Не секрет, что в наши дни «охота на ведьм» приобрела новые формы. И теперь отдельные люди бегают по сетевым площадкам и обвиняют всех подряд в использовании нейросетей. Раньше было модно всем вешать ярлыки плантатора, обвиняя в использовании негров. Сегодня — нейросетей.
В целом — муть, конечно, но… меня заинтересовал подход, и я решил загнать в одну платную нейросетку свои старые книги и поглядеть, что он там найдет. Включая те, которые были написаны до появления больших языковых моделей.
Напомню, первая большая языковая модель — 2018 год.
Какой-то хоть как-то связанный и осмысленный текст она стала выдавать году в 2024–2025.
И вот что у меня получилось.
Ланцов М. «Эрик. Т1» (2012) — 25%
Ланцов М. «Демон. Т1» (2014) — 22%
Ланцов М. «Корпорация Русь» (2016) — 18%
Ланцов М. «Артур» (2018) — 20%
Ланцов М. «Ярослав. Т2» (2020) — 21%
Ланцов М. «Помещик. Т1» (2021) — 21%
Ланцов М. «Фрунзе. Т1» (2022) — 23%
Ланцов М. «Сын Петра. Т1» (2023) — 24%
Ланцов М. «Некромаг. Т1» (2024) — 21%
Ланцов М. «Хозяин дубравы. Т1» (2024) — 21%
Ланцов М. «Железный лев. Т1» (2025) — 22%
Ланцов М. «Византия 2.0. Т1» (2026) — 24%
Откуда какой вывод?
Правильно.
Я — полином высокой сложности.
Но и это еще не все.
Если мы загоним все те же самые тексты повторно на анализ в новом чате той же нейросети, то получим другой %. В частности, у «Византии 2.0. Т1» у меня получалось от 10 до 25%.
Откуда такой разброс?
Он связан с тем, что эта самая нейросеть берет для анализа не весь текст, а фрагмент в самом начале, фрагмент в самом конце и какой-то произвольный кусок по остальному телу. Что делает оценку рандомной.
Решил «покрутить» старинные тексты.
- Эпос о Гильгамеше — 0–8%
- Аристофан. Лягушки — 2–10%
- Цезаря. Отрывки — 1–7%
- Рабле Франсуа. Гаргантюа и Пантагрюэль — 3–9%
В принципе, быть может, вилка вариантов будет шире, но я устал раз за разом загружать в новом чате один и тот же запрос. Можете поэкспериментировать.
Если начать обрезать «хвосты», то вилка усиливается еще сильнее. Например, в «Эпосе о Гильгамеше» я добился 15%. Не сразу, не просто, но добился.
Но вообще, с классическими текстами — сложно. На них же нейросети обучали. Из-за чего происходит очевидное узнавание.
Теперь второй этап эксперимента.
Перекрестное тестирование. Я дал ChatGPT и Алисе два одинаковых задания: «Напиши рассказ о том, как мужчина вечером в подворотне встретил вампира. Чудом отбился от него. Но оказался инфицирован (что случалось крайне редко). И дальше страдал, трансформируясь и не желая становиться чудовищем. В финале рассказа он не вынес осознания происходящего, вышел на солнечный свет и сгорел на виду у работников «жилищника», которые еще долго ругались, убирая за ним».
Потом я погонял их через чаты с тем же самым вопросом — какой % участия нейросети. И у меня получилась следующая табличка:
| Анализ Алисы | Анализ ChatGPT | |
| Текст Алисы | 20–30% | 55–75% (65%) |
| Текст ChatGPT | 0–10% | 35–55% (45%) |
Как вы видите — отличный результат.
ChatGPT свой же текст, сгенерированный на той же самой модели в том же самом режиме в соседнем потоке (чате), определяет как текст, написанный человеком с некоторой доработкой нейросетью.
Алиса же… Боль. Просто боль.
К слову сказать, оба текста получились удивительной мутью. У ChatGPT с массой томных соплей, а у Алисы больше напоминал не то справку, не то заметку, нежели рассказ.
Вот.
Идем дальше в этом опыте.
По каким признакам нейросеть выдавала мне свои проценты?
- Серийная ритмизация фраз. По-человечески это называется парцелляция и является вполне каноничным литературным приемом. Например, для акцентирования смыслов или ускорения ритма повествования.
- Афористичность тезисов и их ритмичное повторение для усиления эффекта. Что также является классическим литературным приемом. В том числе и за счет использования готовых афоризмов.
- Аналитические авторские отступления. Тут я только руками разведу и поржу.
- Высокая плотность смысловой нагрузки на диалоги. Т. е. мало диалогов, в которых персонажи говорят ни о чем. По-человечески это говорит о том, что в диалогах мало воды.
- Активное использование цитат и скрытых цитат в тексте, в духе «господа присяжные заседатели», «лед тронулся» и так далее. Тут я только руками разведу.
Иногда встречалось что-то еще, но в основном так.
В общем — забавно.
Очень.
Очередное доказательство того, что называть нейросеть искусственным интеллектом — смешно.
Что же до «охотников на ведьм», то я могу лишь руками развести. Люди верующие никогда не нуждались в аргументации. То у них вышки 5G на разум влияли, то прививки чипировали, то тексты все сплошняком написаны нейросетями. Про рептилойдов и не говорю. Ведь настоящие русы не против ящерок.
Небольшая выборка для подумать (в нагрузку к тому, что уже упомянуто выше) с вилкой участия нейросети:
- Булгаков М. «Мастер и Маргарита» — 0–10%
- Лем С. «Солярис» — 0–10%
- Стругацкие. «Трудно быть Богом» — 0–10%
- Лукьяненко С. и Васильев В. «Дневной дозор» — 2–12%
- Дивов О. «Выбраковка» — 3–15%
- Головачев В. «Ведьмина поляна. Т1» — 5–15%
- Никитин (Орловский) Ю. «Ричард длинные руки. Т1» — 10–25%
Ну и из наших ребят с АТ, взятых наугад:
- Горбов А. «Сам себе властелин. Т1» (2021) — 10–25%
- Клеванский К. «Сердце дракона. Т9» (2018) — 25–35%
Напомню, первая большая языковая модель — 2018 год.
Какой-то хоть как-то связанный и осмысленный текст она стала выдавать году в 2024–2025.
Также напомню, что собственные тексты нейросети не в состоянии опознать.
Вот.
Живите теперь с этим, дорогие мои Полиномы Батьковичи (т. е. человеки).
Оцените нашу статью
