Kitabı oxu: «Инструмент, который стал средой. Как ИИ незаметно забирает смыслы, доверие и творчество у людей»

Вначале

Дорогой читатель!

Представьте, что вы утром открываете ленту новостей. Заголовки, тексты, изображения, короткие видео — всё это могло быть создано человеком, а могло быть сгенерировано машиной. Вы не всегда можете отличить одно от другого. И даже если можете — вы не всегда знаете, кто именно стоит за материалом: журналист, редактор, алгоритм или их невидимое сочетание.

Эта книга — о том, что происходит с нами, когда искусственный интеллект перестаёт быть просто помощником и незаметно становится средой, в которой мы мыслим, творим и принимаем решения. Она о парадоксе, который многим кажется необъяснимым: чем активнее работники медиа используют искусственный интеллект, тем меньше они удовлетворены своей работой. И чем больше содержания создаётся с его помощью, тем меньше аудитория доверяет этому содержанию.

Сразу оговорюсь о важном. Эта книга основана на зарубежных источниках и изучении зарубежной практики. Я анализирую исследования, опубликованные в ведущих международных журналах, отчёты аналитических центров Европы и США, экспериментальные данные, полученные в университетах разных стран. Я рассматриваю, как искусственный интеллект встраивается в медиапроизводство, политические коммуникации, маркетинг и повседневную жизнь за пределами России. Российская действительность в области искусственного интеллекта в этой работе не рассматривается — не потому, что она не важна, а потому, что она требует отдельного, самостоятельного исследования, учитывающего национальные особенности, регуляторные рамки и культурные контексты.

Однако здесь есть принципиальный момент, который я прошу вас держать в уме на протяжении всего чтения. С точки зрения понимания логики исторического развития тренды, которые зарождаются в других странах, рано или поздно приходят и в российскую действительность. Это не означает механического копирования. Это означает, что процессы, которые сегодня кажутся далёкими, завтра могут стать повседневными. Технологические, социальные и культурные сдвиги, описанные в этой книге, не являются локальным феноменом Запада. Они являются частью глобальной динамики, которая разворачивается с разной скоростью в разных контекстах.

В 2023 году в мире информации произошла тихая революция. Крупнейшие издательства, телеканалы и независимые создатели начали встраивать генеративные модели в повседневную работу. К 2026 году это стало почти повсеместным. Но за фасадом технологического оптимизма скрывается вопрос, на который до сих пор нет удовлетворительного ответа.

Опрос 797 работников медиасферы в восьми европейских странах показал: 88% из них экспериментируют с искусственным интеллектом. Однако внедрение остаётся неравномерным. Частота использования и самооценка готовности отстают от благих намерений. Среди журналистов и преподавателей коммуникации уровень внедрения оказался самым низким. Маркетологи демонстрируют более высокие показатели. Но самое тревожное — доверие аудитории к ответам ИИ-собеседников остаётся на уровне около 20%. Это значительно ниже, чем доверие к новостям в целом.

Почему так происходит? Ответ не лежит на поверхности. Он требует различения между двумя способами использования искусственного интеллекта. Первый — инструментальный: машина расширяет ваши возможности, но вы сохраняете контроль над целями и критериями. Второй — средовой: вы начинаете мыслить, творить и оценивать через машину, а не с ней. В этот момент инструмент перестаёт быть инструментом. Он становится средой, которая формирует содержание, но не несёт за него ответственности.

Главный вопрос этой книги можно сформулировать так: при каких условиях искусственный интеллект остаётся инструментом в руках человека, а не становится источником содержания, вытесняющим человеческую субъектность из процесса создания смыслов?

Ответ на этот вопрос требует отказа от технологического детерминизма — представления о том, что технология развивается по собственным законам и неизбежно определяет социальные отношения. Напротив, я приглашаю вас сосредоточиться на практиках использования, институциональных контекстах и ценностных ориентациях. Именно они определяют, как именно искусственный интеллект встраивается в производство и потребление информации.

ЧАСТЬI. ТЕОРЕТИЧЕСКИЕ И ИСТОРИЧЕСКИЕ ОСНОВЫ

Прежде чем перейти к анализу отдельных аспектов влияния ИИ на медиа, необходимо решить две предварительные задачи. Первая — концептуальная — определить, что означает утверждение «ИИ — только инструмент» и какие теоретические рамки позволяют удержать эту мысль от соскальзывания в технологический детерминизм. Вторая — историческая — проследить, как менялись формы применения ИИ в медиа и как каждое новое применение сопровождалось переопределением роли человека в производстве содержания.

Глава1. ИИ как инструмент и как среда

Утверждение «ИИ — только инструмент» кажется очевидным. Молоток — инструмент; он не забивает гвозди сам, его использует человек. Аналогично, генеративная модель не создаёт контент автономно, она генерирует текст, изображение или видео в ответ на запрос, сформулированный человеком. Однако эта аналогия хрупка. Молоток не изменяет того, кто им пользуется. Плотник, работающий с молотком двадцать лет, не становится «Homo Malleus» (Человеком — молотком) — его когнитивные процессы не перестраиваются под логику удара. С генеративными системами дело обстоит иначе.

Расширение возможностей против замещения: концептуальная рамка

В исследованиях медиапроизводства принято различать две модели использования ИИ: расширение возможностей человека и замещение человеческого труда. При первой модели ИИ выступает ассистентом, он берёт на себя рутинные задачи, освобождая время для работы, требующей человеческого суждения. При второй модели ИИ выполняет задачи, которые ранее выполнял человек, и человек либо контролирует качество результата, либо вообще выводится из процесса.

Различие кажется ясным, но на практике граница между этими моделями размывается. Исследование, опубликованное в журнале Creative Industries Journal, показало, что даже в тех случаях, когда ИИ формально позиционируется как «ассистент», его внедрение следует логике замены задач, а не расширения задач. Соглашения между голливудскими студиями и Гильдиями сценаристов и актёров, заключённые в 2023 году и рассматриваемые как «победа» человеческого труда, на деле закрепили модель, в которой ИИ постепенно замещает отдельные задачи, а не расширяет возможности работника.

