Сергей Воробьёв
31 июля 2026
Стихи без автора: как искусственный интеллект заставил поэзию заново объясниться
Если алгоритм пишет стихотворение, которое жюри литературной премии принимает за текст живого поэта, ломается не поэзия — ломается наша уверенность в том, что мы умеем отличать одно от другого. В 2023–2026 годах это произошло уже несколько раз: полностью сгенерированные тексты проходили отбор в шортлисты, обманывали профессиональных читателей, получали высокие оценки в слепых экспериментах.
Это не история про восстание машин и не повод для траура по человеческому творчеству — это повод задать неудобный вопрос: а что, собственно, мы ценили в поэзии всё это время? Ремесло, которое теперь можно автоматизировать? Или что-то другое, что не сводится к ремеслу, но без него почему-то не обходилось? В этом лонгриде — истории обмана, эксперименты со случайностью столетней давности и попытка понять, что происходит с искусством, когда исчезает гарантия человеческого усилия над текстом.
Ремесло как пропуск: зачем поэту было нужно мастерство
Поэзия всегда жила на два дома. С одной стороны — ремесло: умение держать размер, чувствовать звук, строить метафору так, чтобы она не рассыпалась при вдумчивом чтении. Версификационная техника — то, чему учат и что можно оценить по формальным критериям, что отличает подмастерье от мастера. С другой стороны — в поэзии есть то, что не поддаётся такому разбору, некая «тёмная материя», которая не переводится на дискурсивный язык. Ещё античные авторы говорили о поэзии как о результате боговдохновенности: муза нашёптывает, поэт записывает, и объяснить, почему именно эти слова в этом порядке производят эффект, который называют «поэтическим», невозможно чисто техническим языком. Можно идеально соблюсти все правила — и получить мёртвый текст. Можно нарушить половину конвенций — и попасть точно в цель.
В эпоху классической эстетики техническая гладкость работала как сертификат мастерства
Долгое время эти два слоя не конфликтовали, а поддерживали друг друга. Ремесло было своего рода пропуском в разговор об искусстве: если человек умеет писать гладко, благозвучно, соответствовать параметрам, которые литературное сообщество распознаёт как признаки мастерства, — это доказательство, что за текстом стоит труд, школа, усилие. В эпоху классической эстетики техническая гладкость работала как сертификат мастерства.
Похожая логика действовала и в других искусствах, но в XX веке она начала давать сбои. Марсель Дюшан, выставив в 1917 году обычный писсуар под названием «Фонтан», совершил жест, который перевернул представление о том, что делает предмет произведением искусства. Дюшан не создавал вещь руками — он выбирал готовый промышленный объект (readymade, «готовое изделие») и переносил его в пространство выставки. Смысл сместился с ремесленного усилия по производству конечного объекта искусства на художественную волю, на сам акт выбора материала и его означивания. Искусством оказывался не объект, а жест, которым художник присваивал этому объекту статус искусства. Вопрос «а умеет ли автор рисовать» перестал быть релевантным вопросом об искусстве вообще — он остался релевантным лишь для некоторых жанров.
Способность ИИ производить тексты, которые читатели воспринимают как полноценную поэзию, ставит вопрос о значимости ремесленных навыков версификации. Можно предположить два сценария реакции поэтического поля на «вторжение» ИИ-технологий.
Первый сценарий: техническая гладкость обесценивается. Если машина справляется с версификацией не хуже, а иногда и убедительнее человека, то сама гладкость перестаёт быть достижением — она превращается в лишённый самостоятельной ценности признак, в маркер «сделанности», генеративности. Читатель, натренированный опытом встречи с ИИ-текстами, начинает искать противоположное: шероховатость, сбой интонации, неровность дыхания, то самое ощущение «недоделанности», которое раньше воспринималось как недостаток, а теперь читается как след живой руки. Корявость становится подписью подлинности.
Второй сценарий: ремесло не обесценивается, а делегируется. Поэт перестаёт быть тем, кто вручную подбирает слова, и оказывается тем, кто управляет процессом генерации: задаёт условия, отбирает, монтирует, придаёт смысл случайности. Это не отказ от авторства, а его смещение: с позиции ремесленника на позицию куратора или, если использовать более пафосный термин, концептуального директора собственного текста.
