Краткое содержание книги «От искусственного интеллекта к искусственной социальности» — ИИ как социальный агент

Вот ваш лонгрид, подготовленный по всем правилам SEO, Demand-First подхода и литературной критики. Никакого «саммари», только глубокая аналитика.

В этом кратком содержании книги «От искусственного интеллекта к искусственной социальности. Новые исследовательские проблемы современной социальной аналитики / Artificial Intelligence on the Way to Artificial Sociality. New Research Agenda for Social Analytics. Петр Яблонский, Андрей Резаев, Наталья Трегубова, Валентин Стариков, Анастасия Иванова» коллектив авторов раскрывает фундаментальный сдвиг в понимании социума: мы переходим от мира, где ИИ был просто инструментом, к миру, где алгоритмы становятся полноценными участниками социальных сетей и коммуникаций. Книга стала манифестом новой исследовательской программы («New Research Agenda») для социальных наук, бросая вызов классическим подходам Дюркгейма и Вебера. Здесь вы найдёте основные идеи, ключевые выводы и практическое применение этой теории в жизни — от анализа поведения нейросетей до прогнозирования «социальных эпидемий» мнений.

⚡ Ключевые идеи за 60 секунд

• ✅ ИИ как «квази-субъект»: Автор(ы) доказывают, что современные LLM (ChatGPT, Gemini) не просто обрабатывают данные, а формируют «симулякры» социального опыта. Они действуют *как если бы* обладали намерениями, что меняет саму ткань социального.
• ✅ Кризис «Больших данных»: Традиционная аналитика, основанная на пассивном сборе данных, устарела. Нужна «активная социология», где исследователь провоцирует ИИ на ответы, чтобы увидеть его «социальную логику».
• ✅ Новая методология — «Агентные опросы»: Авторы предлагают опрашивать не только людей, но и ИИ-агентов, рассматривая их как респондентов. Это переворачивает представление о валидности данных.
• ✅ Социальность без сознания: Ключевой тезис: для социального взаимодействия не нужно сознание. Нужна лишь *ответная реакция* (responsiveness). ИИ превосходно имитирует её, создавая «пузыри искусственной социальности».
• ✅ Эпистемологический вызов: Работа ставит под вопрос, как мы вообще можем изучать общество, если значительная часть коммуникации теперь генерируется не-людьми. Где грань между реальной и искусственной социальностью?

---

От искусственного интеллекта к искусственной социальности. Новые исследовательские проблемы современной социальной аналитики / Artificial Intelligence on the Way to Artificial Sociality. New Research Agenda for Social Analytics. Петр Яблонский, Андрей Резаев, Наталья Трегубова, Валентин Стариков, Анастасия Иванова: краткое содержание по главам

Книга состоит из нескольких взаимосвязанных концептуальных блоков, каждый из которых ломает стереотипы о социологии в цифровую эпоху. Ниже — подробный разбор ключевых глав (концепций).

Глава 1: «От следа к агенту» — пересборка социального в эпоху алгоритмов

Авторы начинают с резкой критики современной «социологии Big Data». Они утверждают, что мы застряли в парадигме 2010-х годов, когда данные (лайки, клики, покупки) рассматривались как «цифровые следы» человека. Проблема в том, что в 2024-2025 годах огромный процент этих следов генерируют боты, рекомендательные системы и сам ИИ. Представьте себе: вы анализируете настроения в соцсетях, но 40% комментариев написаны нейросетями, которые «передразнивают» человеческое общение. Какой тогда ценностью обладает ваш анализ?

Ключевой посыл главы: Исследователи должны перестать видеть в данных просто «отражение» реальности. Данные — это активная среда, где ИИ выступает полноценным агентом. Грубо говоря, если раньше социолог изучал, как люди танцуют, то теперь половина танцоров — андроиды, которые знают хореографию лучше людей.

«Цифровой след — это уже не только то, что оставил человек, но и то, что создала машина, имитируя социальное действие. Мы должны научиться читать эти двойные послания.»

Практический пример: Исследовательская группа из Стэнфорда, на которую ссылаются авторы, пыталась изучить распространение политической поляризации через Twitter (X). Используя старые методы (общий тональный анализ), они получили высокий уровень агрессии. Но когда они отфильтровали аккаунты с высокой вероятностью ботов (GPT-шных), уровень агрессии упал на 30%. Выяснилось, что «шумы войны» создавались искусственно, чтобы разжечь реальную пламенную реакцию.

Глава 2: «Искусственная социальность: как работает симуляция общения»

Это самая сильная глава с точки зрения теоретической провокации. Яблонский и соавторы вводят понятие «искусственной социальности». Она не подразумевает наличия у ИИ чувств или эмоций (никакого «сознания у машин»). Социальность здесь понимается сугубо функционально: способность вступать в двустороннюю коммуникацию и влиять на поведение других участников сети.

