Бесплатный фрагмент - ГИЗАУРУС базовых понятий искусственного интеллекта

ГИЗАУРУС базовых понятий искусственного интеллекта

(для пользователей и 
пол (ь) зователей).
Том 1 (проспект)

Л50 Лесников С. В. ГИЗАУРУС базовых понятий искусственного интеллекта (для пользователей и пол (ь) зователей). Т.1. (проспект).

Монография представляет собой результат междисциплинарного исследования, направленного на преодоление семантического барьера между экспертами в области искусственного интеллекта (ИИ) и конечными пользователями. Вводится и операционализируется концепция ГИЗАУРУСа — гибридного, инклюзивного, защищённого и адаптивного гипертекстового тезауруса.

Цель работы — создание работоспособной модели лексикона-навигатора, который не только разъясняет термины, но и связывает их с конкретными, доступными для тестирования технологиями (ИИ, нейросетями), обеспечивая тем самым практическое погружение в предметную область.

Ядро монографии — метаязык ГИЗАУРУСа — универсальная структура словарной статьи, адаптированная для пользователей с разным уровнем подготовки. Ключевая инновация — интеграция тематических разделов со списком реально существующих нейросетевых сервисов, поддерживающих русский язык. Монография задаёт новый стандарт в области просветительских ресурсов об ИИ, сочетая академическую строгость с практической ориентированностью.

Искусственный интеллект; ИИ; ГИЗАУРУС; тезаурус; метаязык; пользователь; пол (ь) зователь; цифровая грамотность; инклюзивность; базовые понятия; машинное обучение; нейронная сеть; алгоритм; большие данные; этика ИИ; NLP; компьютерное зрение; генеративный ИИ; человеко-машинное взаимодействие (HCI); агентность; цифровой суверенитет; гибридный интеллект; инструментарий первого касания; НКРЯ; корпус текстов; цифровая лингвистика; Словарь русских словарей С.В.Лесникова; Генеральный словник РЯ; академический словарный корпус РЯ.

© Лесников Сергей Владимирович. 2026.

Когнитивный вход в цифровую энциклопедию:

необходимость изучения проспекта ГИЗАУРУСа ИИ

Монография «ГИЗАУРУС базовых понятий искусственного интеллекта» представляет собой не просто справочное издание, а сложную информационную экосистему. В условиях «терминологического взрыва» и экспоненциального роста технологий ИИ, попытка нелинейного или случайного вхождения в такой объём данных без предварительной подготовки может привести к когнитивной перегрузке пользователя.

Именно поэтому проспект ГИЗАУРУСа является обязательным «входным фильтром» и навигационным ключом, изучение которого необходимо по следующим причинам:

Освоение метаязыка и архитектуры знания

ГИЗАУРУС построен на уникальном дефиниционном стандарте. Каждая словарная статья имеет трёхуровневую структуру: Суть (инклюзивная метафора), Принцип (операциональное объяснение) и Контекст (этико-социальные связи). Проспект разъясняет эту архитектуру, обучая пользователя «декодировать» информацию. Без понимания правил построения статьи читатель рискует упустить методологическую связку «Термин — Действие», которая является ядром инновации автора.

Определение персональной траектории (субъектность пользователя)

В Проспекте представлена иерархическая классификация пользователей (от «нейтралов» до «экспертов»). Прежде чем приступать к освоению базовых понятий, человек должен идентифицировать свою роль в системе «человек-машина». Проспект помогает пользователю осознать свою агентность (превращение из пассивного юзера (пользователя) в активного пол (ь) зователя), предлагая специфические маршруты чтения в зависимости от уровня подготовки и задач.

Методологический «компас» в океане гипертекста

ГИЗАУРУС — это не алфавитный список, а идеографическая структура, разбитая на концептуальные кластеры (Познание, Данные, Архитектура и др.). В Проспекте даётся «карта дискурсов» и таксономическая матрица. Ознакомление с ними позволяет пользователю увидеть системные связи между разрозненными терминами, напр., использовать аппарат указателей (пермутационный, географический, хронологический) для быстрого поиска.

Демистификация и «инструментарий первого касания»

Одной из целей работы является преодоление страха перед «чёрным ящиком» ИИ. Проспект содержит «Чек-лист семи шагов погружения» и обоснование матрицы оценки ИИ-сервисов. Ознакомившись с Проспектом, читатель понимает критерии, по которым автор отобрал нейросети. Это формирует доверие к источнику и подготавливает к практической апробации знаний в верифицированных сервисах.

Формирование дискурсивной гигиены

Разделы Проспекта, посвящённые критическому дискурс-анализу и Дельфи-методу, объясняют пользователю, как проводилась верификация состава словника. Это даёт научное обоснование того, почему те или иные термины включены в ГИЗАУРУС. Предварительное чтение Проспекта прививает пользователю навыки критического мышления, защищая его от маркетингового «AI-washing» и алгоритмических манипуляций ещё до начала работы с основным контентом.

Проспект ГИЗАУРУСа — это инструкция по эксплуатации гибридного интеллекта. Он выполняет роль «онбординга» (введения в систему), без которого фундаментальный труд может остаться для читателя набором сложных дефиниций. Для академического сообщества Проспект важен как обоснование научной новизны, а для широкого круга пользователей — как гарант того, что погружение в мир ИИ будет осознанным и практически результативным.

Начинать работу с ГИЗАУРУСом следует с тщательного изучения проспекта. Следующие тома без освоения Проспекта ГИЗАУРУСа читать и понять затруднительно.

ТОМ 1 (проспект)

Проспект ГИЗАУРУСа ИИ

ГИЗАУРУС базовых понятий искусственного интеллекта (для пользователей и пол (ь) зователей).

ТОМ 1 (проспект)

Проспект ГИЗАУРУСа ИИ

Аннотация

Ключевые слова

Список базовых сокращений

Библиография

Контент ГИЗАУРУСа

§1. Пролегомены

§2. Материалы и методы

§3. Субъект ИИ: иерархическая классификация пользователей

§4. Метаязык ГИЗАУРУСа: архитектура знания

ПРИМЕРы словарных статей

§5. Практический ГИЗАУРУС: тематические разделы и верифицированные сервисы

§6. Обсуждение

§7. Выводы

§8. Идеографическая структура терминосистемы ИИ: концептуальные кластеры и семантические поля

§9. Тематическая карта ИИ-ландшафта: проблемные дискурсы и их терминологические маркеры

§10. Таксономическая матрица лексического поля ГИЗАУРУСа

ГИЗАУРУС общенаучного метаязыка ИИ

ТОМ 2 (категории 1—4)

КАТЕГОРИЯ (1). Базовые термины ИИ

КАТЕГОРИЯ (2). Защита ИИ, безопасность и идентификация

КАТЕГОРИЯ (3). Язык и данные

КАТЕГОРИЯ (4). Наука (прикладные области и сферы знаний)

ТОМ 3 (категории 5—9)

КАТЕГОРИЯ (5). Потенциальные пользователи ГИЗАУРУСа

КАТЕГОРИЯ (6). Вид материального носителя информации

КАТЕГОРИЯ (7). Форма представления (жанры ГИЗАУРУСа)

КАТЕГОРИЯ (8). По объему выборки и типу упорядочения

КАТЕГОРИЯ (9). Этика, правовое регулирование и социальные риски

ТОМ 4 (категория 10)

КАТЕГОРИЯ (10). Методология взаимодействия и когнитивная эргономика

ТОМ 5 (разделы 1—5)

РАЗДЕЛ 1. Пролегомены

РАЗДЕЛ 2. Материалы и методы

РАЗДЕЛ 3. Субъект ИИ: иерархическая классификация пользователей

РАЗДЕЛ 4. Метаязык ГИЗАУРУСа: архитектура знания

РАЗДЕЛ 5. Практический ГИЗАУРУС: тематические разделы и верифицированные сервисы

ТОМ 6 (ИИ от А до Я)

ГИЗАУРУС ИИ: от А до Я

Критический дискурс-анализ (КДА): деконструкция мифов ИИ

ТОМ 7

Концепт-анализ: выделение ядра и периферии понятий «интеллект», «обучение», «агентность»

ТОМ 8

Дельфи-метод: трехэтапный экспертный опрос для верификации состава

ТОМ 9

Матрица оценки AI-сервисов: критерии отбора (доступность, русский язык, безопасность)

ТОМ 10

Юзабилити-тестирование: апробация прототипа на фокус-группах (метод «мысль вслух»)

ТОМ 11 (разделы 6—7)

ТОМ 12 (приложения)

ПРИЛОЖЕНИЯ

А. Именной указатель.

Б. Предметный указатель (основа)

Указатель ключевых терминов и понятий

Указатель нейросетевых сервисов и поисковых систем (кратко)

Указатель нейросетевых сервисов и поисковых систем (подробно)

В. Географический указатель (центры разработки ИИ).

Г. Хронологический указатель (вехи ИИ).

Д. Пермутационный указатель ключевых слов.

Предметный указатель (детальный)

Научное издание

Нарратив ГИЗАУРУСа ИИ

Аннотация

Монография представляет собой результат междисциплинарного исследования, направленного на преодоление семантического барьера между экспертами в области искусственного интеллекта (ИИ) и конечными пользователями. Вводится и операционализируется концепция ГИЗАУРУСа — гибридного, инклюзивного, интерактивного, защищённого и адаптивного гипертекстового тезауруса.

Цель работы — создание работоспособной модели лексикона-навигатора, который не только разъясняет термины, но и связывает их с конкретными, доступными для тестирования сервисами и технологиями (ИИ, нейросетями), обеспечивая тем самым практическое погружение в предметную область ИИ.

Ядро монографии — метаязык ГИЗАУРУСа ИИ — универсальная структура словарной статьи, адаптированная для пользователей с разным уровнем подготовки. Ключевая инновация — интеграция тематических разделов со списком реально существующих и доступных нейросетевых сервисов, поддерживающих русский язык. Монография задаёт новый стандарт в области просветительских ресурсов об ИИ, сочетая академическую строгость с практической ориентированностью.

Представленная монография является фундаментальным междисциплинарным трудом, фиксирующим состояние метаязыка искусственного интеллекта на текущем этапе глобальной технологической революции. Работа находится на пересечении цифровой лингвистики, когнитивной эргономики, педагогического дизайна и инженерии знаний. Автор предлагает не просто классический энциклопедический справочник, а «ГИЗАУРУС» — инновационную модель гипертекстового тезауруса, призванного стать навигационной картой в стремительно усложняющемся мире алгоритмов.

Центральной проблемой исследования выступает стремительно растущий семантический барьер между экспертным сообществом разработчиков и конечными пользователями. В условиях «терминологического взрыва» и непрозрачности механизмов ИИ личность рискует превратиться из активного субъекта в объект манипуляций. Исследование убедительно доказывает, что современное цифровое неравенство переместилось из плоскости «доступа к технологиям» в плоскость «понимания принципов их работы». ГИЗАУРУС призван ликвидировать это неравенство, возвращая человеку цифровую агентность.

Методологическая база монографии отличается исключительной строгостью и многогранностью. Автор последовательно применяет критический дискурс-анализ для деконструкции мифов об ИИ, концепт-анализ для выделения ядерных смыслов понятий «интеллект» и «обучение», а также Дельфи-метод для экспертной верификации состава генерального словника ГИЗАУРУСа ИИ. Особую научную ценность представляет раздел «Метаязык ГИЗАУРУСа: архитектура знания», в котором вводится универсальный стандарт (шаблон) словарной статьи, адаптированный для восприятия пользователями с разным уровнем подготовки.

Ключевой инновацией работы является методологическая связка «Термин — Действие». В отличие от традиционных словарей, ГИЗАУРУС интегрирует теоретические дефиниции с «инструментарием первого касания». В структуру томов встроены ссылки и задания для верифицированных нейросетевых сервисов, поддерживающих русский язык. Это позволяет читателю немедленно конвертировать теоретическое знание в практический навык, снижая когнитивный страх перед «чёрным ящиком» искусственного интеллекта.

Социальная значимость монографии заключается в формировании у читателя высокого уровня дискурсивной компетенции и информационной гигиены. ГИЗАУРУС обучает пользователя критическому анализу алгоритмических систем, защищая его от «информационных пузырей» и «информационного взрыва», алгоритмической цензуры и скрытых манипуляций. Труд фактически задаёт новый национальный стандарт цифрового просвещения, ориентированный на широкие слои населения — от студентов и учёных-энциклопедистов до рядовых пользователей и пол (ь) зователей, стремящихся сохранить субъектность в цифровую эпоху.

Структура издания включает в себя не только терминологические базы и тематические разделы по всем сферам знаний (от математики до языкознания), но и сложнейшую систему навигации. Разветвлённый аппарат указателей (предметный, именной, географический, хронологический и алфавитно-пермутационный) обеспечивает высокую юзабилити-эффективность труда.

Следует отметить прогностическую ценность и масштабируемость модели ГИЗАУРУСа. Разработанная архитектоника знаний, система таксономий и матрица оценки ИИ-сервисов являются инвариантными и могут быть успешно перенесены на другие высокотехнологичные домены, такие как квантовые вычисления или цифровые биотехнологии. Монография представляет собой реализованный проект государственного масштаба, создающий надёжный фундамент для безопасного и эффективного симбиоза естественного и искусственного интеллектов.

Ключевые слова

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ / Artificial Intelligence (AI)

Уровень 1 (Суть): это «электричество XXI века» — невидимая сила, которая заставляет машины выполнять задачи, ранее требовавшие человеческого разума (советы, перевод, творчество).

Уровень 2 (Как работает): программа не «думает», а ищет закономерности в огромных массивах данных, обучаясь предсказывать наиболее вероятный следующий шаг или результат.

Уровень 3 (Почему важно): ИИ меняет рынок труда и само понятие «интеллект», создавая вызовы для безопасности и личной приватности.

Связи: машинное обучение (частное), Алгоритм (родственное), AGI (более общее).

«Развитие информационных технологий вплотную подошло к созданию сильного искусственного интеллекта. Искусственный интеллект обладает даже теми качествами, которые мы привыкли считать сугубо человеческими. Например, интуиция на поверку оказывается чрезвычайно быстрой обработкой сигналов и сопоставлением их с накопленным опытом. Последние двести лет человек привык чувствовать себя хозяином природы, но сейчас мы опасаемся, что создаем себе другого господина: либо международную элиту, либо и вовсе искусственный интеллект, многократно превосходящий человеческий. Искусственный интеллект уже вокруг нас, от беспилотных машин и дронов до виртуальных помощников и программ для перевода. Распознавание голоса развиваются столь высокими темпами, что разговаривать с компьютером становится нормой. Любую вещь можно сделать „умнее“, встроив в нее чип и при помощи облачных технологий соединив с глобальным искусственным разумом». [Винничук Александр. Мир в XXI веке: страхи, выгодоприобретатели и постчеловеческий миф // «Знание ― сила», 2020]

ГИЗАУРУС / GIZAURUS

Уровень 1 (Суть): это «интеллектуальный мост» или навигатор, который помогает обычному человеку не утонуть в море сложных терминов и сразу перейти к делу.

