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.