Один из уважаемых читателей рассказал, что ведёт бизнес в Италии. У меня уже есть рабочий humanizer-ru, который убирает следы нейросети из русского текста. Мысль очевидная: перенести наработки на итальянский. Перенесли. Лежит открыто: github.com/ilyautov/humanizer-it.
И сразу скажу то, что обычно не говорят про свои проекты: на мой взгляд, это нейрослоп - прям образцовый нейрослоп.
Ниже честно объясню, почему, и попрошу помощи.
Что мы сделали, и почему это выглядит готовым
Языконезависимое ядро переехало из русской версии почти без изменений: метрики perplexity и burstiness, режимы работы, контрастное вычитание, факт-замок. Это математика, ей всё равно, какой язык.
Поверх ядра собрали итальянскую начинку, и собрали не на пустом месте. У итальянского AI-стиля есть зафиксированное имя: «IA-taliano», его официально занёс в словарь Treccani ещё в 2023. Главный механизм описан в лингвистике как «алгоритмические отпечатки английского», то есть кальки с английского синтаксиса. Есть и свежий итальянский бенчмарк детекторов, DeSegMa-IT на EVALITA 2026. То есть направление не выдумано, под ним реальные работы.
Получился каталог паттернов и жёстко запрещённых конструкций, от негативного параллелизма «non solo… ma anche» до длинного тире, которое в нативном итальянском встречается реже, чем в английском, и потому выдаёт машину сильнее. Плюс сканер на чистом Python без единой зависимости: кидаешь текст, получаешь оценку «чисто N из 100». В прогоне на корпусе он вычистил все тестовые AI-тексты до нуля хард-банов, а человеческие контрольные пропустил как чистые.
На поверхности это законченный инструмент. В том и проблема.
Почему это всё равно нейрослоп
Я не носитель. Весь каталог итальянских маркеров я собрал из корпусов и научных работ вместе с кодинг-агентом. Логически он стройный. Но проверить его сам я не могу. Я не чувствую, где итальянец поморщится, а где скажет «да, так и есть».
Сканер врёт уверенностью. «Чисто 99 из 100» звучит как приговор эксперта. На деле он меряет соответствие каталогу, который я же и составил. Для языка, которым я не владею, это замкнутый круг: я проверяю текст на правила, которые сам и угадал. Если я ошибся в правиле, сканер с той же уверенностью покажет зелёный. Красивая цифра здесь часть иллюзии, а не доказательство.
Корпус не ловит неочевидное. Есть приёмы живого итальянского, которые носитель ощущает, но которые не выпадают из статистики и которых нет в разобранных до меня работах. Фраза бывает грамматически верной, детектор молчит, а живой человек говорит: «так не говорят». Вот этот зазор между «формально правильно» и «живо» машина и корпус не закрывают.
Что под капотом на самом деле
Здесь и прячется системная штука, ради которой стоит этот пост. Машина и кодинг-агент дают первый слой быстро и почти бесплатно: структуру, каталог, сканер, правдоподобный вид. А второй слой, валидацию, может дать только тот, у кого язык родной. Это не баг процесса. Это его граница.
Ценность проекта не в каталоге. Каталог сегодня соберёт любой агент за вечер. Ценность в ухе носителя, которое отделяет правильное от живого и добавляет то, чего нет ни в одном корпусе. Пока этого уха не было, у меня на руках убедительная заготовка, а не проверенный инструмент. Честно называть её готовой я не могу.
О чём прошу
Ищу носителя итальянского, который пройдётся по кандидатскому слою и скажет прямо:
Какие из хард-банов реально режут слух, а какие я придумал зря.
Какие маркеры из каталога живые, а какие кабинетная фантазия.
Что добавить из неочевидного: приёмы, которые носитель чувствует, но которых нет в работах.
Репозиторий открыт, лицензия MIT, корпус маркеров лежит отдельным файлом с пометками, что считаю ядром, а что отдаю на проверку. Любая правка, даже «вот эти три пункта мимо», уже двигает вещь из заготовки в инструмент.