Оба сценария меняют не только то, как пишут стихи, но и то, что такое поэзия вообще. И прежде чем разбираться в философских основаниях этого сдвига, стоит посмотреть на конкретные случаи, где граница между человеком и алгоритмом уже была стёрта — иногда случайно, иногда намеренно, иногда со скандалом.
Испытание слепым чтением
Эксперимент, измеривший масштаб проблемы
В ноябре 2024 года в журнале Scientific Reports вышло исследование Брайана Портера и Эдуара Машери из Университета Питтсбурга, которое можно назвать методологически выверенным и аргументированные ответом на вопрос «а действительно ли люди не отличают ИИ-стихи от человеческих». В первой части эксперимента 1634 участника читали по десять стихотворений в случайном порядке. Пять принадлежали признанным поэтам — от Чосера и Шекспира до Эмили Дикинсон, Т. С. Элиота и Сильвии Плат. Ещё пять были сгенерированы ChatGPT 3.5 «в стиле» тех же авторов, причём без всякой фильтрации: исследователи брали первые варианты, предложенные моделью. Задача была простая: угадать, кто автор — человек или машина.
Сгенерированные тексты чаще принимали за человеческие, чем настоящие стихи поэтов
Эксперимент преподнёс сюрприз — интуиция здесь подвела респондентов: участники ошибались систематически и ошибались в пользу ИИ. Сгенерированные тексты чаще принимали за человеческие, чем настоящие стихи поэтов. Более того, пятёрка стихотворений, которые участники сочли наименее похожими на человеческое творчество, целиком состояла из подлинных текстов великих поэтов. Читатели решили, что Дикинсон писала, как машина.
Во второй части эксперимента почти 700 новых участников (их разделили на три группы) оценивали стихи по 14 параметрам: качество, красота, эмоциональность, ритм, оригинальность и так далее. Одной группе сказали, что перед ними тексты человека, другой — что тексты сгенерированы ИИ, третья не получила никакой подсказки об авторстве. Те, кому явно сообщили об ИИ-происхождении текста, ставили закономерно более низкие оценки — предвзятость против машины сработала предсказуемо. А вот участники без подсказок в среднем оценили ИИ-стихи выше человеческих.
Объяснение, которое чаще всего звучало в обсуждении результатов: массовый читатель склонен ценить понятность, гладкость, эмоциональную «считываемость» — ровно то, в чём модель сильна статистически.
Финский старт нейропоэзии как жанра
Пока учёные измеряли масштаб путаницы, поэты уже вовсю экспериментировали с GPT-моделями как соавторами. Один из самых известных международных проектов — Aum Golly, придуманный финским писателем Юккой Аалхо в паре с GPT-3.
Первый сборник вышел в 2021 году в издательстве Basam Books, и заявлялось, что книга была написана за 24 часа. Скорость создания подавалась как часть художественного жеста, демонстрация нового темпа творчества. Позже появился Aum Golly 2, созданный ещё быстрее и снабжённый иллюстрациями от Midjourney, — то есть весь производственный цикл, от текста до визуального оформления, оказался опосредован генеративными моделями. Сейчас доступен и Aum Golly 3, написанный моделью Claude Sonnet 4.5 за 8 часов.
«Трёхтомник» нейросетевой поэзии за 2021–2025 годы
Российский кейс: ИИ поступает в школу поэзии
История отчасти комическая, отчасти показательная. Участник конкурса «поэтический слэм» Джамиль Нилов составил с помощью ИИ подборку стихов «в стиле» Анны Долгаревой и отправил её в Школу поэзии Бориса Кутенкова. Подборка прошла отбор, и её автор оказался среди пяти «гениев» по оценке редакции Дмитрия Воинова. Важная оговорка: не стоит воспринимать это как разоблачение самой школы — это конкурс, ориентированный на обучение, а значит редакция смотрела не на глубину художественного высказывания, а на владение базовыми версификационными навыками у тех, кто дальше будет учиться. Название «гений» изначально было ироничным.
