Войны алгоритмов: детектор ИИ текста vs. хуманайзер — кто кого?

В 2022 году ChatGPT открыл ящик Пандоры. Искусственный интеллект начал генерировать контент для нас… и за нас. Вскоре это превратилось в глобальную проблему. Чтобы обуздать тотальную генерацию-дегенерацию, появились детекторы ИИ текста — нейросети для отлова нейроконтента. В ответ возникла возможность очеловечить текст — нейросети для обхода детекторов.

Сегодня обе индустрии переживают настоящий бум. Мы задались вопросом: кто выигрывает, а кто проигрывает в этой «гонке вооружений»?

Почему нейроконтент стал проблемой

Вот уже пятый год пошел с того момента, как ИИ сделал нейрогенерацию доступной для всех. Первоначальная эйфория быстро сменилась тревогой. Людям вообще-то свойственно стремление минимизировать усилия, для того и нужен технический прогресс. Но быстро выявились три ключевые проблемы, связанные с этим «большим взрывом» — по крайней мере, в области создания текстов.

1. Плагиат

Раньше плагиаторы передирали чью-то чужую статью и выдавали ее за свою. С этим успешно боролись сервисы типа «Антиплагиат» и «Content Watch». Теперь стало сложнее. Школьник, студент и даже научный сотрудник мог предъявить 100% оригинальную работу — но написанную не им, а ChatGPT. И как поймать его за руку?

Академическая среда обеспокоилась не на шутку. Ситуация грозила вырождением всей системы обучения.

2. Нейрослоп

Нейрослоп (от английского slop — шлак, мусор) — сленговый термин, который обозначает всю пургу, которую способен наворотить несовершенный ИИ. Примеров была масса. Нейросети выдумывали факты, фальсифицировали источники, откровенно галлюцинировали. Кроме того, они городили абзацы бессмысленных банальностей. КПД таких нейротекстов был не нулевым, а даже отрицательным.

Однако при этом ИИ умел грамотно вставлять SEO-ключи, чем стали пользоваться недобросовестные копирайтеры. В результате интернет заполонили статьи-пустышки, засоряющие поисковую выдачу. Вам ведь тоже такие не раз попадались, верно?

3. Петля деградации

Машинные псевдотексты массово потекли в онлайн, что встревожило уже разработчиков ИИ и экспертное сообщество. Интернет и раньше был похож на захламленный чулан, а теперь угрожал вообще погрузиться в хаос. По прогнозам, к 2025-2026 годам более 50% контента в Сети должно было стать AI-генерированным. А учитывая качество текстов, которые выдавал, скажем, GPT-2, это могло заруинить всю отрасль. И даже, в перспективе, цивилизацию.

1. Возник бы «контент-коллапс» — размывание границ между реальной информацией и фейками. Эта опасность, кстати, до сих пор актуальна.
2. На горизонте замаячила «петля деградации». Из интернета свежий нейрошлак попадает в датасеты → ИИ обучается на нем → начинает плодить слоп с удвоенной силой. Эрозия онлайн-пространства становится неуправляемой.

Остро требовались какие-то средства противодействия. И они появились.

ИИ-детекторы: как технологический ответ превратился в хайп

Педагогам, редакторам, издателям, девелоперам нужен был быстрый инструмент верификации. Прототипы разрабатывались еще с 2019 года. Но расцвет ИИ-детекторов начался после успеха ChatGPT.

Сперва OpenAI выпустила «не полностью надежный» инструмент детекции для своей LLM. Затем возникли первые стартапы: GPTZero, нацеленный на сферу образования, Originality.ai — для контент-маркетинга и SEO. Компания Turnitin интегрировала AI-детектор в свою систему проверки плагиата.

Школы и университеты принялись активно подключать сервисы распознавания ИИ, разгоняя спрос. За ними последовали редакции крупнейших СМИ. К 2023-2024 годам появились уже десятки инструментов. Детекторы стали обязательным атрибутом «гигиены контента» во многих сферах. К эзотерическим параметрам профессиональной оценки качества текста, таким как «водность», «академическая тошнота» и т.п., добавился еще один — роботность.

Это был момент, когда детекторы AI получили институциональную власть. Маркетинг сыграл на страхе перед «нашествием машин». Команды стартапов предложили простой ответ на сложный запрос и создали огромный новый рынок… несмотря на отсутствие доказательств надежности их продукта.