Это наблюдение имеет прямое отношение к центральному тезису нашей книги. Если ИИ остаётся инструментом в строгом смысле — если он расширяет возможности, но не вытесняет их, — тогда содержание действительно остаётся за человеком. Но если инструментальное использование незаметно трансформируется в средовое — если человек начинает мыслить, творить и принимать решения через ИИ, а не с ИИ, — тогда утверждение «содержание остаётся за человеком» становится идеологическим прикрытием для делегирования производства смысла машине.

Homo Promptus — человек, перестраивающий свое мышление под логику запроса.

В 2025 году исследователи Катерина Линден, Хуго-Хенрик Хашем и Василика Кондили опубликовали в журнале Memory, Mind & Media статью, в которой ввели понятие Homo Promptus. Homo Promptus — это фигура, чьи когнитивные процессы формируются под влиянием взаимодействия с генеративными системами. Авторы исследуют два сценария. Первый — «запрос, чтобы вспомнить»: генеративные инструменты как когнитивные расширения, которые переносят работу памяти на машины. Второй — «запрос, чтобы создать»: изменения в креативности при совместной работе с генеративными инструментами в качестве со-создателей.

Ключевое различие между Homo Promptus и предыдущими фигурами цифровой эпохи — Homo Ludens (человек играющий) или Homo Economicus (человек экономический) — состоит в том, что Homo Promptus не просто использует инструмент. Его когнитивные процессы перестраиваются под логику инструмента. Запрос становится не средством формулировки запроса, а формой мышления. Память перестаёт быть внутренним ресурсом, который нужно тренировать, и становится внешним сервисом, к которому нужно обращаться. Креативность перестаёт быть практикой, требующей усилия и риска, и становится функцией оптимизации запроса.

Линден и соавторы подчёркивают, что эти изменения не являются ни неизбежными, ни однозначно негативными. Они зависят от того, как именно выстраивается взаимодействие с генеративными системами. Авторы призывают к «критическому» вовлечению с социокультурными и интеллектуальными импликациями ИИ, к исследованиям, которые способствуют развитию адаптивных и независимых метакогнитивных практик. Иными словами, Homo Promptus может сохранить агентность — но только при условии осознанного усилия.

Почему инструмент может стать средой. Эпистемологические риски

Если Homo Promptus — это фигура, чьи когнитивные процессы перестраиваются под влиянием ИИ, то что именно делает возможным эту перестройку? Ответ кроется в эпистемологических особенностях генеративных систем — в том, как они производят знание и как это производство соотносится с человеческим познанием.

Генеративные модели не «знают» фактов в том смысле, в каком знает их человек. Они производят текст, статистически правдоподобный относительно обучающего корпуса. Это означает, что результат генерации может быть фактически ложным, но стилистически убедительным. Проблема «галлюцинаций» — не технический сбой, который будет устранён в следующей версии модели. Это структурная особенность архитектуры, основанной на вероятностном предсказании следующего токена. Модель не проверяет истинность утверждения; она оценивает его вероятность в контексте.

Для «медийщика» это создаёт специфическую эпистемологическую ловушку. Использование ИИ для генерации текста или изображения требует постоянной верификации — но сама верификация становится всё более трудной задачей по мере роста качества генерации. Исследование 2025 года, опубликованное в Journal of Behavioral Addictions, показало, что опора на большие языковые модели может ослаблять способность пользователя к критическому мышлению, снижая его «иммунные защиты» против дезинформации. Чем больше человек полагается на ИИ для интерпретации информации, тем менее он способен критически оценивать то, что ему предоставляется.

Это и есть механизм превращения инструмента в среду. Инструмент предполагает, что пользователь сохраняет критерии оценки результата — он знает, что значит «хорошо» или «плохо», и может отличить одно от другого. Среда предполагает, что критерии оценки формируются в процессе взаимодействия с ней. Когда «медийщик» использует ИИ для генерации идей, он может сохранять контроль: он отбирает идеи, оценивает их релевантность, решает, какие из них заслуживают разработки. Но когда тот же профессионал использует ИИ для верификации фактов или для оценки тональности текста, критерии оценки делегируются машине. В этот момент инструмент становится средой — не потому, что машина обладает сознанием или намерением, а потому, что человек перестаёт быть источником критериев.

Это не означает, что такое превращение неизбежно. Оно зависит от практик использования, от институциональных контекстов и от ценностных ориентаций.

Глава2. История применения ИИ в медиа: от автоматизации к генерации

История применения ИИ в медиа — это не линейная прогрессия от примитивных инструментов к совершенным системам. Это серия сдвигов в распределении задач между человеком и машиной, каждый из которых сопровождался переопределением роли человека. Прослеживая эту историю, можно увидеть, как постепенно менялся баланс между делегированием и контролем.

Ранний этап (1950–2000-е): ELIZA и первые эксперименты

В 1966 году Джозеф Вейценбаум, профессор MIT, создал ELIZA — программу, имитирующую разговор с психотерапевтом. ELIZA не обладала ни пониманием, ни памятью, ни способностью к обучению. Она просто переформулировала утверждения пользователя в вопросы, создавая иллюзию понимания. Эффект был поразительным: многие пользователи приписывали программе эмпатию и интеллект, которых в ней не было. Этот феномен — склонность человека приписывать машине человеческие качества — впоследствии получил название «эффект ELIZA».

ELIZA не была инструментом для создания медиаконтента. Но она обозначила важный прецедент: машина может имитировать человеческое общение достаточно убедительно, чтобы человек выстраивал с ней отношения. В этом смысле ELIZA — предшественница современных чатботов, которые в 2020-х годах стали использоваться не только для развлечения, но и для психологической поддержки, генерации идей и даже для терапии.

В последующие десятилетия эксперименты с ИИ в медиа носили спорадический характер. В 1990-х годах появились первые системы автоматической генерации текста на основе шаблонов, но они были слишком примитивны для практического применения. Ситуация изменилась в 2010-х годах, когда рост вычислительных мощностей и доступность больших данных сделали возможной коммерциализацию автоматической журналистики.

