Как антиплагиат должен проверять текст на ИИ: разбор детектора Руконтекст Минувшей весной ложные срабатывания ИИ-детекторов на студенческих работах стали темой федеральных СМИ и обращений в Минобрнауки — и вывели в публичную плоскость вопрос, который раньше интересовал только специалистов: как вообще системы проверки распознают сгенерированный текст и почему они ошибаются. Массовая доступность генеративных нейросетей изменила саму постановку задачи проверки текстов. Классический антиплагиат ищет заимствования — совпадения с уже опубликованными источниками. Но текст, который написал ChatGPT, ни у кого не «позаимствован»: формально он оригинален, и стандартная проверка покажет высокий процент уникальности. В поиске эту проблему называют «плагиатом на ИИ», хотя плагиатом в строгом смысле она не является: заимствовать здесь не у кого. Поэтому у систем проверки появилась вторая задача: определять не только заимствования, но и признаки машинной генерации. Антиплагиат на искусственный интеллект — модуль, оценивающий вероятность того, что текст написан нейросетью, — сегодня есть у всех крупных игроков рынка. Запрос на такую проверку идёт с двух сторон. Организациям — вузам, научным институтам, издательствам — нужен инструмент контроля: невозможно вручную оценить самостоятельность сотен работ и рукописей. Авторам нужна предсказуемость: понимать, как их текст увидит проверяющая система и кто принимает решение, если пометка всё-таки появилась. Эти два интереса сходятся в одном требовании к технологии — она должна быть не только чувствительной, но и осторожной. В этом материале разбираем, как задача решена в системе Руконтекст: что умеет ИИ-детектор, где проходят границы точности любой подобной технологии и почему финальное решение всегда остаётся за человеком. ERID: CQH36pWzJqVHyNTpLPc5KBWAzY3G6zwrBDPjVgJw3jEMiw Реклама. ООО «НЦР «Руконт» ИНН 7702823270