Нейросеть напишет стихи под Есенина без риска, но соврёт про калории на тарелке

#ai #llm #api #chatgpt

Стилизация под классиков и поздравления безопасны и по закону, и по качеству; сонник остаётся недоказуемым жанром что на бумаге, что в чате, а счётчик калорий по фото систематически занижает цифры на сотни ккал.

На конференции NUTRITION 2026 исследователи из NIDDK (Национальный институт диабета и заболеваний почек и пищеварения США) накормили добровольцев в контролируемой «метаболической кухне» и сравнили реальную калорийность блюд с оценкой четырёх популярных фото-приложений — MyFitnessPal, Lose It!, CalAI и Appediet. Разброс оказался не в процентах, а в конкретных ккал: приложения в среднем занижали калорийность блюда на 250–345 ккал и жир — примерно на 30 г. Научный сотрудник-стажёр NIDDK (postbaccalaureate fellow) Оливия Чарльз формулирует вывод жёстко: «People using a photo-based tracking app without adjusting portions should take the results with a grain of salt» — Medical Xpress о докладе NIDDK.

Эта цифра должна оседать в голове у каждого, кто фотографирует тарелку и ждёт от нейросети диетического совета. Но она же — плохой ориентир для трёх других бытовых сценариев, где люди просят ИИ о личном: стихи в стиле любимого поэта, поздравление к дате, разбор странного сна. Смешивать всё это в одно «ИИ ошибается» — упрощение, которое стоит разобрать по частям.

Стихи под Есенина: закон на стороне того, кто просит

Запрос «нейросеть стихи есенина» — один из самых частых в этой категории, и юридически это самый спокойный из четырёх сценариев. Пункт 5 статьи 1259 ГК РФ прямо выводит из-под охраны идеи, методы и способы решения задач — то есть сам «стиль» автора, а не конкретный текст, авторским правом не защищён — ст. 1259 ГК РФ, КонсультантПлюс. А исключительное право на произведение действует всю жизнь автора плюс 70 лет после смерти: Пушкин умер в 1837 году, Есенин — в 1925-м, оба давно в общественном достоянии — ст. 1281 ГК РФ, КонсультантПлюс. Просить нейросеть подражать их манере — не нарушение прав наследников, потому что наследников с исключительным правом на эти конкретные тексты просто не существует.

Как это делается технически, показывает опыт разработчиков «AI да Пушкин»: модель обучали на 60 млн стихотворений, а в какой-то момент выбросили из выборки около 10 млн текстов как непригодные. По их собственной оценке, вероятность получить рифму в одной сгенерированной строке — около 50%, а если сгенерировать десять вариантов и выбрать лучший — рифма почти гарантирована — технический блог Т-Банка о проекте «AI да Пушкин». Это самоотчёт вендора о своей модели, но он честно объясняет механику: качество стилизации — результат отбора из множества вариантов, а не разовая удача.

Насколько это работает у моделей общего назначения, показал анонимный пользовательский тест на Пикабу: DeepSeek v3 получил 6 из 10 за стихотворение «под Пушкина», DeepSeek R1 — 7, а ChatGPT o1 и Claude 3.7 — по 8 — пользовательский тест на Пикабу. Единичное субъективное наблюдение, не методология, но направление понятное — новые «рассуждающие» модели стилизуют лучше старых. При этом творческое письмо — не весь поток личных запросов: по собственному отчёту OpenAI, доля нерабочих запросов у ChatGPT выросла до 70%+, но категория личного самовыражения (Expressing) — около 11% всех сообщений, а темы личной рефлексии и отношений — 1,9% — ITPro о структуре запросов ChatGPT. Поэтому чужая оценка «8 из 10» полезна только как повод для пробы: качество стилизации всё равно нужно проверять на конкретной модели и конкретном запросе.

Если результат зависит от конкретной модели, разумный шаг — прогнать один запрос через несколько моделей самому, а не доверять чужому анекдоту из полусотни лайков. Для этого не обязательно заводить отдельные подписки на OpenAI, Anthropic и DeepSeek: клиент, работающий по OpenAI-совместимому протоколу, подключается к каталогу provod.ai заменой base URL и ключа — Claude, o1 и DeepSeek оказываются доступны из одного места без переписывания кода.

Та же логика применима к поздравлениям и текстам к поводу: в них нет проверяемого факта, который можно завысить или занизить, поэтому риск не юридический и не фактический, а стилистический — шаблонность и неуместный тон, которые видно на глаз при вычитке.

У кого нет прав на результат

Юридическая лёгкость работает в одну сторону. Статьи 1259 и 1281 ГК РФ защищают того, кто просит стих, от претензий наследников классика — но не дают просящему авторское право на сам сгенерированный текст. Показательный, хотя и не российский, прецедент — решение Бюро авторского права США по делу Sahni: инструмент, накладывавший «стиль» «Звёздной ночи» Ван Гога на фотографию пользователя, получил отказ в регистрации, потому что ведомство не смогло отделить человеческий творческий вклад от работы алгоритма — разбор кейса Sahni, Sterne Kessler. Юрисдикция другая и медиум другой — изображение, а не текст, прямой российской практики по спорам о текстовой стилизации нет. Но логика показательна: для коммерческого использования сгенерированного стихотворения одной генерации недостаточно — нужен ощутимый собственный редакторский вклад.