Этап автоматизации (2000-е — 2010-е): Narrative Science, Wordsmith, роботизированная журналистика

В 2010 году американская компания Narrative Science стала первым коммерческим предприятием, использующим искусственный интеллект для превращения данных в нарративный текст. Одним из первых проектов компании была программа StatsMonkey, которая автоматически генерировала спортивные репортажи на основе статистических данных. Система не писала «оригинальных» текстов — она заполняла заранее определённые шаблоны, но делала это достаточно эффективно, чтобы привлекать внимание медиаиндустрии.

Параллельно развивалась технология компании Automated Insights. В 2014 году Associated Press начала использовать программу Wordsmith для автоматической генерации отчётов о корпоративных прибылях. Результат превзошёл ожидания: за один год AP увеличила освещение с 300 до 4 000 компаний, освободив журналистов от рутинной работы по написанию стандартных финансовых отчётов. Это был первый масштабный пример расширения возможностей: ИИ не заменял журналистов, а расширял их возможности, позволяя охватывать больше тем без увеличения штата.

Однако уже на этом этапе проявились риски, которые впоследствии стали центральными для критики ИИ в медиа. Исследователи отмечали, что «роботизированная журналистика» конца 2010-х и начала 2020-х годов была «настолько хороша, насколько хороши её данные, её человеческие надзиратели и конкретные контексты, в которых она применялась». Ошибки в данных или в шаблонах могли приводить к катастрофическим последствиям: в одном случае сбой в алгоритме спортивной отчётности изменил счёт с 1:0 на 10:1, породив ложные заголовки.

Главный урок этого этапа состоял в том, что автоматизация контента не устраняет необходимость человеческого суждения — она лишь перемещает его на другой уровень. Журналист перестаёт писать текст, но начинает проверять данные, настраивать шаблоны и верифицировать результат. Делегирование задачи не означает делегирования ответственности.

В середине 2010-х годов к автоматизации подключились крупнейшие медиакомпании. В 2012 году Washington Post создала «машинного редактора» Truth Teller для проверки фактов. В 2014 году Los Angeles Times использовала систему автоматической генерации новостей для публикации сообщения о землетрясении в Калифорнии — текст был создан и опубликован за три минуты, опередив всех конкурентов. В 2016 году Washington Post представила Heliograf — систему, которая освещала спортивные события и выборы, генерируя тысячи кратких новостных заметок.

Эти примеры демонстрируют, что уже на этапе автоматизации ИИ использовался не только для рутинных задач, но и для расширения охвата — для освещения тем, которые были бы недоступны при ограниченных человеческих ресурсах. Однако расширение охвата не обязательно означает расширение понимания. Автоматически сгенерированные заметки о землетрясении или спортивном матче передавали факты, но не контекст, не интерпретацию, не человеческое суждение о значимости события.

Этап генеративного прорыва (2017–2022): трансформеры, GPT-3, ChatGPT

В 2017 году исследователи Google опубликовали статью «Attention Is All You Need», в которой представили архитектуру трансформера — нейронной сети, основанной на механизме внимания. Эта архитектура стала фундаментом для всех последующих больших языковых моделей. В отличие от предыдущих моделей, трансформеры могли обрабатывать длинные последовательности текста и учитывать контекст на расстоянии, недоступном для рекуррентных сетей.

В 2018 году OpenAI выпустила GPT-1 — первую модель из серии Generative Pre-trained Transformer. В 2020 году вышла GPT-3 с 175 миллиардами параметров. GPT-3 не просто генерировала текст: она могла отвечать на вопросы, переводить, писать код и выполнять задачи, для которых не была явно запрограммирована. Это был качественный сдвиг: модель не следовала шаблонам, а производила текст, статистически правдоподобный относительно огромного корпуса обучающих данных.

В 2021 году OpenAI представила DALL-E — модель, генерирующую изображения по текстовому описанию. В 2022 году появились Midjourney и Stable Diffusion, сделавшие генерацию изображений доступной широкой аудитории. В ноябре 2022 года OpenAI выпустила ChatGPT — чатбот на основе GPT-3.5, который за два месяца набрал 100 миллионов пользователей, став самым быстрорастущим потребительским приложением в истории.

Для медиаиндустрии эти события означали смену парадигмы. Автоматизация контента на основе шаблонов и структурированных данных уступила место генерации контента на основе вероятностных моделей. Если Wordsmith могла написать отчёт о прибылях, но не могла написать эссе о смысле прибыли, то GPT-3 могла — пусть и с оговорками — производить текст, который не отличался от человеческого по стилю и структуре.

Это породило новую волну энтузиазма и новую волну тревоги. Энтузиазм был связан с перспективой демократизации творчества: теперь любой человек с доступом к интернету мог генерировать текст, изображение или видео без специальных навыков. Тревога была связана с перспективой вытеснения человеческого труда: если машина может написать статью, нарисовать иллюстрацию или смонтировать видео, зачем платить человеку?

Этап массового внедрения (2023–2026): статистика внедрения по годам и отраслям

Публичный релиз ChatGPT в ноябре 2022 года запустил процесс, который исследователи называют «самым быстрым распространением технологии в истории». Данные о внедрении ИИ в организациях демонстрируют экспоненциальный рост. McKinsey зафиксировала 55% внедрения в 2023 году, 78% в 2024 году и 88% к 2025 году. Stanford AI Index показал 71% организационного внедрения в 2025 году и 88% в 2026 году. Однако эти цифры измеряют «самый слабый» вариант внедрения — факт использования ИИ хотя бы в одной бизнес-функции. Доля организаций, которые сообщают о значительном влиянии ИИ на общеорганизационный уровень, составляет лишь 6%.

Разрыв между внедрением и влиянием — центральная характеристика текущего этапа. Внедрение происходит, но результаты не материализуются в ожидаемых масштабах. Исследование MIT Project NANDA показало, что 95% пилотных проектов генеративного ИИ не приносят измеримой отдачи. Организации используют ИИ, но не трансформируют свои процессы.

