В настоящей работе описана разработка системы для распознавания текста, созданного искусственным интеллектом. Основная цель работы — создать систему, способную определять, был ли текст, сгенерированный российскими GPT-сервисами. В работе рассмотрены существующие системы распознавания, а также проанализированы их методы и подходы. Была разработана собственная система, включающая веб-приложение с серверной частью на Python и клиентской на JavaScript, с использованием базы данных PostgreSQL. Результаты работы включают создание модели системы с выбором алгоритмов для обучающей выборки и последующее тестирование системы. Работа имеет значительное прикладное значение для областей, где важно различать искусственно созданный и человеческий тексты, включая области информационной безопасности, авторского права и академической честности. / This paper describes the development of a system for recognizing text generated by artificial intelligence. The main goal of the work is to create a system capable of determining whether the text was generated by Russian GPT services. The work reviews existing recognition systems and analyzes their methods and approaches. A proprietary system was developed, including a web application with a server part in Python and a client part in JavaScript, using a PostgreSQL database. The results include the creation of a system model with a selection of algorithms for the training sample and subsequent testing of the system. The work has significant practical significance for areas where it is important to distinguish between artificially created and human texts, including the areas of information security, copyright, and academic integrity.

Целью данной магистерской диссертации является разработка и оценка модели глубокого обучения для автоматизированного повествования на основе последовательностей изображений. В работе рассматриваются современные методы компьютерного зрения и алгоритмы машинного обучения, которые позволяют генерировать текстовые описания на основе визуальных данных. Проведен анализ существующих подходов, разработана и настроена модель для генерации текстов, реализована и протестирована ее работа на реальных данных. Полученные результаты сравниваются с существующими решениями, что позволяет сделать выводы о преимуществе предложенной модели. / The aim of this master's thesis is to develop and evaluate deep learning model for automated storytelling based on image sequences. The thesis explores modern computer vision methods and machine learning algorithms that enable the generation of textual descriptions from visual data. An analysis of existing approaches was conducted, a model for text generation was developed and configured, and its performance was implemented and tested on real data. The obtained results are compared with existing solutions, allowing conclusions to be drawn about the advantages of the proposed model.