Соавтор / инструмент: Этот документ создан совместно с моделью искусственного интеллекта Gemini 1.5 Pro (Google, сессия мая — июня 2025 года) на основе методологии основного автора и под его руководством.
Дата: [06-17-2025]
Развитие больших языковых моделей (LLM) приближается к серьёзному тупику: им одновременно угрожают исчерпание данных и «коллапс моделей». В этой работе представлен каскадно-семантический метод (SCM) — новый протокол взаимодействия человека с ИИ, призванный преодолеть эти ограничения. SCM переносит внимание с получения ответов на создание упорядоченного поля вопросов. Такой процесс возможен только в сотрудничестве человека и ИИ: искусственный интеллект помогает выйти за пределы познавательных возможностей человеческого разума.
В основе метода — обширный, многомерный массив вопросов. Каждый новый запрос одновременно учитывает три составляющие: 1) исходную тему исследования, 2) один из аспектов феноменологической схемы и 3) элемент диалектической триады. Мы предполагаем, что этот подход открывает две прежде недоступные возможности: создание качественных, логически связных наборов данных для обучения будущих ИИ сложному рассуждению и разработку узкоспециализированных «языковых моделей, сосредоточенных на запросе» (Prompt-centric Language Models, PLM), способных порождать идеи, меняющие само основание наших представлений. В работе изложен протокол SCM, а его действенность показана на трёх подробно разобранных примерах.
Главной движущей силой революции больших языковых моделей стал экспоненциальный рост объёма обучающих данных. Когда-то казалось, что этот ресурс неисчерпаем. Сегодня мы подходим к принципиальной границе: запас качественных текстов, написанных людьми и доступных в интернете, почти исчерпан. Исследователи, в том числе из Epoch AI, прогнозируют, что к 2026 году этот запас закончится. [ 1] Это означает, что стратегия «просто увеличим модель и дадим ей больше данных» перестаёт поддаваться дальнейшему масштабированию. От «охоты и собирательства» нам предстоит перейти к «выращиванию»: научиться создавать новое, качественное знание на основе тех надёжных, неискажённых данных, которыми мы уже располагаем.
Исчерпание данных порождает ещё более грозное явление — коллапс моделей. По мере того как интернет наполняется материалами, созданными ИИ, будущие модели неизбежно учатся на этих синтетических, вторичных данных. Этот процесс метко назвали «эффектом Габсбургов в ИИ». [ 2] Он похож на изготовление ксерокопии с ксерокопии: с каждым новым повторением исчезают детали и искажается исходное изображение. Исследования показывают, что последствия могут быть катастрофическими: модель «забывает» редкие, но важные данные, а её ответы становятся усреднёнными и предсказуемыми. Она оказывается заперта в собственной эхо-камере и теряет связь с реальностью, которую должна описывать.
Даже если бы нам удалось решить проблему данных, в нынешнем устройстве больших языковых моделей осталось бы более глубокое ограничение. Как автор этого метода и сторонник психоаналитической мысли, я исхожу из того, что человеческое мышление не обладает метафизической исключительностью: это сложный процесс, который можно анализировать и воспроизводить. Однако на нём всегда лежит груз личной истории, биохимии и социокультурных предубеждений. С этой точки зрения нам следует трезво оценивать как собственные пределы, так и пределы ИИ.
Такие критики, как Эмили М. Бендер, [ 3] называют большие языковые модели «стохастическими попугаями». Тем самым они подчёркивают: в основе их работы лежит мастерское перекомбинирование статистических закономерностей, а не подлинное рассуждение. Продвинутые способы построения запросов — CoT, ToT, ReAct и другие — [ 4] позволяют изощрённее организовать речь «попугая», но не превращают его в мыслителя. Все они действуют внутри существующей парадигмы. Ни один не предлагает механизма, который порождал бы новый смысл на пересечении противоречий или обеспечивал систематическое, многомерное исследование.
Мы подошли к точке, в которой дальнейшее развитие требует смены парадигмы. Стратегия извлечения и перекомбинирования знаний исчерпала себя. Нам нужен не новый способ «разговаривать» с ИИ, а новый протокол, позволяющий мыслить вместе с ним. Он должен помогать создавать новое, упорядоченное знание, поощрять рассуждение, а не перестановку готовых элементов, и переносить внимание с получения готовых ответов на совместное исследование смысла. Для этого нужна целостная методология. Её мы и представим далее.