Первая «война алгоритмов»: ИИ-детекторы против человечества

Разработчики детекторов обещали — и до сих пор обещают! — стопроцентную гарантию распознавания ИИ-контента. Спойлер: ни один до сих пор не дает и 60% уверенности. Но об этом ниже.

Публика поначалу верила. Ученические работы и статьи копирайтеров стали усердно пропускать через «фильтры». Алгоритмы распознавания накинулись на алгоритмы машинного текста и принялись щелкать их как блох.

В США в 2024 году почти 70% учителей хотя бы раз использовали тот или иной ИИ-детектор, а более 40% пользовались регулярно. Начался массовый отсев студентов за «ИИ-читерство». Парней и девушек обвиняли в плагиате, лишали стипендий, даже отчисляли.

В творческих отраслях и маркетинге ситуация была похожая, хоть и в значительно меньшем масштабе. Материалы отклонялись редакциями с пометкой «probably AI generated».

Ура, цивилизация спасена?

Ничего подобного. Ответом стали массовые жалобы и даже судебные иски. Оказалось, что многих наказанных авторов обвинили несправедливо.

В ходе разбирательств выявились серьезные недостатки ИИ-детекторов. Исследования фиксировали уровень ложных срабатываний (false positives) даже у носителей языка до 15-61% в зависимости от контекста. У иностранных студентов, для которых английский не родной, и того хуже: более чем 50%. А это, между прочим, предвзятость и неравенство, за что могло прилететь по шапке уже администрации вуза. В США при Байдене с этим было строго.

Менее чем за год ИИ-истерия привела к кризису доверия. В итоге ведущие мировые университеты — среди них Кембридж, Стэнфорд, Гарвард, MIT — официально отказались от использования Turnitin и ее аналогов.

Как работают детекторы AI и почему текст считается «роботным»

Производители детекторов не разглашают, как строятся их алгоритмы. Понятно, они на этом зарабатывают. Но некоторые общие принципы известны, поскольку диктуются статистическими закономерностями естественного и машинного языка.

Ключевые метрики, лежащие в основе распознавания роботности:

• Перплексия (perplexity) — предсказуемость текста. Считается, что ИИ-текст более предсказуем, а человеческий имеет более высокую степень «неожиданности».
• Вариативность (burstiness) — вариативность длины предложений и композиции текста. Человек, по утверждению разработчиков, пишет в рваном ритме («всплески» коротких и длинных фраз). ИИ склонен к равномерности.
• Стилистическая гладкость и грамотность. Тут понятно: выдержанный стиль и безупречная грамматика выдают машинное происхождение. Человеку же свойственно ошибаться.
• Четкая структурированность: маркированные списки, логическая последовательность, нумерация тезисов. Всё это как будто бы признаки машинного мышления.

Комбинация этих и других лингвистических признаков — повторов, шаблонных фраз — указывает на вероятность присутствия AI.

Советы, как уменьшить роботность текста (да, в Сети уже есть и такие) прямо рекомендуют: пишите «рвано», допускайте ошибки, старайтесь сделать текст неидеальным.

Ошибка в ДНК

Здесь мы должны со всей экспертной строгостью спросить: лолшто???

Тысячи лет человечество училось тому, что хороший текст, особенно прикладной или экспертный, обязан быть идеальным!

Писатель стремится к плавности, ритмичности и отсутствию слов-паразитов, что делает текст гладким. Научные статьи, техническая документация, юридические и качественные маркетинговые тексты предполагают предсказуемость, структурированность изложения, четкую логическую выстроенность.

ИИ пишет так не потому, что он машина, а потому что мы сами так пишем!

Алгоритмы AI-детектинга исходят из ложной посылки: путают методику подачи с происхождением. Они реагируют на определенный тип текста, который (формально) может принадлежать машине… но изначально придуман людьми для людей.

Эти стандарты сложились еще при Аристотеле, и с тех пор не менялись. Людей и в XXI веке учат им же, возьмите хоть Максима Ильяхова с его инфостилем.

Почему не работают детекторы AI — тесты и выводы

Вбейте в поисковике запрос Why AI Detectors Don’t Work — увидите массу ссылок с аргументированными ответами. И рядовые пользователи, и опытные профессионалы изучают инструменты ИИ-детектинга, желая понять, насколько можно ли доверять. Результаты обескураживают.

