Студентка Института прикладной математики и компьютерных наук Томского государственного университета Юлия Савенкова разработала программный инструмент для автоматического анализа текстов по методу деконструкции французского философа Жака Деррида. Разработанная на Python программа с помощью нейросети YandexGPT находит в тексте скрытые противоречия и неочевидные смыслы, которые автор мог не замечать. Это пригодится философам, филологам и всем, кто работает с большими объемами текстов: программа сокращает часы рутинного анализа до нескольких минут и дает «второе мнение», которое помогает увидеть материал под неожиданным углом. Инструмент уже прошел тестирование на трудах Декарта и Сёрля, а качество его работы подтвердили философы ТГУ.
Метод деконструкции французский философ Жак Деррида предложил в 1967 году. Он позволяет выявлять в тексте скрытые смыслы и противоречия, которые сам автор, скорее всего, не осознавал. Проблема в том, что ручной анализ текстов таким методом занимает часы и требует серьезной подготовки.
Студентка третьего курса ИПМКН ТГУ Юлия Савенкова предложила решение: автоматизировать деконструкцию с помощью больших языковых моделей, то есть нейросетей, работающих с текстом. Она разбила метод Деррида на четыре последовательных шага: выделить главную мысль текста, найти в нем ключевые противопоставления, перевернуть их и проверить, не упустил ли автор что-то важное. Для каждого шага она написала специальные промпты, которые получает нейросеть.
Программа написана на Python с использованием сервиса YandexGPT. Инструмент загружает текст из файла (в форматах PDF и TXT), по очереди применяет промпты и выдает готовый результат — новый взгляд на исходный материал с указанием скрытых противоречий.
— Самым сложным при разработке программы было сохранить критический дух метода. Деконструкция — это не механическое переворачивание понятий, а поиск того, где автор сам себя ставит под вопрос. Первые версии промптов давали поверхностные ответы вроде «А может, наоборот?». Пришлось учиться формулировать запросы так, чтобы модель не «соглашалась» с автором, а именно искала допущения. Например, вместо «Найди противоположное мнение» стоит писать «Найди точку, где аргумент автора опирается на неочевидное предположение». Это тонкая настройка, которая потребовала много итераций и помощи философов, — рассказывает Юлия Савенкова.
Научный руководитель студентки — доцент кафедры теоретических основ информатики ИПМКН ТГУ Михаил Пожидаев.
Качество работы программы Юлия Савенкова и Михаил Пожидаев оценивали вместе с ассистентом кафедры гуманитарных проблем информатики философского факультета ТГУ Вадимом Беляниным. Эксперименты подтвердили: автоматический подход помогает находить скрытые противоречия, которые при ручном анализе требуют очень много времени.
Систему проверили на разных текстах,среди которых — классические философские работы: «Рассуждение о методе» Рене Декарта и труд Джона Сёрля «Сознание, мозг и программы». Так, при анализе трудов Декарта программа выделила противопоставление в утверждении, что истина важнее заблуждения. Языковая модель показала обратную логику: заблуждение может быть необходимым условием для поиска истины, потому что ошибки заставляют нас мыслить критически. И действительно, в тексте Декарта нашлись фразы, которые подтверждают такое прочтение.
— В основе Юлиной работы лежит замечательная идея — творческая и своеобразная, на стыке современных технологий и классических гуманитарных наук. Более того, эта работа может иметь отношение к фундаментальным исследованиям. Сейчас мы находимся в состоянии технологического хайпа по поводу больших языковых моделей — их возможности, бесспорно, фантастические. Но есть проблема: языковым моделям очень трудно давать оценку. Как понять, правильно модель что-то делает или неправильно с точки зрения информатики? А стык с философией позволяет дать ту оценку, которую научились давать философы. Они знают, как в спорных историях найти правого или неправого. И теперь, когда у нас есть этот «мостик», мы можем пока что плохо понятную технологическую основу положить на линейку философских знаний, — комментирует Михаил Пожидаев.
Вадим Белянин добавляет, что сейчас популярна установка по отношению к ИИ: уметь критически анализировать информацию и тексты, которые нейросеть предлагает пользователю.
— Провокационность и вместе с тем ценность проекта Юлии проявляется в предложении обратной перспективы, где сам ИИ критически анализирует высказывания, созданные человеком. Не стоит забывать, что не только автор текста может находиться во власти предрассудков и скрытых установок, но и даже тот, кто критически анализирует текст. В такой ситуации деконструктивистский анализ ИИ может помочь нам в преодолении собственных предрассудков и поиске большего количества альтернативных точек зрения, — считает Вадим Белянин.
Новая разработка, подчеркивают ее авторы, не заменяет философа или филолога, тем более что довести ее до совершенства пока невозможно, с учетом ограничений у текущих языковых моделей. Так, программе сложно даются для анализа слишком короткие и очень длинные тексты, где аргументация растягивается на десятки страниц. В первом случае модели не хватает контекста, во втором она теряет нить и выхватывает фрагменты, не видя целого.
— Еще модель плохо справляется с текстами, где автор намеренно использует двусмысленность, игру слов или иронию — она склонна воспринимать всё буквально. Например, если в текст говорится «Время — это река», модель может начать искать оппозицию «река / не-река», вместо того чтобы увидеть метафорическую структуру. Но это, в общем-то, ожидаемо: мы же не требуем от калькулятора понимать поэзию. Это те моменты, которые я не обхожу, а просто учитываю: для таких текстов метод пока не предназначен, — объясняет Юлия Савенкова.
Тем не менее, инструмент дает быстрый черновик для анализа, уменьшает количество рутинной работы и позволяет исследователю сосредоточиться на более глубоких вещах.
— Пока что мой интерес к программе скорее исследовательский. Но я уже пробовала «прогнать» через нее статьи, которые читаю для учебы. Иногда инверсия, предлагаемая моделью, наводит на мысли, которые я сама бы упустила. Кроме того, в юридических текстах метод хорошо находит скрытые допущения в определениях. А в новостных текстах деконструкция помогает увидеть, какие ценности автор считает «естественными», а какие — маргинализирует. Так что в перспективе вижу этот инструмент как «второе мнение» — не как истину в последней инстанции, а как способ увидеть текст под другим углом, — говорит Юлия Савенкова.
В дальнейшем разработка, возможно, обретет веб-интерфейс — чтобы исследователи могли загрузить текст и получить черновик анализа без необходимости запускать код. Что касается дообучения модели — это более сложный путь. Пока что работа над ней ведется в парадигме prompt engineering, когда авторы не меняют модель, а учатся лучше «разговаривать» с ней, чтобы создать «когнитивный экзоскелет» для работы с большими текстовыми массивами.
Сейчас программа доступна по ссылке для пользователей платного YandexGPT: https://github.com/jullsv/LLMYG.git
Поступить в Институт прикладной математики и компьютерных наук ТГУ
С 1 сентября 2026 года Томский государственный университет полностью переходит на обновленную систему высшего образования, основанную на принципах фундаментальности, практикоориентированности и гибкости программ в зависимости от профессии, отрасли и запросов рынка труда. ТГУ с 2023 года участвует реализации пилотного проекта, направленного на изменения уровней профессионального образования, в соответствии с указом Президента России Владимира Путина.