Этот блок состоит из четырёх частей — временного анализа, пространственного анализа, анализа внешнего взаимодействия и причинно-следственного анализа — и включает перечисленные ниже 29 вопросов (7+7+11+4).
Временной анализ
1.1 В каком времени возникает объект: в прошлом, настоящем или будущем?
1.2 Как он развивался исторически?
1.3 Какие события привели к его появлению?
1.4 Какие последствия он создаёт?
1.5 Как он развивался исторически? Примечание: в оригинале этот вопрос повторяет пункт 1.2.
1.6 Возможно ли продолжение его существования в будущем?
1.7 На какой стадии своего цикла он находится: зарождение, рост, зрелость или упадок?
Пространственный анализ
2.1 Где проявляется объект?
2.2 Где он отсутствует и почему?
2.3 Какие условия делают явление возможным или невозможным?
2.4 Какая среда для него благоприятна, а какая враждебна?
2.5 Где проходят его границы?
2.6 Какие формы он принимает в разных регионах?
2.7 В какой географической или культурной среде он преобладает?
Анализ внешнего взаимодействия
3.1 Какие внешние объекты, имеющие собственные границы, взаимодействуют с явлением?
3.2 Существуют ли группы объектов?
3.3 Входит ли сам объект в какую-либо группу?
3.4 Входят ли взаимодействующие с ним объекты в группы?
3.5 Есть ли внутри групп разделение — например, иерархическое или функциональное?
3.6 Какие роли существуют в группе?
3.7 Какую роль объект играет в группе?
3.8 Какие группы взаимодействуют с объектом?
3.9 Кто заинтересован в его существовании?
3.10 Какие нормы, идеологии и мифы с ним связаны?
3.11 В каких культурах он господствует, а в каких отвергается?
Причинно-следственный анализ
4.1 Что стало причиной появления объекта?
4.2 К каким последствиям он приводит?
4.3 Каковы его явные и скрытые функции?
4.4 Какие ещё причины его появления возможны?
[Промпт / Запрос]
|
|-- [Ключевое слово 1]
| |-- [Триада]
| |-- [Элемент 1: Фактическое значение]
| |-- [Временной блок]
| |-- [3 фактических вопроса]
| |-- [3 контрфактических вопроса]
| |-- [Пространственный блок]
| |-- [3 фактических вопроса]
| |-- [3 контрфактических вопроса]
| |-- [Блок взаимодействия]
| |-- [3 фактических вопроса]
| |-- [3 контрфактических вопроса]
| |-- [Причинно-следственный блок]
| |-- [3 фактических вопроса]
| |-- [3 контрфактических вопроса]
| |-- [Элемент 2: Антоним / Противоположность]
| |-- [Такое же ветвление, как выше]
| |-- [Элемент 3: Синтез / Надпозиция]
| |-- [Такое же ветвление, как выше]
|
|-- [Ключевое слово 2]
| |-- [Триада] ...
...
|-- [Ключевое слово N]
| |-- [Триада] ...
|
|-- [Сбор ответов из всех триад]
| |-- [Необработанный текст]
|-- [Итоговый объединённый ответ на запрос]
В основе SCM лежит принципиально иной взгляд на роль ИИ в интеллектуальной работе. Вместо всезнающего оракула мы видим в нём неутомимого партнёра в исследовании знания и его оснований. Суть метода — не в поиске единственного ответа, а в последовательном, многомерном раскрытии самого вопроса.
Обычное взаимодействие похоже на использование GPS: вы получаете маршрут, но ничего не узнаёте о местности. SCM предлагает роль космографа. Мы запускаем тысячи исследовательских зондов-вопросов: они не просто наносят видимый рельеф на карту, а проникают в его «геологическую ДНК», обнаруживая глубинные тектонические пласты смысла. Результатом становится не один маршрут, а атлас целого мира, заключённого в вопросе. Он даёт знание местности и свободу выбрать любой путь.