Но сам факт удавшейся имитации интересен как разбор того, из чего вообще состоит узнаваемый поэтический голос. Долгарева работает на стыке гражданской и исповедальной лирики — узнаваемый сплав личного и общественно значимого, часто через фронтовую оптику. И оказалось, что этот голос вполне статистически уловим. ИИ-имитация опиралась на несколько слоёв: лексику и образность (устойчивые семантические поля вроде «земля», «дым», «рельсы», «граница», «письмо», «тишина», «голос», «кровь» — слова, которые легко воспроизвести именно потому, что они образуют предсказуемые сочетания); интонацию (короткие рубленые строки, многоточия, тире, эффект «запнувшегося голоса», когда мысль обрывается и тут же подхватывается); синтаксис (парцелляция, инверсия, повторы, анафора, безличные конструкции); смысловые ходы (переход от частной детали к обобщению («я вижу это окно, и понимаю, что мир рушится»), совмещение бытового и экзистенциального); и, наконец, эмоциональный регистр: сдержанная горечь, стоицизм, усталость без пафоса, иногда горькая ирония.
Важно понимать: ИИ не считывает эти смыслы так, как их считывает человек, для которого поэзия Долгаревой — про конкретный жизненный и исторический опыт. Модель выучивает статистические корреляции: если в текстах поэта слова «тишина» и «рельсы» часто встречаются в одном синтаксическом окружении, модель будет воспроизводить эту связку без всякого понимания, зачем она там нужна и что она значит. Это не воспроизведение смысла, а воспроизведение его статистической тени. И оказывается, что для прохождения отборочного фильтра этой тени бывает достаточно.
Скандал вокруг честности эксперимента
Не все подобные истории заканчивались мирно. В пятом номере журнала «Незнание» часть текстов оказалась сгенерирована искусственным интеллектом, но ни читателям, ни части редколлегии об этом заранее не сообщили. После публикации разгорелся спор — уже не про качество текстов, а про этику самого эксперимента.
Часть сообщества восприняла эту затею как честный исследовательский жест, попытку проверить, как литературная среда реагирует на новую технологию, если её не предупредили заранее. Другие сочли подход манипулятивным: сокрытие факта генерации искажает читательский опыт и вводит аудиторию в заблуждение относительно природы текста, лишая её возможности осознанного выбора.
Реакция Арины Бойко, одной из основательниц «Незнания», интересна тем, что она не стала занимать ни одну из этих позиций напрямую, а предложила посмотреть на конфликт как на диагностический инструмент. В интервью SRSLY в марте 2026 года она сформулировала это так: «Мне кажется, тут интереснее другой вопрос: а какие у нас вообще критерии отбора? Если мы принимаем сгенерированный текст наравне с человеческим — значит ли это, что мы меняем планку? Или, может, мы просто проверяем, насколько наши текущие критерии устойчивы к такому вызову?» Это переформулирование скандала в исследовательский вопрос — возможно, самый продуктивный ответ на подобные ситуации в принципе: не «кого поймали», а «что это говорит о самой системе оценки».
Опыт соавторства
Противоположный полюс — открытая, декларируемая работа с нейросетью, где никто никого не обманывает. Сборник Станислава Бельского «Дружеские беседы с роботами» (2024) интересен не столько как самостоятельное художественное достижение — сам автор и критики отмечали, что многие фрагменты, несмотря на авторскую правку, остаются набором грамматически правильных, но лишённых смыслового содержания языковых конструкций, — сколько как модель прозрачного метода.
Сравнил опыт такого поэта с Али-Бабой в пещере сокровищ: словесная руда, которую порождают алгоритмы, буквально неисчерпаема
В книге персонажи-роботы с человеческими именами (Сергей, Александр, Вадим) ведут диалоги, в которые вплетаются «голоса» разных нейросетей, тоже получивших имена (Мария, Ульяна, Елена). Методология Бельского не сводилась к введению запроса и взятию первого же результата генерации: он формулировал критические, порой парадоксальные промпты, комбинировал разные модели, задавал контекст для «разговора» между персонажами и генеративными системами, а затем на этапе авторской обработки отбирал фрагменты, соединял их, добавлял собственный текст. Автор подчёркивал: цель не в том, чтобы передать творчество машине, а в том, чтобы исследовать, как рождается смысл в этом многоголосом пространстве, где сталкиваются человеческий замысел и алгоритмическая генерация.
