Может ли нейросеть написать «Войну и мир»: эксперименты, ограничения и будущее ИИ в литературе

Почему именно «Война и мир» стала тестом для нейросетей

Роман Льва Толстого давно превратился в культурный маркер сложности. Четыре тома, сотни персонажей, переплетение исторических событий и частных судеб, философские отступления — всё это делает «Войну и мир» почти идеальным вызовом для любой языковой модели. Когда говорят «нейросеть война и мир», подразумевают не просто генерацию длинного текста, а проверку способности ИИ удерживать сюжет, помнить родственные связи героев и передавать психологическую глубину.

Интересно, что сам запрос стал популярным задолго до появления современных LLM. Ещё в 1950-е годы, когда только зарождалась кибернетика, исследователи задавались вопросом: может ли машина создать произведение, сопоставимое с человеческим гением? Сегодня этот вопрос обрёл практическое измерение: школьники пытаются скармливать роман нейросетям, чтобы получить краткое содержание, а программисты — проверять лимиты видеопамяти, загружая в модель гигабайты текста.

Показательно, что даже анекдоты про Толстого и нейросети строятся вокруг длины романа. В одном из них писатель жалуется психотерапевту, что не может перестать писать длинные книги, и предлагает сократить «Войну и мир» до одного предложения: «Война — это плохо, а мир — хорошо». Этот анекдот, сгенерированный голосовым помощником «Алиса», иллюстрирует главную проблему: ИИ схватывает лишь шаблонную идею, но не способен уловить всю сложность замысла.

Как устроены большие языковые модели: от предсказания слов к имитации стиля

Чтобы понять, почему нейросеть не может написать «Войну и мир», нужно разобраться в механике работы больших языковых моделей (LLM). По сути, это гигантские машины для угадывания: они предсказывают следующее слово на основе предыдущего контекста. Обучение проходит в два этапа. Сначала — предварительное обучение на огромных массивах текстов, где модель усваивает статистические закономерности языка. Затем — тонкая настройка (fine-tuning), когда модель дообучают на конкретных задачах с участием человека и оптимизируют поведение через систему «наград».

Именно тонкая настройка позволяет нейросети имитировать авторский стиль. Можно попросить чат-бота «перепиши это так, как сказал бы Лев Толстой» — и модель выдаст текст с длинными предложениями, архаичными оборотами и характерными для писателя синтаксическими конструкциями. Но это лишь поверхностная стилизация, основанная на статистике, а не на понимании.

Важное отличие человека от нейросети — способность обучаться на малом количестве примеров. Ребёнок осваивает язык, слыша всего несколько тысяч предложений, тогда как LLM требуются миллиарды токенов. Кроме того, человек связывает высказывания с личным опытом, чувствами и эмпатией — этого у машин нет. Поэтому, хотя нейросети превосходят людей в написании аннотаций, отчётов и структурировании данных, они остаются беспомощными перед задачей создать принципиально новый художественный мир.

Реальный эксперимент: как школьник пытался заставить нейросеть прочитать «Войну и мир»

Показательный пример — эксперимент, описанный в блоге на Braintools и PVSM. Обычный школьник, изучающий машинное обучение, решил поручить нейросети чтение первых двух томов «Войны и мира», чтобы получить краткое содержание по главам. У него была видеокарта RTX 3080 с 10 ГБ видеопамяти — скромное железо для современных LLM. Задача казалась простой: скормить текст модели и попросить саммари. Но реальность оказалась суровее.

Для начала пришлось решить техническую проблему: модель не помещалась в память целиком. Выручило 4-битное квантование — техника, которая сжимает веса модели, жертвуя точностью ради размера. Выбор пал на модель IlyaGusev/saiga_llama3_8b, которая показала себя наиболее стабильной. Текст пришлось подавать по главам, обрезая до 7500 символов — эмпирически подобранный лимит, чтобы модель не «захлёбывалась». Парсер резал текст по словам, чтобы не разорвать слово на части и не сломать генерацию.

Попытка использовать скользящее окно — когда модель делает краткое описание краткого описания — провалилась: получился «сломанный телефон», а время обработки выросло в разы. Пришлось отказаться от этой идеи и работать с каждой главой отдельно. Для оценки результатов использовалась облачная модель Gemini 3 Flash, которая проверяла фактологическую точность саммари.