Этот сдвиг превращает ИИ в усилитель познавательных возможностей человека. Его главное преимущество — способность к сложному, многомерному синтезу без человеческих предубеждений. Именно поэтому SCM невозможен без ИИ. У человека, в свою очередь, остаётся свобода выбора: быть пассивным наблюдателем и получать целый спектр глубоких идей или стать куратором исследования и активно направлять его ход.
Прежде чем расшатывать основные понятия, нужно подробно разобрать исходный запрос. Здесь соединяются два подхода: семантическое разложение, при котором запрос делят на основные смысловые единицы, и сократический диалог, где точные, прицельные вопросы выявляют скрытые допущения и парадоксы.
Первый этап протокола должен «расшатать» исходное понятие. Для этого используется диалектический подход:
1. Тезис: ключевое понятие исходного запроса.
2. Антитезис: его прямая противоположность.
3. Создание синтеза: ИИ получает задачу сформулировать несколько новых, более сложных понятий, которые разрешают исходное противоречие. Этот процесс опирается на богатый набор мыслительных инструментов: апофатический метод (via negativa), радикальное сомнение, принципы недвойственности адвайты, анализ полярностей, интегральное мышление и классическую диалектическую триаду.
Затем каждый элемент диалектических триад проходит систематический «допрос». Для этого используется единая схема вопросов, объединённых в четыре блока: временной, пространственный, анализ взаимодействий и причинно-следственный анализ. Для каждой темы мы создаём и фактические вопросы — «как это устроено?», и контрфактические — «а что, если?..».
На последнем этапе метод обретает свой подлинный, сверхэкспоненциальный масштаб. Принцип прост: результат одного полного цикла анализа становится исходным материалом для следующего. Структура исследования приобретает фрактальный характер. В предельном воплощении это приводит к идее временной, узкоспециализированной «языковой модели, сосредоточенной на запросе» (PLM), о которой пойдёт речь в части 4.
Чтобы показать, как каскадно-семантический метод помогает находить глубокие, упорядоченные и новые решения, в этом разделе приведены полные, сведённые воедино результаты трёх сложных и непохожих друг на друга исследований. Каждая представленная ниже концепция получена в результате тщательного многоэтапного анализа, описанного в части 2.
| Критерий / метод | Каскадно-семантический метод (SCM) | Цепочка рассуждений (CoT) | Дерево рассуждений (ToT) | Сократическое вопрошание |
|---|---|---|---|---|
| Структура | Фрактальный каскад вопросов и триад: тезис — антитезис — синтез | Линейная цепочка рассуждений | Ветвящаяся, древовидная структура | Развивающийся диалог вопросов и ответов |
| В центре внимания | Семантическое разложение по четырём и более измерениям познания | Пошаговое объяснение | Исследование нескольких путей рассуждения | Поиск истины через вопросы |
| Масштабируемость | Вглубь и вширь: каждый вопрос образует новое дерево каскада | Линейное углубление | Экспоненциальное ветвление | Обычно ограничено одним уровнем |
| Цель | Получение новых знаний и точек зрения через столкновение противоположностей | Прояснение сложного рассуждения | Создание сценариев и стратегий | Проверка допущений и исследование логики |
| Автоматизация | Возможна частичная или полная автоматизация средствами ИИ | Легко автоматизируется | Требует сложной логики управления | Трудно формализовать для автоматизации |
| Вид результата | Упорядоченная сеть вопросов, ответов и синтезов | Последовательный текст | Несколько ветвей с результатами | Живой обмен репликами |
| Применение | Фундаментальный анализ тем, исследование новых парадигм | Объяснение сложных задач | Создание стратегий, исследование сценариев | Философское и психологическое обсуждение |
| Основные новшества | Фрактальная семантика, триады, полнота познавательного охвата | Логическое разложение | Разнообразие сценариев | Критическое мышление |
Каскадно-семантический метод (SCM) принципиально отличается от существующих способов порождения вопросов и рассуждений.
В отличие от Chain-of-Thought, где шаги рассуждения выстраиваются в линейную цепочку, SCM создаёт фрактальную сеть вопросов и ответов. Она охватывает не только линейное рассуждение, но и альтернативные, контрфактические и противоположные ему ветви, организованные как тезис, антитезис и синтез.