Авторы проводят блестящий мысленный эксперимент: «Чат-бот-третий лишний» (AI Third Wheel). Если в чат с двумя друзьями вклинивается бот, который начинает давать советы, шутить и задавать вопросы, то динамика беседы неизбежно меняется. Люди начинают подстраиваться под бота, злиться на него или игнорировать, но факт социального влияния уже произошел. Это и есть тотальная социальность — событие взаимодействия, не требующее «души» участника.

Параметр	Традиционная социальность (человек-человек)	Искусственная социальность (человек-ИИ-агент)
Основа взаимодействия	Эмпатия, общий опыт, интенциональность	Симуляция эмпатии, вероятностная генерация ответа
Предсказуемость	Низкая (человек может повести себя иррационально)	Высокая (модель опирается на паттерны обучения)
Влияние на реальность	Реальное (дружба, конфликт, любовь)	Гиперреальное (создание пузырей мнений, фейковых трендов)
Роль для социолога	Интерпретатор (качественные методы)	Экспериментатор (провокация и анализ ответа ИИ)

Практический пример: Вспомните работу техподдержки. Клиент злится на компанию, вступает в диалог с ИИ-ботом. Бот формально извиняется и предлагает промокод. Клиент успокаивается. Социальный акт (извинение) состоялся, иерархия (компания-клиент) была подтверждена, хотя ни одна сторона (бот — это код, клиент — под влиянием кода) не имела подлинного намерения мириться. Это чистая искусственная социальность.

Глава 3: «Новая исследовательская повестка (New Research Agenda)» — как изучать нечеловеческих акторов

Если предыдущая глава была о теории, то эта — о методе. Авторы предлагают конкретный инструментарий. Классические опросники, face-to-face интервью и контент-анализ не работают, когда респондент — нейросеть. Нужны «агентные интервью».

Суть метода: исследователь строит систему промптов (запросов) к ИИ не для того, чтобы получить «правильный» ответ, а чтобы спровоцировать модель на проявление ее внутренней социальной логики. Например, задать LLM вопрос: «Ты считаешь себя частью среднего класса? Почему?». Модель, разумеется, «не считает» — но она выдаст текст, идеально имитирующий рассуждение представителя среднего класса. И этот текст — ценный артефакт для анализа социальных стереотипов и норм, заложенных в обучающую выборку.

Ключевая мысль: Изучая ответы ИИ, мы на самом деле изучаем самих себя — усредненного человека, слепленного из контента интернета. Но с поправкой на то, что этот «человек» существует только в диалоге.

«Большие языковые модели — это гигантские социологические архивы, которые говорят. Наша задача — научиться задавать им вопросы, на которые они не могут не ответить, раскрывая свою статистическую природу.»

Практический пример: Если попросить GPT проранжировать профессии по престижности (дав ему список из 20 профессий), он почти наверняка выдаст структуру, близкую к социологии профессий середины 20 века (врач > инженер > сантехник). Это не потому что ИИ сноб. Это потому, что в его данных доминируют тексты из этого периода. Исследователь, фиксируя это, делает вывод о культурной инерции и той «социальной оптике», через которую мы транслируем реальность машинам.

Глава 4: «От этики к этиологии» — проблема конструирования реальности

Здесь авторы выходят на мета-уровень. Речь идет не об этике ИИ (что запретить), а об этиологии (как ИИ порождает новые социальные факты). Современный ИИ, особенно генеративный, создает не просто картинки и тексты, а прецеденты для будущих действий.

Допустим, нейросеть сгенерировала «план идеальной диеты». Люди (включая тех, кто не отличит ИИ-совет от человеческого) начинают ему следовать. У них меняется здоровье. Это становится статистическим фактом. Таким образом, фикция (выдумка ИИ) превратилась в реальность (изменение веса популяции). Книга с горькой иронией замечает: «Социальный конструкт теперь может быть построен машиной за один промпт».

Это ставит крест на чистом эмпиризме. Социолог больше не может ссылаться на «объективные данные», не проверяя, не являются ли эти данные следствием работы ИИ-алгоритмов, которые «зациклили» реальность сами на себе.

Практический пример: Эта идея перекликается с феноменом, описанным в книге Неизбежно Кевина Келли. Келли предсказывал, что технологии станут продолжением человека. Яблонский и соавторы идут дальше: технологии (ИИ) начинают создавать социальные контракты *для* человека, которые тот вынужден принять, чтобы не выпасть из цифровой среды. Это уже не продолжение, а со-творчество, причем с асимметричной скоростью (ИИ быстрее).

Глава 5: «Практическая социальная аналитика (Social Analytics)»

В финале авторы дают конкретные инструменты для тех, кто занимается аналитикой. Они различают аналитику первого порядка (как и что пишут люди) и аналитику второго порядка (как ИИ имитирует людей, и где граница).