Книга Станислава Бельского «Дружеские беседы с роботами», 2024
Евгений Никитин в отзыве для «Литеrrатуры» заметил, что поэт, работающий с нейросетью в такой манере, остаётся в рамках классической установки «искусство для искусства», но при этом сама нейропоэзия предполагает новую форму субъективации автора. Он сравнил опыт такого поэта с Али-Бабой в пещере сокровищ: словесная руда, которую порождают алгоритмы, буквально неисчерпаема — вопрос только в том, что из этой руды выберет и как обработает человек.
Автомат, шляпа и игральные кости
Соблазн увидеть в генеративной поэзии абсолютно новую ситуацию понятен, но исторически неточен. У обращения к машинному, случайному, нечеловеческому в поэзии довольно длинная родословная, и разбор этой родословной помогает понять, что нового приносит именно ИИ, а что — просто масштабирование старых методологических подходов.
Начать стоит с вопроса на пересечении эстетики и теории восприятия: если читатель получает подлинное художественное впечатление от ИИ-стихотворения, не зная, что оно сгенерировано, является ли это впечатление доказательством того, что перед ним искусство? Здесь сталкиваются две традиции.
Интенционалистская эстетика утверждает, что произведение определяется намерением автора: без сознательного художественного замысла нет и художественного произведения, есть только удачно организованный шум. Рецептивная эстетика, напротив, переносит центр тяжести на читателя: смысл и художественность рождаются в акте восприятия, а не только (или не столько) закладываются автором. Если стихотворение способно вызвать у читателя то самое непередаваемое переживание, которое мы называем поэтическим эффектом, вправе ли мы отказать этому переживанию в статусе эстетического только на основании того, что «за текстом никто не стоял»?
Игорь Пильщиков, филолог и один из создателей Русской виртуальной библиотеки, в интервью журналу «Системный Блокъ» формулирует эту проблему через неожиданную параллель: «Если коротенький стишок, составленный с помощью искусственного интеллекта, приписать себе нельзя, а огромный перевод можно, то проблема не в природе текста, а в нашей интерпретации этой природы, придании ей некоторого статуса».
Мысль бьёт точно в цель: перевод — тоже текст, созданный поверх уже готового текста, но обществом легитимированный как авторский труд, потому что мы договорились считать перевод трудом. Значит, вопрос «искусство это или нет» в случае, если поэт использует готовый сгенерированный текст, — не столько вопрос о природе текста, сколько вопрос о конвенции, которую мы готовы или не готовы признать.
Отсюда прямая дорога к дюшановскому редимэйду, о котором говорилось во вступлении. Можно ли считать сгенерированный ИИ текст своего рода литературным аналогом писсуара, выставленного на постаменте? Логика похожая: акт выбора — какой промпт задать, какой из вариантов сохранить, как его обработать — переносит вес значения с ремесленного создания на кураторский жест. Но есть и разница. Дюшан выбирал один существующий объект из множества одинаковых. Работа с ИИ — это скорее выбор из дискретного поля вариаций, что структурно ближе не к единичному жесту художественного означения («вот это — искусство»), сколько к практике отбора из пространства возможностей, и здесь стоит вспомнить более ранние и более прямые прецеденты — эксперименты с механизацией случайности в самой поэзии.
Вытаскивали карточки со случайными словами из шляпы и смотрели, какие неожиданные образы рождаются из случайного соседства
Поэты-имажинисты Сергей Есенин и Анатолий Мариенгоф пользовались в своей поэтической практике тем, что сегодня назвали бы генеративной поэтикой в аналоговом виде: они вытаскивали карточки со случайными словами из шляпы или любого другого контейнера и смотрели, какие неожиданные образы рождаются из случайного соседства. Есенин относился к этому не только как к игре — он размышлял об изобретении механического устройства, где слова были бы расположены как буквы в пишущей машинке, и достаточно было бы повернуть рычаг, чтобы получить готовую строфу. Он даже собирался написать теоретическую работу об этом методе, хотя в итоге интерес угас и проект был заброшен. Но на практике метод работал не как курьёз: с его помощью, по некоторым свидетельствам, создавалась поэма «Пугачёв» — то есть случайность здесь была не заменой авторского усилия, а его инструментом, генератором неожиданных сцеплений, которые затем обрабатывал человек.
