Аңдатпа
Генеративті жасанды интеллекттің, әсіресе, үлкен тілдік модельдердің (LLM) дамуымен бірге, табиғи тілдік ортаны бұрмалау және ақпараттық кеңістікті автоматтандырылған мазмұнмен толтыру тәуекелдері де артты. Бұл мәселені шешу үшін адам жазған мәтіндер мен жасанды интеллект жүйелері арқылы генерацияланған мәтіндерді дәл ажырататын әдістерді әзірлеу қажет. Осы мақалада боттар жасаған мәтіндерді анықтаудың жаңа тәсілі ұсынылды. Бұл тәсіл табиғи тілді өзін-өзі ұйымдастыратын сыни жүйе ретінде қарастырады. Мұның негізінде геометриялық қасиеттерді зерттеу жатыр. Зерттеу барысында семантикалық векторлық кеңістіктегі n-граммаларды кластерлеу және мәтіндерді «энтропия-күрделілік» жазықтығында талдау әдістері қолданылды. Ғылыми тәжірибе қазақ, орыс, ағылшын, неміс, француз және вьетнам тілдерінде жүргізілді. Әр тіл үшін әдеби мәтіндерден тұратын репрезентативті корпустар құрылды, және арнайы дайындалған (GPT-2, YaLM) және (дайын (LSTM, mGPT) модельдер арқылы генерацияланған мәтіндер жиынтығы жасалды. Семантикалық кеңістікті модельдеу мақсатында TF-IDF матрицасының сингулярлық декомпозициясы (SVD) әдісі және Word2Vec (CBOW) арқылы алынған векторлық эмбеддингтер пайдаланылды. Әр тіл үшін «энтропия-күрделілік» жазықтығында адам жазған әдеби мәтіндердің негізгі жиыны хаос режиміне сәйкес келетін аумақты айқындап, боттар генерациялаған мәтіндерден елеулі түрде ерекшеленетіні анықталды. Рұқсат етілген n (n-грамманың реті) және d (векторлық кеңістік өлшемі) өлшемдерінің ауқымдары әр тіл үшін өзіндік ерекшеліктерге ие болып, бұл тілдердің фракталдық құрылымдарының айырмашылығын көрсетеді. Жіктеу нәтижелері бойынша «энтропия-күрделілік» жазықтығындағы мәтіндердің орнын пайдалану арқылы қарапайым жіктеуіштер (SVM, DT, RF) барлық зерттелген тілдерде жоғары тиімділікпен (F1-өлшемі 0.8-ден 0.98-ге дейін) жұмыс істеуге мүмкіндік беретіні анықталды. Алынған нәтижелер табиғи тілді күрделі жүйе ретінде талдаудың генеративті ЖИ арқылы жасалған контентті бақылау және анықтау мәселелерін шешуде перспективалы екенін көрсетеді. Зерттеу ақпараттық қауіпсіздікті нығайту және адам тілінің табиғи құрылымын сақтау бағыттарында әрі қарайғы зерттеулерге негіз болады.