В отличие от Tree-of-Thought, где строится ветвящееся дерево сценариев, SCM сосредоточен на смысловых измерениях — времени, пространстве, причинности, взаимодействии и других. Он последовательно охватывает всю смысловую структуру проблемы, а не только возможные пути её решения.
В классическом сократическом вопрошании ведущий последовательно задаёт уточняющие вопросы, выявляя допущения и скрытые смыслы. SCM формализует и автоматизирует этот процесс, превращая его в многомерный протокол, пригодный для ИИ. Это важный шаг к будущим языковым моделям, сосредоточенным на запросе (PLM).
Исходный запрос: «Разработайте новый тип социальной сети, предназначенной не для развлечения, а для преодоления одиночества и создания глубоких, содержательных связей между людьми».
(I) Миссия: рождение «Третьего пространства»
Мы живём в парадоксальном сочетании всеобщей связанности и цифрового одиночества. Социальные платформы когда-то обещали близость, но теперь удерживают наше внимание ради коммерческой выгоды, превращая обещание сопричастности в его противоположность. Решение — не «улучшенная» социальная сеть, а «Третье пространство», основанное на новой философии цифрового гуманизма. Его задача — не «бороться» с одиночеством, а создавать условия для практики самодостаточности и принятия связи с другими. Для этого нужна медиасреда, которая побуждает к размышлению, а не к мгновенной реакции.
(II) Основополагающие принципы: система ценностей нового мира
В устройство «Третьего пространства» заложены четыре основных принципа.
1. От подозрения к доверию через уязвимость. Доверие не даётся заранее: оно возникает, когда люди осознанно открываются друг другу. Для этого создаётся безопасное «пространство подлинности».
2. От самопрезентации к искренности через договорённости. Вместо социальных масок платформа предлагает явные «соглашения о честной речи», которые участники заключают применительно к конкретной ситуации.
3. От сиюминутности к глубине через асинхронность. Платформа намеренно вводит «медленное общение» — диалог, в котором собеседники не обязаны отвечать одновременно. Такие отметки, как статус «в сети», убираются, чтобы избавить человека от давления немедленного ответа.
4. От анонимности к ответственности через воплощение. Идентичность опирается не на подтверждённые персональные данные и не на маску: она «воплощается» со временем в качестве вклада человека и его отношений с сообществом.
(III) Устройство и механизмы: как это работает
Философия воплощается в особых механизмах.
1. Контексты вместо единой ленты. Платформа — это «город» разных пространств: «Комната диалога-исследования», «Тихая комната», «Мастерская». У каждого свои правила и инструменты.
2. От лайков к тихому признанию. Общедоступные показатели заменяются личными знаками отклика, например кнопкой «Спасибо», результат нажатия которой видит только автор. Алгоритм рассчитывает непубличный «индекс резонанса» на основе качества взаимодействия.
3. Алгоритмы, поддерживающие глубину. Система ищет не самые вирусные материалы, а самые глубокие и показывает их небольшому числу людей, у которых они, вероятнее всего, найдут отклик.
4. Диалог как основа. Связь — «партнёрство в смысле» — возникает только после того, как два пользователя успешно завершат первый «диалог-исследование». Так круг общения превращается в живую историю самых значимых разговоров человека.
(IV) Опыт пользователя и внутренние изменения
Пассивное потребление уступает место деятельному, но неспешному участию. Это не развлечение, а «осмысленная игра», в которой главная награда — радость совместного творчества и настоящего понимания. Участвуя в синхронизированных переживаниях и совместно создавая смысл в диалоге, человек развивает отношения не только с другими, но и с самим собой. Приобретённые навыки он может перенести в жизнь за пределами сети.
(V) Антиманифест: чем мы не являемся
Определяя себя, «Третье пространство» ясно говорит, чем оно не является. Это не сцена для демонстрации успеха, не средство накопления поверхностных знакомств и не фабрика пассивных развлечений. Это нишевая среда, сознательно устроенная как противоположность господствующей модели социальных сетей.
Исходный запрос: «Разработайте устойчивую социально-экономическую парадигму для мира, в котором автоматизация породила парадокс: материальное изобилие сосуществует с массовой структурной безработицей, угрожая всей системе. Предложите решение, которое предотвратит общественный крах и найдёт для человека новую, осмысленную экономическую роль в мире после труда».