Уровень 2 (Как работает): гибридная система, объединяющая строгий словарь (тезаурус) с практическими ссылками на живые нейросети, адаптируясь под уровень знаний пользователя.

Уровень 3 (Почему важно): позволяет преодолеть «цифровое отчуждение» и дает человеку инструменты для управления технологиями, а не подчинения им.

Связи: Тезаурус (родственное), Метаязык (базовое), Инструментарий первого касания (частное).

#ГИЗаУРУС=: (гизарий, гизаурусловарь, гизрусловарь, гиперлект, гиперсловарь) ГИПЕРТЕКСТовый тезаурус РуССКОГО ЯЗЫКА (= открытая гиперсистема (конструкт, свод, коллекция) — очередной виток спирали развития МФРЯ в Интернете и на CD) — это использование новейших информационных технологий для анализа (переработки в широком смысле слова (в т.ч., напр.: создание, воспроизведение, формализация, фиксация, архивация, хранение, библиографирование, каталогизация, редактирование, корректировка, издание, тиражирование, распространение, сортировка, статистика, адаптация и модификация, трансформирование, кодирование / декодирование, перевод…)) информации в нелинейной форме в интерактивном режиме на ЭВМ (с учётом иерархических, ассоциативных, сетевых и реляционных парадигматических связей) посредством синтагматически реализованных в компьютерной форме (фреймов, слотов, фасет, шпаций, доменов, объектов, структур, узлов, указателей, сегментов, агрегатов, векторов, записей, констант, переменных, идентификаторов, списков, множеств, кортежей, наборов, ссылок, файлов, групп, полей, массивов, таблиц, предикатов, отчётов, шаблонов, этикеток, карточек, кнопок, меню, экранов и сценариев и т.п.) оцифрованных лексикографических: ТЕКСТовых и СЛОВАрных, графических, аудио и видео, анимационных… данных. [Лесников С. В. Словарь русских словарей. М.: Азбуковник, 2002. Стр.29; Лесников С. В. Конструирование гипертекстового генерального свода лексики РЯ: русский гизаурус / Международная научная конференция «Язык и культура». 14—17 сентября 2001. М.: ОЛЯ РАН, научн. журнал «Вопросы филологии», Инст. иностранных языков, 2001. Стр.280—281. ISSN 1562—1391.]. (МЛт2—2021).

ГИЗАУРУС — это цифровой лингвистический инструмент, разработанный в рамках проектов РФФИ №11-07-00733 (2011—2013) «Гипертекстовый информационно-поисковый тезаурус «Метаязык науки» (структура; математическое, лингвистическое и программное обеспечения; разделы лингвистика, математика, экономика)» (научный руководитель С.В.Лесников) [Лесников 2011г: 24—31; Лесников 2020б: 430—434], №20-112-00215 «Метаязык лингвистики» (научный руководитель С.В.Лесников) и №19-012-00494 «Лексико-семантическая неология в русском языке начала XXI века» (программы на объектно-ориентированном, высокого уровня, динамическом, интерактивном, мультипарадигмальном, портируемом языке-интерпретаторе программирования Python). [МЛт2—2021; Лесников С. В. 2019, с.27—30] и позднее адаптированный исследователями для анализа семантических связей между словами на основе их совместной встречаемости в огромных текстовых массивах. Название происходит от сочетания «гипертекст» и «thesaurus» (тезаурус). В отличие от традиционных тезаурусов, основанных на экспертных суждениях, Гизаурус строит связи статистически, выявляя, какие слова чаще всего появляются в одном и том же контексте.

Основная идея Гизауруса — семантическая близость определяется не синонимией в узком смысле, а контекстуальной заменимостью. Если два слова часто окружены одними и теми же соседями (например, «машина» и «автомобиль» в окружении «водить», «ремонтировать», «дорожный»), они считаются семантически близкими. Такой подход позволяет выявлять не только синонимы, но и гипонимы, ассоциативные связи и даже культурные стереотипы.

Гизаурус особенно полезен в корпусной лингвистике, машинном обучении и цифровой гуманитарии, где требуется автоматизированное понимание смысла без участия человека. Он лежит в основе многих алгоритмов обработки естественного языка, включая word2vec и другие модели векторного представления слов.

Примеры употребления:

— Исследователь использовал Гизаурус для выявления скрытых ассоциаций между понятиями «свобода» и «ответственность» в русскоязычной прессе 2000–2020 гг.

— Гизаурус показал, что в англоязычных текстах XIX века слово «woman» чаще ассоциировалось с «domestic», тогда как сегодня — с «professional».

— Для обучения чат-бота эмпатии разработчики интегрировали данные из Гизауруса, чтобы модель могла подбирать эмоционально адекватные реплики.

ПОЛ (Ь) ЗОВАТЕЛЬ / User (with Agency)

Уровень 1 (Суть): это не просто пассивный потребитель («юзер»), а осознанный штурман, который понимает, как «слово» превращается в «результат» работы ИИ.

Уровень 2 (Как работает): действует через постановку задач (промптов), осознавая ограничения машины и критически оценивая её ответы.

Уровень 3 (Почему важно): буква «ь» в скобках подчеркивает пользу и вовлечённость — переход от стадии «чайника» к стадии творца.

Связи: Агентность (родственное), Цифровая грамотность (базовое).

«И ничуть не желаю, что отключился от линка. При чем тут решимость? Зачем мне ересь чужую читать, мое мнение для меня аргумент, я уже ползователя Билайна жалею, что не могу домолинк подключить на Билайне ничего скачать не могу». [Болталка Билайн / ГолденТелеком (2007—2017)]. «Безупречный графический дизайн не всегда ведет к хорошему дизайну интерфейса. Сайт, который выглядит сногсшибательно, но запутывает ползователя, — это провальный сайт» (Зельдман Дж. 2000 /пер. Симонян Анна. Говорящая структура).

АКАДЕМИЧЕСКИЙ СЛОВАРНЫЙ КОРПУС РЯ (АСК)

Уровень 1 (Суть): высокоточный цифровой эталон русского языка, основанный на трудах ведущих институтов и ученых.

Уровень 2 (Как работает): электронное хранилище текстов и определений, прошедших строгую научную проверку.

Уровень 3 (Почему важно): гарантирует, что ИИ-системы будут опираться на качественный литературный язык, а не на случайный интернет-шум.

Связи: НКРЯ, Национальный словарный фонд, Метаязык (инструмент описания), Цифровой суверенитет (защита культуры). (Лесников С. В. Концепция разработки и создания цифрового академического словарного корпуса (аск) русского языка (РЯ) // Неофилология. 2019. №19).

«В России будет создана федеральная государственная информационная система „Национальный словарный фонд“.» (static.government.ru/media/files/P3jANV2ALXmUcT218x2wQGAP04HCLN60.pdf government.ru/docs/53894/)

АГЕНТНОСТЬ / Agency

Уровень 1 (Суть): это «право на действие» — способность ИИ или человека проявлять инициативу и влиять на окружающую среду.

Уровень 2 (Как работает): переход от простой реакции на команду к выполнению сложных многошаговых задач в автономном режиме.

Уровень 3 (Почему важно): поднимает вопрос ответственности: кто отвечает за последствия поступков «умного агента»?

Связи: Автономия (родственное), Интеллектуальный агент (субъект).

«Первая книга вышла только на английском. Во второе издание, русское, вложено бешеное количество труда, потому что нужно было, например, подбирать термины. Интересно, что параллельно вышла книжка Алексея Юрчака „Это было навсегда, пока не кончилось“ про советские 80-е, и видно, как наши термины „плывут“. Мы с Юрчаком знакомы, но мы не обсуждали наши русские переводы, поэтому у нас в книге агентивность, а у него ― агентность. Кроме терминологии, которую для русского языка нужно было разрабатывать, русский вариант очень сильно поменялся на уровне высказывания. Я понимала, что американский текст ― это научный текст. Его так и восприняли ― как исследование, поддержали, наградили, мы получили приз Американского фольклорного общества „Лучшая книга года по фольклору“ в 2013 году». [Груздева Анна. «Женщина берет на себя ответственность за отношения живых и мертвых». Интервью с антропологом Светланой Адоньевой (24.10.2016)]

АЛГОРИТМ / Algorithm

Уровень 1 (Суть): это «рецепт» или точная инструкция; последовательность шагов, приводящая к решению задачи.

Уровень 2 (Как работает): получает данные на входе, обрабатывает их по правилам (логическим или статистическим) и выдает результат на выходе.

Уровень 3 (Почему важно): в мире ИИ алгоритмы принимают решения о кредитах, диагнозах и контенте, становясь невидимыми правителями информации.

Связи: ИИ (базовое), Большие данные (объект).

«Но ни с одним из таких роботов невозможно установить эмоциональную связь. И тем не менее, ожидается, что в ближайшие несколько лет социальные роботы должны заметно усложниться. Мы подходим к поворотному моменту: сегодня роботы обладают более обширными интерактивными возможностями и выполняют больше полезных задач, чем когда-либо прежде. Благодаря достижениям в области искусственного интеллекта появилась возможность переводить в алгоритмы психологические и нейронаучные наблюдения. Это позволяет роботам распознавать голоса, лица и эмоции; интерпретировать речь и жесты; адекватно реагировать на сложные вербальные и невербальные сигналы; устанавливать зрительный контакт; вести непринужденную беседу; адаптироваться к потребностям людей, усваивая уроки из обратной связи, поощрений и критики. Социальные роботы начинают играть все более разнообразные роли. Так, ростом 1,2 метра человекоподобный робот по имени Пеппер (от SoftBank Robotics) распознает лица и основные человеческие эмоции и участвует в разговорах через сенсорный экран, расположенный у него в „груди“.» [Будущее: роботы рядом с нами // «Знание ― сила», 2020]

БОЛЬШИЕ ДАННЫЕ / Big Data

Уровень 1 (Суть): это «цифровой океан» информации — столько данных, что их невозможно обработать обычными способами.

Уровень 2 (Как работает): использование мощных серверов для поиска скрытых связей в хаотичных потоках текстов, видео и транзакций.

Уровень 3 (Почему важно): это «топливо» для ИИ; без огромных датасетов современные нейросети не смогли бы ничему научиться.

Связи: Машинное обучение (метод обработки), Приватность (риск).

«По ссылке можно посмотреть прекрасное введение в проблематику алгоритмизации и рассказ о сложности ответа на вопрос „Что такое алгоритм?“. Большие данные (Big Data) Объемные, быстро растущие в количестве и многообразные по структуре и типам информации данные». [Алексей Незнанов. Тезаурус: История больших данных. Базовые понятия, чтобы разобраться в связи между анализом больших данных и разработкой искусственного интеллекта (2018.06) // «Постнаука», 2018]

ГЕНЕРАЛЬНЫЙ СЛОВНИК РЯ / General Vocabulary of Russian

Уровень 1 (Суть): единый «реестр» всех слов русского языка, когда-либо зафиксированных учеными.

Уровень 2 (Как работает): сводный список, объединяющий словники академических, диалектных и специальных словарей.

Уровень 3 (Почему важно): ключ к созданию универсальных систем распознавания речи и полнотекстового поиска.

Связи: АСК РЯ (реализация), НКРЯ (соседняя база). (Генеральный словник русского языка Титул // Говор: альманах. 2013. №11—1. С.1—2. — EDN SMPIBJ).

ГЕНЕРАТИВНЫЙ ИИ / Generative AI

Уровень 1 (Суть): ИИ-творец, который не просто анализирует старое, а создает принципиально новое: тексты, стихи, картины, музыку и код.

Уровень 2 (Как работает): модели (типа GPT или Diffusion) предсказывают, какой фрагмент контента лучше всего дополнит предыдущий на основе выученных стилей.

Уровень 3 (Почему важно): совершает революцию в креативном труде, вызывая споры об авторстве и истинности контента.

Связи: ChatGPT (сервис), Трансформер (архитектура).

«Генеративный искусственный интеллект (Generative Artificial Intelligence, или GenAI) — это тип нейронных сетей, которые используются для создания новых данных на основе полученной при обучении информации. Такие нейросети могут создавать изображения, тексты, аудио и видео, концепты и другие типы контента. Суть генеративного искусственного интеллекта заключается в развитии машинного обучения. Нейросеть учится на загружаемом в неё массиве данных, из которых она способна извлечь некие характеристики и закономерности. На основе этого собирательного анализа нейросеть генерирует новый контент. Например, когда мы пишем текстовый промпт в Midjourney, нейросеть создаёт ответ именно на основе ранее изученного материала». (https://practicum.yandex.ru/blog/generativnyi-iskusstvennyi-intellekt/)

ГИБРИДНЫЙ ИНТЕЛЛЕКТ / Hybrid Intelligence

Уровень 1 (Суть): кентавр будущего — союз человеческой интуиции и творческого начала с мощью машинных вычислений.

Уровень 2 (Как работает): система, в которой ИИ берет на себя рутину и анализ, а человек принимает финальные этические и стратегические решения.

Уровень 3 (Почему важно): позволяет достичь результатов, недоступных человеку или машине по отдельности.

Связи: Симбиоз (метафора), Коллаборация (форма).

«Гибридный интеллект объединяет искусственный и человеческий интеллект для достижения более эффективных результатов. Он сочетает в себе преимущества обоих типов интеллекта, позволяя решать сложные задачи и принимать взвешенные решения. Гибридный интеллект- это система адаптивного информационного взаимодействия коллектива операторов и информационной техники, построенная по следующим принципам: 1. динамичность взаимодействия системы; 2. наличие развитых средств сбора, хранения, передачи и обработки информации; 3. наличие наряду с узкопрофессиональными языками общего универсального языка общения». (https://dzen.ru/a/Zr8WKz8splrkWDOE)

ИНКЛЮЗИВНОСТЬ / Inclusivity

Уровень 1 (Суть): это «открытые двери» в мир технологий для всех, независимо от возраста, образования или физических возможностей.

Уровень 2 (Как работает): проектирование систем (и словарей) так, чтобы язык был простым, интерфейс удобным, а доступ — свободным.

Уровень 3 (Почему важно): предотвращает появление «цифровых изгоев» и обеспечивает равные шансы на успех в эпоху ИИ.

Связи: Пол (ь) зователь (объект), Метаязык (инструмент).

«Глава римско-католической церкви отметил, что искусственный интеллект и роботы в силах изменить мир к лучшему, но только в том случае, если технологии будут использоваться правильно. Иначе плоды технического прогресса приведут к усилению неравенства и, возможно, глобальным вызовам для всего человечества. Ранее в 2020 году Ватикан совместно с Microsoft и IBM опубликовал „Римский призыв к этике искусственного интеллекта“. В нем обозначены принципы, которыми должны руководствоваться разработчики технологии: прозрачность, инклюзивность, ответственность, беспристрастность, надежность и безопасность». [Папа Римский призвал молиться о безопасности роботов // РИА Новости, 11.11.2020]

ИНСТРУМЕНТАРИЙ ПЕРВОГО КАСАНИЯ / Tool of First Contact

Уровень 1 (Суть): «песочница» для новичка — набор самых простых и безопасных сервисов, на которых можно впервые попробовать ИИ в деле.

Уровень 2 (Как работает): Связка термина ГИЗАУРУСа с конкретной ссылкой (напр., Kandinsky для рисования), позволяющая проверить теорию на практике за 1 минуту.

Уровень 3 (Почему важно): Снимает страх перед неизвестным и дает мгновенное ощущение успеха («Я могу управлять ИИ!»).

Связи: ГИЗАУРУС (база), Апробация (метод).

КОМПЬЮТЕРНОЕ ЗРЕНИЕ / Computer Vision

Уровень 1 (Суть): это «глаза» машины — способность ИИ видеть, опознавать предметы и ориентироваться в пространстве.

Уровень 2 (Как работает): изображение разбирается на пиксели, в которых нейросеть ищет характерные линии, формы и текстуры.

Уровень 3 (Почему важно): основа для беспилотных авто, медицинской диагностики по снимкам и систем безопасности.

Связи: Нейронная сеть (инструмент), Автономные системы (применение).

«В том числе это компьютерное зрение, когда машина с помощью камеры может видеть и распознавать изображения, рекомендательные системы, когда машина помогает сделать выбор, изучая предпочтения людей, и интеллектуальные системы поддержки принятия управленческих решений». [Сгенерированный голос почти невозможно отличить от человеческого, сказал Греф // Парламентская газета, 2021.01.27]

КОРПУС ТЕКСТОВ / Text Corpus

Уровень 1 (Суть): «сырье» для лингвиста и нейросети — систематизированное собрание текстов, представляющее язык в его многообразии.

Уровень 2 (Как работает): тексты оцифровываются, очищаются от мусора и размечаются тегами (части речи, значения), превращаясь в датасет.

Уровень 3 (Почему важно): качество ИИ напрямую зависит от качества корпуса, на котором он учился «думать».

Связи: Большие данные (форма), Разметка (процесс).

«Первый корпус текстов брался из личных запасов (библиотек) организаторов». [Андреева Ю. И. Многоточие сборки (2009)]

«Полностью буддийская литература, синтезировавшая и многие черты книжной индийской словесности (стихи украшенного стиля маха-навья), до нас не дошла, но ее удается восстановить, сопоставляя периферийные ответвления (цейлонский корпус текстов на пали и восточно-азиатские переводы с центрально-азиатскими промежуточными звеньями центрально-азиатские тохарские и иранские переводы и т. п.)». [Иванов Вяч. Вс. Литературы Древнего Востока: Краткий конспект лекций (1988)]

МАШИННОЕ ОБУЧЕНИЕ / Machine Learning (ML)

Уровень 1 (Суть): это «учеба на примерах» — способ научить компьютер решать задачу, не прописывая каждое правило вручную, а показывая ему тысячи образцов.

Уровень 2 (Как работает): математическая модель настраивает свои внутренние параметры (веса), чтобы минимизировать ошибки в предсказаниях на основе опыта.

Уровень 3 (Почему важно): основа современного прогресса ИИ; позволяет автоматизировать процессы, которые раньше считались не поддающимися автоматизации.

Связи: ИИ (более общее), Нейронная сеть (частное).

«Слабый искусственный интеллект (Weak AI или Narrow AI) на это не способен, но позволяет решать задачи, которые традиционно считались творческими. Большинство сегодняшних разработок относятся к слабому ИИ. С его помощью мы пытаемся автоматизировать некоторые процессы принятия решения, задачи распознавания и генерации образов. В частности, традиционно к слабому ИИ относят классическое машинное обучение. Тест Тьюринга Тест, предложенный Аланом Тьюрингом в 1950 году. Цель теста — определить, может ли машина мыслить неотличимо от человека». [Незнанов Алексей. Тезаурус: История больших данных. Базовые понятия, чтобы разобраться в связи между анализом больших данных и разработкой искусственного интеллекта (2018.06) // «Постнаука», 2018]

НЕЙРОННАЯ СЕТЬ / Neural Network

Уровень 1 (Суть): математическая имитация «коллективного разума» нейронов мозга, где множество простых элементов вместе решают сложную задачу.

Уровень 2 (Как работает): состоит из слоев «узлов», которые передают друг другу сигналы; в процессе обучения связи между важными узлами усиливаются.

Уровень 3 (Почему важно): позволяет ИИ распознавать лица, понимать речь и рисовать картины, имитируя человеческое восприятие.

Связи: Машинное обучение (родственное), Глубокое обучение (частное).

«Когда говорят, знаем ли мы, как работает нейронная сеть, подразумевают, что можно запрограммировать нейронную сеть так, чтобы она работала». [Дегтярева Анна. Футурология и искусственный интеллект // «Знание ― сила», 2020]

НКРЯ / Russian National Corpus

Уровень 1 (Суть): «цифровая библиотека» всех когда-либо написанных русских текстов, используемая как эталон живого языка.

Уровень 2 (Как работает): база данных с миллиардами слов, снабженная поиском и разметкой (кто, когда и в каком смысле использовал слово).

Уровень 3 (Почему важно): фундамент для обучения отечественных ИИ-моделей правильному и богатому русскому языку.

Связи: Корпус текстов (родственное), Цифровая лингвистика (наука).

«Национальный корпус русского языка охватывает период от первых восточнославянских памятников (XI век) до первых десятилетий XXI века. Он представляет как язык предшествующих эпох, так и современный, в разных социолингвистических вариантах — литературном, разговорном, просторечном, диалектном. В корпус включаются, в частности, произведения художественной литературы (проза, драматургия, поэзия, звучащая речь кино), имеющие культурную значимость, а также представляющие интерес с точки зрения языка. Но Национальный корпус ни в коей мере не является только корпусом языка художественной литературы или тем более образцовых с точки зрения литературной нормы текстов. Основная масса вошедших в него текстов представляет речевые жанры во всем их многообразии: мемуары, эссеистика, публицистика, научно-популярная и научная литература, публичные выступления и частная устная речь, переписка (в том числе в Интернете), дневники (в том числе блоги), частные документы, любительская поэзия и т.п.» (ruscorpora.ru/page/corpora-about)

ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА / NLP (Natural Language Processing)

Уровень 1 (Суть): это умение машины «слышать» и «говорить» на человеческом языке, понимая не только слова, но и смысл.

Уровень 2 (Как работает): текст разбивается на токены, преобразуется в цифры (векторы) и анализируется нейросетью для понимания контекста.

Уровень 3 (Почему важно): позволяет создавать чат-ботов, переводчиков и системы анализа настроений в обществе.

Связи: Языковая модель (родственное), Цифровая лингвистика (научная база).

«Месопотамия онлайн: как искусственный интеллект расшифровывает древние тексты Компьютерная лингвистика, а точнее обработка естественного языка (Natural Language Processing, NLP), с недавнего времени стала одним из самых популярных направлений науки. Ее методы позволяют автоматически заменить в сообщении матерное междометие на имя девушки, убавить громкость колонок, не вставая с дивана, или перевести меню по фотографии. А группа исследователей-энтузиастов решила применить технологию машинного анализа в изучении текстов давно исчезнувших цивилизаций. Теперь компьютеры должны помочь нам перевести письмена, созданные несколько тысячелетий назад». [Калмыкова Оксана. Месопотамия онлайн: как искусственный интеллект расшифровывает древние тексты (2019.03)]

СЛОВАРЬ РУССКИХ СЛОВАРЕЙ

Уровень 1 (Суть): «Словарь всех словарей» — грандиозный архив, собирающий воедино опыт русской лексикографии за столетия.

Уровень 2 (Как работает): систематизация тысяч словарных источников в единую базу данных для анализа эволюции слов и смыслов.

Уровень 3 (Почему важно): позволяет проследить, как менялись понятия, и создает фундамент для метаязыка современного ГИЗАУРУСа.

Связи: ГИЗАУРУС (продолжение традиции), Генеральный словник (часть).

[Лесников С. В. Словарь русских словарей. М.: Азбуковник, 2002].

ЦИФРОВАЯ ГРАМОТНОСТЬ / Digital Literacy

Уровень 1 (Суть): современное «умение читать и писать» — способность не просто нажимать на кнопки, а понимать логику цифрового мира.

Уровень 2 (Как работает): включает навыки поиска информации, проверки фактов (фактчекинг), защиты данных и эффективного общения с алгоритмами.

Уровень 3 (Почему важно): без неё человек становится уязвимым для манипуляций, дезинформации и «алгоритмического рабства».

Связи: ГИЗАУРУС (инструмент), Инклюзивность (цель).

«Именно поэтому мы готовы обсудить, каким образом цифровая грамотность будет преподаваться в российских школах», — сказал депутат». [В Госдуме обсудят внедрение цифровой грамотности в школах // Парламентская газета, 2021.05.20]

ЦИФРОВАЯ ЛИНГВИСТИКА / Digital Linguistics

Уровень 1 (Суть): наука о том, как человеческий язык живет, анализируется и создается внутри компьютеров.

Уровень 2 (Как работает): применение математических методов и алгоритмов ИИ для изучения грамматики, смыслов и истории языка.

Уровень 3 (Почему важно): позволяет переводить с любого языка, понимать эмоции в тексте и создавать ГИЗАУРУСы.

Связи: NLP (приложение), Метаязык (инструмент).

«Цифровая лингвистика — это современная междисциплинарная область знаний, расположенная на стыке лингвистики, IT-технологий и социальных дисциплин. Эта наука делает акцент на разработке моделей и обработке естественного языка с использованием вычислительных методов, а также на изучении лингвистических проблем с помощью определенных подходов. Главная задача цифровой лингвистики: предоставить исчерпывающий набор теоретических, практических инструментов для коммуникации в эпоху цифровых технологий. Всё это предполагает наличие лингвистических знаний, таких как хорошее владение родным и иностранными языками. Ряд характеристик подтверждает обоснованность выделения цифровой лингвистики в отдельную научную дисциплину». (scipress.ru/philology/articles/vazhnost-tsifrovoj-lingvistiki-v-epokhu-iskusstvennogo-intellekta.html)

ЦИФРОВОЙ СУВЕРЕНИТЕТ / Digital Sovereignty

Уровень 1 (Суть): «цифровая независимость» — право человека, сообщества или страны контролировать свои данные, законы и технологии.

Уровень 2 (Как работает): создание собственных ИИ-моделей, хранение данных внутри страны и использование открытого ПО (Open Source).

Уровень 3 (Почему важно): защищает от технологического шантажа, слежки и зависимости от иностранных корпораций.

Связи: Безопасность (цель), Регулирование ИИ (инструмент).

««Традиционные подходы к построению и обеспечению информационной безопасности сетей связи спецпотребителей, основанные на использовании ресурсов сетей связи общего пользования, не обеспечивают защиту сетей связи и систем управления от кибервоздействий, от вредоносных программ при реализации информационных спецопераций, атак кибертеррористов и других киберпреступлений», — констатирует источник «Ъ» в правительстве»… заимствуем только самый лучший мировой опыт ― цифровой суверенитет у Китая, второй интернет у Ирана… а самое забавное, это про Cisco и зависимость от американских технологий%) весь мир опасается зависимости от китайского Huawei, который и дешевле и по технологиям не уступает Cisco… карго-культ в России все таки развит очень хорошо…» Подробнее: kommersant. ru/ doc/ 2265143 [vk (28.08.2013)]

ЧЕЛОВЕКО-МАШИННОЕ ВЗАИМОДЕЙСТВИЕ / HCI (Human-Computer Interaction)

Уровень 1 (Суть): наука о том, как сделать общение человека и компьютера таким же удобным и естественным, как разговор с другом.

Уровень 2 (Как работает): исследование психологии пользователя, проектирование интерфейсов и тестирование удобства (юзабилити).

Уровень 3 (Почему важно): плохой интерфейс делает даже гениальный ИИ бесполезным; HCI обеспечивает доступность технологий.

Связи: UX (практика), Юзабилити-тестирование (метод).

«Интерфейсы HMI (Human Machine Interface) в промышленной автоматике принципиально отличаются от пользовательских экранов офисных или бытовых систем. Если в обычном интерфейсе важны эстетика и интерактивность, то в промышленном — приоритетом являются надёжность, читаемость и устойчивость к ошибкам. Каждое действие оператора напрямую влияет на работу реального оборудования, поэтому интерфейс должен быть предельно логичным, безопасным и предсказуемым. Главная цель HMI — обеспечить эффективное взаимодействие человека и машины. Это не просто „дисплей управления“, а инструмент, через который оператор контролирует технологический процесс, наладчик производит настройку и диагностику, а инженер оценивает эффективность оборудования». (hnc-electric.ru/articles/kak-proektirovat-hmi-pod-roli-operatora-naladchika-i-inzhenera/)

ЭТИКА ИИ / AI Ethics

Уровень 1 (Суть): это «совесть технологий» — правила, которые мешают ИИ быть несправедливым, предвзятым или опасным.

Уровень 2 (Как работает): внедрение в код и законы ограничений, защищающих права человека, прозрачность решений и равенство.

Уровень 3 (Почему важно): ИИ лишен врожденной морали; без этики он может усилить дискриминацию и социальную вражду.

Связи: Регулирование (родственное), Смещение/Bias (проблема).

«Ожидается выступление руководителя Лаборатории нейронаук и поведения человека Сбербанка Андрея Курпатова. Спикерами станут и другие представители крупнейших международных и российских компаний. Второй день форума посвятят прикладному применению научных разработок в различных сферах бизнеса и общественной жизни. Дискуссии пройдут в секциях „ИИ и умные города“, „ИИ и ретейл“, „ИИ и промышленность“, „ИИ и этика“, „ИИ и телеком“, „ИИ и финансовый сектор“, „ИИ и медицина“, „Тренды развития ИИ“. Также состоится панельная дискуссия „ИИ и страхование“.» [В Москве впервые пройдет крупнейший форум Восточной Европы по искусственному интеллекту // Известия, 07.11.2019]

Список базовых сокращений:

— ИИ — искусственный интеллект

— ГИЗАУРУС — гипертекстовый тезаурус

— AGI — Artificial General Intelligence (общий ИИ)

— LLM — Large Language Model (большая языковая модель)

— UX — User Experience (пользовательский опыт)

Для издания, которое позиционируется не просто как теоретическая монография, а как ГИЗАУРУС-навигатор и интенсив-курс, нетрадиционное расположение библиографии (в начале, а не в конце) превращает её из «бюрократического списка» в активный фундамент и карту знаний.

Обоснование нетрадиционного расположения библиографии в ГИЗАУРУСе

1. Библиография как «Карта навигации» (координаты ГИЗАУРУСа)

Поскольку ГИЗАУРУС — это словарь-навигатор, библиография в начале книги выступает в роли «точек старта». Читатель (пол (ь) зователь) сразу видит масштаб информационного поля. Это превращает список литературы из архива в инструментарий первого касания: прежде чем изучать термины, пользователь получает доступ к первоисточникам, на которых эти термины базируются.

2. Установление доверия через «Прозрачность алгоритма»

В концепции ИИ важна «объяснимость» (XAI). Размещая 250+ источников (от Тьюринга 1950-х до Катанова 2025-го) в самом начале, автор «раскрывает карты», показывая, что ГИЗАУРУС — это не субъективное мнение, а результат синтеза колоссального массива стандартов (ГОСТ), законов и академической мысли. Это мгновенно снимает барьер недоверия у профессиональной аудитории.

3. Приоритет безопасности и правового поля (Буква «З» в ГИЗАУРУСе)

ГИЗАУРУС заявлен как Защищённый. Размещение разделов «ГОСТ», «ПНСТ» и «Указы и ФЗ» сразу после сокращений подчеркивает: использование ИИ в представленной модели жёстко регламентировано. Пользователь сначала видит границы правового и этического поля, а затем — технологические возможности. Это формирует ответственный подход к ИИ.

4. Поддержка нелинейного чтения и UX-дизайна

Современный «пол (ь) зователь» не читает монографии линейно. Он ищет конкретный термин или сервис. Расположение библиографии в начале — это эффективный UX-прием: в электронной версии книги это избавляет от необходимости бесконечного скроллинга в конец файла. Список литературы становится «панелью быстрого доступа».

5. Валидация связки «Понятие — Действие»

Основная инновация монографии — связь термина с реальным сервисом (§10). Предварительное ознакомление с библиографией подтверждает, что выбор этих 80+ сервисов сделан на основе научного анализа, а не случайного поиска. Список литературы здесь — это доказательная база адекватности предлагаемых практических инструментов.

Библиография

ГОСТ

ГОСТ Р 24668—2022 Информационные технологии. Искусственный интеллект. Структура управления процессами для анализа больших данных (ИСО/МЭК 24668:2022).

ГОСТ Р 58776—2019 Средства мониторинга поведения и прогнозирования намерений людей. Термины и определения.

ГОСТ Р 58777—2019 Воздушный транспорт. Аэропорты. Технические средства досмотра. Методика определения показателей качества распознавания незаконных вложений по теневым рентгеновским изображениям.

ГОСТ Р 59236—2020 Платформа «Автодата». Общие положения.

ГОСТ Р 59237—2020 Платформа «Автодата». Термины и определения.

ГОСТ Р 59276—2020 Системы искусственного интеллекта. Способы обеспечения доверия. Общие положения.

ГОСТ Р 59277—2020 Системы искусственного интеллекта. Классификация систем искусственного интеллекта.

ГОСТ Р 59278—2020 Информационная поддержка жизненного цикла изделий. Интерактивные электронные технические руководства с применением технологий искусственного интеллекта и дополненной реальности. Общие требования.

ГОСТ Р 59385—2021 Информационные технологии. Искусственный интеллект. Ситуационная видеоаналитика. Термины и определения.

ГОСТ Р 59391—2021 Средства мониторинга поведения и прогнозирования намерений людей. Аппаратно-программные средства с применением технологий искусственного интеллекта для колесных транспортных средств. Классификация, назначение, состав и характеристики средств фото- и видеофиксации.

ГОСТ Р 59879—2021 Эргономика. Проектирование и применение испытаний речевых технологий. Методика определения показателей качества распознавания голосовых команд управления.

ГОСТ Р 59880—2021 Эргономика. Проектирование и применение испытаний речевых технологий. Методика определения показателей качества синтеза речи по тексту.

ГОСТ Р 59895—2021 Технологии искусственного интеллекта в образовании. Общие положения и терминология.

ГОСТ Р 59896—2021 Образовательные продукты с алгоритмами искусственного интеллекта для адаптивного обучения в общем образовании. Требования к учебно-методическим материалам.

ГОСТ Р 59897—2021 Данные для систем искусственного интеллекта в образовании. Требования к сбору, хранению, обработке, передаче и защите данных.

ГОСТ Р 59898—2021 Оценка качества систем искусственного интеллекта. Общие положения.

ГОСТ Р 59899—2021 Образовательные продукты с алгоритмами искусственного интеллекта для адаптивного обучения в общем образовании. Технические требования.

ГОСТ Р 59900—2021 Системы искусственного интеллекта. Типовые требования к контрольным выборкам исходных данных для испытания систем искусственного интеллекта в образовании.

ГОСТ Р 59920—2021 Системы искусственного интеллекта. Системы искусственного интеллекта в сельском хозяйстве. Требования к обеспечению характеристик эксплуатационной безопасности систем автоматизированного управления движением сельскохозяйственной техники.

ГОСТ Р 59921.0—2022 Системы искусственного интеллекта в клинической медицине. Основные положения.

ГОСТ Р 59921.1—2022 Системы искусственного интеллекта в клинической медицине. Часть 1. Клиническая оценка.

ГОСТ Р 59921.2—2021 Системы искусственного интеллекта в клинической медицине. Часть 2. Программа и методика технических испытаний.

ГОСТ Р 59921.3—2021 Системы искусственного интеллекта в клинической медицине. Часть 3. Управление изменениями в системах искусственного интеллекта с непрерывным обучением.

ГОСТ Р 59921.4—2021 Системы искусственного интеллекта в клинической медицине. Часть 4. Оценка и контроль эксплуатационных параметров.

ГОСТ Р 59921.5—2022 Системы искусственного интеллекта в клинической медицине. Часть 5. Требования к структуре и порядку применения набора данных для обучения и тестирования алгоритмов.

ГОСТ Р 59921.6—2021 Системы искусственного интеллекта в клинической медицине. Часть 6. Общие требования к эксплуатации.

ГОСТ Р 59921.7—2022 Системы искусственного интеллекта в клинической медицине. Алгоритмы анализа медицинских изображений. Методы испытаний. Общие требования.

ГОСТ Р 59921.8—2022 Системы искусственного интеллекта в клинической медицине. Часть 8. Руководящие указания по применению ГОСТ ISO 13485—2017.

ГОСТ Р 59921.9—2022 Системы искусственного интеллекта в клинической медицине. Алгоритмы анализа данных в клинической физиологии. Методы испытаний. Общие требования.

ГОСТ Р 59925—2021 Информационные технологии. Большие данные. Техническое задание. Требования к содержанию и оформлению.

ГОСТ Р 59926—2021 Информационные технологии. Эталонная архитектура больших данных. Часть 2. Варианты использования и производные требования.

ГОСТ Р 70246—2022 Алгоритмы искусственного интеллекта в светолучевых установках с естественными и искусственными источниками излучения. Общие требования. Часть 1. Световое излучение.

ГОСТ Р 70247—2022 Алгоритмы искусственного интеллекта в светолучевых установках с естественными и искусственными источниками излучения. Общие требования. Часть 2. Лазерное излучение.

ГОСТ Р 70249—2022 Системы искусственного интеллекта на автомобильном транспорте. Высокоавтоматизированные транспортные средства. Термины и определения.

ГОСТ Р 70250—2022 Системы искусственного интеллекта на автомобильном транспорте. Варианты использования и состав функциональных подсистем искусственного интеллекта.

ГОСТ Р 70251—2022 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов обнаружения и распознавания препятствий.

ГОСТ Р 70252—2022 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов низкоуровневого слияния данных.

ГОСТ Р 70253—2022 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов обнаружения и реконструкции структуры перекрёстков.

ГОСТ Р 70254—2022 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов прогнозирования поведения участников дорожного движения.

ГОСТ Р 70255—2022 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов обнаружения и распознавания дорожных знаков.

ГОСТ Р 70256—2022 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов контроля обочины и полосы движения.

ГОСТ Р 70321.1—2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования. Алгоритмы искусственного интеллекта для распознавания зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний.

ГОСТ Р 70321.2—2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения типов жилых зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний.

ГОСТ Р 70321.3—2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для оценки площади жилых зданий на космических на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний.

ГОСТ Р 70321.4—2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования земли. Алгоритмы искусственного интеллекта для распознавания строящихся зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний

ГОСТ Р 70321.5—2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения характеристик древесно-кустарниковой растительности на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний.

ГОСТ Р 70321.6—2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для распознавания объектов дорожно-транспортной сети на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний.

ГОСТ Р 70321.7—2022 Технологии искусственного интеллекта для данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения типов объектов дорожно-транспортной сети на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний.

ГОСТ Р 70462.1—2022/ISO/IEC TR 24029-1-2021 Информационные технологии. Интеллект искусственный. Оценка робастности нейронных сетей. Часть 1. Обзор (ISO/IEC TR 24029—1:2021.

ГОСТ Р 70466—2022/ISO/IEC TR 205471:2020 Информационные технологии. Эталонная архитектура больших данных. Часть 1. Структура и процесс применения (ISO/IEC TR 20547—1:2020.

ГОСТ Р 70885—2023 Средства мониторинга поведения и прогнозирования намерений людей. Алгоритмы искусственного интеллекта для распознавания состояний и действий водителя методом анализа статических и динамических изображений, поступающих от средств фото- и видеофиксации систем мониторинга водителей колесных транспортных средств. Методика оценки функциональной корректности.

ГОСТ Р 70889—2023 (ИСО/МЭК 8183:2023) Информационные технологии. Искусственный интеллект. Структура жизненного цикла данных.

ГОСТ Р 70944—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема организации участия в конкурсных мероприятиях с целью финансирования научной деятельности. Общие положения.

ГОСТ Р 70945—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема организации и проведения научных мероприятий. Общие положения.

ГОСТ Р 70946—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема управления успеваемостью обучающихся по программам бакалавриата и специалитета. Общие положения и методика испытаний.

ГОСТ Р 70947—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема управления успеваемостью обучающихся по программам среднего профессионального образования. Общие положения и методика испытаний.

ГОСТ Р 70948—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема формирования контингента абитуриентов по программам бакалавриата и специалитета. Общие положения и методика испытаний.

ГОСТ Р 70949—2023 Технологии искусственного интеллекта в образовании. Применение искусственного интеллекта в научно-исследовательской деятельности. Варианты использования.

ГОСТ Р 70950—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема управления успеваемостью обучающихся по программам подготовки научных и научно-педагогических кадров в аспирантуре. Общие положения и методика испытаний.

ГОСТ Р 70951—2023 Технологии искусственного интеллекта в образовании. Функциональная подсистема управления успеваемостью обучающихся по программам дополнительного профессионального образования. Общие положения и методика испытаний.

ГОСТ Р 70980—2023 Системы искусственного интеллекта на автомобильном транспорте. Системы управления Интеллектуальной транспортной инфраструктурой. Общие требования.

ГОСТ Р 70981—2023 Системы искусственного интеллекта на автомобильном транспорте. Системы технического диагностирования транспортного средства. Общие требования.

ГОСТ Р 70982—2023 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к структуре и архитектуре V2X-взаимодействия.

ГОСТ Р 70983—2023 Системы искусственного интеллекта на автомобильном транспорте. Системы управления Интеллектуальной транспортной инфраструктурой. Требования к испытанию алгоритмов прогнозирования характеристик транспортного потока.

ГОСТ Р 70984—2023 Системы искусственного интеллекта на автомобильном транспорте. Системы управления Интеллектуальной транспортной инфраструктурой. Требования к испытанию алгоритмов прогнозирования дорожных условий.

ГОСТ Р 70985—2023 Системы искусственного интеллекта на автомобильном транспорте. Системы управления Интеллектуальной транспортной инфраструктурой. Требования к испытанию алгоритмов распознавания автомобильных номеров.

ГОСТ Р 71476—2024 (ИСО-МЭК 22989—2022) Искусственный интеллект. Концепции и терминология искусственного интеллекта.

ГОСТ Р 71484.1—2024 (ИСО-МЭК 5259—12024) Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 1. Обзор, термины и примеры.

ГОСТ Р 71484.2—2024 (ИСО/МЭК 5259—2:2024) Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 2. Показатели качества данных.

ГОСТ Р 71484.3—2024 (ИСО-МЭК 5259-3-2024) Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 3. Требования и рекомендации по управлению качеством данных.

ГОСТ Р 71484.4—2024 (ИСО/МЭК 5259—4:2024) Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 4. Структура процесса управления качеством данных.

ГОСТ Р 71533—2024 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов обнаружения и распознавания дорожной разметки.

ГОСТ Р 71534—2024 Системы искусственного интеллекта на автомобильном транспорте. Системы управления движением транспортным средством. Требования к испытанию алгоритмов обнаружения и распознавания сигналов светофоров.

ГОСТ Р 71535—2024 Системы искусственного интеллекта на автомобильном транспорте. Системы управления интеллектуальной транспортной инфраструктурой. Алгоритмы искусственного интеллекта для распознавания нарушений правил остановки и стоянки транспортных средств. Методы испытаний.

ГОСТ Р 71536—2024 Системы искусственного интеллекта на автомобильном транспорте. Системы управления интеллектуальной транспортной инфраструктурой. Алгоритмы искусственного интеллекта для оценки эксплуатационного состояния автомобильной дороги. Методы испытаний.

ГОСТ Р 71537—2024 Системы искусственного интеллекта на автомобильном транспорте. Системы управления интеллектуальной транспортной инфраструктурой. Алгоритмы искусственного интеллекта для распознавания нарушений правил остановки и стоянки транспортных средств. Требования.

ГОСТ Р 71538—2024 Системы искусственного интеллекта на автомобильном транспорте. Системы управления интеллектуальной транспортной инфраструктурой. Алгоритмы искусственного интеллекта для оценки эксплуатационного состояния автомобильной дороги. Требования.

ГОСТ Р 71539—2024 (ИСО-МЭК 5338—2023) Искусственный интеллект. Процессы жизненного цикла систем искусственного интеллекта.

ГОСТ Р 71540—2024 (ИСО-МЭК 5392—2024) Искусственный интеллект. Эталонная архитектура инженерии знаний.

ГОСТ Р 71561—2024 Средства измерений на основе искусственного интеллекта. Состав, структура и области применения. Основные положения

ГОСТ Р 71562—2024 Средства измерений на основе искусственного интеллекта. Метрологическое обеспечение. Общие требования.

ГОСТ Р 71598—2024 Искусственный интеллект на водном транспорте. Общие положения.

ГОСТ Р 71657—2024 Технологии искусственного интеллекта в образовании. Функциональная подсистема создания научных публикаций. Общие положения.

ГОСТ Р 71671—2024 Системы поддержки принятия врачебных решений с применением искусственного интеллекта. Основные положения.

ГОСТ Р 71672—2024 Системы прогнозной аналитики на основе искусственного интеллекта в клинической медицине. Основные положения.

ГОСТ Р 71673—2024 Системы искусственного интеллекта в лучевой диагностике. Алгоритмы анализа медицинских изображений. Методы испытаний на определение точности измерений.

ГОСТ Р 71674—2024 Системы искусственного интеллекта в клинической медицине. Набор данных в формате DICOM для тестирования алгоритмов. Методы обезличивания набора данных и контроля набора данных на отсутствие персональных данных.

ГОСТ Р 71686—2024 Искусственный интеллект. Модели машинного обучения для проведения косвенных измерений свойств материалов. Общие положения.