Похожая по результату, но философски противоположная по духу практика — «автоматическое письмо» французских сюрреалистов Андре Бретона, Филиппа Супо и Луи Арагона. Здесь целью был полный отказ от сознательного контроля: поэт должен был писать максимально быстро, не редактируя и не обдумывая, стать проводником потока подсознания, чтобы вырваться из-под власти логики и рациональности к чему-то более подлинному. Машиной становится сам человек, отключивший цензуру рассудка.
Возникает соблазнительный вопрос: не является ли обращение современного поэта к нейросети своеобразным аналогом автоматического письма, только теперь полем бессознательных ассоциаций, откуда извлекаются образы, служит не собственная психика, а статистическая толща обученной на миллионах текстов модели? Разница принципиальная: у сюрреалистов источником была индивидуальная психика с её вытесненными содержаниями, у ИИ — усреднённый след коллективного языкового опыта. Но логика похожа: и то и другое используются как способ добраться до образов, которые сознательный, планирующий разум сам никогда бы не подобрал.
Следующий шаг в этой генеалогии — уже настоящая механизация. В 1959 году немецкий математик Тео Лутц запрограммировал вычислительную машину так, чтобы она случайным образом перекомбинировала фразы из романа Франца Кафки «Замок», и назвал результат «стохастическими текстами» — сам выбор слов определялся случайным процессом, заданным алгоритмом.
В 1961 году Нанни Балестрини пошёл дальше и создал стихотворение Tape Mark I на компьютере IBM 7070, комбинируя фрагменты разных литературных источников по заданным правилам. Это уже не шляпа с бумажками — здесь работает настоящая алгоритмическая процедура, которая задаёт правила комбинации текста, оставаясь при этом принципиально отличной от нейросетей: алгоритм не обучен на массиве данных и не предсказывает вероятное продолжение, он просто исполняет заданную формальную инструкцию.
Ещё один важный сосед в этой родословной — метод нарезок, cut-up, который в литературу принёс художник Брайон Гайсин. Он перенёс в текст логику коллажа: вырезал строки из газет и других готовых текстов, а затем перемешивал их, так что обрывки чужой речи, соседствуя в новом порядке, порождали неожиданные, порой абсурдные смыслы. Один из первых опытов такого рода — текст «I Am That I Am» (1960).
Текст Брайона Гайсина
В российском контексте можно вспомнить Льва Рубинштейн и его картотеку. С конца 1970-х он записывал тексты не на сплошном листе, а на библиотечных карточках, где каждая фраза, реплика или обрывок чужой речи существовал как отдельная, самодостаточная единица, которую можно перекладывать, тасовать, читать с паузами. Особую роль в этой поэтике играли газетные заголовки и лозунги — Рубинштейн вслушивался в их казённый, часто нелепый язык и обнаруживал в нём непреднамеренную поэзию, ритм и абсурд, близкий тому, что искали мастера cut-up.
Если посмотреть на это сквозь призму современных генеративных практик, нарезка нейросетевых фрагментов, например, компиляция и монтаж кусков, полученных от разных промптов или разных моделей, как это делал Бельский, — оказывается прямым технологическим наследником этого метода: разница в инструменте, но не в самой логике «собрать смысл из чужих обрывков».
И наконец стоит вспомнить, что игра с механикой случайности намного старше XX века. Уже в XVIII–XIX веках существовали целые пособия для механического «сочинения» произведений: «Всегда готовый сочинитель менуэтов» Иоганна Филиппа Кирнбергера (1757) или «Мелографикон» (1805) предлагали с помощью игральных костей или специальных таблиц собирать музыкальные пьесы из готовых блоков. Литератор Георг Николаус Берман в 1825 году выпустил похожее пособие для драматургии: с помощью игральных костей читатель мог «собрать» комическую пьесу из предложенных фрагментов текста. Это были не философские манифесты, а вполне бытовые развлекательные практики, но в них уже заложена идея, которая сегодня реализована ИИ в промышленном масштабе: художественный результат может быть продуктом заданных правил и случайности, а не только индивидуального авторского порыва.