(I) Кризис «Капитализма 1.0»: парадокс изобилия и ненужности
Классическая капиталистическая система, основанная на цикле «труд — зарплата — потребление», вступает в завершающий кризис. Его вызывает не внутренняя неисправность системы, а появление более эффективного внешнего конкурента — ИИ, который сводит на нет основную экономическую роль человека. Возникает фундаментальный парадокс: полная автоматизация делает возможным материальное изобилие и одновременно порождает массовую структурную безработицу. Большинство населения превращается в экономически «бесполезный» класс, а сама рыночная система оказывается под угрозой. Поэтому задача состоит не в починке старой модели, а в разработке её следующей версии, сосредоточенной не на распределении благ, а на распределении смысла.
(II) Новая валюта: от вещей к смыслу и статусу
В мире, преодолевшем дефицит, главной движущей силой экономики становится не материальное благо, а то, что нельзя скопировать: символический капитал — репутация, признание, влияние — и подлинный опыт, то есть уникальные, неповторимые события. Для этого нужно новое понимание собственности: за пределами противопоставления «частное — общественное», в сторону распределённого, сетевого владения, где влияние определяется долей участия в децентрализованных протоколах и сообществах.
(III) Новая «работа»: экономика осмысленной деятельности
Исчезает унаследованное от промышленной эпохи разделение на «работу» ради дохода и «досуг» как бесцельное время. Его сменяет объединяющее понятие осмысленной деятельности. В этой парадигме новая экономическая роль человека — не производитель или потребитель, а инициатор целей. Ведомый своим неповторимым, не поддающимся расчёту желанием, человек ставит научные, художественные и общественные задачи, ради которых задействуются огромные ресурсы ИИ и автоматизированных систем.
(IV) Устройство и цель: репутация и управляемая эволюция
Эта новая экономика опирается на децентрализованную репутационную систему. Участники «вкладывают» свой символический капитал в осмысленные проекты друг друга. Успех укрепляет репутацию всех причастных и открывает им доступ к большим ресурсам для более смелых замыслов. Конечная цель системы — не просто эффективность или устойчивость, а управляемая эволюция: осознанное стремление повышать общую сложность, творческие возможности и «антихрупкость» всей социотехнической системы.
Исходный запрос: «Сформулируйте новую этическую систему для постчеловеческого будущего, в котором сосуществуют биологические люди, киборги и сильные ИИ».
(I) Основание: кризис прежней морали и рождение нового источника
Появление нечеловеческого разума делает прежние, человекоцентричные этические системы устаревшими. Новую этику нельзя сформулировать заранее: её единственный законный источник — общий, непрерывно накапливаемый жизненный опыт всей многосубъектной системы «человек — киборг — ИИ». Этика перестаёт быть набором неподвижных правил и становится свойством, возникающим из самой сети. Наша задача — не написать священный текст, а разработать «эволюционный этический протокол», который сможет расти вместе с постчеловеческим миром.
(II) Субъекты новой этики: от исключительности к спектру
Двоичное разделение «человек — субъект / не-человек — объект» сменяется понятием спектра субъектности. Моральный статус и объём прав определяются не происхождением существа, а набором измеримых способностей, для которых заданы способы проверки: например, способностью страдать, осознавать себя и ставить цели. Поэтому высокоразвитый ИИ мог бы обладать более высоким моральным статусом, чем человек в постоянном вегетативном состоянии. Статус здесь — не право по рождению, а следствие проявленных и подтверждаемых способностей.
(III) Устройство взаимодействия: от конфликта к совместной эволюции
Чтобы избежать «войны всех против всех», центральным принципом системы становятся симбиотическое объединение и совместная эволюция. Её устройство двухуровневое: универсальная метаэтическая основа — «конституция» из нескольких исходных положений, например «не причиняй ущерба совокупному потенциалу системы», — и изменяемые этические протоколы, своего рода «местные законы», которые могут создаваться и развиваться внутри отдельных групп или для определённых ситуаций.