ГОСТ Р 71687—2024 Искусственный интеллект. Наборы данных для разработки и верификации моделей машинного обучения для косвенного измерения механических свойств полимерных композиционных материалов. Общие требования.

ГОСТ Р 71688—2024 Искусственный интеллект. Наборы данных для разработки и верификации моделей машинного обучения для косвенно. го измерения физико-механических свойств объектов аддитивного производства. Общие требования

ГОСТ Р 71718—2024 Технологии искусственного интеллекта в дополненной и смешанной реальности. Контроль визуальный непрямой геометрических параметров объектов капитального строительства. Общие положения.

ГОСТ Р 71737—2024 Системы искусственного интеллекта в здравоохранении. Применение менеджмента риска к медицинским изделиям. Общие положения.

ГОСТ Р 71738—2024 Системы искусственного интеллекта в лучевой диагностике. Алгоритмы анализа медицинских изображений. Методы испытаний на способность и устойчивость работы с разнородными данными.

ГОСТ Р 71750—2024 Технологии искусственного интеллекта в строительно-дорожной технике. Термины и определения.

ГОСТ Р 71751—2024 Технологии искусственного интеллекта в строительно-дорожной технике. Варианты использования.

ГОСТ Р 71752—2024 Искусственный интеллект. Техническое задание. Требования к содержанию.

ГОСТ Р 71765—2024 Системы дистанционного мониторинга на основе искусственного интеллекта в здравоохранении. Общие требования.

ГОСТ Р 71844—2024 Аэродромы гражданские. Искусственный покрытия. Искусственный интеллект при распознавании дефектов. Общие положения.

ГОСТ Р ИСО/МЭК 20546—2021 Информационные технологии. Большие данные. Обзор и словарь.

ГОСТ Р ИСО/МЭК 42001—2024 Искусственный интеллект. Система менеджмента.

ГОСТ Р ИСО-МЭК 20547-3-2024 Информационная технология. Эталонная архитектура больших данных. Часть 3. Эталонная архитектура.

ГОСТ Р ИСО-МЭК 24029-2-2024 Искусственный интеллект. Оценка робастности нейронных сетей. Часть 2. Методология использования формальных методов.

Предварительный национальный стандарт

ПНСТ 776—2022 Информационные технологии. Интеллект искусственный. Управление рисками

ПНСТ 777—2022 Системы искусственного интеллекта в клинической медицине. Часть 10. Процессы жизненного цикла.

ПНСТ 779—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм обработки информации для средств мониторинга глобальной навигационной спутниковой системы Термины и определения.

ПНСТ 780—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм контроля целостности для приемников спутниковой навигации ГЛОНАСС/GPS. Термины и определения.

ПНСТ 784—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм контроля целостности для приемников спутниковой навигации ГЛОНАСС/GPS. Методы испытаний.

ПНСТ 785—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм обработки информации для средств мониторинга глобальной навигационной спутниковой системы Общие требования.

ПНСТ 786—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм обработки информации для средств мониторинга глобальной навигационной спутниковой системы Методы испытаний.

ПНСТ 787—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм оценки состояния бедствия воздушного судна. Методы испытаний.

ПНСТ 788—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм контроля целостности для приемников спутниковой навигации ГЛОНАСС/GPS. Общие требования.

ПНСТ 789—2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм оценки состояния бедствия воздушного судна. Общие требования.

ПНСТ 835—2023 ISO/IEC DTS 4213:2022 Искусственный интеллект. Оценка эффективности моделей и алгоритмов машинного обучения в задаче классификации.

ПНСТ 836—2023 (ISO-IEC DTR 5469) Искусственный интеллект. Функциональная безопасность и системы искусственного интеллекта.

ПНСТ 837-2023-ISO-IEC CD TS 8200 Искусственный интеллект. Управляемость автоматизированных систем искусственного интеллекта.

ПНСТ 838—2023/ИСО/МЭК 23053:2022 Искусственный интеллект. Структура описания систем искусственного интеллекта использующих машинное обучение.

ПНСТ 839—2023 ISO/IEC TR 24027:2021 Искусственный интеллект. Смещенность в системах искусственного интеллекта и при принятии решений с помощью искусственного интеллекта (MOD ISO/IEC TR 24027:2021).

ПНСТ 840—2023 ISO/IEC TR 24368:2022 Искусственный интеллект. Обзор этических и общественных аспектов

ПНСТ 841—2023 ISO/IEC DTS 25058 Системная и программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Руководство по оценке качества систем искусственного интеллекта.

ПНСТ 842—2023 (ИСО-МЭК 25059—2023) Программная инженерия. Требования и оценка качества систем и программного обеспечения (SQuaRE). Модель качества для систем искусственного интеллекта.

ПНСТ 843—2023 ИСО/МЭК 38507:2022 Информационные технологии. Стратегическое управление информационными технологиями. Последствия влияния стратегического управления при использовании искусственного интеллекта организациями.

ПНСТ 844—2023 Искусственный интеллект. Методология оценки среды разработки программного обеспечения для глубокого обучения.

ПНСТ 845—2023 Искусственный интеллект. Техническая структура федеративной системы машинного обучения.

ПНСТ 846—2023 Архитектурные требования и структура междоменных сетей с использованием технологий искусственного интеллекта, применяемых для будущих сетей, включая IMT-2020.

ПНСТ 847—2023 Искусственный интеллект. Большие данные. Функциональные требования к происхождению данных.

ПНСТ 848—2023 Искусственный интеллект. Большие данные. Обзор и требования по обеспечению сохранности данных

ПНСТ 849—2023 Сеть, управляемая большими данными. Функциональная архитектура (на основе ITU Y.3653 (2021))

ПНСТ 861—2023 Искусственный интеллект. Системы операционной аналитики потоков пространственно-временных данных на основе искусственного интеллекта. Основные положения

ПНСТ 862—2023 Искусственный интеллект. Системы операционной аналитики потоков пространственно-временных данных на основе искусственного интеллекта. Термины и определения

ПНСТ 866—2023 Искусственный интеллект на водном транспорте. Варианты использования

ПНСТ 867—2023 Приложения и сервисы для интеллектуального производства на основе машинного зрения. Требования

ПНСТ 868—2023 Искусственный интеллект в растениеводстве. Варианты использования для автоматизации управления процессами

ПНСТ 869—2023 Искусственный интеллект в животноводстве. Варианты использования для автоматизации управления процессами

ПНСТ 870—2023 Искусственный интеллект в переработке сельскохозяйственной продукции и производстве пищевой продукции. Варианты использования для автоматизации управления процессами

ПНСТ 871—2023 Образовательные цифровые платформы (тренажеры) с использованием искусственного интеллекта для получения практических знаний в области клинических дисциплин. Основные положения

ПНСТ 872—2023 Системы поддержки принятия врачебных решений с применением искусственного интеллекта. Методы клинических испытаний

ПНСТ 873—2023 Системы искусственного интеллекта в лучевой диагностике. Основные положения

ПНСТ 884—2023 Искусственный интеллект на железнодорожном транспорте. Варианты использования

ПНСТ 885—2023 ISO/TR 24291:2021 Информатизация здоровья. Использование технологий машинного обучения для визуализационных обследований обработки изображений и других медицинских целей

ПНСТ 943—2024 Искусственный интеллект. Структура архитектуры систем машинного обучения в будущих сетях, включая IMT-2020

ПНСТ 944—2024 Искусственный интеллект. Функциональная архитектура систем машинного обучения для обеспечения качества обслуживания в сети IMT-2020

ПНСТ 945—2024 Искусственный интеллект. Техническая структура для разделения и совместного исполнения модели глубокой нейронной сети.

ПНСТ 953—2024 Системы искусственного интеллекта. Классификация алгоритмов и вычислительных методов.

ПНСТ 955—2024 Искусственный интеллект в машиностроении. Варианты использования.

ПНСТ 961—2024 Системы искусственного интеллекта в здравоохранении. Этические аспекты.

ПНСТ 962—2024 Системы маршрутизации и оптимизации потоков пациентов на основе искусственного интеллекта. Основные положения.

ПНСТ 963—2024 Искусственный интеллект. Руководство для приложений на основе искусственного интеллекта.

ПНСТ 964—2024 Технологии искусственного интеллекта в станкоинструментальной промышленности. Варианты использования.

ПНСТ 965—2024 Системная и программная инженерия. Тестирование программного обеспечения. Часть 11. Тестирование систем искусственного интеллекта.

ПНСТ 966—2024 Алгоритмы искусственного интеллекта для обнаружения и идентификации препятствий строительно-дорожной техники. Методы испытаний.

ПНСТ 967—2024 Алгоритмы искусственного интеллекта для решения задач ландшафтной навигации строительно-дорожной техники. Методы испытаний.

ПНСТ 968—2024 Алгоритмы искусственного интеллекта, используемые в управлении движением строительно-дорожной техники. Общие положения.

УКАЗЫ и ФЗ

Указ Президента Российской Федерации от 10.10.2019 г. №490. О развитии искусственного интеллекта в Российской Федерации (kremlin.ru/acts/bank/44731).

Указ Президента Российской Федерации от 15.02.2024 г. №124. О внесении изменений в Указ Президента Российской Федерации от 10 октября 2019 г. №490 «О развитии искусственного интеллекта в Российской Федерации» и в Национальную стратегию, утвержденную этим Указом (kremlin.ru/acts/bank/50326).

Федеральный закон от 24.04.2020 г. №123-ФЗ. О проведении эксперимента по установлению специального регулирования в целях создания необходимых условий для разработки и внедрения технологий искусственного интеллекта в субъекте Российской Федерации — городе федерального значения Москве и внесении изменений в статьи 6 и 10 Федерального закона «О персональных данных» (kremlin.ru/acts/bank/45475).

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Бадмаева М. Х. Социально-философские проблемы и принципы применения систем искусственного интеллекта: автореферат дис. … кандидата философских наук: 5.7.7. / Бадмаева Маина Харлановна; [Место защиты: ФГБОУ ВО «Бурятский государственный университет имени Доржи Банзарова»; Диссовет Д 212.022.XX (24.2.279.02)]. — Улан-Удэ, 2023. — 34с.

Бадмаева М. Х. Социально-философские проблемы и принципы применения систем искусственного интеллекта: дис. … кандидата философских наук. — Улан-Удэ, 2023. — 237с.

Балухто А. Н., Хартов В. В., Романов А. А. [и др.] Искусственный интеллект в космической технике. Состояние. Перспективы применения: монография / под редакцией докт. техн. наук А.Н.Балухто. — Москва: Радиотехника, 2021. — 436 с. ISBN 978-5-93108-204-2.

Банди Алан. Искусственный интеллект: вводный курс. 2-е изд. Изд-во Эдинбургского Университета. 1980.

Барский А. Б. Искусственный интеллект и логические нейронные сети. СПб.: Интермедия, 2019. 360 с. Глоссарий.

Богатый Элейн. Искусственный интеллект. Макгроу-Хилл. 1983.

Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии / пер. с англ. С. Филина. М.: Манн, Иванов и Фербер, 2016. 496 с.

Бруссард М. Искусственный интеллект: пределы возможного: перевод с английского: [16+] / перевод. Екатерина Арье. М.: Альпина нон-фикшн, 2020. 361 с. ISBN 978-5-00139-080-0 3000 экз.

Бутл Р. Искусственный интеллект и экономика. Работа, богатство и благополучие в эпоху мыслящих машин= Roger Bootle. The AI Economy: Work, Wealth and Welfare in the Age of the Robot. М.: Интеллектуальная Литература, 2022. 432 с. ISBN 978-5-907394- 25—4.

Бутл Р. Искусственный интеллект и экономика: работа, богатство и благополучие в эпоху мыслящих машин [12+] / Роджер Бутл; перевод с английского В. Скворцов. М.: Интеллектуальная лит., 2020. 425 с. (Библиотека Сбера. Искусственный интеллект).

Волков А. В. Искусственный интеллект: от компьютеров к киборгам. М.: Вече, 2020. 254, [1] с. (Эврика XXI).; ISBN 978-5- 4484-1689-7. 1000 экз.

Гайдамакин А. А. Искусственный интеллект в юридической аналитике: учебное пособие / Министерство внутренних дел Российской Федерации, Омская академия. — Омск: ОмА МВД России, 2019. — 131 с. ISBN 978-5-88651-720-0.

Девятков В. В. Системы искусственного интеллекта / Гл. ред. И. Б. Фёдоров. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. 352 с. 3000 экз. ISBN 5-7038-1727-7.

Джексон Филипп. Введение в искусственный интеллект. 2-е изд. Дувр. 1985.

Дрозд Д. О. Процессуальные формы использования элементов ИИ в современном арбитражном и гражданском судопроизводстве. Дисс. к.ю. н. М.: НИУ ВШЭ, 2024. 249с.

Дубровский Д. И. Искусственный интеллект и проблема сознания овский // Философия искусственного интеллекта: материалы всерос. междисциплинар. конф., М., МИЭМ, 17—19 янв. 2005г. М.: ИФ РАН, 2005. С.26—31.

Дхамани Н., Энглер М. Генеративный ИИ: как ИИ меняет нашу жизнь и работу. М.: Эксмо, 2025. 384 с. ISBN 978-5-04-201437-6. +

Евстратов А. Э., ГученковИ. Ю. Пределы применения искусственного интеллекта (правовые проблемы) // Правоприменение. 2020. Т.4, №4. С.13—19.

Жданов А. А. Автономный искусственный интеллект. М.: Бином. Лаборатория знаний, 2009. 359с. 20 000 экз.

Зайцева Е. М., Погодина Е. А., Смирнов Ю. В. Искусственный интеллект: электронный терминологический словарь. М.: ГПНТБ России, 2023. ISBN 978-5-85638-262-3.

Захаров В. Н., Хорошевский В. Ф. (ред.) Искусственный интеллект: В 3-х кн. Кн. 3. Программные и аппаратные средства: Справочник. — М.: Радио и связь, 1990. 368 с. 25тыс. экз.+

Искусственный интеллект / Осипов Г. С., Величковский Б. М. М.: Большая российская энциклопедия, 2008. (в 35 т. / гл. ред. Ю. С. Осипов).

Калинин М. О., Крундышев В. М. Основы искусственного интеллекта. Безопасность искусственного интеллекта. Санкт- Петербург: Политех-Пресс, 2024. 88 с. ISBN 978-5-7422-8693- 6. 200 экз.

Катанов Ю. Е., Аристов А. И. Композитный искусственный интеллект и генеративные технологии в промышленности. Тюмень: ТИУ, 2025. Ч.1. 253 с. Ч.2. 175 с.

Кацов И. Искусственный интеллект на предприятии: теория и практика. М.: ДМК Пресс, 2024. 710с. ISBN 978-5-93700-277-8. ПУ..704—709. 100экз. +

Киссинджер Генри, Манди, Крейг Шмидт Эрик. Генезис: Искусственный интеллект, надежда и душа человечества. 2025.