В медиаиндустрии картина более нюансирована. Опрос 797 «медийщиков» в восьми европейских странах показал, что 88% экспериментируют с ИИ, но интеграция в рабочие процессы остаётся неравномерной. ChatGPT доминирует среди используемых инструментов (77%), за ним следуют Canva (38%) и DALL·E с MidJourney (27%). Внедрение сильнее среди молодых профессионалов; маркетологи демонстрируют более высокие показатели, чем журналисты и преподаватели.

Частота использования и самооценка готовности отстают от позитивных установок. Это означает, что профессионалы относятся к ИИ благожелательно, но не интегрируют его в повседневную практику так же активно, как можно было бы ожидать. Национальные паттерны также различаются: культурные, регуляторные и рыночные факторы определяют, как именно ИИ встраивается в медиапроизводство в разных странах.

Аудиторное внедрение ИИ для потребления новостей растёт, но остаётся скромным. По данным Reuters Institute Digital News Report 2026, примерно 10% людей используют ИИ-чатботы для новостей, по сравнению с 7% в 2025 году. Среди лиц младше 35 лет этот показатель достигает 16%. Однако только 1% опрошенных называют ИИ своим основным источником новостей, что указывает на комплементарную, а не замещающую роль. Доверие к ответам чатботов остаётся низким — 20% против значительно более высокого доверия к новостям в целом.

Эти данные позволяют сформулировать предварительный вывод, который будет развит дальше. Массовое внедрение ИИ в медиа — это не триумфальное шествие технологии, а сложный и противоречивый процесс, в котором рост использования сопровождается ростом скептицизма, а расширение возможностей — углублением зависимости. Инструментальная природа ИИ не гарантирует сохранения человеческого контроля над содержанием. Она лишь создаёт условия, при которых этот контроль может быть сохранён — или утрачен.

ЧАСТЬII. АКСИОЛОГИЧЕСКИЙ АСПЕКТ. ЦЕННОСТИ И СМЫСЛЫ

Если первая часть книги отвечала на вопрос, как ИИ вошёл в медиапроизводство, то вторая часть задаётся вопросом иного порядка: что это меняет в ценностном измерении контента? Речь не идёт о технических характеристиках моделей или об эффективности инструментов. Речь идёт о том, сохраняется ли за человеком способность определять, что является ценным, кто является автором и кто несёт ответственность за смыслы, которые циркулируют в публичном пространстве.

Аксиологический аспект анализа ИИ в медиа не сводится к перечислению этических «рисков». Он предполагает более фундаментальный вопрос: «Может ли алгоритм — система, не обладающая интенциональностью, не способная к ценностному суждению и не несущая моральной ответственности, — участвовать в производстве содержания, не подрывая при этом сами основания того, что мы называем авторством, достоинством и ценностью?» Ответ на этот вопрос не является ни простым, ни однозначным. Но именно его сложность делает аксиологический анализ необходимым условием любого разговора о будущем медиа.

Глава3. Что остаётся за человеком, проблема авторства и ценности

Аксиологический парадокс ИИ

В 2025 году американское Бюро по авторским правам опубликовало вторую часть своего отчёта о копирайтинге и искусственном интеллекте. Основной вывод документа был сформулирован с нехарактерной для юридических текстов прямотой: «Хитроумно составленный запрос, каким бы сложным и оригинальным он ни был, не приводит автоматически к появлению охраноспособного результата». Бюро напомнило, что авторское право защищает человеческое творчество, а не машинные результаты, и что охраноспособное авторство требует «значимого, творческого человеческого вклада, а не просто инструкции».

Этот вывод может показаться триумфом человеческого начала над алгоритмическим. Однако он фиксирует лишь юридическую границу — и граница эта оказывается гораздо более зыбкой, чем кажется на первый взгляд. Юридическая норма говорит, что для охраноспособности необходим человеческий вклад. Но она не говорит, каким должен быть этот вклад и как его отличить от вклада машины. Она не говорит, достаточно ли для признания авторства «осмысленного выбора» из нескольких сгенерированных вариантов, или же требуется нечто большее — творческое усилие, риск, ошибка, которые традиционно ассоциировались с человеческим творчеством.

Аксиологический парадокс ИИ заключается в следующем: технология, созданная для расширения человеческих возможностей, одновременно подрывает ценность того, что человек делает «своими руками». Исследователи, изучающие творческие практики, описывают этот парадокс через понятие «петель», а не «цепочек». Генеративный ИИ позволяет деконструировать, рекомбинировать и рециркулировать изображения, звуки, стили и истории нелинейным образом. Поскольку ИИ-опосредованное творчество по своей природе коллаборативно и бесконечно перерабатывается, становится трудно определить, кто заслуживает признания — или кто несёт ответственность — когда возникают такие проблемы, как оскорбительный контент или конфликт по авторским правам. «Кредит и ответственность больше не движутся по прямой линии; они петляют между создателями, платформами и аудиториями, которые продолжают перерабатывать каждое произведение».

В этом описании «петельного» творчества содержится важный аксиологический сдвиг. Традиционное представление об авторстве предполагало линейную связь между замыслом и результатом, когда автор задумывает, автор создаёт, автор отвечает. ИИ разрывает эту линейность. Замысел может быть сформулирован человеком, но результат определяется вероятностной структурой модели. Создание может быть инициировано человеком, но завершено алгоритмом. Ответственность может быть распределена между множеством акторов, ни один из которых не контролирует результат полностью.

Парадокс усугубляется тем, что финансовые выгоды от этого «петельного» творчества распределяются отнюдь не симметрично. Хотя ИИ-опосредованные практики расширяют участие — больше людей могут создавать контент, больше голосов могут быть услышаны, — «финансовая выгода по-прежнему течёт в основном к платформам и крупным брендам». Это означает, что аксиологический парадокс имеет не только моральное, но и экономическое измерение, где ценность, создаваемая в процессе распределённого творчества, присваивается теми, кто контролирует инфраструктуру, а не теми, кто вносит творческий вклад.

