Когда естественный текст выглядит искусственным: воспринимаемое ИИ-происхождение как свойство текста
Текст может восприниматься как созданный искусственным интеллектом, даже если на самом деле его написал человек; и наоборот, текст, сгенерированный ИИ, может казаться «человеческим». Мы исследовали разрыв между реальным происхождением текста и его воспринимаемым ИИ-происхождением на материале 28 текстов на русском языке (14 написанных людьми и 14 ИИ-сгенерированных), которые оценивали профессиональные лингвисты в рамках трёх разных режимах оценки. Каждый текст был представлен в признаковом пространстве 46 семантических показателей, полученных на основе эмбеддингов, и 12 стилометрических индексов. В третьем эксперименте тексты дополнительно оценивались по 13 перцептивным шкалам до того, как респонденты выносили суждение о происхождении текста.
Тексты, написанные людьми и сгенерированные ИИ, хорошо разделялись как в семантическом, так и в стилометрическом пространстве построенной нами модели. Многомерный анализ показал значительные различия между человеческими и ИИ-текстами (|g| Хеджеса ≈ 1,4), а вложенные ridge-модели с проверкой по схеме leave-one-text-out достигали AUC от 0,832 до 0,878. Однако объективные лингвистические показатели, различавшие тексты по реальному происхождению, не объясняли независимо вероятность отнесения лингвистом текста к ИИ. Кроме того, вес отдельных признаков менялся в зависимости от эксперимента. Для семи признаков были обнаружены значимые после FDR-коррекции взаимодействия «режим × признак» между экспериментами 2 и 3, причём во всех случаях направление связи менялось на противоположное. Средняя длина слова дополнительно меняла направление связи между первым и вторым экспериментом. В третьем эксперименте структура перцептивных оценок в основном определялась одной осью, противопоставляющей авторское присутствие и схематическую обобщённость. Смещение к полюсу авторского присутствия резко снижало вероятность отнесения текста к ИИ по пятибалльной шкале (OR = 0,228; 95% ДИ [0,145; 0,359]; p < 0,001).
Таким образом, воспринимаемое ИИ-происхождение текстов нельзя рассматривать ни как отражение реального авторства, ни как отражение объективного лингвистического сигнала происхождения текста. В наших экспериментах оно проявлялось как перцептивное свойство и было связано с тем, возникает ли у читателя ощущение конкретного, стоящего за текстом автора, тогда как лингвистические признаки, объективно связанные с происхождением текста, зависели от условий эксперимента. Данное различие важно, поскольку предполагаемое ИИ-авторство может влиять на степень доверия читателя к тексту, его воспринимаемую достоверность и последующую оценку текста даже в тех случаях, когда суждение об источнике происхождения текста ошибочно.

Литвинова Т. А., Дехнич О. В. Когда естественный текст выглядит искусственным: воспринимаемое ИИ-происхождение как свойство текста // Научный результат. Вопросы теоретической и прикладной лингвистики. 2026. Т. 12. № 3. C. 3–31.


















Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
Altay S. People are skeptical of headlines labeled as AI-generated, even if true or human-made, because they assume full AI automation / S. Altay, F. Gilardi // PNAS Nexus. 2024. Т. 3. № 10. Art. pgae403. DOI: 10.1093/pnasnexus/pgae403
Chen R. Stylometric detection of AI-generated texts: evidence from human and machine-written essays / R. Chen, S. Xiong, J. He, G. J. Ross // Digital Scholarship in the Humanities. 2026. Art. fqag064. DOI: 10.1093/llc/fqag064
Demir N. Y. Human perceptions of register alignment and functional appropriateness: ChatGPT-generated vs human-authored texts / N. Y. Demir // Digital Scholarship in the Humanities. 2026. Art. fqag084. DOI: 10.1093/llc/fqag084
Fiedler A. Do humans identify AI-generated text better than machines? Evidence based on excerpts from German theses / A. Fiedler, J. Döpke // International Review of Economics Education. 2025. Т. 49. Art. 100321. DOI: 10.1016/j.iree.2025.100321
Hau M. F. AI literacy as metacommunicative agility: exploring users’ interpretive strategies in detecting and evaluating AI and human authorship / M. F. Hau, J. Vulpius, S. Tønnesen // AI & Society. 2026. DOI: 10.1007/s00146-026-03125-3
Jakesch M. Human heuristics for AI-generated language are flawed / M. Jakesch, J. T. Hancock, M. Naaman // Proceedings of the National Academy of Sciences. 2023. Т. 120. № 11. Art. e2208839120. DOI: 10.1073/pnas.2208839120
Jia H. News bylines and perceived AI authorship: Effects on source and message credibility / H. Jia, A. Appelman, M. Wu, S. Bien-Aimé // Computers in Human Behavior: Artificial Humans. 2024. Т. 2. № 2. Art. 100093. DOI: 10.1016/j.chbah.2024.100093
Latini N. Mind Over Model? Students’ Evaluation and Use of ChatGPT-Generated Versus Human-Generated Texts / N. Latini, I. Bråten, H. I. Strømsø // Reading Research Quarterly. 2026. Т. 61. № 1. Art. e70087. DOI: 10.1002/rrq.70087
Lermann Henestrosa A. The Effects of Assumed AI vs. Human Authorship on the Perception of a GPT-Generated Text / A. Lermann Henestrosa, J. Kimmerle // Journalism and Media. 2024. Т. 5. № 3. С. 1085–1097. DOI: 10.3390/journalmedia5030069
Litvinova T. Describing Images: Linguistic Signatures of AI and Humans / T. Litvinova, V. Molchanova, O. Dekhnich, P. Seredin // Proceedings of the 38th Conference of Open Innovations Association FRUCT. Helsinki, Finland, 2025.