Корольков Б. П. Терминологические истоки самоорганизации. К построению систем искусственного интеллекта. М.: Русайнс, 2023. 130с. Словарь терминов..117—130. ISBN 978-5-466-02963-5. +

Королькова Д. А. Искусственный интеллект как программа для ЭВМ: гражданско правовая природа, типы и классификация: монография / Д. А. Королькова; Федеральное государственное казенное военное образовательное учреждение высшего образования «Военный университет имени князя Александра Невского» министерства обороны Российской Федерации. — Москва: Русайнс, 2024. — 122 с.: ил., табл..; ISBN 978-5-466-08082-7.

Костерев Г. А. Примерение ИИ в игровых приложениях. Магистр. дисс. Пенза: ПГК, 2024. 91с.

Ли Кай-Фу. Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок: Китай, Кремниевая долина и новый мировой порядок: [16+] / перевод с англ. Н. Константиновой. 4-е изд. М.: Манн, Иванов и Фербер, 2021. 268, [1] с. ISBN 978-5-00195-120-9 1021 экз.

Лесников С. В. Базовый гизаурус терминосистемы «искусственный интеллект» / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 527—548. — DOI 10.48612/govor/325u-mve1- bf9v. — EDN TJYUIP.

Лесников С. В. Глоссарий терминосистемы «искусственный интеллект» / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 549—599. — EDN FPJOMB.

Лесников С. В. Интеллектуальные сети: как искусственный интеллект и нейронные сети трансформируют телекоммуникации / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 623—630. — EDN CTKPSG.

Лесников С. В. Искусственный интеллект и нейронные сети в исследованиях рынка: новый горизонт для бизнеса / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 679—685. — EDN FLAFCA.

Лесников С. В. Искусственный интеллект и нейронные сети в образовании / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 631—648. — EDN AVEZTK.

Лесников С. В. Искусственный интеллект и нейронные сети в сфере транспорта: инновации и вызовы / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 661—669. — EDN XKVUOH.

Лесников С. В. Искусственный интеллект и нейронные сети в творческой сфере: от генерации до соавторства / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 613—622. — EDN RGARQC.

Лесников С. В. Искусственный интеллект и нейронные сети в управлении человеческими ресурсами: новые подходы к подбору, развитию и удержанию талантов / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 600—612. — EDN VGVVUR.

Лесников С. В. Искусственный интеллект и нейронные сети в финансах и бизнесе: эволюция и стратегии / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 670—678. — EDN YEWYVO.

Лесников С. В. Искусственный интеллект и нейронные сети: интеллектуальный анализ данных / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 686—693. — EDN UOMKNB.

Лесников С. В. Трансформация индустрии отдыха: роль и перспективы применения искусственного интеллекта и нейронных сетей / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 649—660. — EDN YDUVSQ.

Лесников С. В. Требования охраны труда и меры безопасности при проектировании автоматизированных систем управления технологическими процессами / С. В. Лесников. — Санкт-Петербург: Санкт-Петербургский политехнический университет Петра Великого, 2025. — 311 с. — EDN EZEBFQ.

Лесников С. В. Анализ парадигматических отношений лингвистической терминосистемы // Памяти Анатолия Анатольевича Поликарпова: Сборник статей. М.: Московский государственный университет им. М. В. Ломоносова» (Издательский Дом (Типография), 2015. — С. 269—279. — EDN XDFNYM.

Лесников С. В. Аналитический обзор источников русских терминов ономастики и их систематизация и компьютерное ранжирование // Ономастика Поволжья: Материалы XVII Международной научной конференции, Великий Новгород, 17– 20 сентября 2019 года. Великий Новгород: Печатный двор, 2019. С.82—90. — EDN GMTMDT.

Лесников С. В. Аналитический обзор определений термина «метаязык» // Метаязык науки. СыктГУ, 2012. С.60—73.

Лесников С. В. Аналитический реферативно-аннотированный обзор оцифрованных словарей и справочников новых слов и значений для цифрового лексикографического корпуса «Лексико-семантическая неология в русском языке начала XXI века» // Наука и инновации — современные концепции: Сборник научных статей по итогам работы Международного научного форума, Москва, 03 мая 2019 года. М.: Инфинити, 2019. С.34—42.

Лесников С. В. Аннотированный отчет о НИР №84 (конкурс 1995г.) (промежуточный) Гипертекстовая интеграция региональных словарей русского языка № гос. регистрации 01960012631. СыктГУ, 1996. 11с.

Лесников С. В. Аннотированный ОТЧЕТ о НИР №84 (конкурс 1995г.) (промежуточный за 1997г.) Гипертекстовая интеграция региональных словарей русского языка № гос. Регистрации 01960012631. СыктГУ, 1997. 13с.

Лесников С. В. Архитектоника АЛС «ГОВОР» // Третья Всесоюзная конференция по созданию Машинного фонда русского языка. Ч. II. М.: ИРЯз АН СССР, 1989. С.7—8.

Лесников С. В. Архитектура и суть информационно-поискового корпуса академических словарей русского языка // Научный обозреватель. 2019. №3 (99). С.25—28. ISSN 2220—329X.

Лесников С. В. Аудиовизуальные технологии обучения -специальность: Педагогика и психология, 2 курс // М.: Информрегистр, №18063 от 17 февраля 2010г. № гос. регистрации 0320902700 http://db.inforeg.ru/deposit/Catalog/mat.asp?id=16636.

Лесников С. В. Базовые блоки автоматизированной лексикографической системы // Вестник Челябинского государственного университета. 2011. №33 (248). С.200—202. ISSN 1994—2796. eISSN 2782—4829.

Лесников С. В. Базовые блоки автоматизированной лексикографической системы // Вестник Челябинского государственного университета. Серия: филология, искусствоведение. Вып. 60. №33 (248). Челябинск: ЧелГУ, 2011. С.200—202. ISSN 1994—2796.

Лесников С. В. Базовые латинские терминоэлементы метаязыка лингвистики // Актуальные проблемы современного научного знания: материалы IV Международной научно- практической конференции (21.04.2011 — 22.04.2011) / Под общ. ред. Н. А. Стадульской. Пятигорск: ПГЛУиздат, 2011. С.112—118.

Лесников С. В. Базовые операторы языка поисковых запросов тезауруса метаязыка лингвистики // В мире научных открытий. 2012. №7—2 (31). С.39—53. ISSN 2072—0831. eISSN 2307—9428. Красноярск: Научно-инновационный центр, 2012. №7.2 (31) (Гуманитарные и общественные науки). — EDN PCDXJR.

Лесников С. В. Базовые первоисточники академического свода русского языка // Тезисы VI Международной научной конференции «Культура русской речи», Москва, 21 февраля 2019 года. М.: Институт русского языка им. В. В. Виноградова РАН, 2019. — С. 62. — EDN NOEZYG.

Лесников С. В. Базовые первоисточники гизауруса метаязыка лингвистики // Лексикографические штудии: международная коллективная монография / Под ред. Н.В.Пятаевой. Вып. 4. Riga: BVKI, 2020. С.40—90.

Лесников С. В. Базы данных. Сыктывкар: СыктГУ, 2012.

Лесников С. В. Библиографический сводный каталог фундаментальных лингвистических исследований (монографий, сборников, статей, обзоров, рецензий, дискуссий, обсуждений, сообщений, заметок, критики, словарей, справочников, энциклопедий). Микунь: [б. и.], 2010. 341 с. (Гипертекстовая энциклопедия «Языкознание»).

Лесников С. В. Библиографический сводный каталог-указатель статей, обзоров, рецензий, дискуссий, обсуждений, сообщений, заметок и других материалов, опубликованных в теоретическом журнале по общему и сравнительному языкознанию «Вопросы языкознания» в период с 1952 по 2011 годы Альманах «Говор», 2012. 109с.

Лесников С. В. Виды разметок текстовых корпусов русского языка // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2019. №9. С.27—30. — DOI 10.36535/0548-0027-2019-09-4. — EDN NECQLF. ISSN: 0548—0027.

Лесников С. В. Виды релевантности и основные критерии качества поиска информационно-поисковых систем и компьютерных тезаурусов // Метаязык науки: материалы Международной научной конференции. Сыктывкар: Сыктывкарский гос. ун-т, 2012. С.478—483.

Лесников С. В. Владислав Митрофанович Андрющенко — научный руководитель и консультант, главный конструктор Машинного фонда русского языка /МФРЯ/ // От языковых машинных фондов к лингвистическим корпусам: памяти В.М.Андрющенко. Москва, 28–29 сентября 2018г. М., 2018. С.58— 60.

Лесников С. В. Галерея словарей русского языка и текстов художественной литературы на основе новых информационных технологий в виде открытого гипертекстового свода с адекватным представлением на сайтах и серверах во всемирной компьютерной системе Internet и на современных машинных носителях / Когнитивные сценарии языковой коммуникации. Доклады международной научной конф. Симферополь: ТЭИ, 2001. С.30—31.

Лесников С. В. Генеральный словник русского языка: «Цифровые коды словарей» // Альманах «ГОВОР». 2013. №11—1. С.238—245. — EDN CLEYPG.

Лесников С. В. Геоинформационные системы. Сыктывкар: СыктГУ, 2012.

Лесников С. В. Гизаурус 18 Т. История. Исторические науки // Инновации и традиции науки и образования: Материалы Всероссийской научно-методической конференции, Сыктывкар, 15 мая 2010 года / Министерство образования и науки Российской Федерации, Сыктывкарский госуниверситет; под общей редакцией С. В. Лесникова. Часть 5. Сыктывкар: Сыктывкарский госуниверситет, 2010. — С. 45—46. — EDN SPZCHM.

Лесников С. В. Гизаурус 25 Щ. Искусство. Живопись. Термины // Инновации и традиции науки и образования: Материалы Всероссийской научно-методической конференции, Сыктывкар, 15 мая 2010 года / Министерство образования и науки Российской Федерации, Сыктывкарский госуниверситет; под общей редакцией С. В. Лесникова. Часть 5. Сыктывкар: Сыктывкарский госуниверситет, 2010. — С. 35—39. — EDN YODEWW.

Лесников С. В. Гизаурус лексикографических материалов для составителей и редакторов «Большого академического словаря русского языка» // С любовью к Слову: Сборник статей участников Всероссийской с международным участием научной конференции, приуроченной к 80-летнему юбилею доктора филологических наук, профессора Людмилы Алексеевны Климковой, специалиста в области лексикологии, диалектологии, ономастики, словообразования, Арзамас, 09—10 февраля 2021 года / Отв. редактор О. В. Никифорова. Арзамас: Арзамасский филиал «Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского», 2021. С.56— 62. — EDN PQEPJV.

Лесников С. В. Гизаурус мультимедийных учебно-методических комплексов // Сборник материалов научно-практической конф., профессорско-преподавательского состава и аспирантов Сыктывкарского лесного института по итогам НИР за 2002 год / Отв. ред. Т.А.Киросова. СЛИ, 2003. С.228—234.

Лесников С. В. Гизаурус оцифрованных русских словарей // Альманах «ГОВОР». 2023. №5. С.171—177. — EDN JJMZLP.

Лесников С. В. Гизаурус учебных словарей русского языка // Слово: Фольклорно-диалектологический альманах. Материалы международной конференции, Благовещенск, 01 ноября — 31 2023 года. Благовещенск: Амурский государственный университет, 2024. С.35—41. — EDN DELBDQ.

Лесников С. В. Гизаурус хантыйского языка / С. В. Лесников, С. А. Мызников, З. С. Рябчикова // Электронная письменность народов Российской Федерации -2021 & IWCLUL 2021: Материалы Международной научно-практической конференции, Сыктывкар, 23–24 сентября 2021 года. Сыктывкар: Коми республиканская академия государственной службы и управления, 2022. — С. 87—94. — EDN YVPBSA.

Лесников С. В. Гизаурусный интернет-портал «лексико- семантическая неология в русском языке начала XXI века» // Русский язык: история, диалекты, современность: сборник научных статей, посвященный 80-летнему юбилею профессора Льва Феодосьевича Копосова / Составители: Л. Ф. Копосов, Ю. В. Коренева, О. В. Ряховская. Выпуск XIX. М.: Принтика, 2020. С. 240—246. — EDN VECAPH. ISSN 2541—8777.

Лесников С. В. Гипермедиа учебник MS Office InfoPath 2007. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник MS Office PowerPoint 2007. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник MS Office Publisher 2007. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник MS Office Word 2007 Базовый курс. СыктГУ, 2008.

Лесников С. В. Гипермедиа учебник OpenOffice.org CALC2. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник OpenOffice.org Draw. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник Информационные системы. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник Компьютерная геометрия и графика. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник Компьютерная графика. СыктГУ, 2008.

Лесников С. В. Гипермедиа учебник Расширенные возможности OpenOffice.org Writer 2003. СыктГУ, 2009.

Лесников С. В. Гипермедиа учебник Установка ОС FreeBSD и вебсервера Apache. СыктГУ, 2009.

Лесников С. В. Гипертекст и мультимедиа технологии для компьютеризации диалектологических исследований. МГУ им. М. В. Ломоносова, 1997. 180 с. — EDN XBMZZI.

Лесников С. В. Гипертекст русского языка / Русский язык на рубеже тысячелетий. Всероссийская конф. 26—27 октября 2000. Материалы докладов и сообщений в трех томах. Том II. Динамика синхронии. Описание русского языка как этнокультурного феномена. Язык художественной литературы. СПб.: Филологический факультет СПбГУ, 2001. С.360—371.

Лесников С. В. Гипертекст русского языка // Русский язык: исторические судьбы и современность. Международный конгресс. Труды и материалы. МГУ им. М. В. Ломоносова, 2001. С.413—414.

Лесников С. В. Гипертекстовое производство свода лексики русского языка на основе новых информационных технологий как актуальный процесс интерактивного управления формированием новых лексикографических знаний в виде открытой системы с адекватным представлением во всемирной компьютерной системе Internet // Языковое сознание. Содержание и функционирование. ХIII международный симпозиум по психолингвистике и теории коммуникации. Москва, 1—3 июня 2000. М.: МГЛУ, ИЯ РАН, 2000. С.140. (ГИЗАУРУС).

Лесников С. В. Гипертекстовый академический словарный корпус (АСК) // Лингвистика гипертекста и компьютерно-опосредованной коммуникации: Материалы международной научно-практической конференции, Самара, 30 августа 2019 года / Отв. ред. С. А. Стройков. Самара: Самарский государственный социально-педагогический университет, 2019. С.73—91. — EDN XDBBGD.

Лесников С. В. Гипертекстовый информационно-поисковый тезарус «Метаязык науки». Альманах «ГОВОР», 2010. 56с.

Лесников С. В. Гипертекстовый информационно-поисковый тезаурус «Метаязык науки»: ГИПЕРТЕКСТ // Инновации и традиции науки и образования: Материалы Всероссийской научно-методической конференции, Сыктывкар, 15 мая 2010 года / под общей редакцией С. В. Лесникова. Часть 5. Сыктывкар: Сыктывкарский госуниверситет, 2010. С.101—104. — EDN MPPPCB.