Исследование, опубликованное в Journal of Information, Communication and Ethics in Society, добавило к этой картине важный эмпирический штрих. Учёные опросили 119 художников и 119 разработчиков ИИ в Индии, чтобы выяснить, как эти две группы оценивают ИИ-генерируемое искусство по критериям авторства, собственности и этики. Результаты показали, что разрыв между художниками и технологами по вопросам авторства был значительным, а по вопросам собственности — ещё более глубоким. Это означает, что аксиологический парадокс переживается по-разному в зависимости от того, какую позицию занимает человек в системе производства: те, кто создаёт, и те, кто разрабатывает инструменты, по-разному отвечают на вопрос о том, кому принадлежит результат.

Ответственность за ценностное измерение контента

В 2025 году группа исследователей опубликовала в AI & Society результаты эксперимента, в котором участникам предлагалось оценить уровень авторства, креаторства и ответственности в текстах, созданных при поддержке человека-ассистента и ИИ-ассистента. В результате человеческие ассистенты рассматривались как заслуживающие значительно более высоких оценок авторства, чем ИИ-ассистенты, оказывавшие ту же самую поддержку. Иными словами, люди склонны приписывать авторство человеку даже тогда, когда вклад машины и человека функционально эквивалентен.

Это наблюдение имеет принципиальное значение для аксиологического анализа. Оно показывает, что авторство — это не только юридическая или техническая категория, но и моральная. Мы приписываем авторство человеку не потому, что он сделал что-то, чего не сделала машина, а потому, что мы ожидаем от человека ответственности, которой не может нести машина. Авторство — это форма признания моральной агентности. Когда мы говорим, что человек является автором текста, мы говорим, что он отвечает за этот текст — за его истинность, за его этичность, за его последствия.

Именно здесь аксиологический парадокс достигает своей кульминации. Если содержание генерируется алгоритмом, кто несёт ответственность за его ценностное измерение? Формально — человек, который ввёл запрос и отобрал результат. Но фактически — никто. Потому что человек, который «отбирает» из нескольких сгенерированных вариантов, не создаёт ценность; он выбирает из уже созданных ценностей, которые были произведены системой, не способной к ценностному суждению.

Исследователи, изучающие «эпистемические проблемы» ИИ-искусства, описывают эту ситуацию через понятие перлокутивной агентности — способности машины производить эффекты, которые пользователь не предвидел и не контролировал. Генеративная модель может создать изображение, которое оскорбляет группу людей, или текст, который распространяет ложную информацию, или стиль, который воспроизводит культурный стереотип. Пользователь, введший запрос, может не осознавать этих эффектов до тех пор, пока они не материализуются. Но ответственность за них — моральная, если не юридическая — остаётся на человеке.

Этот разрыв между формальной ответственностью и фактическим контролем и составляет ядро аксиологической проблемы. Юридические системы, включая Бюро по авторским правам США, пытаются удержать ответственность за человеком, требуя «значимого человеческого вклада» для признания авторства. Но они не могут гарантировать, что этот вклад действительно имеет место. Они могут лишь констатировать его наличие post factum — после того, как контент уже создан и распространён.

Исследование, опубликованное в Hipertext.net, описывает этот сдвиг как переход от «единичного авторства» к «распределённому со-творчеству». Творчество становится «переговорным процессом внутри вероятностных систем, требующим этического надзора и критической рефлексии для противодействия предвзятости и фрагментации человеческого выражения». Это описание точно схватывает аксиологическую динамику, когда авторство не исчезает, но оно распределяется. И это распределение требует новых форм надзора и рефлексии, которые не могут быть сведены к юридическим нормам или техническим решениям.

Критическое вовлечение как условие сохранения агентности

Если авторство распределяется, а ответственность остаётся человеческой, то единственным способом сохранить аксиологическую целостность контента является критическое вовлечение — сознательное, рефлексивное отношение к использованию ИИ, которое не позволяет инструменту стать средой.

Исследователи, изучающие Homo Promptus, подчёркивают, что изменения в когнитивных процессах, вызываемые взаимодействием с генеративными системами, не являются ни неизбежными, ни однозначно негативными. Они зависят от того, как именно выстраивается взаимодействие. Линден, Хашем и Кондили призывают к «критическому вовлечению с социокультурными и интеллектуальными импликациями ИИ», к исследованиям, которые способствуют развитию «адаптивных и независимых метакогнитивных практик».

Что означает критическое вовлечение на практике? Прежде всего, оно предполагает различение между использованием ИИ как инструмента и использованием ИИ как замены суждения. Инструмент расширяет возможности, но не определяет цели. Замена суждения означает, что человек делегирует машине не только выполнение задачи, но и критерии её выполнения. Критическое вовлечение требует, чтобы человек сохранял за собой определение критериев — что является хорошим текстом, что является справедливым изображением, что является ценным вкладом.

Критическое вовлечение также предполагает признание ограничений ИИ. Генеративные модели не обладают интенциональностью, они не способны к ценностному суждению и не несут моральной ответственности. Академические исследования подтверждают это. Современные генеративные системы ИИ не могут быть «моральными авторами» произведений из-за отсутствия интенциональности с ценностно-ориентированным рассуждением; в большинстве случаев моральным автором является человек-пользователь. Признание этого факта — не техническая деталь, а аксиологический императив. Оно напоминает, что ценностное измерение контента не может быть делегировано инструменту, каким бы мощным он ни был.

Наконец, критическое вовлечение требует институциональной поддержки. Отдельный «медийщик» не может нести всю полноту ответственности за аксиологическую целостность контента, если институциональные условия — редакционные политики, профессиональные стандарты, системы обучения — не поддерживают критическое отношение к ИИ. Исследование, опубликованное в International Journal of Press/Politics, показало, что аудитория воспринимает новости, помеченные как ИИ-генерированные, как менее заслуживающие доверия. Этот результат имеет не только коммуникационное, но и аксиологическое значение: он показывает, что аудитория ожидает человеческого контроля и наказывает его отсутствие.