Вывод
Инструмент станет настоящим не когда я допишу ещё сто паттернов, а когда по нему пройдётся первый итальянец и половину из них вычеркнет.
И сразу скажу то, что обычно не говорят про свои проекты: на мой взгляд, это нейрослоп - прям образцовый нейрослоп.
Ниже честно объясню, почему, и попрошу помощи.
Что мы сделали, и почему это выглядит готовым
Языконезависимое ядро переехало из русской версии почти без изменений: метрики perplexity и burstiness, режимы работы, контрастное вычитание, факт-замок. Это математика, ей всё равно, какой язык.
Поверх ядра собрали итальянскую начинку, и собрали не на пустом месте. У итальянского AI-стиля есть зафиксированное имя: «IA-taliano», его официально занёс в словарь Treccani ещё в 2023. Главный механизм описан в лингвистике как «алгоритмические отпечатки английского», то есть кальки с английского синтаксиса. Есть и свежий итальянский бенчмарк детекторов, DeSegMa-IT на EVALITA 2026. То есть направление не выдумано, под ним реальные работы.
Получился каталог паттернов и жёстко запрещённых конструкций, от негативного параллелизма «non solo… ma anche» до длинного тире, которое в нативном итальянском встречается реже, чем в английском, и потому выдаёт машину сильнее. Плюс сканер на чистом Python без единой зависимости: кидаешь текст, получаешь оценку «чисто N из 100». В прогоне на корпусе он вычистил все тестовые AI-тексты до нуля хард-банов, а человеческие контрольные пропустил как чистые.
На поверхности это законченный инструмент. В том и проблема.
Почему это всё равно нейрослоп
Я не носитель. Весь каталог итальянских маркеров я собрал из корпусов и научных работ вместе с кодинг-агентом. Логически он стройный. Но проверить его сам я не могу. Я не чувствую, где итальянец поморщится, а где скажет «да, так и есть».
Сканер врёт уверенностью. «Чисто 99 из 100» звучит как приговор эксперта. На деле он меряет соответствие каталогу, который я же и составил. Для языка, которым я не владею, это замкнутый круг: я проверяю текст на правила, которые сам и угадал. Если я ошибся в правиле, сканер с той же уверенностью покажет зелёный. Красивая цифра здесь часть иллюзии, а не доказательство.
Корпус не ловит неочевидное. Есть приёмы живого итальянского, которые носитель ощущает, но которые не выпадают из статистики и которых нет в разобранных до меня работах. Фраза бывает грамматически верной, детектор молчит, а живой человек говорит: «так не говорят». Вот этот зазор между «формально правильно» и «живо» машина и корпус не закрывают.
Что под капотом на самом деле
Здесь и прячется системная штука, ради которой стоит этот пост. Машина и кодинг-агент дают первый слой быстро и почти бесплатно: структуру, каталог, сканер, правдоподобный вид. А второй слой, валидацию, может дать только тот, у кого язык родной. Это не баг процесса. Это его граница.
Ценность проекта не в каталоге. Каталог сегодня соберёт любой агент за вечер. Ценность в ухе носителя, которое отделяет правильное от живого и добавляет то, чего нет ни в одном корпусе. Пока этого уха не было, у меня на руках убедительная заготовка, а не проверенный инструмент. Честно называть её готовой я не могу.
О чём прошу
Ищу носителя итальянского, который пройдётся по кандидатскому слою и скажет прямо:
Какие из хард-банов реально режут слух, а какие я придумал зря.
Какие маркеры из каталога живые, а какие кабинетная фантазия.
Что добавить из неочевидного: приёмы, которые носитель чувствует, но которых нет в работах.
Репозиторий открыт, лицензия MIT, корпус маркеров лежит отдельным файлом с пометками, что считаю ядром, а что отдаю на проверку. Любая правка, даже «вот эти три пункта мимо», уже двигает вещь из заготовки в инструмент.
Вывод
Инструмент станет настоящим не когда я допишу ещё сто паттернов, а когда по нему пройдётся первый итальянец и половину из них вычеркнет.