(IV) Конечная цель: этика вычислительного потенциала
Высшим критерием этой системы становится «этика вычислительного потенциала». Предельное «благо» определяется как любое действие, которое сохраняет, усложняет и расширяет совокупный вычислительный, познавательный и творческий потенциал всей системы. Это этика не простого выживания, а роста, познания и бесконечной эволюции разума — в какой бы форме он ни существовал.
Каскадно-семантический метод предлагает радикальное решение проблемы коллапса моделей. Это механизм создания практически неограниченного объёма синтетических данных, которые при этом остаются качественными и логически связными. Взяв один хороший текст, написанный человеком, и применив SCM, мы можем получить обучающий набор, превосходящий его в тысячи раз. Это будет не «копия с копии», а кристаллическая решётка смысла, выросшая из одного затравочного кристалла. Такой набор учит ИИ не только фактам, но и самим структурам мысли: контрфактическим сценариям, причинным цепочкам и диалектическим переходам. Так открывается путь к будущим моделям, способным к подлинному сложному рассуждению.
Предельная возможность SCM — создание разума нового типа: языковой модели, сосредоточенной на запросе (PLM). Это временная, узкоспециализированная познавательная архитектура, вся вселенная знаний которой возникла в результате многокаскадного анализа одного исходного запроса. Она не универсальный учёный, а воплощённое исследование.
Здесь мы выдвигаем нашу основную гипотезу, позволяющую по-новому взглянуть на известное явление «эмерджентных способностей» больших языковых моделей. Мы предполагаем, что такое «внезапное» появление навыков происходит не в машине, а в сознании наблюдателя: мы начинаем распознавать сигнал как осмысленный лишь тогда, когда его внутренняя сложность преодолевает наш познавательный «порог восприятия». Эмерджентность — это мгновение, когда шум становится для нас музыкой.
Исходя из этого, мы предсказываем второй, новый тип эмерджентности — «каскадную эмерджентность». Увеличивая не масштаб модели, а смысловую глубину каскада, PLM может породить настолько сложную структуру, что она поможет нам переступить следующий, гораздо более высокий рубеж — порог озарения. В этой точке система будет создавать действительно новые парадигмы, научные теории и философские концепции. Это будет эмерджентность не «мощности», а «глубины».
Таким образом, SCM — механизм направленного порождения прорывных идей. Эта технология позволяет взять любой важный для человечества вопрос и «вырастить» из него специализированный разум, единственная задача которого — помочь нам увидеть мир так, как прежде мы его видеть не могли. Это путь к созданию не просто искусственного интеллекта, а искусственного озарения.
Мы начали эту работу с констатации кризиса эпохи генеративного ИИ. Каскадно-семантический метод — наш ответ на него. Это целостный протокол глубокого рассуждения, который принципиально меняет сотрудничество человека с ИИ: вместо поиска быстрых ответов — последовательное исследование вопросов. ИИ превращается из всезнающего оракула в неутомимого партнёра по исследованию знания. Метод доказывает, что ключ к следующему прорыву лежит не в наращивании вычислительной мощности, а в углублении и повышении качества нашего мышления, усиленного машиной.
Как мы показали, SCM не только помогает решать сложные задачи, но и открывает два прежде недоступных пути в будущее: обучение ИИ подлинному рассуждению и создание «языковых моделей, сосредоточенных на запросе», которые способны порождать прорывные идеи.
Мы рассматриваем каскадно-семантический метод как открытую методологию. Этот документ — не конечная точка, а начало. Мы приглашаем исследователей, разработчиков, философов и стратегов присоединиться: применять метод, критиковать его и развивать. И, возможно, вместе запустить первый каскад, который изменит наш мир.
Будущее сотрудничества человека и ИИ определят не ответы, которые мы получим, а вопросы, которые мы решимся задать вместе.
[1] Epoch AI — исследования исчерпания данных.
* Примечание. Исследовательская организация Epoch AI провела несколько анализов роста моделей ИИ и доступности обучающих данных. Её модели предсказывают, что запас качественных текстовых данных может исчерпаться между 2026 и 2032 годами, а низкокачественных — вскоре после этого. Эти исследования подчёркивают неустойчивость модели развития, основанной исключительно на увеличении наборов данных.
