Ученые из University of Maryland и Google DeepMind обнаружили, что художественные тексты, созданные нейросетями, имеют фундаментальные дефекты в построении сюжета. Благодаря новому инструменту StoryScope стало возможным выявлять ИИ-авторов не по статистическим признакам текста, а по глубоким нарушениям нарративной логики.
Что произошло
В рамках нового исследования было доказано, что современные модели, такие как Claude, GPT, Gemini и DeepSeek, используют упрощенные и шаблонные структуры при создании художественного контента. С помощью инструмента StoryScope ученые выявили системные ошибки: чрезмерное объяснение морали, замену действия философскими диалогами и использование избыточных физических клише вместо глубокой эмоциональной проработки персонажей. В ходе эксперимента тексты моделей сравнивались с работами профессиональных авторов, включая Стивена Кинга.
Контекст
Традиционные методы обнаружения ИИ-контента обычно опираются на анализ стиля, таких метрики как perplexity (запутанность) и burstiness (вариативность). Однако текущее исследование переносит фокус на семантико-структурный анализ, доказывая, что именно нарушение драматургии и логики повествования является ключевым маркером синтетического текста.
Почему это важно для индустрии
Для индустрии это означает смену парадигмы в методах оценки и фильтрации контента. Разработчикам придется переходить от простого анализа локальной статистики слов к созданию новых методов оценки (evals), ориентированных на структурную целостность и сложность сюжета. Это также открывает нишу для специализированных инструментов мониторинга и верификации авторства в рамках пайплайнов observability.
Почему это важно для пользователей
Для читателей и авторов исследование подтверждает, что современные LLM пока не способны на подлинное творчество и сложную драматургию. Это подчеркивает сохраняющуюся ценность «человеческого сердца» в литературе и делает глубокую эмоциональную проработку важным критерием качества, который служит защитой авторства от полной автоматизации.
Что пока неизвестно / ограничения
Прямых технических разногласий по сути исследования не выявлено, однако позиции экспертов варьируются от нейтрально-описательных до скептических в контексте текущих архитектурных ограничений моделей.
Источники
Автор
Look at AI, редакция