Сонник — тот же жанр, просто с интерфейсом чата

С разбором снов юридической лёгкости уже нет — есть просто отсутствие доказательной базы, и мнения психологов расходятся не в оценке метода, а в акценте. Клинический психолог и гипнотерапевт Алексей Шестаков говорит прямо: «Не знаю ни одного сонника, составленного на основе научного исследования» — и приравнивает толкования снов к гороскопам и приметам вне зависимости от источника — РБК Тренды о толковании снов. Медицинский психолог Олег Долгицкий смотрит иначе: дело не в источнике толкования, а в его чрезмерном упрощении — чем универсальнее символ, тем хуже он описывает конкретный сон конкретного человека — РБК Тренды — мнения психологов о сонниках. Для решения это не противоречие, а два способа сказать одно: нейросеть-сонник ничем не отличается от бумажной книги — жанр одинаково недоказуем в обоих форматах.

Счётчик калорий — сценарий с ценой ошибки в граммах

Здесь, в отличие от стихов и снов, есть с чем сверять результат — реальная калорийность блюда, которую можно взвесить. И счёт расхождений идёт не на баллы, а на калории. Отдельное исследование в журнале Nutrients проверило точность распознавания компонентов блюда у семи приложений: результат разбросан от 46% (Lose It!, FatSecret) до 97% (MyFitnessPal), а ошибка калорийности смешанных блюд достигает ±270% — Nutrients, оценка точности приложений и ручного учёта питания. Выборка маленькая — 22 фотографии и 39 компонентов, обобщать до статистики всего рынка нельзя, но порядок величины настораживает. Отдельно исследователи NIDDK отметили культурный перекос: базы данных собраны в основном на западной кухне и хуже справляются с южноазиатскими, африканскими, восточноазиатскими и латиноамериканскими блюдами — механизм понятный: чем реже блюдо встречается в обучающих данных, тем хуже оценка — Tech Times о культурном перекосе диетических приложений.

Возражение, которое звучит убедительно

Есть аргумент против всей этой картины, и он не слабый. Основатель SnapCalorie Уэйд Норрис утверждает, что при правильно откалиброванном алгоритме оценки порции погрешность его приложения — меньше 20%, и это точнее, чем визуальная оценка человеком на глаз: «Human beings are terrible at visually estimating the portion size of a plate of food» — TechCrunch, интервью основателя SnapCalorie. Добавим 8 из 10 у ChatGPT o1 и Claude 3.7 за стилизацию под Пушкина — и тезис «ИИ в бытовых сценариях системно ненадёжен» выглядит слишком сильным обобщением.

Оба контраргумента бьют мимо конкретного риска. Заявление SnapCalorie — самоотчёт вендора 2023 года без независимой перепроверки, а исследование NIDDK 2026 года тестировало другие конкретные приложения; хорошая инженерия одного продукта не отменяет занижения у остальных. А высокая оценка стиля не коррелирует с фактической надёжностью той же линейки моделей: по системной карточке OpenAI, более новая «рассуждающая» модель o4-mini на бенчмарке PersonQA галлюцинирует в 48% ответов, o3 — в 33%, а более ранняя o1 — только в 16% — TechCrunch о росте галлюцинаций у o3 и o4-mini, первоисточник цифр — системная карточка OpenAI o3 и o4-mini, PDF. Рост качества стиля и рост фактических ошибок — два разных графика одной линейки моделей. Даже ручной, без всякого ИИ, учёт питания в исследовании Nutrients ошибался систематически — переоценивал западную диету на 1040 кДж и недооценивал азиатскую на 1520 кДж, — так что ошибка не уникальна для ИИ. Но это довод не в пользу доверия счётчику калорий, а в пользу того, что ошибка концентрируется в узких местах — оценке размера порции, смешанных блюдах, немейнстримных кухнях. Для стихов и поздравлений это узкое место не критично: там нет цифры, которую нужно угадать с точностью до грамма.

Что проверять руками, а что можно доверить целиком

Сценарий	Типичная погрешность	Что проверять вручную
Стихи под классика	Разброс качества между моделями: анекдотические 6–8 из 10 у разных моделей	Ритм и рифму на слух, отсутствие лексических анахронизмов
Поздравление к дате	Числовой погрешности нет — риск в тоне и уместности, а не в фактах	Даты, имена и факты о человеке, если они вставлены в текст
Сонник, толкование снов	Проверяемой погрешности не существует — метод недоказуем в принципе	Относиться как к развлечению, не как к диагностике
Счётчик калорий по фото	Занижение на 250–345 ккал и ~30 г жира; точность распознавания 46–97%	Взвешивать порцию, указывать граммовку, отдельно проверять смешанные блюда и непривычные кухни

Если стилизованные тексты и поздравления вы пишете не раз в год, а регулярно и на заказ, к вопросу о надёжности текста добавляется бытовой — чем платить за доступ к нескольким моделям сразу. Одного личного аккаунта provod.ai хватает для поддерживаемых платформой сценариев, а баланс пополняется из России в рублях картой, через СБП или по счёту: зарубежная карта и VPN для этих способов оплаты не нужны.

provod.ai — соедините LLM и медиамодели в одном сценарии

Пусть одна модель готовит идею и промпт, другая создаёт изображение, а третья собирает видео: общий API упрощает автоматизацию цепочки и управление доступом команды.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Составной сценарий не получает составную наценку: каждый вызов рассчитывается 1:1 по официальной цене соответствующей модели.

Автоматизируйте путь от идеи до ролика: форма регистрации · цены на модели · защита данных по 152-ФЗ · API и интеграции