Цель. Настоящее исследование направлено на выявление механизмов обработки интенци- ональных языковых девиаций большими языковыми моделями (LLM) и анализ их лингво- креативных стратегий в цифровом дискурсе. Цель работы заключается в разработке теоре- тической модели, объясняющей когнитивные алгоритмы распознавания и трансформации девиаций в системах искусственного интеллекта.
Процедура и методы. В качестве методологической базы использован комплексный подход, включающий корпусный анализ диахронического среза цифрового дискурса (2019–2024 гг.), экспериментальные промпты с контролируемыми девиациями для моделей GPT-4, Gemini 1.5 и Claude 3, а также дискурс-анализ речевых актов ИИ с применением трёхуровневой шкалы аннотирования (репликация/амплификация/нормализация).
Результаты исследования подтвердили гипотезу о статистической природе лингвокреативно- сти LLM, выявив трёхступенчатую модель обработки девиаций: распознавание через механиз- мы внимания, классификация по степени отклонения от нормы, стратегический выбор ответ- ной реакции. Установлен парадокс «креативного конформизма», проявляющийся в тенденции ИИ к гипернормализации изначально маргинальных языковых инноваций. Особый практи- ческий интерес представляют документированные эффекты циркуляции ИИ-генерированных неологизмов в социальных медиа и формирования «искусственного языкового вкуса». Теоретическая значимость работы заключается в развитии аппарата когнитивной лингвисти- ки цифрового дискурса и уточнении онтологии интенциональных девиаций. Практическая ценность связана с приложениями в области разработки NLP-систем, цифровой лингводидактики и прогнозирования языковых изменений. Полученные данные открывают перспективы для дальнейшего изучения культурно-специфичных девиаций в многоязычных моделях и разработки метрик оценки лингвокреативного потенциала ИИ.