С момента массового распространения больших языковых моделей интернет наводнили тексты, сгенерированные искусственным интеллектом. Пользователи, журналисты и редакторы пытаются найти способы отличить машинный текст от человеческого. Казалось бы, самые известные «маркеры» — длинные тире, слово «углубиться» и прочие клише — давно должны были исчезнуть. Однако новое исследование маркетинговой компании Graphite показывает: ИИ-модели не избавились от характерных привычек, а лишь сменили их на новые, порой неожиданные.
Как искали «почерк» нейросетей
Чтобы выявить устойчивые речевые шаблоны, специалисты Graphite разработали тщательный эксперимент. Они взяли корпус из 10 000 статей, опубликованных до появления ChatGPT — это был «человеческий» контрольный набор. Затем разные ИИ-модели попросили переписать эти тексты на основе кратких summaries, чтобы минимизировать влияние исходного стиля. Сравнивая получившиеся версии с оригиналами, исследователи могли точно подсчитать, какие слова и конструкции встречаются у машин чаще, чем у людей.
В результате анализа они обнаружили 13 000 фраз, которые как минимум вдвое чаще появлялись в ИИ-текстах. Именно такие обороты в Graphite назвали «tell» — характерной уловкой, выдающей нейросеть.
Opus 5.5: «надёжный», «это важно» и забота о смысле
Самым ярким представителем с новыми привычками стала модель Claude Opus 5.5 от Anthropic. Её главный «маркер» — слово «dependable» («надёжный»). Оно встречается в текстах Opus в 23 раза чаще, чем в человеческих. При этом модель, судя по всему, усвоила урок про длинные тире: теперь Opus 5.5 использует этот знак препинания на 99% реже, чем его предшественник Opus 5.
Однако старые привычки никуда не делись — они просто видоизменились. Если раньше Opus любил конструкцию «это не X, это Y», то теперь он перешёл на оборот «это больше, чем X, это Y». Но настоящий конёк модели — объяснять, почему что-то имеет значение. Фраза «this matters» («это важно») появляется в 116 раз чаще, чем у людей, а конструкция «why X matters» («почему X важен») — в 92 раза чаще.
Любопытно, что, по наблюдениям Graphite, модели Claude со временем становятся ближе к человеческому распределению слов. А вот семейство GPT, напротив, всё больше от него отдаляется.
Astra от OpenAI: «другое измерение» и осторожные формулировки
Модель Astra из стана OpenAI обзавелась собственным набором речевых тиков. Она обожает описывать «другое измерение» любой темы и часто смягчает утверждения оборотами «may provide» («может обеспечить») или «can provide» («способен предоставить»). Но самый заметный её маркер — так называемое «корректирующее обрамление». Это когда явление определяется как «не просто X» или предлагается альтернатива через «вместо того чтобы полагаться на X». По данным исследования, такие конструкции встречаются в текстах Astra более чем в 100 раз чаще, чем в человеческих.
При этом Astra тоже резко сократила использование длинного тире — на 88% по сравнению с людьми. А вот Gemini 3.1 Pro от Google, судя по всему, практически полностью искоренила этот знак из своего письма.
Почему «маркеры» никуда не исчезают
Казалось бы, лаборатории должны активно бороться с такими узнаваемыми штампами. В пресс-релизе Opus 5.5 Anthropic хвасталась, что модель «общается естественнее предыдущих», а первые пользователи отмечали «ясность и лёгкость восприятия». OpenAI в анонсе GPT-6 (версии Sol и Luna) обещала «больше ясности, меньше жаргона и странных оборотов».
Однако Грег Драк, директор по ИИ в Graphite, относится к этим заявлениям скептически. По его мнению, лаборатории не могут полностью контролировать речевые привычки своих моделей. «У меня есть общая гипотеза: лаборатории способны управлять этим меньше, чем вы думаете, — говорит Драк. — Это гигантские модели с миллиардами параметров. Они могут провести лишь конечное число тестов, и некоторые вещи просто проскальзывают».
Иными словами, даже если разработчики убирают самые известные «маркеры», на их месте тут же появляются новые. И у каждой версии модели — свой уникальный набор.
Что это значит для читателей и редакций
Борьба с ИИ-текстом превращается в гонку вооружений. Стоит редакторам научиться распознавать «dependable» или «this matters», как модели переключаются на «другое измерение» и «корректирующее обрамление». При этом общее количество характерных оборотов, по данным Graphite, остаётся примерно на том же уровне.
Для обычных пользователей это означает простую вещь: не стоит полагаться только на старые приметы вроде длинных тире или слова «углубиться». Машинный текст сегодня может выглядеть вполне естественно, но всё ещё выдаёт себя навязчивыми конструкциями, которые сами по себе не являются ошибкой, но в совокупности создают ощущение искусственности.
Вывод: Исследование Graphite наглядно показывает, что нейросети не избавляются от речевых шаблонов, а лишь меняют их. Opus 5.5 полюбил «надёжность» и фразы о важности, Astra — «другое измерение» и осторожные формулировки. Лаборатории могут сколько угодно заявлять о «естественности» своих моделей, но цифры говорят об обратном: характерные обороты никуда не исчезают. А значит, человечеству ещё долго придётся учиться читать между строк — даже если эти строки написаны машиной.
