Группа исследователей пришла к выводу, что активное использование больших языковых моделей (LLM) заметно сближает стиль разных авторов. Тексты, прошедшие через ИИ или сгенерированные им, тяготеют к общим стилистическим нормам, из-за чего снижается лингвистическое разнообразие и размываются маркеры индивидуальности.
Суть работы сводится к простому наблюдению: у каждого человека есть свой словарный запас, привычные обороты, длина фраз, ритм. Когда автор отдаёт черновик нейросети на правку или пишет с нуля, модель подстраивает текст под наиболее вероятные, «средние» конструкции. Именно так и формируется общий фон. Чем больше людей пользуются одним и тем же инструментом, тем сильнее пересекаются их манеры.
По словам авторов исследования, проблема не сводится к одинаковым формулировкам. Дело в сигналах, по которым читатель узнаёт автора: необычные сравнения, характерные ошибки, любимые слова, нетипичный синтаксис. Эти сигналы LLM чаще всего сглаживает — оставляет нейтральный, грамматически безупречный, но обезличенный результат. В итоге исчезает то, что лингвисты называют «голосом автора».
Отдельно исследователи обращают внимание на размывание признаков личности. По тексту можно судить о возрасте, поле, уровне образования, культурном бэкграунде — именно на этой идее построены многие психолингвистические тесты. Если тексты всё чаще проходят через одну и ту же модель, эти признаки усредняются и становятся менее точными. Для академии это означает рост погрешности в исследованиях, для маркетинга — потерю инструмента, позволяющего точнее сегментировать аудиторию.
Авторы также фиксируют побочный эффект для самих авторов. Чем дольше человек работает в связке с ИИ-ассистентом, тем сильнее он невольно перенимает его обороты. Через несколько месяцев активного использования собственный стиль начинает напоминать то, что предлагает модель. Этот механизм исследователи сравнивают с лингвистической конвергенцией, которую обычно описывают для сообществ с тесными контактами, — здесь её роль играет общий цифровой посредник.
Методически работа опирается на сравнительный анализ текстов: оригинальные авторские материалы сопоставлялись с их же версиями после обработки LLM, а также с текстами, написанными моделью с нуля. Для оценки использовались метрики лексического разнообразия, частотные характеристики и автоматические классификаторы, обученные определять стилистические признаки. По всем трём осям зафиксировано статистически значимое движение к среднему.
В практическом плане исследование предлагает простой рецепт: осознанно ограничивать роль ИИ в финальном тексте. Модель хорошо справляется с черновой работой — структурой, фактчекингом, переводом, — но финальную стилистическую правку автор должен делать сам. Иначе со временем отличить одного автора от другого становится объективно сложнее.
Сами исследователи подчёркивают, что не призывают отказываться от LLM. Речь о более аккуратном разделении труда: черновик и проверка — машине, голос и интонация — человеку. Если этим балансом пренебрегать, литература, журналистика и академический стиль рискуют сойтись в одну общую, технически правильную, но безликую норму.
