Как нейросети распознают фальшивые отзывы на маркетплейсах
Вы когда-нибудь читали отзыв на маркетплейсе и чувствовали: ‘Что-то здесь не так’? ‘Мой кот не оценил’, ‘Крепкое стекло, кота выдерживает’, ‘Беру третий раз! У меня три кота, взяла каждому!’ — вроде бы слова, а фальшивка. В 2026 году проблема фейковых отзывов стоит острее, чем когда-либо. Но и инструменты борьбы с ними стали умнее. Нейросети уже умеют вычислять ботов и недобросовестных людей. Рассказываю, как это работает.
Бот выдает себя за человека
Автором фальшивого отзыва может быть и человек, и машина. Машина хочет быть похожей на человека, чтобы поднять рейтинг товара и захватить рынок. Ещё в 1950 году Алан Тьюринг придумал тест, чтобы отличить машинный текст от человеческого. В 2014 году алгоритм впервые убедил судей, что он человек. С тех пор боты стали только умнее. Но и защита не стоит на месте. Обратный тест — CAPTCHA — каждый из нас проходил: машина определяет, человек вы или робот. Это один из вариантов нейросетей, которые помогают распознавать и блокировать фальшивые отзывы.
Сам себя не похвалишь…
ИИ может писать комментарии практически на любой площадке. Не верите? Попробуйте сделать пост в TenChat (деловая соцсеть) — под ним мгновенно появляется милый, дружелюбный комментарий от ChatGPT. Преимущество машины — скорость и объёмы. За час бот накрутит сотни отзывов. Но человек пока что превосходит бота в правдоподобности текста. Поэтому существуют ‘фермы отзывов’ — нанимают людей, которые за плату создают много аккаунтов и пишут правдоподобные комментарии. И здесь нейросети тоже учатся их вычислять.
Как распознать бота в отзывах
Если бы машинный текст распознавал человек, ему пришлось бы круглосуточно следить за миллионами запросов. И даже тогда бот мог бы его обмануть. Машина же запросто обнаружит себе подобную по заранее заданным критериям. Нейронные сети — это не абстракция. Это плагин со справочником данных и алгоритмом. Данные проходят через миллионы ‘фильтров’, которые делят их на ‘правильные’ и ‘неправильные’. Явные признаки бота: неимоверная работоспособность и однообразие. Дмитрий Овчинников, главный специалист отдела комплексных систем защиты информации компании ‘Газинформсервис’, объясняет: ‘ИИ, установленный в маркетплейсе, может определять поддельные отзывы. Например, 10 отзывов с одного IP-адреса, от разных имён пользователей, но с одинаковым текстом — явно работа примитивного бота. Или одинаковый текст от разных пользователей, которые разнесены географически, но отзывы появились в течение одного промежутка времени’.
Amazon использует ИИ для борьбы с фейками. Все отзывы анализируются алгоритмами перед публикацией. Подозрительные удаляют, аккаунты блокируют. Так удалось выявить и заблокировать более 200 миллионов подозрительных отзывов. У Google есть команда инженеров и аналитиков, которые отслеживают подозрительную активность, сочетая человеческий интеллект с машинным обучением. Яндекс интегрировал в свои сервисы систему распознавания на основе данных о поведении посетителей маркетплейса.
Как распознать ложь человека в отзывах
У человека есть индивидуальный стиль речи: свой уровень грамотности, тональность, любимые фразы. Если человек торопится, он промахивается по клавишам. Если регулярно пишет отзывы — использует одни и те же структуры, обращает внимание на одни и те же характеристики. Нейросеть, собрав большое количество отзывов от разных людей, может предположить, какие написаны одним человеком. Валерий Бабенко, руководитель проекта ‘Стилсофт’, говорит: ‘Нейросеть с помощью математической программы отличает правду от лжи. Анализируя полученный текст, алгоритм учитывает лексику, логику, стилистику и другие критерии’. Разработчики из Napoleon IT предлагают готовые системы для распознавания фейков. А что если бот научится генерировать текст из картинки или обходить CAPTCHA? До какого уровня совершенства дойдут ‘враждующие’ нейросети, если будут обучаться друг на друге? Время покажет. Но в 2026 году одно ясно: голый текст уже не обманет умную машину.
