17 сентября 2026 года в Зале заседаний диссертационного совета ИНИОН РАН (4-й этаж) в 15:00 состоялось 204-е заседание Московского семинара по науковедению и наукометрии имени Ракитова

17 сентября 2026 года в Зале заседаний диссертационного совета ИНИОН РАН (4-й этаж) в 15:00 состоялось 204-е заседание Московского семинара по науковедению и наукометрии имени Ракитова. Мероприятие прошло в очном формате, ведущей заседания выступила Гребенщикова Елена Георгиевна. В качестве докладчика выступил кандидат философских наук, старший научный сотрудник Центра научно-информационных исследований по науке, образованию и технологиям ИНИОН РАН Михаил Александрович Сущин с докладом на тему «О влиянии машинного обучения на методологию наук о человеке».

В начале выступления докладчик обозначил общий контекст, напомнив о наиболее резонансных достижениях машинного обучения за последние десятилетия – от глубоких сетей доверия Хинтона и победы AlphaGo до архитектуры трансформеров и AlphaFold. Однако настоящий перелом, по его мнению, произошел после релиза ChatGPT в ноябре 2022 года, когда научное сообщество начало массово использовать большие языковые модели. При этом ажиотаж последних лет оттеснил на второй план более радикальные попытки концептуального влияния машинного обучения на методологию науки. Речь идет о появлении в психологии нового типа предсказывающих моделей, которые вооружились ключевыми методическими принципами машинного обучения задолго до возникновения БЯМ. Это явление уже было охарактеризовано в литературе как «поворот» в психологии и нейронауках.

Центральная часть доклада была посвящена кризису воспроизводимости в психологии. Сущин привел данные проекта Open Science Collaboration, в рамках которого удалось воспроизвести лишь треть из 100 известных исследований, причем масштаб эффектов часто оказывался меньше оригинала. В этой связи были подвергнуты критике традиционные исследования с небольшой выборкой (SSS), основанные на проверке нулевой гипотезы (NHST). Докладчик подробно разобрал проблему переподгонки (overfitting), при которой модель, хорошо описывающая исходные данные, теряет предсказательную силу на новых данных, а также феномен p-хакинга - вольного обращения с данными ради получения желаемого статистического результата.

В качестве ответа на эти вызовы Сущин представил манифест Яркони и Вестфолла «Выбирая предсказание вместо объяснения в психологии: уроки машинного обучения». В нём авторы предлагают три меры: опираться на большие данные, использовать кросс-валидацию (проверку модели на разных частях данных) и применять регуляризацию «лассо», которая сознательно упрощает модель, чтобы она лучше работала на новых данных, а не только на тех, что уже видела.

Однако, рассказав об этих мерах, докладчик перешёл к критике. Опираясь на концепцию механистических объяснений Карла Крейвера, он подчеркнул: предсказательные модели могут улавливать случайные факторы и поверхностные связи, но это не гарантирует, что они нашли настоящие причины поведения. В качестве примера он привёл исследование, где эффективность антитабачных кампаний лучше предсказывалась по нейронной активности, чем по субъективным оценкам курильщиков, а также модель Delphi-2M — авторы которой сами предупреждают, что её результаты нельзя трактовать как причинно-следственные связи.

В заключение Сущин сформулировал главную мысль: при принятии важных решений в образовании, медицине и правовой сфере лучше опираться на понимание того, как устроены механизмы познания и поведения.

В ходе последовавшей дискуссии участники подняли ряд глубоких философских и цивилизационных вопросов. Особое внимание было уделено проблеме деэволюции человеческого сознания, которая, по мнению участников, может происходить наряду с совершенствованием искусственного интеллекта. Обсуждалось цивилизационное измерение развития ИИ и его влияние на трансформацию научного познания. Отдельным важным блоком мероприятия стало выступление заведующего Научно-исследовательским отделом библиотековедения ИНИОН РАН С. В. Соколова, который анонсировал включение в программу национальной стандартизации нового стандарта по искусственному интеллекту – ГОСТ «Искусственный интеллект в научной деятельности. Верификация библиографических ссылок и детектирование текстов, сгенерированных нейросетями, в социальных и гуманитарных науках. Требования и методика». Главным разработчиком стандарта выступает ИНИОН РАН. Было отмечено, что данный стандарт получил статус международного и был переведен из ТК 191 в ТК 164 «Искусственный интеллект», что подчеркивает его значимость для формирования единых требований к верификации библиографических ссылок и детектированию текстов, сгенерированных нейросетями, в социальных и гуманитарных науках. Также в рамках мероприятия докладчику было предложено сотрудничество в рамках экспертной группы по разработке стандарта.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: