Грамматический метод соперничает или превосходит ИИ в анализе авторства.

Новое исследование Манчестерского университета ставит под сомнение предположение о том, что сложный искусственный интеллект всегда даёт лучшие результаты в задачах анализа языка. Исследователи под руководством доктора Андреа Нини разработали LambdaG — грамматический метод верификации авторства, который работает наравне или лучше, чем передовые системы ИИ.

Как работает LambdaG

LambdaG анализирует грамматические паттерны, а не полагается на крупномасштабные модели машинного обучения. Он строит статистический профиль индивидуального стиля письма, измеряя такие характеристики, как:

• Использование служебных слов (например, «это», «из», «the»)
• Структура предложений
• Паттерны пунктуации
• Другие грамматические привычки

Исследователи описывают эти характеристики как создание уникальной поведенческой подписи для каждого автора, подобно тому, как у людей формируется индивидуальный почерк или походка.

Результаты производительности

Исследование протестировало LambdaG на 12 наборах данных реальных текстов, разработанных для отражения практических сценариев:

• Электронные письма
• Сообщения на онлайн-форумах
• Потребительские отзывы

В большинстве случаев LambdaG показал более высокую точность, чем несколько устоявшихся систем верификации авторства, включая подходы на основе нейронных сетей. Метод соответствовал или превзошёл ведущие системы ИИ в большинстве тестовых наборов данных.

Ключевые преимущества перед системами ИИ

В то время как многие современные системы верификации авторства полагаются на сложные модели ИИ, обученные на огромных наборах данных, LambdaG предлагает несколько практических преимуществ:

• Большая прозрачность: Показывает, какие грамматические паттерны повлияли на решения, в отличие от многих моделей ИИ, работающих как «чёрные ящики»
• Меньшие вычислительные затраты: Не требует обширных вычислительных ресурсов, как крупные модели ИИ
• Объяснимость: Предоставляет чёткие объяснения для выводов, что делает метод подходящим для ответственных сфер, таких как юридические расследования

Потенциальные области применения

Исследователи выделяют несколько практических вариантов использования метода:

• Судебная лингвистика
• Криминалистические расследования
• Выявление сетевых злоупотреблений
• Мониторинг академической честности

Доктор Нини отмечает: «Растёт предположение, что для решения таких проблем, как анализ авторства, нужен сложный ИИ, но наши результаты показывают, что это не обязательно так. Основывая наш подход на науке о том, как язык действительно работает, мы можем достичь результатов, которые столь же хороши — а часто и лучше — при этом оставаясь более прозрачными».

Исследование опубликовано в журнале Humanities and Social Sciences Communications с DOI: https://doi.org/10.1057/s41599-025-06340-3.