Стилистические девиации как маркер человеческого письма: сопоставительный анализ текстов на материале корпуса CoAT

Аннотация

В статье осуществляется сопоставительный лингвостилистический анализ русскоязычных текстов человеческого и машинного происхождения на материале корпуса CoAT, выступающего в качестве репрезентативного ресурса парных материалов, распределенных по новостному, энциклопедическому, сетевому, дневниковому и смешанному доменам. Центральное место отводится стилистическим девиациям, понимаемым как мотивированные отклонения от статистического стандарта, возникающие в пространстве между статистической и коммуникативной нормами и придающие высказыванию измерение индивидуально-авторской интенциональности, в противовес усредненному, вероятностно-оптимизированному письму, тяготеющему к нормативной гладкости и лишенному подлинного следа сознательного выбора. Анализ синтаксических параметров фиксирует у человеческих микротекстов большую среднюю длину предложения, составляющую 10,46 слова против 8,4 у сгенерированных, а также существенно более высокую частоту инверсий, достигающую 14% по сравнению с 4,7%, причем в неформальных жанрах, таких как дневники и социальные сети, машинные тексты демонстрируют полное отсутствие инверсивных конструкций, что указывает на принципиально различный механизм организации высказывания, обусловленный у человека коммуникативной задачей, а у модели – жесткостью жанровых шаблонов. Парцелляция, хотя и представлена близкими долями, в человеческих текстах выступает осмысленным интонационным приемом, тогда как в машинных чаще носит характер механического разрыва синтаксической конструкции. Пунктуационные характеристики выявляют сходство средних значений по тире и многоточиям при кардинально различном распределении и функциональной нагрузке: у человека эти знаки концентрируются в эмоционально-насыщенных контекстах, обеспечивая эффект паузации и смыслового акцента как проявление ответственного поступка, в то время как у машины они преимущественно воспроизводят формальные шаблоны, характерные для энциклопедических материалов, отражая отсутствие внутренней интенции и рефлексивной настройки на адресата. Особенно показательна крайне низкая воспроизводимость скобок в сгенерированных текстах, выступающих одним из наиболее тонких авторских маркеров. Лексические параметры демонстрируют наиболее выраженные расхождения по фактологической насыщенности: трехкратное преобладание чисел и дат в человеческих текстах свидетельствует о спонтанной связи письма с конкретным опытом и реальным миром, недоступной модели, оперирующей обобщенными вероятностными последовательностями и избегающей конкретики вне жанровой обязательности. Частота имен собственных обнаруживает меньшую дифференциацию, будучи в значительной степени детерминированной информационными жанрами, однако распределение по доменам дополнительно подчеркивает жанровую ограниченность машинного письма, не проявляющего фактографию вне обязательных контекстов. Полученные результаты подтверждают сущностный характер различий между текстом, рожденным сознанием, включенным в физический и социальный мир, и текстом, порожденным статистическим предсказанием следующего токена, что позволяет рассматривать стилистические девиации как перспективный маркер человеческого письма, обладающий высокой релевантностью для автоматизированных систем поиска и фильтрации информации, задач верификации контента, оценки качества генеративных моделей по критерию способности воспроизводить индивидуальную вариативность, противодействия дезинформации и развития цифровой лингвистики в целом. Качественный анализ распределения признаков по жанрам и категориям раскрывает, что количественные совпадения не отменяют фундаментального различия в природе отклонений – осознанного авторского выбора versus механической имитации, что открывает пути к созданию чувствительных типологий, адаптируемых для иных языков и жанров, и к лонгитюдному отслеживанию эволюции машинного идиостиля. Таким образом, работа предоставляет комплексное обоснование того, что формальный учет стилистических девиаций с учетом их качественной природы служит надежным инструментом разграничения человеческого и искусственного письма, способствуя как теоретическому осмыслению идиостиля в эпоху нейросетей, так и решению прикладных задач обработки естественного языка в условиях стремительного роста цифрового контента.