Специалисты ScienceDirect в 2025 году тестировали нейродетекторы (включая Originality.AI) и экспертов-людей на AI-генерированных текстах. Распознавание в обоих случаях было чуть лучше случайного: 57% для людей, аналогично для машин. Ложно-положительных срабатываний — до 27% у бесплатных инструментов.

То есть понимаете, да? Продвинутый ИИ в целом справлялся не лучше человека, и все вместе ошибались почти в половине случаев. Проще и дешевле подбросить монетку.

Другие отчеты говорят и вовсе о курьезах. ИИ-детекторы объявляют нейроконтентом Конституцию США и Чили, «Гарри Поттера», романы Хемингуэя… Особенно плохо справляются они с большими, серьезными, экспертными текстами.

Мы тоже проверяли самые разные модели, выбирая лучший инструмент для наших редакционных задач. И подтверждаем опыт других: это всегда более-менее похоже на рулетку. Было бы неправдой утвердать, что детекторы ИИ — полное фуфло. Часто они оказываются правы. Но частотность ошибок и — самое главное — их непредсказуемость компрометируют удачные результаты.

Сами сервисы не могут объяснить, как они принимают решения. Их логика непрозрачна. Отчеты, которые выдают даже самые продвинутые модели, вызывают больше вопросов, чем ответов. И тем более никак не помогают улучшать качество текстов.

Компания OpenAI, разработавшая ChatGPT, в 2023 году закрыла проект собственного ИИ-детектора. Сэм Альтман так объяснил это решение: ни один детектор, созданный на основе ИИ, никогда не был даже наполовину надежным. Это мнение позже подтвердили эксперты MIT: «AI Detectors Don’t Work».

Остальные гиганты AI-индустрии даже не собираются создавать аналогичные продукты. Судя по всему, Альтман выразил общий консенсус.

Вторая «война алгоритмов»: фейки против фейлов

Детекторы не только не решили проблему AI-читинга, но успешно создают новые — этические, юридические и социальные. Ладно бы ошибались, принимая машинные тексты за человеческие. Хуже, что случаются фейлы в обратную сторону: 100% human generated content объявляется творчеством ИИ. Здесь прямые риски для людей — ущерб доходам и репутации, моральные травмы.

Под ударом оказались не только нейрослопщики и плагиаторы, но и добросовестные авторы.

Возник идеальный рыночный запрос на инструменты защиты. Сначала это были словесные инструкции по методам обхода: перефразирование в QuillBot, ручная правка, добавление эмоций. Но люди не были бы людьми, если бы и эту задачу не передоверили машинам.

Так на сцену вышли ИИ-хуманайзеры, основная задача которых — сбивать с толку алгоритмы детекторов.

К середине 2023-го появились Undetectable AI, HumanizePro, AISEO Humanizer. Через год количество сервисов исчислялось десятками. Инструменты начали комбинировать подходы, добавлять «человеческие паттерны» (личные мнения, вариации длины предложений, легкие «ошибки»), контекстное понимание, эмоциональную окраску, отсылки…

Сегодня этот «вторичный» рынок превратился в отдельную контр-индустрию с сотнями инструментов, от бесплатных до enterprise-уровня.

Но гуманизация на поверку оказалась фейковой.

Как работают алгоритмы хуманайзеров, и почему они бесполезны

Принцип работы ИИ-хуманайзеров — зеркальный ответ детекторам, прежде всего на уровне perplexity и burstiness. Они как двухтактный двигатель: сначала выявляют маркеры ИИ (т.е. сами работают детекторами), а потом, как могут, их устраняют, чтобы текст стал «невидимым» для вражеских алгоритмов.

Основные методы:

• Изменение структуры — разбивка длинных предложений на короткие или наоборот, их склейка.
• Имитация непоследовательности — внесение легких логических отклонений, чтобы сломать «идеальную» логику LLM.
• Синонимизация — замена «стандартных» слов на менее вероятные, редкие синонимы.
• Вставка «шума» — добавление вводных слов, междометий, риторических вопросов, легких грамматических или стилистических «шероховатостей».

Тут важно понимать вот что. «Гуманизаторы» не делают нейроконтент человеческим. Они не улучшают мысль, фактуру, глубину аргументации. Они делают так, чтобы текст не вызывал подозрений у детекторов ИИ, а это совсем другая история.

