Дать ИИ сердце

Языки, культура и общество Китая — и сибирский контрапункт

Радар · 17 августа 2026 года

Что значит осмыслять искусственный интеллект изнутри собственной культурной традиции?

Один из самых интересных ответов последних недель приходит из Китая. Большой материал, опубликованный China Social Sciences Network / Chinese Social Sciences Today, выстраивает вопросы о будущем ИИ через переосмысление классической формулы китайской мысли.

Так называемые «Четыре изречения Хэнцюя», связанные с философом эпохи Сун Чжан Цзаем, говорят о том, чтобы утвердить сердце Неба и Земли, дать жизненную опору народу, продолжить унаследованное знание и открыть мир будущим поколениям. Текст об ИИ сознательно воспроизводит эту структуру. В нём говорится о том, чтобы «дать искусственному интеллекту сердце», дать основание интеллектуальному обществу, продолжить знание цивилизации и открыть будущее человечеству.

Это не просто литературный приём.

Он позволяет увидеть, как технология, часто представляемая как универсальная, начинает интерпретироваться через культурные словари, политические проекты и локальные способы мыслить отношения между знанием, обществом и ответственностью.

Дискуссия, прошедшая несколькими днями позже, переносит этот разговор к языкам меньшинств и цифровым гуманитарным наукам. А исследование четырёх научных коллективов в Сибири показывает сходный процесс на другой шкале. Включение ИИ требует менять данные, профессиональные отношения и критерии того, что может быть признано знанием.

Так три разные истории пересекаются в одном вопросе. Что происходит, когда ИИ входит в миры, где уже существуют языки, ценности, институты и собственные способы производства истины?

Языки, в которых машине нужно научиться жить

6 августа China Social Sciences Today опубликовала материал «Содействовать согласованному развитию ИИ и гуманитарных наук» о четвёртой Летней школе по корпусным исследованиям и цифровым гуманитарным наукам, прошедшей в Нанкинском педагогическом университете. В течение одиннадцати дней там работали специалисты из многочисленных китайских и зарубежных учреждений.

Среди участников был Лун Цунцзюнь, исследователь Института этнологии и антропологии Китайской академии общественных наук. Его подход связывает два процесса, которые часто описываются отдельно. Корпуса позволяют разрабатывать системы ИИ, но сами эти системы одновременно меняют то, как языковые корпуса создаются, исследуются и используются. По мнению Луна, для такого взаимодействия нужны люди, одновременно подготовленные в технологиях и гуманитарных дисциплинах.

Дискуссия становится глубже, когда Фан Сяобин из Нанкинского университета обращается к языкам, находящимся под угрозой исчезновения.

Большие модели могли бы изучать формы выражения этих языков, помогать их цифровому сохранению и давать будущим поколениям новые способы обращаться к ним. Но Фан сразу выделяет две трудности, из-за которых задачу нельзя свести к хранению слов. Модели по-прежнему плохо справляются с тем, что выражение сообщает неявно, и с культурным контекстом, который делает его понятным.

Язык здесь оказывается гораздо сложнее набора токенов.

Кто говорит, кому, в какой ситуации, какие отношения существуют между этими людьми и какими знаниями они делятся — всё это может менять значение высказывания. Запись способна сохранить голос, а корпус — миллионы слов, но это ещё не гарантирует, что социальные отношения, производящие их смысл, переживут цифровизацию.

На встрече в Нанкине также звучит предложение включать гуманитарные дисциплины в создание самих моделей. Су Ци из Пекинского университета предлагает перейти от использования систем, спроектированных вне гуманитарного знания, к включению гуманитарных подходов в проектирование и оценку моделей. Источник описывает эксперименты, где гуманитарные рамки меняют внутренние процессы модели и улучшают отдельные задачи понимания и генерации.

У этой дискуссии есть очень конкретное продолжение внутри самой Китайской академии общественных наук.

Её Лаборатория этнических языков, культуры и поведения (民族语言文化行为实验室), которой руководит Лун Цунцзюнь, описывает свой метод особенно наглядно. Вместо того чтобы начать с технологии, а затем искать ей применение, команда начинает с языковых и культурных проблем и заставляет цифровые инструменты подстраиваться под них. В самой академии этот подход называют «обратным движением, когда гуманитарные проблемы тянут за собой технологию».

Причина видна в самих материалах.

Во многих случаях примеров мало, системы письма различаются, а тексты сочетаются с изображениями, историческими документами и полевыми записями. По оценке лаборатории, универсальные модели плохо приспособлены к таким условиям.

Команда разработала системы распознавания знаков для уйгурского, древнеуйгурского, маньчжурского и тибетского письма, письменности йи (彝文) и тангутского письма, а также для Международного фонетического алфавита. Для древнеуйгурского создан процесс, который сначала распознаёт латинскую транслитерацию, а затем восстанавливает исходные знаки. Лаборатория также обучила модели автоматической транскрипции для семи языков и языковых разновидностей и создала звуковые архивы, связанные с десятью проектами нематериального культурного наследия. Заявленная учреждением ошибка ниже 15 % основана на его собственной оценке, а не на независимом аудите.