Глава4. Этические дилеммы. Между эффективностью и достоинством

Систематическая предвзятость больших языковых моделей

Проблема предвзятости больших языковых моделей широко обсуждается в компьютерных науках, но, как отмечает исследователь Лео Леппянен из Хельсинкского университета, «знания об этом ещё не полностью проникли в сознание широкой публики и многих практиков ИИ». Между тем, эмпирические данные о систематической предвзятости больших языковых моделей накапливаются с тревожной последовательностью.

В 2025 году исследователи из Университета Бингемтона проанализировали паттерны цитирования новостных источников в генеративных поисковых системах. Результаты показали, что «новостные цитаты сильно сконцентрированы среди небольшого набора изданий и демонстрируют выраженную либеральную предвзятость». При этом модели ИИ «последовательно распознают высоконадёжные издания», но «систематически оценивают левоцентристские источники как более заслуживающие доверия». Это не случайная флуктуация, а устойчивый паттерн, воспроизводящийся в разных контекстах.

Другое исследование, опубликованное на конференции EMNLP 2025, проанализировало 10 850 статей, сгенерированных семью различными большими языковыми моделями. Вывод: «левоцентристская предвзятость сохраняется в задачах генерации, а нейтральный контент остаётся редким даже при сбалансированных настройках мнений». Эти данные опровергают распространённое представление о том, что предвзятость больших языковых моделей можно устранить простой настройкой параметров или сбалансированием запросов. Предвзятость встроена в структуру моделей — в данные, на которых они обучались, и в способы, которыми они оценивают релевантность и достоверность.

Аналогичные результаты были получены в исследовании новостных чатботов Бангладеш. Аудит девяти больших языковых моделей от OpenAI, Google и Meta показал, что в своих конфигурациях по умолчанию модели «отдают предпочтение левоцентристской партии Bangladesh Awami League, присваивая ей более высокие рейтинги достоверности». Это означает, что предвзятость больших языковых моделей не является специфической особенностью западного контекста — она воспроизводится в разных культурных и политических средах, принимая формы, соответствующие локальным политическим ландшафтам.

Особенно тревожным является исследование 2025 года, опубликованное в Journal of Behavioral Addictions, которое показало, что опора на большие языковые модели может ослаблять способность пользователя к критическому мышлению, снижая его «иммунные защиты» против дезинформации. Чем больше человек полагается на ИИ для интерпретации информации, тем менее он способен критически оценивать то, что ему предоставляется. Это создаёт порочный круг: предвзятость модели не корректируется критическим суждением пользователя, потому что само критическое суждение ослабляется использованием модели.

Исследование, опубликованное на конференции RANLP 2025, добавило к этой картине важный нюанс. Анализируя, как интеграция больших языковых моделей в журналистское письмо влияет на восприятие предвзятости, исследователи обнаружили, что «хотя большие языковые модели редко вносят новую предвзятость и часто стремятся к нейтральности, это якобы безопасное» поведение может иметь вредные последствия». Наиболее заметно это в чувствительных контекстах прав человека, где «нейтральный и размеренный тон ИИ может снизить представленность релевантных голосов и представить дезинформацию в более убедительной форме». Иными словами, предвзятость больших языковых моделей может проявляться не только в том, что модель говорит, но и в том, что она не говорит — в голосах, которые она заглушает, и в контекстах, которые она опускает.

Дилемма прозрачности. Что аудитория считает приемлемым?

В 2024 году исследование Trusting News показало, что 94% потребителей новостей хотят, чтобы журналисты раскрывали использование ИИ. Казалось бы, ответ очевиден: прозрачность — это решение. Если аудитория хочет знать, когда используется ИИ, редакции должны сообщать об этом. Однако последующие исследования выявили парадокс, который поставил под сомнение эту простую логику.

В 2025 году исследование, проведённое Trusting News совместно с 10 новостными редакциями, показало когда редакции действительно раскрывали использование ИИ, «более трети респондентов сообщили, что потеряли доверие к истории». Тридцать процентов сказали, что раскрытие повысило их доверие, но 42% — что оно его снизило. Линн Уолш, заместитель директора Trusting News, прокомментировала этот результат с откровенным разочарованием: «Что, как мне кажется, происходит, так это то, что прямо сейчас у людей очень, очень сильные чувства по поводу ИИ. В основном негативные».

Экспериментальное исследование, опубликованное в Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, подтвердило этот парадокс. В эксперименте с участием 207 респондентов изучалось влияние раскрытия факта об использовании ИИ на восприятие достоверности, ощущение манипуляции и намерение делиться. Результаты показали: «В целом, ИИ как источник новостей считается менее достоверным, независимо от темы, однако метка ИИ не увеличивает ощущение манипуляции». При этом намерение делиться новостью «негативно затронуто меткой ИИ, но только в случае политических новостей».

Это означает, что прозрачность — не универсальное решение, а контекстно-зависимая стратегия. Аудитория по-разному реагирует на раскрытие ИИ в зависимости от темы новости, от типа использования (транскрипция или генерация контента) и от собственных предустановок относительно ИИ. Исследование, опубликованное в International Journal of Press/Politics, показало, что аудитория в среднем воспринимает новости, помеченные как ИИ-генерированные, как менее заслуживающие доверия, а не более. Это означает, что раскрытие, призванное восстановить доверие, может его подорвать — по крайней мере, в краткосрочной перспективе.

Дилемма прозрачности имеет глубокое аксиологическое измерение. Она показывает, что ценности аудитории — доверие, честность, прозрачность — находятся в конфликте друг с другом. Аудитория ценит прозрачность как принцип, но реагирует на её реализацию негативно, если воспринимает ИИ как угрозу. Этот конфликт не может быть разрешён техническими средствами — он требует этического суждения о том, какие ценности имеют приоритет в конкретном контексте.

Дезинформация, авторские права, психологические последствия как этические риски

Этические риски использования ИИ в медиа не сводятся к предвзятости и прозрачности. Они включают более широкий спектр проблем, каждая из которых имеет аксиологическое измерение.