Результат часто оказывается хуже оригинала: водянистый, неестественный, откровенно абсурдный. Но — вот ирония! — этот изуродованный текст благополучно проходит фильтр AI-детектора. И плевать, что на выходе получается тот самый нейрослоп, из-за которого всё и началось…

Кому выгодна «гонка вооружений»

Обе «войны алгоритмов» успешно продолжаются до сих пор. Вот только успешно для кого?

Несмотря на все «вопросики», рынок ИИ-детекторов в 2026 году стремится к $1.45 млрд (Nova One Advisor). CAGR = 28.9% — втрое больше, чем в тяжелой промышленности.

У хуманайзеров еще круче. По доступным данным, в 2026 году объем рынка достигнет около $3.2 млрд с более 200 млн ежемесячных пользователей.

Правда, бюджеты, вкладываемые в разработку флагманских LLM, на порядки больше. В результате детекторы неуклонно отстают по качеству алгоритмов, и отличать работу живого мозга от электронного им становится всё сложнее.

Но агрессивный маркетинг продолжает действовать. Возник самоподдерживающийся порочный круг. Детекторы эволюционируют, чтобы ловить тексты, обработанные хуманайзерами. Хуманайзеры тут же адаптируются, подбирая новые паттерны обхода или «невидимости» для детекторов.

Человек в этой системе — заложник «матрицы». Глобальный хайп заставляет авторов перестраховываться, пропускать свой текст то через один ИИ-шредер, то через другой, не понимая, что происходит. Один пользователь в Reddit очень точно описал положение дел:

«У каждого детектора свое мнение о том, какая часть моего контента написана искусственным интеллектом. Один показывает 69%, другой — 50%, а третий — 12%. Я потратил два часа, пытаясь „очеловечить“ свою УЖЕ ЧЕЛОВЕЧЕСКУЮ работу, чтобы угодить ИИ».

У всех прибавилось хлопот, все озабочены, тратят время и деньги. Единственный безусловный победитель — индустрия дорогих подписок.

Но есть и хорошие новости

К счастью, главные арбитры противостояния — поисковые системы — демонстрируют похвальную выдержку. Корпорация Google, например, хотя и внедряет инструменты распознавания ИИ в свою механику, делает это очень ограниченно и аккуратно. Ее алгоритмы отсеивают откровенный AI slop. Но происхождение контента (ИИ или человек) на критерии ранжирования не влияет. Качество по-прежнему определяется четверкой E-E-A-T — Expertise, Experience, Authoritativeness, Trustworthiness (экспертиза, опыт, авторитетность и надежность). Если текст достоверный, информативный, полезный — не так важно, кто его написал.

Такой подход выглядит обоснованным. Прогноз про 50% нейроконтента в интернете к 2026 году сбывается: 40–57% по разным оценкам, и до 75% среди новых статей. Основная доля приходится на гибридный контент, наиболее трудный для ИИ-детекторов. Да, авторы сегодня активно используют ИИ в работе. Было бы странно, если бы не.

ИИ-контент, при грамотном промпт-инжиниринге, становится всё более совершенным. Даже бесплатные опенсорсные модели типа Qwen или DeepSeek уже умеют писать лучше, чем добрая половина фриланс-копирайтеров. Не удивительно: LLM обучены на всем массиве лучших текстов человечества, чем не всегда могут похвастать белковые авторы.

Заключение: гонка без финиша

Значит ли это, что ИИ-детекторы не нужны? Конечно, нет! Во многих случаях они дают легкий способ отсеять халтурщиков и плагиаторов. Они помогают авторам держаться «в тонусе» и не съезжать самим в нейрослоп.

Однако вот что происходит, когда люди ставят себя под контроль ИИ, а не наоборот.

Мы создали индустрию, которая живет по своим внутренним законам, паразитируя на наших страхах и потребностях, но игнорируя наши реальные интересы. ИИ-детектинг не решает проблему мусорного контента — лишь добавляет новый уровень бюрократии от алгоритмов. Компании уже сейчас вынуждены нанимать специалистов по «хуманизации», опасаясь, как бы их качественный, но AI-ассистированный контент не был наказан поисковиками.

Пока алгоритмы меряются друг с другом перплексиями, проигрываем все мы. Читатели получают контент либо «вылизанный» до стерильности, либо искусственно «испорченный» ради прохождения проверки. А авторам становится всё сложнее писать хорошие тексты в мире, где даже идеальная ясность мысли кажется подозрительной.