Детектор искусственного интеллекта бесполезен: новый инструмент проверяет не авторство, а смысл

---

Разработчик с Хабра автоматизировал ручной метод блогера vvzvlad и собрал серверный конвейер, который проверяет тексты не на авторство нейросети, а на смысловую пустоту, и 3 июня 2025 года опубликовал инструмент с открытым доступом, пока популярные детекторы искусственного интеллекта продолжают промахиваться мимо главной проблемы.

Откуда взялась идея и что не так с привычными детекторами?

Около года назад блогер vvzvlad вручную разбирал статьи на Хабре и показывал, как опознавать слоп. Слоп (от английского slop) означает мусорную информацию, которая не приносит пользы читателю, а служит упаковкой для целей автора: накрутка трафика, SEO-наполнение, имитация экспертности.

Главный вывод vvzvlad сформулировал прямо: детекторы искусственного интеллекта бесполезны. Их обходят дообучением и сменой стиля, а иногда обходить и не нужно, потому что детектор, по его выражению, «меряет среднюю температуру по атмосфере Марса».

При этом сам vvzvlad делал то, что обойти нельзя: проверял не авторство, а качество. Грамматика безупречна, статистический детектор молчит, вероятность нейрогенерации низкая, но текст по факту пустой. Этот класс автор оригинала называет «компетентная вода»: человек начинает по делу, грамотно, а потом, не имея реального опыта, сходит с темы и льёт правдоподобные факты.

Проблема в масштабе. Сам vvzvlad признал: «примеры не то чтобы закончились, но я устал». Один человек не вычитает весь Хабр, а нейросети генерируют слоп бесплатно и килограммами.

Как устроен автоматический конвейер?

Автор оригинала автоматизировал именно ту цепочку действий, которую эксперт выполняет глазами: не один вызов детектора искусственного интеллекта, а многоступенчатый конвейер (на языке разработчиков «пайплайн»), где каждый этап проверяет свой аспект текста.

Архитектура выглядит так:

• Нормализация. Страница в браузере разбирается на URL, отпечаток отображённого содержимого и извлечённый текст.
• Серверная проверка. Текст сверяется с источником, строится полный вердикт, результат записывается атомарно (то есть целиком или никак, без частичных данных).
• Публичная выдача. Следующий читатель получает готовый результат бесплатно, но только для той же версии страницы.

Под капотом работает модель GLM 5.2. Результат не голый балл, а разбор по фрагментам: где именно сборка текста разваливается, какие части не сходятся по смыслу.

Три защиты от манипуляций

Автор предусмотрел несколько ограничений, чтобы инструмент не превратили в оружие:

• Клиент не может самостоятельно продиктовать серверу оценку, модель или содержимое аудита. В общую базу попадает только результат, сформированный самим сервером.
• Перед записью сервер отдельно проверяет, что анализируемый текст действительно относится к указанному публичному источнику. Нельзя вставить случайный текст, указать адрес известного сайта и получить подтверждённую проверку чужой страницы.
• В базе хранится не одно число, а ограниченный полный вердикт: итоговая оценка, режим проверки, модель, найденные фрагменты, пояснения и основания. Если результат неполный или источник не подтверждён, публичная запись не создаётся.

Проверка на реальных примерах

Автор прогнал через инструмент три статьи, которые vvzvlad ранее пометил слопом вручную. Результаты совпали. Например, текст «Почему батареи в некоторых телефонах живут так мало» получил оценку 0.42 из 1 с пометкой «Сомнительно», и под оценкой лежит разбор, где именно текст разваливается.

Статья «Учимся дружить Mikrotik с Nginx» прошла проверку: автор действительно разбирается в теме. Инструмент отличил реальный опыт от имитации.

Релиз совпал с моментом, когда бесплатные нейросети вроде DeepSeek сделали массовую генерацию слопа практически бесплатной, и ручная модерация окончательно перестала справляться.

Использовать LLM для детекции LLM не имеет смысла. Как только вы выпускаете детектор в открытое пространство, любую сеть можно обучить его обходить. : vvzvlad, автор ручного метода обнаружения слопа

Что это значит для вас?

Авторам Дзена. Если вы пишете экспертный контент и вкладываете реальный опыт, такой инструмент вам союзник, а не враг. Он отличает «компетентную воду» от настоящего разбора. Практический шаг: перечитайте свой последний текст и честно спросите, есть ли в каждом абзаце факт или вывод из личного опыта. Если нет, этот абзац инструмент подсветит.

Модераторам и редакторам русскоязычных платформ. Метод не привязан к языку модели: конвейер проверяет смысловую связность, а не статистику токенов (минимальных единиц текста, которые обрабатывает нейросеть). Для русскоязычных площадок, где стандартные англоязычные детекторы работают ещё хуже, чем для английского, это критично.

Маркетологам. Когда клиент приносит «экспертную статью» от копирайтера, прогон через подобный конвейер за минуту покажет, есть ли в ней реальное содержание или только грамотно упакованная пустота.

Слоп не станет умнее от того, что его перефразировали. Если текст обязан нести смысл, чтобы пройти проверку, у авторов с реальным опытом появляется преимущество, которое не купишь подпиской на генератор.