Современные университеты все чаще внедряют новые правила проверки академических работ, направленные на выявление текстов, созданных генеративными моделями. Дипломные, курсовые работы и мотивационные письма абитуриентов теперь проходят не только через системы поиска плагиата, но и через специализированные детекторы искусственного интеллекта.
Пиши хуже, чтобы поступить: как студенты научились обходить проверки дипломов и курсовых на ИИ
Из-за высокого риска ложных срабатываний студенты вынуждены искусственно снижать качество работ, чтобы доказать алгоритмам своё «человеческое» происхождение.
Unsplash
Согласно отчету Higher Education Global Survey 2026, в ряде западных вузов поступающих начали на официальном предупреждать, что подозрение системы в использовании нейросетей при написании эссе может стать основанием для отклонения всей заявки.
Это уже привело к появлению практики, когда авторы вынуждены намеренно упрощать свой стиль, чтобы доказать «человеческое» происхождение текста.
Продолжение ниже
Видео
Продолжение
Один из показательных случаев произошел со студенткой, поступавшей в аспирантуру канадского университета. Как сообщает издание Fortune, девушка написала мотивационное письмо самостоятельно, но при проверке через популярные онлайн-сервисы получила результат, согласно которому текст почти на 100% считался машинным.
Чтобы снизить этот показатель, она полностью переписала письмо, отказавшись от сложных литературных оборотов и безупречных формулировок. После упрощения структуры документа вероятность авторства ИИ снизилась до 30%, и университет принял заявку.
Теперь такая трансформация авторского стиля все чаще становится инструментом для прохождении алгоритмических ИИ-барьеров.
В целом, развитие систем проверки обусловлено изменением характера студенческих работ. Традиционные антиплагиаты ищут дословные совпадения с уже опубликованными материалами, однако большие языковые модели создают уникальные тексты, не содержащие прямых заимствований.
Ранее вузы боролись с работами на заказ, вводя очные экзамены с ограничением по времени, но такой формат критикуется за поощрение механического запоминания в ущерб качественному исследованию темы. В ответ на появление чат-ботов образовательные учреждения начали использовать инструменты GPTZero, ZeroGPT, Copyleaks, а также специализированные модули от Grammarly, QuillBot и Turnitin.
В основе работы большинства детекторов лежит показатель перплексии, который определяет степень предсказуемости каждого следующего слова. Нейросети обычно выстраивают предложения по статистически вероятным шаблонам. Человеческая речь, как правило, содержит менее ожидаемые обороты, однако качественные тексты опытных авторов также могут отличаться высокой последовательностью, что приводит к ложным срабатываниям систем. Современные модели ИИ все успешнее имитируют естественный стиль, что затрудняет работу алгоритмов.
Независимые исследования 2025 года указывают на технические ограничения этих инструментов. Например, при тестировании сервиса GPTZero было установлено, что в 16% случаев работы реальных людей ошибочно классифицируются как машинные. Другие эксперименты показали, что детекторы лучше распознают тексты модели GPT-3.5, чем более совершенной GPT-4.
При анализе одних и тех же материалов разные сервисы регулярно выдают противоречивые оценки или неопределенные результаты. Ошибки алгоритмов подтверждаются и при анализе исторических документов.
Так, например, пользователи Reddit недавно выяснили, что сервис ZeroGPT определяет Декларацию независимости США как текст, написанный искусственным интеллектом с вероятностью от 95% до 100%.
В отличие от программ поиска плагиата, современные детекторы не выделяют конкретные фрагменты заимствований, а предоставляют лишь итоговый процент вероятности.
Разработчики пытаются повысить точность систем, обучая их на сравнении оригинальных человеческих текстов и версий, переработанных нейросетями, чтобы выявлять характерные особенности разных поколений чат-ботов. Это позволяет несколько снизить количество ошибок, но не гарантирует полную достоверность.
Специалисты отмечают, что на текущем этапе показатели детекторов не могут служить единственным основанием для принятия административных решений в отношении студентов. Гонка между генераторами текста и средствами их обнаружения продолжается, усложняясь за счет появления гибридных материалов, в которых человек редактирует ответы нейросетей или использует сервисы для придания машинному тексту естественного вида.
Загружаем