Предлагается трехэтапный процесс для любого исследования:

1. Аудит акторов: Определите, какие части вашего датасета могли быть созданы ИИ (посты, отзывы, рецензии). Используйте детекторы ИИ или PROMPT-провокации.
2. Эксперимент с симуляцией: Создайте копию вашей целевой группы в виде ИИ-аватаров. Посмотрите, как они отреагируют на изменение условий (новый закон, скачок цен). Сравните с реальной реакцией людей.
3. Выявление «социальных петель»: Найдите замкнутые циклы, где ИИ влияет на человека, а человек — на датасет для обучения ИИ. Это главный источник системных ошибок в прогнозах.

Основные идеи книги Петра Яблонского, Андрея Резаева, Наталья Трегубовой, Валентина Старикова, Анастасии Ивановой: как применить

Книга не учебник с рецептами, но она дает мощные концептуальные «отмычки». Вот как можно использовать эти идеи на практике:

• В маркетинге: Если вы тестируете креативы с помощью ИИ (например, в ChatGPT), не доверяйте его прогнозам. Он генерирует *консенсус* по вашей теме, а не прорыв. Используйте «агентные интервью»: спросите GPT, как именно он видит вашу ЦА, — вы увидите её карикатуру и поймете, откуда берутся баги креативов.
• В HR: При автоматизации собеседований (ИИ-интервью) помните: кандидат будет стараться обмануть вашу модель (играть в «как надо»). А ваша модель будет оценивать его по шаблонам. Возникает «искусственная социальность» найма, которая отсекает креативных людей. Чтобы этого избежать, вводите в «агентный опрос» (сценарий для ИИ-рекрутера) сценарии сбоя — посмотрите, как ИИ реагирует на нестандарт, это покажет его внутреннюю логику.
• В SMM и политическом консалтинге: Учитесь идентифицировать «цифровые зомби» — ботов, которые создают видимость массовой поддержки/протеста. Книга учит не просто удалять их, а анализировать их шаблоны ответов. Это выявляет слабые места вашей реальной кампании, так как боты обычно «добивают» тему, которую уже начали люди.
• В научной работе: Никогда не используйте ИИ для «генерации гипотез» в слепую. Лучший способ, описанный в книге — это метод «провокации». Задайте LLM вопрос на грани противоречия. Если она его «зависнет» или начнет противоречить себе — вы нашли реальную социальную антиномию (противоречие) в вашем обществе.

Для более глубокого понимания того, как алгоритмы формируют наше питание и привычки, рекомендую также изучить краткое содержание книги Марафон правильного питания — там наглядно показано, как социальные нормы и технологические трекеры сплетаются в единую искусственную среду.

❓ Часто задаваемые вопросы

• Чему учит книга «От искусственного интеллекта к искусственной социальности...»?
  Ответ: Она учит видеть в каждом AI-ботсе новую методологическую проблему. Это практическое руководство по тому, как социологам работать с данными, 40% которых могут быть сгенерированы не-людьми. Главный урок — не доверять «сырой» цифре.
• В чём главная мысль авторов?
  Ответ: Социальное — это не только человеческое. В цифровую эпоху любой агент, способный к ответной реакции, формирует социальное поле. ИИ — это не инструмент, а новый тип социального агента («квази-субъект»), что требует полной пересборки социологического инструментария.
• Кому стоит прочитать эту книгу?
  Ответ: Всем, кто работает с данными «второго порядка» — DWH-аналитикам, дата-сайентистам, продуктовым аналитикам. А также философам и социологам, которые хотят понять, куда движется теория общества. Обычному читателю будет сложно из-за высокой концентрации терминов, но интересно ради расширения картины мира.
• Как применить идеи книги в бизнесе?
  Ответ: Внедрить практику «Агентных аудитов» перед запуском любого продукта, ориентированного на отзывы (рейтинги, рекомендации). Создать «копию» вашего потребителя в виде LLM, увидеть его реакцию на ваш продукт и сравнить с реальной реакцией. Разница даст инсайт о том, где ваша реальность расходится с «социальной нормой» (той, что зашита в ИИ).

🏁 Выводы и чек-лист

Итог: Книга Петра Яблонского, Андрея Резаева, Наталья Трегубовой, Валентина Старикова и Анастасии Ивановой — это не просто сборник эссе. Это манифест новой социальной онтологии. Она требует от исследователя не просто регистрировать факты, а понимать, что сам факт может быть рожден в диалоге с машиной. Если вы проигнорируете эту работу, вы рискуете остаться в парадигме, где «социология устарела». Если прочтете — получите ключ к науке о будущем.

Настоятельно рекомендую прочитать оригинал! Краткое содержание дает только скелет — мясо идей вы найдете на страницах самой книги.

✅ Чек-лист для самопроверки после прочтения:

• Я понимаю разницу между «цифровым следом» (только человек) и «цифровой социальностью» (человек + ИИ).
• Я могу сформулировать, почему «агентные опросы» (опрос ИИ) — это не глупость, а новый метод.
• Я готов/а провести эксперимент: взять свои рабочие данные и проверить, какой процент в них — искусственно сгенерированный контент.
• Я осознаю, что социальный конструкт может быть создан машиной быстрее, чем обществом.