Так что же нового приносит именно искусственный интеллект, если игра со случайностью и отказ от прямого ремесленного контроля существовали и раньше? Разница не столько методологическая, сколько количественная — но количество здесь переходит в качество. Все перечисленные практики носили количественно ограниченный аналоговый характер. Нейросеть благодаря обучению на огромном корпусе текстов на десятках языков производит впечатление потенциально способной к действительному и автономному размышлению.
Филолог Борис Орехов в интервью IQ-MEDIA приводит пример из мира шахмат: «Долгое время программисты и шахматисты считали, что если они создадут компьютерную программу, умеющую хорошо играть в шахматы, то они что-то поймут про то, как в шахматы играет человек. Но этого не произошло. В итоге шахматисты пришли к выводу, что есть компьютерные программы, которые играют на порядок лучше человека, но ближе к пониманию того, как человек делает ходы, мы не стали. Всё равно здесь есть некая интуиция, что-то, чему до конца нельзя научить».
Книга Бориса Орехова «Электронная лира: как и зачем искусственный интеллект пишет стихи?», 2026
То же самое, кажется, справедливо и для поэзии: модель научилась производить текст, который читатель принимает за стихи, но это умение не приближает нас к пониманию того, как поэт «на самом деле» находит нужное слово — оно просто предлагает работающую имитацию результата без имитации процесса.
Здесь уместно вспомнить и более резкую метафору философа Михаила Куртова, высказанную в интервью газете «Коммерсант»: «Нейросети — это современная алхимия, повторение алхимии на исторически новом, цифровом материале». Куртов проводит параллель между ренессансными алхимиками, которые пытались превращать одни вещества в другие на стыке научного и магического знания, и нейросетями, которые возникли внутри строгого технического прогресса, но производят результаты, воспринимаемые нами как что-то тёмное, загадочное, почти волшебное, — техномагию внутри рационального проекта. Применительно к поэзии это звучит особенно точно: мы понимаем механику работы модели — векторные представления слов, вероятностное предсказание следующего токена, — но результат всё равно застаёт нас как что-то, что превышает сумму этой механики.
И тут стоит вернуться к более трезвому взгляду на природу самого «интеллекта», который всё это производит. Философ Матео Пасквинелли в книге «Измерять и навязывать. Социальная история искусственного интеллекта» настаивает: «Внутренний код ИИ заключается в имитации не биологического разума, а разумности труда и общественных отношений. Сегодня представляется очевидным, что ИИ — проект, направленный на сбор знаний, выраженных в индивидуальном и коллективном поведении, и их перекодирование в алгоритмические модели с целью автоматизации самых разных задач — от распознавания паттернов и манипулирования объектами до перевода с языка на язык и принятия решений».
Применительно к поэзии это означает вот что: когда модель убедительно имитирует Сильвию Плат, она не воспроизводит некий поэтический дух — она воспроизводит закодированные в тысячах прочитанных текстов статистические следы того, как люди, писавшие о войне, утрате, тишине, организовывали свою речь. ИИ не сочиняет заново — он извлекает и перекомбинирует уже накопленный коллективный языковой труд множества поэтов, критиков и читателей, вошедший в выборку машинного обучения Это иначе ставит и вопрос об авторстве: если «стиль Долгаревой» оказался статистически извлекаемым, значит ли это, что стиль вообще — не уникальная метафизическая сущность, а объективно существующий, поддающийся формализации паттерн, который просто раньше никто не умел извлекать настолько чисто?
Что остаётся поэту: выводы без утешения и без паники
Если собрать все эти сюжеты: эксперимент Портера и Машери, финский Aum Golly, ироничный успех имитации поэта, скандал в «Незнании», монтаж Бельского, шляпу Есенина, автоматическое письмо сюрреалистов, стохастические тексты Лутца, ножницы Гайсина и кости XVIII века, — вырисовывается не история триумфа машины над человеком, а история постоянного пересмотра границ, которая шла задолго до появления генеративных моделей и просто получила новый, более мощный инструмент.