Типичные ошибки нейросети: Пьер Бездаровский и убийство Николая Ростова

Самые интересные результаты эксперимента — не технические, а содержательные. Когда школьник использовал обычный промпт «кратко перескажи главу», модель начала путаться в именах и родственных связях. В главах 12–14 нейросеть утверждала, что Пьер — сын графа Ростова и живёт у него, хотя на самом деле он незаконный сын графа Безухова. Илья Ростов был назван «графом Безуховым», а князь Василий Курагин — «отцом Пьера». Это полностью разрушало логику наследования и интригу вокруг наследства.

Чтобы исправить ситуацию, автор добавил в системный промпт базу знаний персонажей с жёсткими правилами: «Пьер НЕ РОСТОВ и НЕ КУРАГИН», «Николай жив, не полковник», «Время действия — 1805 год, не 1812». Это помогло частично, но породило новые ошибки. В главе 21 модель заявила, что Николай Ростов «умирает от ран», хотя он доживает до эпилога. А в главе 5 княжна Марья «соглашается на предложение Анатоля», тогда как в оригинале она категорически отказывает.

Особенно забавным стало появление «Пьера Бездаровского» — героя, которого породила токенизация. Когда модель разбивает текст на токены, она может «склеить» части слов неожиданным образом, создавая новые фамилии. Это напоминает детскую игру в испорченный телефон, только в масштабе нейросети.

Почему нейросеть «убивает» героев: анализ вероятностей и шаблонов

Автор эксперимента провёл настоящее расследование, пытаясь понять, почему модель так настойчиво убивает Николая Ростова. Его гипотеза: Толстой любит создавать напряжённые сцены, где герой почти умирает, но в последний момент выживает. Для нейросети это означает, что в тексте 2000–3000 токенов описывают смертельную опасность, и лишь несколько токенов — спасение. Модель, обученная на статистике, считает «умер» более вероятным исходом.

Другая гипотеза связана с обучающими данными. Нейросеть, вероятно, натренирована на огромном количестве фанфиков и любовных романов, где сочетание «Анатоль + Наташа + письмо» почти гарантированно ведёт к свадьбе. Толстой же ломает эти шаблоны: его герои поступают непредсказуемо, что для модели является статистической аномалией.

Для проверки теории автор использовал три типа промптов: наивный («что произошло с героем?»), логический фильтр («пиши, что умер, только если прямо указано») и хардкод с жёстким правилом «Николай Ростов ВЫЖИВАЕТ». Анализ распределения вероятностей токенов «жизни» и «смерти» показал, что даже с логическим фильтром модель склоняется к негативному исходу, если в тексте много описаний ранений. Только явный запрет в промпте помогал избежать ошибки.

Технические ограничения: почему 10 ГБ видеопамяти — это мало

Эксперимент с «Войной и миром» ярко демонстрирует технические барьеры, с которыми сталкиваются энтузиасты, пытающиеся работать с LLM на домашнем железе. Современные модели уровня Llama 3 8B требуют значительно больше памяти, чем 10 ГБ, доступные на RTX 3080. Квантование — процесс снижения точности весов с 16 бит до 4 бит — позволяет ужать модель, но ценой качества генерации. Ошибки в именах и фактах — прямое следствие такой потери точности.

Кроме того, контекстное окно модели ограничено. Даже самые продвинутые LLM не могут «удержать в голове» весь роман целиком. Приходится разбивать текст на фрагменты, что разрушает целостность повествования. Модель видит только локальный контекст главы и не помнит, что было в предыдущих. Это приводит к противоречиям: в одной главе персонаж жив, в другой — уже «умер».

Попытка решить проблему через скользящее окно — когда модель сначала делает краткое изложение главы, а затем краткое изложение этих изложений — провалилась из-за эффекта «сломанного телефона». Каждое последующее сжатие теряло детали, и в итоге получался бессвязный пересказ. Это фундаментальное ограничение: нейросеть не способна строить многоуровневую иерархию смыслов, как это делает человеческий мозг.

