интонация. Отсутствие личных примеров, характерных для автора оборотов, специфики конкретного научного руководителя или методички кафедры.
Первые два признака детектор может поймать статистически. Последние два обычно всплывают уже при чтении подсвеченного фрагмента человеком — это ровно то разделение труда, о котором говорит сам «Антиплагиат»: система подсвечивает, решение принимает проверяющий.
Почему живой текст попадает под подозрение
Здесь начинается то, о чём меньше пишут блоги про «как обойти», и это стоит знать до того, как пометка появится в вашем отчёте.
Стэнфордское исследование 2023 года (Liang, Yuksekgonul, Mirchandani, Diyi Yang, James Zou) проверило семь популярных детекторов ИИ-текста на эссе, написанных людьми: часть — носителями английского, часть — студентами, для которых английский не родной. Результат оказался неровным: тексты носителей языка детекторы почти не путали с машинными, а среди эссе не-носителей средняя доля ложных срабатываний составила 61,3%, а один из детекторов пометил как ИИ-сгенерированные 97,8% таких работ. Причина в самой логике перплексии: ограниченный набор конструкций и более предсказуемый выбор слов, характерный для не самого свободного владения языком, статистически похож на «гладкость» машинного текста. Авторы работы прямо предупреждают, что использовать такие детекторы для решений с серьёзными последствиями — от вузовской работы до приёма на работу — стоит с большой осторожностью.
Тот же механизм работает шире, чем только для английского и не-носителей: короткие простые предложения, шаблонная академическая лексика методички, минимум личных оборотов — всё это статистически «ровнее» обычной живой речи, а значит, для любой модели такой текст выглядит подозрительнее, чем есть на самом деле.
Turnitin, один из крупнейших сервисов проверки на плагиат в мире, официально заявляет, что удерживает долю ложных срабатываний на полностью человеческом тексте ниже 1% для документов с признаками ИИ выше 20% — и намеренно не показывает оценку в диапазоне 1–19%, чтобы не провоцировать неверное толкование пограничных случаев. Обратная сторона этой осторожности — компания признаёт, что может пропускать до 15% реально сгенерированного текста, и отдельно отмечает: студенты, для которых язык не родной, и нейроотличные студенты получают пометки чаще, чем остальные, из-за более частого повторения одних и тех же слов и оборотов.
Показательный пример того, насколько ненадёжной может быть даже качественная модель, — история классификатора самой OpenAI. Компания выпустила его в январе 2023 года и закрыла уже в июле того же года, объяснив это «низкой точностью»: инструмент правильно находил лишь 26% реально сгенерированных ИИ текстов и в 9% случаев ошибочно помечал как машинный текст, написанный человеком. Если с такой задачей не справился классификатор от создателя самих языковых моделей, разумно относиться к любому детектору как к вероятностной оценке, а не к доказательству.
«Антиплагиат» в этом смысле честнее многих: компания прямо говорит, что финальный вывод о происхождении текста система сделать пока не может, а свою точность в процентах публично не называет вовсе. Это не значит, что инструмент бесполезен, — «эффект рыбки Дори» действительно чаще встречается в машинном тексте, чем в живом. Это значит, что пометка в отчёте — повод присмотреться к конкретному фрагменту, а не факт, который можно предъявить как доказательство.
Что делать, если ваш текст пометили как ИИ
Реакция зависит от того, что стоит за пометкой, а сценария здесь по сути четыре.
Текст ваш, просто стиль формульный
Так бывает с технической, юридической и вводной частью работы: обороты там закреплены методичкой, и выбора слов у вас объективно немного. Соберите то, что подтверждает процесс — черновики с правками, историю версий в Google Docs или режим отслеживания изменений в Word, конспекты источников, переписку с научным руководителем по теме работы. Спокойно покажите это тому, кто проверяет, и попросите посмотреть отчёт целиком, а не только итоговую пометку: там обычно видно, какие именно фрагменты подсвечены и почему.
Вы правда использовали нейросеть, но как помощника, а не как автора
Черновая структура, идея аргумента, первый вариант формулировки — нормальная часть работы с инструментом, если дальше текст дорабатывается: добавляются свои примеры и своя аргументация, меняется логика подачи, а не просто расставляются синонимы поверх машинных фраз. Простая замена слов синонимами почти не меняет статистическую ровность текста, детектор эту разницу не увидит, а вот терминологию может сломать.
Пометка задела только один фрагмент
Введение и заключение чаще всего пишут под конец, в спешке и максимально шаблонно — как раз там подсветка появляется чаще всего, даже если основная часть работы полностью авторская. В этом случае разумно переписать именно этот кусок вручную и добавить то, что мог написать только человек, знакомый с темой и своей работой: личную оценку результатов, конкретную деталь исследования, ссылку на разговор с руководителем.
Чего делать точно не стоит
Подмена русских букв похожими латинскими, невидимые пробелы нулевой ширины, скрытый текст белым по белому — это не обход статистической модели, а отдельный технический модуль проверки, который специально ищет такие манипуляции. Обнаруженная подмена символов означает уже не пометку «требует внимания», а вывод о попытке фальсификации, и это хуже, чем честно объяснить формульный стиль.
В любом из сценариев главное — не спорить с самим фактом пометки, а показать то, что статистическая модель принципиально не видит: процесс работы, черновики, историю правок и понимание темы при личном разговоре. Отчёт — это подсказка для человека, а не финальный вердикт, и сам «Антиплагиат» формулирует это именно так.
Читайте также
- Как убрать признаки ИИ из текста: разбор до/после — практика переписывания: шесть пар «было → стало» на живых примерах.
- Как перефразировать текст: 6 приёмов пересказа своими словами — если формульный фрагмент нужно переписать вручную.
- Как писать диплом с нейросетью — как использовать ИИ как помощника, а не как автора, по главам.
- Как заменить слова в тексте синонимами — почему один только синонимайзер не решает ни задачу уникальности, ни задачу «снять» ИИ-пометку.
Переписать текст так, чтобы он снова читался живым
Смысл не в том, чтобы обмануть детектор техническим трюком, а в том, чтобы текст перестал быть статистически «ровным» местами, где сейчас видна машинная гладкость. Это ровно та работа, которую вручную делает редактор: разбить однообразные по длине предложения, поменять порядок аргументов, убрать повтор одной и той же мысли, добавить неровности живой речи, — и при этом не тронуть термины, цифры, имена и факты, потому что от них зависит содержание работы.
Ассистент «Повышение уникальности текста» в Veruna AI делает именно это. Вставьте фрагмент или загрузите файл целиком — вплоть до главы курсовой или диплома, — и он перестроит синтаксис, поменяет залог, переставит аргументы внутри абзаца, сохранив смысл и терминологию нетронутыми. Результат можно забрать прямо в чате или получить файлом Word — удобно, если дальше текст нужно вставить в готовый документ с оформлением по ГОСТу. Отдельная страница инструмента — повысить уникальность текста онлайн.
Вставьте текст в поле ниже — что за фрагмент и что смущает в отчёте проверки — и продолжите разбор в чате.