Из этого можно сделать несколько выводов.
Первый: технический навык версификации всегда был необходимым, но не единственным условием поэзии — и ИИ не обесценил это условие, а обнажил его недостаточность.
Второй: реакция на этот слом уже породила два конкурирующих читательских рефлекса, которые будут определять эстетику ближайшего десятилетия. Один рефлекс — начать больше ценить шероховатость, ошибку, интонационный сбой как знак подлинности. Мысль эта не нова: о прелести неправильности говорил ещё Пушкин, писавший, что поэзия должна быть глуповата, об «оттенке небрежной вольности» рассуждал Веллер в «Технологии рассказа», — но именно сейчас, на фоне генеративных текстов, эта старая интуиция получает новую, почти рефлекторную остроту. И в этом рефлексе есть риск: он может обернуться своей противоположностью — модой на искусственную неровность, «нарочитую человечность», которая станет таким же легко имитируемым паттерном, как прежняя гладкость. Другой рефлекс — принять смещение авторской роли в сторону куратора, промпт-инженера, концептуального директора собственного текста, и научиться судить не только результат, но и качество замысла, стоящего за выбором и обработкой сгенерированного материала, — примерно так, как Бельский монтировал многоголосие своих «роботов».
Третий: исторический экскурс показывает, что обращение к случайности, к нечеловеческому, к механическому в поэзии — не изобретение цифровой эпохи, а постоянно возобновляемый эксперимент, у которого просто раньше не было настолько убедительного технического средства. Есенинская шляпа, кости Бермана, алгоритм Лутца, ножницы Гайсина и промпт в интерфейсе языковой модели — звенья одной методологической линии, где человек ищет способ выйти за пределы собственного сознательного контроля, чтобы наткнуться на образ, которого сам никогда бы не придумал специально. Новизна ИИ здесь не в методе, а в масштабе и убедительности результата — количественный скачок, который наконец сделал этот старый эксперимент способным пройти слепую проверку профессионального жюри.
И четвёртый, самое неудобное: если мы действительно не можем на слух отличить сгенерированный текст от написанного человеком — и эксперимент Портера и Машери показывает, что не можем, — то честнее было бы признать, что ценность поэзии никогда не сводилась к результату как таковому. Она всегда была ещё и историей — историей конкретного человека, который прожил конкретный опыт и нашёл для него слова, и именно знание об этой истории окрашивает наше чтение независимо от того, можно ли формально отличить продукт этой истории от статистической имитации.
Стихотворение Сильвии Плат не становится хуже оттого, что алгоритм может написать что-то похожее по метрике — оно остаётся ценным, потому что мы знаем, что стоит за ним. Проблема не в том, что ИИ научился писать «как человек», а в том, что нам придётся честнее и внимательнее объяснять самим себе, почему для нас так важно знать, что за текстом стоял именно человек, — и готовы ли мы вообще формулировать эту важность как эстетический аргумент, а не просто как привычку.
Список литературы
1. Porter, B., & Machery, E. AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably // Scientific Reports, 14(1), 2024.
2. Бельский С. Дружеские беседы с роботами: Стихотворения. — Ozolnieki: Literature Without Borders, 2024.
3. Неткачев И. «Ни одна деревня не поздняя». Гид по генеративной поэзии — от миллиардов вариаций коллажного сонета до творчества нейросетей // Журнал «Нож», 2021.
4. Орехов Б. В. Машинная поэзия: история, теория, контекст // Культурные коды русской литературы. — Уфа: Башкирский государственный университет, 2018.
5. Орехов Б. Б. Электронная лира: как и зачем искусственный интеллект пишет стихи? — Санкт-Петербург: Издательство Европейского университета в Санкт-Петербурге, 2026.
6. Пасквинелли М. Измерять и навязывать. Социальная история искусственного интеллекта. — Москва: Individuum, 2024.
7. Пильщиков И. А. Семь бесед о филологии и Digital Humanities: интервью и дискуссии (2015–2021) / Общая ред. и сост. В. С. Полиловой. — Москва: Издательство Московского университета, 2022.