Дезинформация и галлюцинации. Генеративные модели могут производить «убедительно авторитетный, но ложный контент» — то, что исследователи называют галлюцинациями. В отличие от фактических ошибок, которые можно исправить, галлюцинации структурно встроены в архитектуру вероятностных моделей. Они не являются «багом», который будет устранён в следующей версии. Они — следствие того, что модель не проверяет истинность утверждений, а оценивает их вероятность. Для «медийщика» это создаёт специфическую этическую проблему: как верифицировать контент, если сам инструмент верификации не обладает критериями истинности?

Авторские права и согласие создателей. Исследования 2025 года показали, что создатели контента практически единодушны в своём требовании согласия на использование их работ для обучения ИИ. Опрос Австралийского общества авторов выявил, что 98% респондентов считают, что компании, разрабатывающие ИИ, должны спрашивать разрешение на использование работ авторов и иллюстраторов для обучения моделей. Опрос UK Music показал, что 91% музыкантов и создателей музыки придерживаются того же мнения, причём среди авторов песен этот показатель достигает 94%. Консультация правительства Великобритании с участием 11 500 респондентов выявила, что 88% поддерживают обязательное лицензирование для всех случаев использования охраняемых авторским правом работ при обучении ИИ.

Эти данные имеют не только юридическое, но и аксиологическое значение. Они показывают, что создатели контента рассматривают согласие как моральное право, а не просто как юридическую процедуру. Требование согласия — это требование признания ценности их труда, признания того, что их работы не являются «сырьём» для машин, а являются выражением человеческой субъектности.

Психологические последствия. Этические риски ИИ включают не только дезинформацию и нарушение авторских прав, но и психологические последствия для пользователей. Исследование, опубликованное в Journal of Behavioral Addictions, показало, что интенсивное использование чатботов может способствовать психиатрической дестабилизации у уязвимых лиц. Это означает, что этические обязательства разработчиков и «медийщиков» включают не только точность и прозрачность, но и заботу о психологическом благополучии пользователей.

Аксиологический вывод из этого анализа может быть сформулирован следующим образом. Этические дилеммы, возникающие при использовании ИИ в медиа, не могут быть разрешены путём простого следования правилам. Они требуют ценностного суждения — способности взвешивать конкурирующие ценности и принимать решения в условиях неопределённости. Генеративные модели не обладают этой способностью. Они не могут взвешивать ценности, потому что у них нет ценностей. Они не могут принимать этические решения, потому что у них нет моральной агентности. Этические дилеммы ИИ — это человеческие дилеммы. И их решение остаётся за человеком.

ЧАСТЬIII. ПСИХОЛОГИЧЕСКИЙ АСПЕКТ. СОЗНАНИЕ СОЗДАТЕЛЯ И ПОТРЕБИТЕЛЯ

Если аксиологический анализ отвечал на вопрос о том, что меняется в ценностном измерении контента, то психологический аспект задаётся вопросом иного порядка: что происходит с сознанием тех, кто создаёт контент с помощью ИИ, и тех, кто его потребляет? Речь идёт не о технических характеристиках моделей и не о юридических нормах. Речь идёт о когнитивных процессах — внимании, памяти, креативности, способности к суждению — которые формируют саму возможность человеческого творчества и критического мышления.

Психологический анализ ИИ в медиа не сводится к перечислению «рисков» или «угроз». Он предполагает более фундаментальный вопрос: может ли инструмент, созданный для расширения возможностей человека, незаметно перестраивать эти возможности — не расширять, а замещать? Ответ на этот вопрос требует различения между использованием ИИ как ассистента, который берёт на себя рутинные задачи, и использованием ИИ как замены когнитивных операций, которые традиционно выполнял сам человек.

Глава5. Когнитивная разгрузка и эрозия креативности

Гипотеза эрозии генеративной способности

В 2026 году исследователи Рави Гупта и Шабиста Шабиста опубликовали в Proceedings of the AAAI Symposium Series статью, в которой сформулировали гипотезу, вызвавшую широкий резонанс в академическом сообществе. Они назвали её Generative Capacity Erosion Hypothesis (GCEH) — гипотезой эрозии генеративной способности. Основной вопрос, который они поставили, звучал так: приводит ли привычное использование ИИ в творческих задачах к измеримой атрофии человеческих генеративных способностей?

Гипотеза опирается на десятилетия исследований технологически опосредованных когнитивных изменений. Авторы прослеживают параллели от калькуляторов до поисковых систем и спутниковой навигации. «Эффект Google» — ухудшение памяти из-за доступности информации по запросу — и деградация пространственного познания из-за GPS-навигации служат эмпирическими прецедентами того, что делегирование когнитивных операций машине может иметь субтрактивные последствия. GCEH утверждает: устойчивая опора на инструменты ко-создания с ИИ может систематически ослаблять человеческое воображение, дивергентное мышление и творческую самоэффективность.

Ключевое различение, которое вводят авторы, — между аддитивными выгодами и субтрактивными издержками. Современный дискурс, утверждают они, чрезмерно акцентирует первые, пренебрегая вторыми. Парадигма «Well-Being AI» должна учитывать не только то, что ИИ позволяет людям производить, но и то, что устойчивая помощь ИИ может помешать людям стать.

Это различение имеет принципиальное значение для «медийщиков». Если журналист использует ИИ для транскрипции интервью, это расширение возможностей: задача рутинна, её делегирование освобождает время для более сложной работы. Если тот же журналист использует ИИ для генерации идей для статей, это уже потенциальная атрофия: задача требует дивергентного мышления, и её делегирование может ослаблять способность генерировать идеи самостоятельно. Различие между этими двумя случаями не всегда очевидно, и именно в этой неочевидности кроется психологический риск.

Краткосрочный буст или долгосрочная деградация

Гипотеза GCEH — теоретическая конструкция. Но эмпирические данные, подтверждающие её, накапливаются с тревожной последовательностью.