В другом проекте количественные методы используются для изучения отношений между языками и диалектами. Лаборатория сообщает, что такие анализы применялись, среди прочего, для классификации разновидностей языка йи (彝语), а также для исследования связей между языками тибетской и цянской ветвей.

Здесь появляется особенно важное для антропологии измерение.

Превращение языка в вычислительную инфраструктуру требует сегментировать, классифицировать, транслитерировать, устанавливать сходства и определять различия. Это технические операции, но одновременно они участвуют в создании языковых и культурных категорий.

Цифровое сохранение перестаёт выглядеть как простая спасательная операция. Оно также создаёт новое представление того, что стремится сохранить.

Ключ AIthropology Lab — Сделать язык читаемым для машины означает решить, какие элементы его представляют, как классифицируются его разновидности и какие культурные отношения переживут это преобразование.

Дать сердце интеллектуальному обществу

3 августа Chinese Social Sciences Today опубликовала статью «Вопросы будущего в эпоху искусственного интеллекта» Юань Хуацзе, Чжа Цзяньго и Чэнь Ляня. Материал объединяет интервью со специалистами китайских университетов и исследовательских институтов после Всемирной конференции по искусственному интеллекту 2026 года.

Его структура сама по себе культурно значима.

Четыре главных раздела переосмысливают «Четыре изречения Хэнцюя» Чжан Цзая. Старый интеллектуальный идеал становится рамкой для размышления о современной технологии. ИИ должен получить «сердце», интеллектуальному обществу нужна опора, цивилизация должна сохранять и продолжать свои знания, а будущее требует порядка, в котором способность людей принимать решения остаётся открытой.

Первый шаг напрямую выводит к ценностям.

В статье приводится предложение Чжу Сунчуня, директора Пекинского института общего искусственного интеллекта, «дать машине сердце», опираясь на философские и моральные ресурсы, включая идеи нравственного сознания, взаимности и отношений между личностью и коллективом. Философ Чжао Тинъян проводит ещё одну границу. Машины могут расширять возможности и освобождать время, но выбор целей, наделение смыслом и ответственность за последствия должны оставаться за людьми.

Сам словарь заслуживает внимания.

Наряду с международным дискурсом об alignment, который в основном строится вокруг безопасности, предпочтений или абстрактных ценностей, здесь китайские интеллектуальные традиции используются непосредственно для размышления о том, какие отношения следует выстраивать с искусственным интеллектом.

Затем статья переходит от ценностей к повседневной организации общества.

Она выделяет три уже происходящих преобразования. Труд начинает перестраиваться вокруг распределения задач между людьми и системами. Организации могут превращаться в гибридные структуры, где разные агенты участвуют в принятии решений. Наконец, ИИ начинает переходить от видимого инструмента к социальной инфраструктуре.

На организационном уровне возникает особенно продуктивная двойственность.

Гао Хунбин из Шанхайского университета финансов и экономики представляет организации, где люди и агенты образуют небольшие единицы, способные сократить некоторые традиционные иерархии. Цуй Лили предупреждает об обратной возможности. Те, кто контролирует модели, данные и разрешения, могут одновременно накапливать новые формы власти. Результат зависит от того, как распределяется доступ и можно ли после принятого решения восстановить цепочку ответственности.

Масштаб меняется снова, когда Лань Цзян, профессор философии Нанкинского университета, описывает большие модели как технологию, которая спускается с видимой поверхности и становится инфраструктурой.

В статье упоминаются найм, кредитование, медицина, распределение контента и государственные услуги. Когда системы участвуют в этих сферах, они одновременно участвуют в распределении возможностей и рисков. Отсюда возникают права знать об алгоритмическом вмешательстве, отказаться от него, оспорить его и потребовать возмещения.

Выбор слов имеет значение.

Сам текст утверждает, что Китаю необходимо развивать эти системы с учётом собственных социальных сценариев, культурного контекста и потребностей промышленности, а также вырабатывать свои стандарты взаимодействия между людьми и машинами.

Затем он делает ещё один шаг.

Когда модели становятся инфраструктурой производства знания и передачи культуры, набор языков, сохранённое знание и встроенные ценности начинают влиять на способность общества представлять себя через эти системы. Таким образом, статья связывает искусственный интеллект, технологический суверенитет и то, что называет способностью цивилизации к выражению.

В таком прочтении «дать ИИ сердце» означает гораздо больше, чем очеловечить машину.

Речь идёт о том, какие интеллектуальные традиции в неё включаются, какие формы власти возникают вокруг её решений и насколько общество способно узнавать себя в используемой технологической инфраструктуре.

Ключ AIthropology Lab — Модели переносят не только способности. Они несут категории, языки и способы упорядочивания знания. Создание ситуированного ИИ означает спор о том, какая культура входит в машину и на каких условиях.

Сибирь и правила производства истины

Контрапункт даёт Томский государственный университет.