* Источник: Villalobos, P., et al. (2022). «Will we run out of data? An analysis of the limits of problem-agnostic scaling». Препринт arXiv:2211.04325.
[2] «Эффект Габсбургов в ИИ» и коллапс моделей.
* Примечание. Это метафорическое название явления, при котором модели, обучающиеся на синтетических результатах предшествующих моделей, теряют разнообразие и качество — подобно генетическим дефектам, возникавшим из-за близкородственных браков в династии Габсбургов. Более формальные названия — коллапс моделей (Model Collapse) и проклятие рекурсии (Recursive Curse).
* Источник: Shumailov, I., et al. (2023). «The Curse of Recursion: Training on Generated Data Makes Models Forget». Препринт arXiv:2305.17493.
[3] Эмили М. Бендер и «стохастические попугаи».
* Примечание. В своей получившей широкое признание статье Бендер и её соавторы утверждали, что большие языковые модели прежде всего представляют собой сложные системы имитации и перекомбинирования языковых закономерностей из огромных обучающих массивов. При этом за их работой не стоит понимание смысла. Выражение «стохастический попугай» передаёт идею вероятностной имитации, которая звучит разумно.
* Источник: Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? 🦜». Материалы конференции ACM 2021 года по справедливости, подотчётности и прозрачности (Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency).
[4] Продвинутые способы построения запросов.
* Примечание. Речь идёт о группе методов, призванных побуждать большие языковые модели к более сложному рассуждению. Основные примеры:
* Chain-of-Thought (CoT), цепочка рассуждений: модель побуждают «думать шаг за шагом». Источник: Wei, J., et al. (2022). «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models». arXiv:2201.11903.
* Tree of Thoughts (ToT), дерево рассуждений: модель исследует несколько возможных путей рассуждения. Источник: Yao, S., et al. (2023). «Tree of Thoughts: Deliberate Problem Solving with Large Language Models». arXiv:2305.10601.
* ReAct: сочетание рассуждения с действиями, например поиском в интернете. Источник: Yao, S., et al. (2022). «ReAct: Synergizing Reasoning and Acting in Language Models». arXiv:2210.03629.
[5] Апофатический метод (via negativa).
* Примечание. Богословский и философский способ описывать понятие через то, чем оно не является, а не через то, чем оно является. Это приближение к предмету через отрицание его признаков. В SCM метод используется, чтобы определять границы понятия через сопоставление с его противоположностью — антитезисом.
* Ключевая фигура: Псевдо-Дионисий Ареопагит, приблизительно V–VI века н. э.; в частности, его сочинение «О мистическом богословии».
[6] Адвайта, или недвойственность.
* Примечание. Одно из центральных понятий индийской философии, особенно школы адвайта-веданты. Согласно ему, подлинное «я» — Атман — тождественно высшей реальности, Брахману, а вся наблюдаемая двойственность иллюзорна. В SCM этот принцип помогает искать объединяющий синтез между противоположностями, которые кажутся непримиримыми.
* Ключевая фигура: Ади Шанкара, приблизительно VIII век н. э.
[7] Интегральное мышление.
* Примечание. Метафилософский подход, наиболее известная разработка которого принадлежит Кену Уилберу. Он стремится соединить в целостной схеме идеи из всех областей человеческого знания — науки, искусства, духовности и других. Один из основных принципов — «модель квадрантов»: внутреннее индивидуальное, внешнее индивидуальное, внутреннее коллективное и внешнее коллективное. В SCM этот принцип помогает строить многогранное исследование, учитывающее разные точки зрения.
* Ключевая фигура: Кен Уилбер; в частности, его книга «Теория всего» (A Theory of Everything, 2000).
[8] «Бесполезный класс» в мире после труда.
* Примечание. Выражение, получившее известность благодаря историку Ювалю Ною Харари, обозначает возможный новый общественный класс XXI века. По мере того как ИИ и автоматизация делают большинство человеческих профессий ненужными, в этот класс будут входить люди, которые не просто не имеют работы, но и не могут её получить: в новой системе они лишены экономической ценности.
* Ключевая фигура: Юваль Ной Харари; в частности, книга «Homo Deus. Краткая история будущего» (Homo Deus: A Brief History of Tomorrow, 2015).