Litvinova T. Individual Differences in the Most Frequent Content Word Usage as a New Type of Features in the Authorship Profiling Task / T. Litvinova, V. Zavarzina, P. Panicheva // Proceedings of The International Society for Technology Education and Science, ICRES 2024. 2024. Pp. 1901–1924.
Liu S. The more you think you know: AI experience, literacy, heuristics, and perceived AI authorship / S. Liu, H. Chu, S. Yuan, Y. Sun, L. R. Men // AI & Society. 2026. Т. 41. № 3. Pp. 2199–2211. DOI: 10.1007/s00146-025-02643-w
Marklová A. The author is dead, but what if they never lived? A reception experiment on Czech AI- and human-authored poetry / A. Marklová, O. Vinš, M. Vokáčová, J. Milička // Digital Scholarship in the Humanities. 2026. Art. fqag067. DOI: 10.1093/llc/fqag067
Markowitz D. M. Linguistic Markers of Inherently False AI Communication and Intentionally False Human Communication: Evidence From Hotel Reviews / D. M. Markowitz, J. T. Hancock, J. N. Bailenson // Journal of Language and Social Psychology. 2024. Т. 43. № 1. Pp. 63–82. DOI: 10.1177/0261927X231200201
Mizumoto A. Identifying ChatGPT-generated texts in EFL students’ writing: Through comparative analysis of linguistic fingerprints / A. Mizumoto, S. Yasuda, Y. Tamura // Applied Corpus Linguistics. 2024. Т. 4. № 3. Art. 100106. DOI: 10.1016/j.acorp.2024.100106
O’Sullivan J. Stylometric comparisons of human versus AI-generated creative writing / J. O’Sullivan // Humanities and Social Sciences Communications. 2025. Т. 12. Art. 1708. DOI: 10.1057/s41599-025-05986-3
Proksch S. The impact of text topic and assumed human vs. AI authorship on competence and quality assessment / S. Proksch, J. Schühle, E. Streeb, F. Weymann, T. Luther, J. Kimmerle // Frontiers in Artificial Intelligence. 2024. Т. 7. Art. 1412710. DOI: 10.3389/frai.2024.1412710
Szabó G. The invisible author: Citizen sociolinguistic perspectives on identifying human and AI-generated narrative texts / G. Szabó, F. Krizsai, A. Deme // Social Sciences & Humanities Open. 2026. Т. 13. Art. 102646. DOI: 10.1016/j.ssaho.2026.102646
Stoltz D. S. text2map: R Tools for Text Matrices / D. S. Stoltz, M. A. Taylor // Journal of Open Source Software. 2022. Т. 7. № 72. Art. 3741
Taylor M. A. Integrating Semantic Directions with Concept Mover’s Distance to Measure Binary Concept Engagement / M. A. Taylor, D. S. Stoltz // Journal of Computational Social Science. 2021. Т. 4. Pp. 231–242.
Tudino G. A corpus-driven comparative analysis of AI in academic discourse: Investigating ChatGPT-generated academic texts in social sciences / G. Tudino, Y. Qin // Lingua. 2024. Т. 312. Art. 103838. DOI: 10.1016/j.lingua.2024.103838
Wang Y. Is Human-Like Text Liked by Humans? Multilingual Human Detection and Preference Against AI / Y. Wang, R. Xing, J. Mansurov [et al.] // Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics. Vol. 1, Long Papers. 2026. Pp. 14043–14076. DOI: 10.18653/v1/2026.acl-long.639
Данная редакционная статья посвящена 150-летию Белгородского государственного национального исследовательского университета и его многолетней традиции научного исследования языка, человеческой коммуникации и новых форм взаимодействия человека и искусственного интеллекта. Т.А. Литвинова благодарит за финансовую поддержку Российский научный фонд, грант № 25-28-03166, https://rscf.ru/project/25-28-03166/. О.В. Дехнич не получала финансовой поддержки за выполнение исследований, написание и публикацию статьи.