На Хабре вышел разбор статьи «Ваш текст воняет GPT. 12 мест, откуда несёт и почему», набравшей заметный рейтинг. Материал был номинирован на ежегодный конкурс технических статей «Технотекст 8», одно из ключевых правил которого — текст написан человеком без участия ИИ. По мнению автора разбора, статья нарушает это правило от первого абзаца до последнего.
Главный аргумент — качество русского языка. Фраза «MIT (Kishnani, 2025) сформулировал точно: говорит на тебя, а не с тобой» — дословная калька с английского «speaks at you rather than with you». В оригинале речь идёт о голосе, который звучит в присутствии читателя, но не обращается к нему напрямую. По-русски это передаётся иначе; конструкция «говорит на тебя» в живом языке не существует. Похожая история с «самым полированным первым черновиком» — сочетание, которое носитель языка не выдаст даже в спешке. Оба случая типичны для мультиязычных LLM: модели генерируют текст на русском, но синтаксически мыслят по-английски, накладывая структуру одного языка на лексику другого.
| Слово | Употреблений в 2020 | Употреблений в 2023 | Рост |
|---|---|---|---|
| delves | 349 | 2847 | +654% |
| showcasing | — | — | ×9,2 |
| underscores | — | — | ×9,1 |
Второй пласт проблемы — работа с источниками. Статья приводит данные исследования Kobak et al. (Nature Human Behaviour, 2024–2025): 14,2 млн абстрактов PubMed за 2010–2024 годы, рост употребления слова «delves» с 349 случаев в 2020 году до 2847 в 2023-м (+654%), слова «showcasing» — в 9,2 раза. Это реальное исследование с реальными цифрами. Но рядом с ним стоит понятие «retail voice», приписанное исследованию MIT (Kishnani, 2025). Автор разбора проверил источник: в актуальной версии статьи этого термина нет. Предположительно, одна модель однажды использовала это выражение в тексте, другая подхватила его как устоявшийся факт — классический механизм распространения галлюцинаций через цепочку ИИ-рерайтов.
Автор разбора нашёл грубые синтаксические кальки с английского: фраза «говорит на тебя» — дословный машинный перевод «speaks at you».
Здесь и возникает структурная ирония ситуации. Текст, который учит читателя распознавать ИИ-генерацию, сам демонстрирует все её маркеры: синтаксические кальки, автоматически вставленные данные из источников без редактуры, фантомные цитаты. Это не единичный сбой — это системная проблема рабочего процесса, при котором модель самостоятельно находит ссылки, извлекает из них данные и встраивает их в текст без участия автора.
Отдельного внимания заслуживает финал разбора. Его автор прямо сообщает, что его собственные тексты тоже пишет нейросеть — «весь текст, ну камон». Это делает материал не столько журналистским расследованием, сколько зеркалом: один ИИ-текст критикует другой ИИ-текст за недостаточно аккуратное использование ИИ. Для платформы, где конкурс с запретом на ИИ собирает номинантов с машинными текстами, а читатели ставят плюсы, ориентируясь на список ссылок в конце, — это точная иллюстрация того, где сейчас находится граница между авторством и автоматизацией.
