В статье критически анализируется распространённый редукционистский подход к оценке научных и учебных работ, при котором сложная экспертиза на наличие некорректных заимствований подменяется автоматическим определением «уровня плагиата». Автор обосновывает необходимость использования квалифицированных экспертов, но отмечает связанные с этим субъективность, временные и коррупционные риски. В качестве решения рассматривается интеграция технологий искусственного интеллекта в системы обнаружения заимствований (СОЗ) для создания гибридных инструментов. Демонстрируется, как методы машинного обучения позволяют решать ранее недоступные задачи: выявление кросс-языкового плагиата, парафраза, маскировки совпадений и машинно-сгенерированного текста. Также исследуются перспективы расширения функциональности СОЗ за счёт анализа нетекстового контента (изображений, формул, таблиц) и структурно-метаданных особенностей документов. Делается вывод, что полноценное внедрение ИИ-решений, охватывающее полный цикл от постановки задачи до валидации результатов, является ключевым фактором повышения эффективности и объективности проверки академических текстов.

Поиск заимствований в учебных работах становится в последнее время все более актуальной задачей. Повышение популярности онлайн-образования, активная экспансия онлайн-платформ, ориентированных на среднее образование, формируют потребность в инструменте, способном проверять на заимствования рукописные работы школьников. Существующие подходы к поиску рукописных заимствований не подходят для быстрой проверки значительного количества работ по большими коллекциям потенциальных источников. Это существенно ограничивает их применимость. Кроме того, на практике требуется обрабатывать изображения текстовых страниц посредственного качества, выполненные, как правило, с помощью фотокамер мобильных телефонов. Мы предлагаем метод, который позволяет выявлять заимствованные фрагменты текста в документах, представленных в виде изображений (фотографий) рукописных текстов, при сопоставлении с большими коллекциями источников. Метод включает в себя три этапа: распознавание символов рукописного текста, поиск кандидатов и последующий точный поиск источника заимствований. В работе приведены результаты экспериментов по оценке качества и производительности разработанной системы. Полнота поиска заимствований в рукописных документах достигает 83.3% при обработке изображений высокого качества и 77.4% при обработке изображений худшего качества. Время выполнения поиска для одного документа по коллекции источников из 100 000 документов составляет в среднем 3.2 с при использовании CPU. Результаты показали, что созданная нами система может быть масштабирована и использована для промышленных задач, требующих быстрой проверки сотен тысяч школьных сочинений по большому количеству потенциальных источников заимствований. Все эксперименты проводились на открытом наборе данных HWR200.

Поиск заимствований в текстовом документе по отношению к обширной коллекции потенциальных источников является вычислительно тяжелой задачей. При этом существуют так называемые внутренние методы поиска заимствований, которые не используют внешний корпус, а анализируют исключительно проверяемый документ. Эти методы не отличаются точностью, но обеспечивают довольно высокую производительность. В работе предложен комбинированный подход к обнаружению текстовых заимствований, основанный на использовании внутренних методов для выявления высокооригинальных документов, проверка которых по внешней коллекции не требуется. Предлагаемый алгоритм призван разгрузить систему поиска заимствований по внешней коллекции, отфильтровывая документы с высокой степенью оригинальности. В работе предлагается алгоритм поиска внутренних заимствований, описываются результаты вычислительных экспериментов.