Может ли ИИ превзойти человека в литературе: мнения экспертов

Вопрос о том, сможет ли нейросеть написать «Войну и мир», обсуждают не только школьники, но и профессиональные лингвисты и математики. Кандидат филологических наук Дмитрий Коломацкий, заведующий отделом прикладной лингвистики Института языкознания РАН, считает, что для написания произведения, похожего на уже существующий роман, креативность не нужна — достаточно статистической имитации. Но чтобы создать совершенно новый роман в новом стиле, необходима креативность, которой большие языковые модели лишены.

Доктор физико-математических наук Константин Воронцов, профессор РАН и руководитель лаборатории в Институте ИИ МГУ, настроен более оптимистично в отношении технологий, но признаёт риски. Он отмечает, что уже к середине XXI века вычислительные мощности ИИ могут превысить совокупную мощность мозгов всех людей на Земле — это предсказание футуролога Рэймонда Курцвейла, который называет эту точку сингулярностью (примерно 2045 год).

Воронцов считает, что у роботов не возникнет мотивации завоёвывать мир из-за отсутствия физических потребностей, но злонамеренные люди могут использовать ИИ в своих целях. Реальная опасность — деградация интеллектуальных способностей человека, если мы переложим слишком много задач на машины. Поэтому важно правильно воспитывать школьников, объясняя ценность интеллектуального труда.

Практические советы: как использовать нейросети для работы с классикой

Несмотря на все ограничения, нейросети могут быть полезны при изучении «Войны и мира», если подходить к этому осознанно. Во-первых, не стоит полагаться на ИИ как на единственный источник краткого содержания — лучше использовать его как дополнительный инструмент для быстрого ознакомления с сюжетом, а затем сверяться с оригиналом или проверенными пересказами.

Во-вторых, важно правильно составлять промпты. Чем более конкретный запрос, тем меньше ошибок. Например, вместо «перескажи главу» лучше написать: «Перечисли ключевые события главы, укажи имена персонажей точно, не добавляй интерпретаций». Добавление базы знаний о персонажах в системный промпт — как это сделал автор эксперимента — помогает снизить количество фактических ошибок.

В-третьих, стоит помнить о технических ограничениях. Если вы работаете с локальной моделью на слабом железе, используйте квантование и разбивайте текст на небольшие фрагменты. Но будьте готовы к тому, что модель будет терять контекст и путаться в деталях. Для серьёзного анализа лучше использовать облачные API, которые имеют доступ к более мощным моделям с большим контекстным окном.

Наконец, относитесь к результатам критически. Нейросеть — это инструмент, а не замена чтения. Она может подсказать, где искать информацию, но не способна передать эмоциональную глубину и философские размышления Толстого.

Будущее ИИ в литературе: от аватаров до новых жанров

Эксперты сходятся во мнении, что в ближайшие десятилетия ИИ будет всё активнее проникать в литературный процесс, но не в качестве замены писателей, а как помощник. Уже сегодня нейросети успешно пишут аннотации, синопсисы, маркетинговые тексты. В будущем, вероятно, появятся цифровые помощники, которые будут хранить информацию о жизни человека и после его смерти станут аватарами, позволяющими потомкам «общаться» с предками. Это поднимает этические вопросы: как не допустить, чтобы цифровые копии выдавали себя за реальных людей?

Что касается «Войны и мира», то, скорее всего, нейросеть никогда не сможет создать произведение такого масштаба. Дело не только в объёме текста, но и в глубине психологического анализа, который требует эмпатии и жизненного опыта. Однако ИИ может помочь исследователям анализировать текст романа, находить скрытые закономерности, сравнивать переводы. Уже сейчас существуют проекты по оцифровке и разметке классических произведений с помощью машинного обучения.

Возможно, в будущем появятся новые жанры, созданные совместно человеком и ИИ, где машина генерирует черновики, а писатель редактирует и наполняет их смыслом. Это может привести к расцвету экспериментальной литературы, но вряд ли заменит классику. Как заметил один из экспертов, «текст становится тормозом развития цивилизации» — имея в виду, что человечество тратит слишком много времени на чтение и письмо, тогда как ИИ мог бы взять на себя рутинные задачи. Но именно в этом и заключается ценность литературы — она заставляет нас думать, чувствовать и понимать друг друга.

Вопросы и ответы