побывала на
конференции Ассоциации «История и компьютер» по приглашению Андрея Володина.
разговор на конференции был так хорош, что я опишу здесь основные для себя тезисы.
дискуссия, в которой я участвовала, значит, была посвящена ИИ в иторической науке. вопросы классические: как быть историками с ИИ.
у меня, как у междисциплинарной исследовательницы, к историкам есть конкретные вопросы или даже запросы. как и к любой науке.
1. модели ИИ сейчас — лингвистические. это значит, что они построены на подходах из науки лингвистики. там довольно специфичное понимание текста, его значения и контекста. такие подходы — не всем подходят, простите за каламбур.
важно, чтобы учёные из других дисциплин разрабатывали свои модели, и была возможность работать не только с лингвистическими теориями, лежащими в основе методов ИИ.
2. в частности, в лингвистических моделях отсутствует историческое понимание данных и алгоритмов. это большая проблема для ИИ: там нет истории, если специально не запрашивать.
нужно, чтобы исторические науки создавали свои, иначе структурированные наборы данных. и выдачу их формировали в своих, иначе структурированных интерфейсах. иначе будет каша мала из топора.
3. для
data science нет разницы между данными, информацией, фактами, источниками и знанием. эти понятия для них — плоские и как бы на одном листе.
у историков, как и у любой науки, эти понятия отличаются. работа с архивами и другими инфраструктурами, дающими источники — должна включать сложный отбор и иерархию материалов, из которых берутся данные. а понятие информации — вообще лишнее.
4
. фейки и кейсы. эти слова — очень сильно путают.
4.1.
есть исследования, построенные на отдельных случаях (кейсах).
исследования эти потом становятся частью канона, теории строятся на них. потом случаев становится больше, часть догм и канонов пересматривается.
наука должна постоянно отслеживать эти изменения, и уточнять теории и методы, исходя из новых случаев.
если внезапно отрубить у институтов знания связующее звено в треугольнике теория-метод-предмет, у нас выйдет чудище в духе Франкенштейна. так нельзя.
4.2.
слово «фейк» — это лажа. нет фейков.
есть ошибки, недоработки, фальшивки, сфабрикованные артефакты и пр.
зачастую «фейк» — это просто неосмысленный случай. иногда «фейком» оказывается кусок данных, лишённый интерпретации. иногда — наоборот, интерпретация, построенная на устаревшем понимании истины в науке.
короче, говорить «фейк» учёным не стоит. нужно разбираться.
5. данные, на которых построены алгоритмы ИИ — это не артефакты, а
трудовые операции. нельзя воспринимать их как нечто готовое к употреблению. мы ведь не едим упаковку от риса или пакет от овощей.
вот и с «данными» так нельзя.
короче, нужно, чтобы отдельные дисциплины аккуратно и последовательно работали с ИИ — как со-производители, а также знающие, умелые пользователи.
точно так же, как есть проблема «ИИ и этики», есть проблема «ИИ и эпистемологии».
нужно выучить всем ещё одно слово на букву «э» и работать с этими проблемами в университете на каждой кафедре. так процветём. иначе — не сможем.