Артём А. Сазонов, Евгения В. Попова и Дарья М. Мацепуро исследуют четыре научных коллектива сибирских учреждений, которые внедрили или пытались внедрить ИИ в исследования по физике, истории и медицине. Работа опубликована в журнале Высшее образование в России, том 35, № 6. Сазонов и Мацепуро представляют Исследовательскую лабораторию археологии и этнографии Сибири, а Попова возглавляет кафедру антропологии и этнологии университета.

Исследование использует углублённые полуструктурированные интервью в рамках множественного кейс-стади и позволяет наблюдать интеграцию технологии изнутри коллективов.

Проблемы начинаются задолго до запуска модели.

Научный вопрос должен быть преобразован в задачу, доступную для ИИ, а данные должны иметь подходящую структуру. Если этого нет, материалы, накопленные годами, приходится очищать, переклассифицировать и реорганизовывать.

Затем возникает профессиональное сотрудничество.

Коллективам нужно привлекать специалистов по программированию и работе с данными или сотрудничать с ними. Институциональная поддержка, финансирование и возможность поддерживать такие отношения во времени определяют результат. Исследование также подчёркивает значение людей, способных выступать переводчиками между дисциплинами, соединяя знание научного объекта с вычислительным знанием.

Самое глубокое напряжение связано с критериями достоверности.

У каждой научной общности есть правила того, что считается доказательством, какие процедуры позволяют его проверить и когда результат можно защищать перед другими представителями той же дисциплины. Непрозрачные системы создают разные трудности в физике, истории и медицине. Интеграция ИИ поэтому требует вписать его и в эти стандарты знания.

Поэтому авторы описывают внедрение ИИ как координацию между вопросами, данными, компетенциями, организационной культурой и дисциплинарными нормами, а не как автоматическое следствие технологического прогресса.

Четыре коллектива не представляют всю российскую науку. Но они позволяют довольно точно увидеть, как технология приобретает легитимность внутри конкретных научных сообществ.

Ключ AIthropology Lab — Машины могут производить результаты задолго до того, как сообщество будет готово признать эти результаты знанием. Между одним и другим находятся профессиональные отношения, институты и правила о том, что считается истинным.

Что входит в машину

Три истории показывают разные процессы.

В работе с языками меньшинств Китая необходимо решать, как превращать письменности, голоса и культурные контексты в вычислимую информацию.

В дискуссии об интеллектуальном обществе философские традиции становятся способом сформировать собственный язык для разговора о ценностях, ответственности и будущем.

В сибирских лабораториях приходится перестраивать данные, отношения между специальностями и механизмы проверки.

ИИ принимает разные формы, потому что встречает разные миры.

И эти миры тоже не остаются прежними. Цифровизация может изменить классификацию языка. Автоматизация может перераспределить власть внутри организации. Новые методы анализа могут изменить набор компетенций, необходимых лаборатории для производства знания, признанного действительным.

Китайский материал добавляет особенно интересный слой.

Пока значительная часть глобальной дискуссии стремится сформулировать универсальные принципы управления ИИ, здесь виден также процесс перевода искусственного интеллекта на собственные культурные языки. То, что современная публикация возвращается к Чжан Цзаю, чтобы спросить, как «дать машине сердце», не делает эти идеи автоматически выражением всего Китая. Но это показывает, что развитие ИИ становится также пространством, где переосмысляются традиции, конструируются идентичности и оспаривается право определять будущее.

Здесь может находиться одна из самых плодотворных задач антропологии искусственного интеллекта.

Следить не только за тем, какие технологии циркулируют по миру, но и за тем, какие миры пытаются вписать себя в эти технологии.

Источники

• Wang Guanglu. 促进AI与人文协同发展 [Содействовать согласованному развитию ИИ и гуманитарных наук]. China Social Sciences Network / Chinese Social Sciences Today, 6 августа 2026 года. https://www.cssn.cn/skgz/bwyc/202608/t20260806_6062320.shtml
• Nanjing Normal University. 第四届语料库与数字人文暑期学院圆满闭幕 [Завершилась четвёртая Летняя школа по корпусным исследованиям и цифровым гуманитарным наукам], 5 августа 2026 года. https://wxy.njnu.edu.cn/info/1104/19116.htm
• Chinese Academy of Social Sciences. 牵住“人文”牛鼻子 解锁语言“数智”密码 [Поставить гуманитарные вопросы во главу угла, чтобы раскрыть цифровой код языков], 30 января 2026 года. https://www.cass.cn/keyandongtai/qiangyuanzhanlue/202601/t20260130_5971294.shtml
• Yuan Huajie, Zha Jianguo and Chen Lian. 人工智能时代的未来之问 [Вопросы будущего в эпоху искусственного интеллекта]. China Social Sciences Network / Chinese Social Sciences Today, 3 августа 2026 года. https://www.cssn.cn/skgz/bwyc/202608/t20260803_6061930.shtml
• Sazonov, A. A., Popova, E. V. and Matsepuro, D. M. (2026). Factors of AI Integration in Research: Case Study of Russian Laboratories. Higher Education in Russia, 35(6), 149–168. DOI 10.31992/0869-3617-2026-35-6-149-168. https://vovr.elpub.ru/jour/article/view/6328/0