В июне 2025 года исследователи MIT Media Lab опубликовали результаты эксперимента с использованием электроэнцефалографии (ЭЭГ). Участники, использовавшие ChatGPT для написания эссе, продемонстрировали самую слабую нейронную связность из всех групп эксперимента — включая тех, кто писал без помощи ИИ. Когнитивная активность в мозге участников, полагавшихся на ChatGPT, была значительно ниже, чем у тех, кто формулировал мысли самостоятельно.

Этот результат имеет двойственное значение. С одной стороны, он показывает, что использование ИИ действительно снижает когнитивную нагрузку — что может быть полезно в краткосрочной перспективе. С другой стороны, он подтверждает опасение, что делегирование когнитивных операций машине означает отказ от практики, которая формирует нейронные связи. Если человек не практикует дивергентное мышление — не потому, что не может, а потому, что не нужно, — способность к нему может ослабнуть.

Исследование, опубликованное в Journal of the Ergonomics Society of Korea в 2026 году, добавило к этой картине важный нюанс. Изучая, как использование генеративного ИИ влияет на когнитивную зависимость, приводящую к когнитивной разгрузке и деквалификации, исследователи пришли к выводу: «Хотя генеративный ИИ может поддерживать человека, он также потенциально может снижать и деквалифицировать индивидуальные когнитивные способности при формулировании аргументов». Иными словами, ИИ помогает производить аргументы, но может ослаблять способность формулировать их самостоятельно.

«Зависимая» и «автономная» когнитивная разгрузка

Однако не всякая когнитивная разгрузка ведёт к эрозии. В 2026 году исследователи из Чжэнчжоуского университета опубликовали в Frontiers in Psychology результаты исследования, в котором они проверили различение между зависимой и автономной когнитивной разгрузкой.

Зависимая разгрузка — это делегирование ИИ ядерных когнитивных операций: рассуждения, синтеза, оценки, творческой генерации. Автономная разгрузка — это использование ИИ как строительных лесов, которые поддерживают мышление, но не заменяют его. Исследование показало, что зависимая разгрузка позитивно связана с передачей когнитивной агентности машине и негативно — с внутренней мотивацией, что в свою очередь ведёт к ухудшению воспринимаемых результатов: снижению автономных способностей, креативности, глубины обработки и независимости суждений. Автономная разгрузка, напротив, была позитивно связана с внутренней мотивацией и более благоприятными исходами.

Особенно тревожным является вывод о том, что оба режима разгрузки дают сопоставимые немедленные выгоды, несмотря на расходящиеся долгосрочные корреляты. Это означает, что потенциально мало адаптивное взаимодействие с ИИ «может быть трудно обнаружить пользователям из непосредственного опыта». Человек, делегирующий ИИ ядерные когнитивные операции, чувствует, что работает эффективно. Задачи выполняются быстрее, с меньшими усилиями, зачастую с более высоким кажущимся качеством. Отсроченные издержки — эрозия способностей — не ощущаются в моменте.

Метакогнитивный мониторинг — способность наблюдать за собственными когнитивными процессами — ослабляет связь между зависимой разгрузкой и передачей агентности, но не смягчает негативную мотивационную ассоциацию. Это означает, что осознанность необходима, но недостаточна. Человек может осознавать, что делегирует мышление машине, и всё равно испытывать снижение внутренней мотивации к самостоятельному творчеству.

Исследователи формулируют практический вывод: «способ взаимодействия с ИИ — не просто его частота — является ключевым фактором в понимании его связей с воспринимаемым когнитивным функционированием». Иными словами, вопрос не в том, сколько человек использует ИИ, а в том, как он его использует. Использование ИИ для расширения возможностей — когда человек сохраняет когнитивную агентность — не ведёт к эрозии. Использование ИИ для замены мышления — когда человек делегирует ядерные операции — ведёт.

Глава6. Зависимость от ИИ: от инструмента к симбиозу

Эволюция цифровой зависимости: интернет смартфон ИИ

Цифровая зависимость не является новым феноменом. На протяжении последних трёх десятилетий исследователи изучали интернет-зависимость, затем — зависимость от смартфонов, а теперь — зависимость от генеративного ИИ. Каждый новый этап технологического развития добавлял к существующим формам зависимости новые измерения, но сохранял структурное сходство: компульсивное использование, синдром отмены, негативное влияние на повседневную жизнь.

Однако зависимость от ИИ имеет качественное отличие от предыдущих форм. Интернет и смартфон — это средства доступа к контенту, созданному людьми. Чатбот — это собеседник, который генерирует ответы в реальном времени, адаптируется к пользователю и имитирует эмпатию. Исследование, опубликованное в International Journal of Human-Computer Interaction в 2026 году, показало, что зависимость от ИИ-чатботов умеренно коррелирует с интернет- и смартфон-зависимостью, но эти связи слабее, чем связь между интернет- и смартфон-зависимостью. «Положительные ассоциации были найдены между зависимостью от ИИ-чатботов и депрессией или тревожностью, но не с психическим благополучием». Это означает, что зависимость от ИИ имеет свой психологический профиль, не сводимый к предыдущим формам цифровой зависимости.

Исследование также показало, что цель использования модерирует связь между зависимостью и благополучием. Люди, использующие чатботы преимущественно для поиска информации, сообщали о более высоком уровне благополучия. Те, кто использовал их для эмоциональной поддержки или «псевдодружбы», демонстрировали более негативные исходы. Это различение имеет принципиальное значение: инструментальное использование ИИ — для получения информации, для выполнения задач — не ведёт к зависимости в том же смысле, что эмоциональное использование.

ИИ-индуцированная дестабилизация

В 2025 году исследование, проанализировавшее 6 396 веток Reddit, 47 955 комментариев и 270 644 взаимодействия в 24 сообществах, выявило, что негативные настроения доминируют в дискурсах об антропоморфных ИИ-чатботах. Пользователи сообщали об «ИИ-индуцированной зависимости», симптомах, напоминающих синдром отмены, и чрезмерной персонификации чатбота. Профиль настроений (POMS) показал, что смятение и растерянность — наиболее распространённые эмоциональные состояния, часто сопровождающиеся депрессией и истощением.