Лесников С. В. Гипертекстовый информационно-поисковый тезаурус «Метаязык науки»: МЕТАЯЗЫК // Инновации и традиции науки и образования: Материалы Всероссийской научно- методической конференции, Сыктывкар, 15 мая 2010 года / под общей ред. С. В. Лесникова. Часть 5. Сыктывкар: Сыктывкарский госуниверситет, 2010. С.94—100. — EDN UIVZHW.

Лесников С. В. Гипертекстовый информационно-поисковый тезаурус «Метаязык науки»: ТЕЗАУРУС // Инновации и традиции науки и образования: Материалы Всероссийской научно- методической конференции, Сыктывкар, 15 мая 2010 года / под общей редакцией С. В. Лесникова. Часть 5. Сыктывкар: Сыктывкарский госуниверситет, 2010. С.105—122. — EDN VGOLVN.

Лесников С. В. Гипертекстовый информационно-поисковый тезаурус «Метаязык науки» (структура; математическое, лингвистическое и программное обеспечения; разделы лингвистика, математика, экономика). Промежуточный отчёт о НИР. М.: ЦИТиС, 2012.04.19. 31с. Инв.№ ВНТИЦ 02201257055. И120215161455. ИК Регистрационный номер 01201165393.

Лесников С. В. Гипертекстовый лингвистический универсум русского языка // Записки Горного института. 2005. №2. С.113—115. cyberleninka.ru/article/n/gipertekstovyy-lingvisticheskiy- universum-russkogo-yazyka/viewer

Лесников С. В. Гипертекстовый свод лексики русского языка / Квантитативная лингвистика и семантика. Сборник научных трудов. Вып.3. Новосибирск: НГПУ, 2001. С.120—128.

Лесников С. В. Гипертекстовый свод определений лингвистики (гиперсол) // Актуальные проблемы образования и науки: цели, задачи и перспективы развития: материалы научно-практической конференции (г. Коряжма, 25—26 февраля 2010) / сост. Т. К. Белокашина, И. В. Кузнецова. Поморский гос. университет им. М. В. Ломоносова. Коряжма: Суров С. В., 2010. С.213—216.

Лесников С. В. Гипертекстовый свод определений лингвистики (гиперсол) // Актуальные проблемы образования и науки: цели, задачи и перспективы развития: материалы научно-практической конф. (г. Коряжма, 25—26 февраля 2010) / Поморский гос. университет им. М. В. Ломоносова. Коряжма: Суров С. В., 2010. С.213—216.

Лесников С. В. Гипертекстовый свод русского языка / Материалы третьей международной научной Internet-телеконф. «Русский язык: прошлое, настоящее, будущее». альманах «ГОВОР», 2000. С.75—90.

Лесников С. В. Гипертекстовый свод русского языка / Проблемы прикладной лингвистики. Сборник материалов. Всероссийского семинара. Ч.2. Пенза: Приволжский Дом знаний, Пензенский гос. педагог. университет, 2000. С.6—7.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка информатики (кибернетики, ВТ, НИТ) // Инновации и традиции науки и образования: Материалы конференции, Сыктывкар, 15 мая — 03 2010 года / Министерство образования и науки Российской Федерации, ГОУ ВПО «Сыктывкарский гос. ун-т»; Под общей редакцией С.В.Лесникова. Сыктывкар: Сыктывкарский гос. ун-т, 2010. С.94—98.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка истории // Инновации и традиции науки и образования: Материалы Всероссийской научно-методической конференции, Сыктывкар, 15 мая 2010 года / Под общей редакцией С. В. Лесникова. Сыктывкар: Сыктывкарский гос. ун-т, 2010. С.13—18.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка лингвистики (языковедения, языкознания) // Инновации и традиции науки и образования: Всероссийская научно-методическая конференция. Сыктывкар: Сыктывкарский гос. ун-т, 2010. С.49—59.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка лингвистики (языковедения, языкознания) // Медиадискурс и проблемы медиаобразования. Омск: Омский госуниверситет им. Ф. М. Достоевского, 2011. С.146— 151.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка психологии // Инновации и традиции науки и образования: Материалы Всероссийской научно-методической конференции. Сыктывкар: Сыктывкарский гос. ун-т, 2010. С.42—53.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка информатики (кибернетики, ВТ, НИТ) // Инновации и традиции науки и образования: Материалы конф. СыктГУ, 2010. С.94—98.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка истории // Инновации и традиции науки и образования, Сыктывкар, 15 мая 2010 года / Под общей редакцией С. В. Лесникова. СыктГУ, 2010. С.13—18.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка лингвистики (языковедения, языкознания) // Инновации и традиции науки и образования: Всероссийская научно-методическая конф., Сыктывкар, 28 февраля 2010 года. СыктГУ, 2010. С.49—59.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка лингвистики (языковедения, языкознания) // Медиадискурс и проблемы медиаобразования. Омск: ОГУ, 2011. С.146—151.

Лесников С. В. Гипертекстовый словарь базовых дефиниций, интерпретаций, объяснений, определений, понятий, пояснений, разъяснений, толкований, трактовок, формулировок, экскурсов и эксцерпций терминов метаязыка психологии // Инновации и традиции науки и образования: Материалы Всероссийской научно-методической конференции, Сыктывкар, 15 мая 2010 года / под общей редакцией С. В. Лесникова. Часть 2. Сыктывкар: Сыктывкарский госуниверситет, 2010. — С. 42—53. — EDN NCNNZG.

Лесников С. В. Гипертекстовый тезаурус метаязыка науки // Гипертекст как объект лингвистического исследования: Материалы II международной научно-практической конференции, Самара, 18–20 октября 2011 года / Отв. ред. С.А.Стройков. Самара: Поволжская государственная социально-гуманитарная академия, 2011. С.103—117.

Лесников С. В. Гипертекстовый тезаурус метаязыка науки // Проблемы истории, филологии, культуры. №3 (33) 2011. Москва- Магнитогорск-Новосибирск: Российская академия наук (отделение историко-филологических наук РАН); Изд-во ООО «Аналитик», 2011. С.30—34. ISSN 1991—9484.

Лесников С. В. Гипертекстовый тезаурус русского языка // Русское слово в контексте культуры. Сборник материалов конф. посвященной 190_летию Ф.И.Буслаева. Федеральная целевая программа «Русский язык». Орёл-Болхов, 8—9 июля 2008 // Орёл: ОрелГТУ, 2008. С.213—217.

Лесников С. В. Гипертекстовый тезаурус электронных учебников общеобразовательной школы Российской Федерации // Технологическое образование в школе и вузе. Материалы межрегиональной научно-практической конф. 14—15 ноября 2002 года. КГПИ, 2002. С.151—153.

Лесников С. В. Альманах «ГОВОР»: библиографический сводный каталог-указатель статей, обзоров, рецензий, дискуссий, обсуждений, сообщений, заметок и других материалов, опубликованных в теоретическом журнале по общему и сравнительному языкознанию «Вопросы языкознания» в период с 1952 по 2011 годы / Сыктывкар: Альманах «ГОВОР», 2012. 109 с. — EDN QWWPTZ.

Лесников С. В. Грамматика словарной статьи АСРНГ // Альманах «ГОВОР». 1996. №9. С.106—118.

Лесников С. В. Дефиниции и формулы для компьютерного анализа текстов // Прагмалингвистика и практика речевого общения: Материалы III Международной научно-практической конф. (27—28 ноября 2009). Ростов н/Д: ИПО ПИ ЮФУ, 2009. Вып.3. С.242—247.

Лесников С. В. Дефиниции и формулы для численного анализа текстов // Русское народное слово в языке и речи: сборник материалов Всероссийской научно-практической конф. (22— 24 октября 2009) / отв. ред. Л. А. Климова. Арзамас-Саров: Саровская городская типография /СГТ/, 2009. С.219—226.

Лесников С. В. Дефиниции и формулы для численного анализа текстов // Языки профессиональной коммуникации участников Четвертой международной научной конф. (Челябинск, 3— 5 декабря 2009). Челябинск: Энциклопедия, 2009. С.353—356.

Лесников С. В. Дефиниция термина «гипертекст» // Метаязык науки: материалы Международной научной конференции, Сыктывкар, 10–13 июня 2012 года. Сыктывкар: Сыктывкарский гос. ун-т, 2012. С.122—147.

Лесников С. В. Диалектные словари: материалы для гипертекста «ГОВОР» // Альманах «ГОВОР». 1995. №1 (1). 100 с. — EDN VVFEHQ. ISSN: 2227—2674.

Лесников С. В. Диалектологический подфонд Машинного фонда русского языка // Альманах «ГОВОР». — 2022. — №9. — С. 472—494. — DOI 10.48612/govor/pppu-bfv8-mb1v. — EDN LCVHTQ.

Лесников С. В. Дискретная математика и математическая логика. Сыктывкар: СыктГУ, 2012.

Лесников С. В. Дискретная математика. Сыктывкар: СыктГУ, 2012.

Лесников С. В. и др. Городская речь Русского Севера. СыктГУ, 1997. 37с.

Лесников С. В. Идеографическое описание лексики языков коренных малочисленных народов РФ / С. В. Лесников, С. А. Мызников, Т. С. Назмутдинова // Коренные малочисленные народы Севера, Сибири и Дальнего Востока: традиции и инновации: Материалы Всероссийской научно-практической конференции XХ Югорские чтения, Ханты-Мансийск, 01 декабря 2021 года. Ханты-Мансийск: Печатный мир г. Ханты-Мансийск, 2022. С.44—64. — EDN IYINJI.

Лесников С. В. Материалы для словаря синонимов лингвистических терминов // Метаязык науки. СыктГУ, 2012. С.450 —465.

Лесников С. В. Материалы для топонимического словаря говора села Лойма Прилузского района Республики коми // Ономастика Поволжья: материалы XVIII Международной научной конференции. В 2 томах, Кострома, 09–10 сентября 2020 года. Том 1. Кострома: Костромской государственный университет, 2020. С.201—206. — DOI 10.34216/2020—1.onomast.201—206. — EDN UHBLPE.

Лесников С. В. Машинный фонд русского языка // Педагогика, лингвистика и информационные технологии. Елец: ЕГУ, 2012. Т.1. С.175—182.

Лесников С. В. Машинный фонд русского языка в публикациях // Альманах «ГОВОР». 1995. №12. С.3—84.

Лесников С. В. Метаязык лингвистики (вокабулярий понятий для гизауруса металингвистики) // С любовью к Слову: Сборник статей участников Всероссийской с международным участием научной конференции, приуроченной к 80-летнему юбилею доктора филологических наук, профессора Людмилы Алексеевны Климковой, специалиста в области лексикологии, диалектологии, ономастики, словообразования, Арзамас, 09–10 февраля 2021 года / Отв. редактор О. В. Никифорова. Арзамас: Арзамасский филиал федерального государственного автономного образовательного учреждения высшего образования «Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского», 2021. С.391 —398. — EDN LSWGDC.

Лесников С. В. Метаязык лингвистики // Тезисы докладов 50-й Международной научной филологической конференции имени Людмилы Алексеевны Вербицкой: Тезисы докладов, Санкт- Петербург, 15–23 марта 2022 года. — Санкт-Петербург: Издательство Санкт-Петербургского государственного университета, 2022. С. 475. — EDN ZQEGHX.

Лесников С. В. Метаязык лингвистики // Язык и межкультурные коммуникации: Сборник научных статей. — Минск: Учреждение образования «Белорусский государственный педагогический университет имени Максима Танка», 2021. — С. 141—151. — EDN AASKMR.

Лесников С. В. Метаязык лингвистики как основа терминологического подфонда академического корпуса русского языка // Современные технологии документооборота в бизнесе, производстве и управлении: Сборник научных статей по материалам XXII Всероссийской научно-практической конференции (с международным участием), Пенза, 22–23 апреля 2022 года / под ред. Л. Р. Фионовой, О. И. Семянковой. Пенза: Пензенский государственный университет, 2022. С. 116—126. — EDN XCWUOM.

Лесников С. В. Метаязык лингвистики. Санкт-Петербург: Нестор-история, Российский фонд фундаментальных исследований, 2020. Часть 1. 512 с. — EDN JVKINP.

Лесников С. В. Метаязык лингвистики. Том 1. Проблемы систематизации терминосистемы (гизаурус, классификация, синопсис) / Под науч. ред. Н. Л. Сухачева. СПб.: Нестор-История, 2021. 512 с. 210 инфограмм. 29 таблиц.

Лесников С. В. Метаязык лингвистики. Том 2. Лексикон терминосистемы / Отв. ред. член-корр. РАН С. А. Мызников, науч. ред. Н. Л. Сухачев. СПб.: Нестор-История, 2021. 1024с.

Лесников С. В. Метаязык, архитектоника и базовые дефиниции гипертекстового интерактивно-интеграционного вокабулярия русских народных говоров // Альманах «ГОВОР». 1996. №9. С.69— 105.

Лесников С. В. Методика анкетного опроса информантов и рекомендации для конструирования гипертекстового словаря- тезауруса разговорной и диалектной речи российской провинции // Альманах «ГОВОР». 1996. №14. С.54—76.

Лесников С. В. Методика вычисления базисных терминов по первоисточникам гипертекстового информационно-поискового тезауруса «Метаязык науки» (разделы лингвистика, математика, экономика) // Метаязык науки. СыктГУ, 2012. С.271—280.

Лесников С. В. Методические указания и базовая программа по основам информатики и вычислительной техники, новым информационным технологиям для студентов-филологов // Альманах «ГОВОР». 1996. №10. С.96—120.

Лесников С. В. Мир лингвистик // Альманах «ГОВОР». — 2022. — №9. — С. 3—5. — DOI 10.48612/govor/6dvv-mt9a-664k. — EDN MGFUNR.

Лесников С. В. Многоаспектный поиск по локальной лексикографической базе данных // Метаязык науки. СыктГУ, 2012. С.566—570.

Лесников С. В. Моделирование гипертекстового тезауруса академических толковых словарей русского языка // Слово: Фольклорно-диалектологический альманах. Материалы национальной научной конференции с международным участием / Под редакцией Н. Г. Архиповой, Н. В. Лагута, Г. М. Старыгиной. Выпуск 16. Благовещенск: Амурский государственный университет, 2020. — С.9—13. — DOI 10.22250/WFDA.2020.16.1. — EDN CPNHIU.

Лесников С. В. Моделирование тезауруса метаязыка лингвистики на базе гипертекстовых фреймов // Вестник Вятского государственного гуманитарного университета. Филология и искусствоведение. №3 (2). Киров: ВятГГУ, 2011. С.51—54.

Лесников С. В. Мультимедиа технологии // Инновации и традиции науки и образования: сборник статей, Сыктывкар, 15 мая — 03 2012 года. Сыктывкар: Сыктывкарский госуниверситет, 2012. — С. 168—171. — EDN UZZJYF.

Лесников С. В. Мультимедиа технологии для студентов математического факультета. Специальность 010200 Прикладная математика и информатика. СыктГУ, 2006. 12с.

Лесников С. В. Направления и разделы лингвистики в систематическом указателе гипертекстового информационно- поискового тезауруса метаязыка лингвистики // Человек в информационном пространстве: межвузовский сб. научных трудов: в 2 тт. Ярославль, 10–12 ноября 2011. Вып.10. Т.2. Ярославль: ЯГПУ, 2011. С.214—222.

Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. 568 с. 20 000 экз. ISBN 5-03-001408-X.

Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем= Artificial Intelligence: Structures and Strategies for Complex Problem Solving / Под ред. Н. Н. Куссуль. 4-е изд. М.: Вильямс, 2005. 864 с. 2000 экз. ISBN 5-8459-0437-4.

Люгер Джордж; Стабблфилд Уильям. Искусственный интеллект: структуры и стратегии решения сложных задач. 5-е изд. Бенджамин / Каммингс. 2004.

Маркус Г. Искусственный интеллект: перезагрузка: как создать машинный разум, которому действительно можно доверять: [12+] / Гэри Маркус, Эрнест Дэвис; пер. с англ. Скворцов В. М.: Интеллектуальная Лит., 2020. 322 с. ISBN 978-5-907394-23-0: 5000 экз.

Морхат П. М. Искусственный интеллект: правовой взгляд. М.: Буки Веди, 2017. 257с.

Морхат П. М. Право и искусственный интеллект: Тезаурус. М.: Буки Веди, 2019. 52с.

Морхат П. М. Право интеллектуальной собственности и искусственный интеллект / — Москва: ЮНИТИ-ДАНА, 2018. — 121 с.

Морхат П. М. Правосубъектность искусственного интеллекта в сфере права интеллектуальной собственности: гражданско-правовые проблемы: диссертация на соискание ученой степени доктора юридических наук / П. М. Морхат. — Москва, 2019. — 420 с.

Мусаева А. С. Терминология искусственного интеллекта в современном русском языке: образование, структура, функционирование: автореферат дис. … кандидата филологических наук: 5.9.5. / Мусаева Анастасия Сергеевна; [Место защиты: ФГБОУ ВО «Московский государственный лингвистический университет»; Диссовет Д 212.135.XX (24.2.330.04)]. М., 2025. — 18 с.

Мусаева А. С. Терминология искусственного интеллекта в современном русском языке: образование, структура, функционирование: диссертация… кандидата филологических наук: 5.9.5. / Мусаева Анастасия Сергеевна; [Место защиты: Московский государственный лингвистический университет»; Диссовет Д 212.135.XX (24.2.330.04)]. — Самара, 2024. — 208 с.

Мюллер Джон Пол, Массарон Лука. Искусственный интеллект для чайников.: Пер. с англ. СПб.: Диалектика, 2019. 384 с. Парал. тит. англ. ISBN 978-5-907114-57-9. 500 экз. Предметный указатель.

Неаполитанец Ричард; Цзян Ся. Искусственный интеллект: с введением в машинное обучение. Chapman & Hall / CRC. 2018.

Никитенко С. В. Международно-правовое регулирование искусственного интеллекта в области медицины. Дисс. к.ю. н. СПб.: СПбГУ, 2023. 223с. +

Нильсон Н. Искусственный интеллект. М.: Мир, 1973. 273 с.

Осипов Г. С., Величковский Б. М. Искусственный интеллект //

Излучение плазмы — Исламский фронт спасения. М.: Большая российская энциклопедия, 2008. С.733. Т.11.

Петрунин Ю. Ю., Рязанов М. А., Савельев А. В. Философия искусственного интеллекта в концепциях нейронаук. (Научная монография). М.: МАКС Пресс, 2010. ISBN 978-5-317-03251-7.

Пиковер К. Искусственный интеллект: иллюстрированная история: от автоматов до нейросетей: [16+] / Клиффорд Пиковер; перевод с англ. А. Ефимовой. М.: Синдбад, 2021. 220 с. ISBN 978-5- 00131-162-1 3000 экз.

Пино Д. Искусственный интеллект. Пошаговое руководство для иллюстраторов. М.: Аст, 2025. 112с. Глоссарий.

Поттер У. Роботы. Дроны. Искусственный интеллект: Дроны. Искусственный интеллект: энциклопедия: [6+] / У. Поттер; перевод с англ. Л. В. Степановой. М.: Росмэн, 2022. 126, [1] с. 26 с. ISBN 978- 5-353-10300-4 5000 экз.

Пул Дэвид; Макворт Алан; Гебель Рэнди. Вычислительный интеллект: логический подход. Нью-Йорк: Издательство Оксфордского Университета. 1998.

Рассел Стюарт. Совместимость: как контролировать искусственный интеллект: 12+ / Стюарт Рассел; перевод с английского Н. Колпаковой. Москва: Альпина нон-фикшн (АНФ), 2021. ISBN 978-5-0013-9370-2.

Рассел Стюарт Дж.; Норвиг Питер, Искусственный интеллект: современный подход. 2-е изд. Upper Saddle River, Нью-Джерси: Prentice Hall, 2003.

Рассел Стюарт Дж.; Норвиг Питер. Искусственный интеллект: современный подход. 3-е изд. Верхняя Седловая Река, Нью- Джерси: Прентис-Холл. 2009.

Рассел С. Искусственный интеллект: современный подход / Стюарт Рассел, Питер Норвиг. 4-е. Хобокен: Пирсон, 2021. ISBN 9780134610993.

Рассел С., Норвиг П. Искусственный интеллект: современный подход= Artificial Intelligence: a Modern Approach / Пер. с англ. и ред. К. А. Птицына. 2-е изд. М.: Вильямс, 2006. 1408 с. 3000 экз. ISBN 5-8459-0887-6.

Рассел С., Норвиг П. Искусственный интеллект: современный подход. М.: Вильямс, 2006. 1408с. Хобокен: Пирсон, 2021.

Резаев А. В., Трегубова Н. Д. Искусственный интеллект и искусственная социальность: новые явления и проблемы для развития медицинских наук // Эпистемология и философия науки. М., 2019. Т.56, №4. С.183—199.

Родзин С. И. Искусственный интеллект. Таганрог: ИКТИБ ЮФУ, 2015. 148 с. ISBN 978-5-8327-0335-0. Глоссарий.

Романов А. С., Федотова А. М., Куртукова А. В. Основы построения систем искусственного интеллекта и машинного обучения. Томск: В-Спектр, 2023. 105 с. ISBN 978-5-902958-06-2. 100 экз.

Ручкин В. Н., Фулин В. А. Универсальный искусственный интеллект и экспертные системы. — СПб.: БХВ-Петербург. — 2009. — 240 с.

Ручкина Г. Ф. Искусственный интеллект, роботы и объекты робототехники: к вопросу о теории правового регулирования в Российской Федерации // Банковское право. 2020. №1. С.7—18.

Сердюков Ю. М., Рудецкий О. А., Зангиров В. Г. Философия виртуальной реальности и искусственного интеллекта / под ред. Ю. М. Сердюкова. Хабаровск: Изд-во ДВГУПС, 2020. 169с. ISBN 978-5-262-00881-0.

Синельникова В. Н., Ревинский О. В. Права на результаты искусственного интеллекта // Вестник Российской академии интеллектуальной собственности и Российского авторского общества. 2017. №4. С.24—27.

Смолин Д. В. Введение в искусственный интеллект: конспект лекций. М.: Физматлит. 208 с. ISBN 5-9221-0513-2.

Сова Л. З. Фундаментальные законы языкознания и искусственный интеллект. М.: Директ-Медиа, 2014. 105с.

Сурова Н. Ю., Косов М. Е. Искусственный интеллект. М.: ЮНИТИ, 2021. 407 с. ISBN 978-5-238-03513-0 500 экз.

Таулли Т. Основы искусственного интеллекта. СПб.: БХВ- Петербург, 2021. 288с. 1200экз. Глоссарий.

Тейз А., Грибомон П. и др. Логический подход к ИИ: От модальной логики к логике баз данных. М.: Мир; 1998. 494 c.

Толковый словарь по искусственному интеллекту / Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А.. М.: Радио и связь, 1992. 256 с.

Тополь Э. Искусственный интеллект в медицине: как умные технологии меняют подход к лечению / перевод с англ. Анваер А.. М.: Интеллектуальная Литература, 2021. 433с. ISBN 978-5-907470- 08—8: 5000 экз.

Уинстон П. Искусственный интеллект / Пер. с англ. М.: Мир, 1980. 519 с.

Уинстон Патрик Генри. Искусственный интеллект. Читаю, Ма: Эддисон-Уэсли. 1984.

Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. 231 с.

Фулин В. А. Универсальный искусственный интеллект и экспертные системы / В. А. Фулин, В. Н. Ручкин. СПб.: БХВ- Петербург. 2009. 240 с.

Хант Э. Искусственный интеллект= Artificial intelligence / Под ред. В. Л. Стефанюка. М.: Мир, 1978. 558 с. 17 700 экз.

Харьков В. П. Системный искусственный интеллект. М.: Изд-во Московского гуманитарного ун-та, 2025. 134 с

Хаттер Маркус. Универсальный искусственный интеллект. Берлин: Спрингер. 2005.

Хогеланд Дж. (1985). «Искусственный интеллект: сама идея. Кембридж, Массачусетс: MIT Press. ISBN 978-0-262-08153-5.

Чесалов А. Ю. Глоссариум по искусственному интеллекту и информационным технологиям. М.: Ridero. 2021. 304c.

Щитова А. А. Правовое регулирование информационных отношений по использованию систем искусственного интеллекта: диссертация на соискание ученой степени кандидата юридических наук /А. А. Щитова. — Москва, 2021. — 225 с.

Щурина С. В., Данилов А. С. Искусственный интеллект как технологическая инновация для ускорения развития экономики. Экономика. Налоги. Право. 2019. №12 (3). С.125—133. DOI: 10.26794/1999—849X-2019-12-3-125-133.

Язык и искусственный интеллект: сборник статей по итогам конференции «Лингвистический форум 2020: язык и искусственный интеллект» / под ред. А. В. Вдовиченко. М.: Издательский дом ЯСК, 2023. 326 с. (Studia philologica). ISBN 978- 5-907498-47-1. 100 экз.

Ясницкий Л. Н. Искусственный интеллект [Электронный ресурс]: методическое пособие: электронное издание / Л. Н. Ясницкий, Ф. М. Черепанов. — М.: Бином. Лаб. знаний, 2012. — 216 с. (Элективный курс. Информатика).; ISBN 978-5-9963-1482-9.

Александров В. В., Кулешов С. В., Цветков О. В. Цифровая технология инфокоммуникации. Передача, хранение и семантический анализ текста, звука, видео. СПб.: Наука, 2008. 244 с. 500экз. Глоссарий.

Алексеев А. Ю. Комплексный тест Тьюринга: философско- методологические и социокультурные аспекты. М.: ИИнтеЛЛ, 2013. 304 с.

Антонов В. Г. Информационные системы и основы системного анализа: учебное пособие для студентов естественнонаучных и математических специальностей высших учебных заведений / В. Г. Антонов, С. В. Лесников. Сыктывкар: Коми гос. пед. ин-т, 2009. 290 с. ISBN 978-5-87661-154-3. — EDN QMUGCD.

Арсеньев А. С., Ильенков Э. В., Давыдов В. В. Машина и человек, кибернетика и философия. Собрание сочинений. Т.3. М.: Канон плюс, 2020. ISBN 978-5-88373-579-9

Бодякин В. И. Нейросемантика. Информационно-управляющие системы. Искусственный разум: Информационно-управляющие системы. Искусственный разум: научные труды. М.: Фонд «Мир», 2020. 805 с. ISBN 978-5-919840-39-8 (Фонд «Мир»).

Большакова Е. И., Воронцов К. В., Ефремова Н. Э., Клышинский Э. С., Лукашевич Н. В., Сапин А. С. Автоматическая обработка текстов на естественном языке и анализ данных. М.: Изд-во НИУ ВШЭ, 2017. 269 с. 60экз.

Васильев В. В. Трудная проблема сознания. М.: Прогресс- Традиция, 2009. 272 с.

Гарднер Г. Структура Разума. Теория множественного интеллекта. М.: И. Д. Вильяме, 2007 512c. 2000экз.

Готовцев П. М., Ройзенсон Г. В. Характеристика проектов стандартов на этичный искусственный интеллект IEEE // Этика и «цифра». 2020.

Грациано М. Наука сознания. Современная теория субъективного опыта= Michael S. A. Graziano. Rethinking Consciousness: A Scientific Theory of Subjective Experience. М.: Альпина нон-фикшн, 2021. 254 с. (Книги Политеха). ISBN 978-5- 00139-208-8.

Де Гарис Х. Искусственный мозг: подход с развитым модулем нейронной сети // World Scientific. 2010. 400 c.

Ильенков Э. В. Об идолах и идеалах. Собрание сочинений. Т.3. М.: Канон плюс, 2020. ISBN 978-5-88373-579-9

Карпенко М. П. (ред.), Карпенко О. М., Фокина В. Н., Широкова М. Е., Давыдов Д. Г., Чмыхова Е. В., Качалова Л. М., Тараканов В. П., Басов В. А., Карпенко мл. М. П. Эдукология. М.: АЭО, 2020. 456с. 500экз. Глоссарий.

Карпов В. Э., Готовцев П. М., Ройзенсон Г. В. Машинная этика // Этика и «цифра». 2020. https://ethics.cdto.center/3_4.

Киссинджер Г., Шмидт Э., Хоттенлокер Д. Искусственный разум и новая эра человечества= THE AGE OF AI: AND OUR HUMAN FUTURE. М.: Альпина ПРО, 2022. 200 с. ISBN 978-5-907534-65-0.

Козилова Л. В., Фролова Н. Н. Этика общения в условиях цифровой образовательной среды. Н. Новгород, 2023. 116с. Глоссарий.

Компьютер учится и рассуждает (ч. 1) // Компьютер обретает разум= Artificial Intelligence Computer Images / под ред. В. Л. Стефанюка. М.:Мир, 1990. 240 с. 100 000 экз. ISBN 5-03- 001277-X (рус.); ISBN 0705409155 (англ.).

Корсаков С. Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи / Под ред. А. С. Михайлова. М.: МИФИ, 2009. 44 с. 200 экз. ISBN 978-5-7262-1108-4.

Леонтьева Т. В. Интеллект человека в русской языковой картине мира. М.: Флинта, 2014. 272с.

Лесников С. В. Гизаурус оцифрованных 1001 лексикографических материалов и русских словарей говоров, диалектов, региолектов и социолектов / С. В. Лесников // Говор: альманах. — 2024. — №8. — С. 632—682. — DOI 10.48612/govor/mmmh-bebe-p14k. — EDN RZSKUY.

Лесников С. В. Гипертекстовый тезаурус электронных учебников общеобразовательной школы Российской Федерации // Технологическое образование в школе и вузе. Материалы межрегиональной научно-практической конференции. 14— 15 ноября 2002 года. Сыктывкар: КГПИ, 2002. С.151—153. ISBN 5- 87661-031-3.

Лесников С. В. Инверсарий антонимов русского языка: свыше 11 000 слов / С. В. Лесников. — Санкт-Петербург: Редакция альманаха «ГОВОР», Российский фонд фундаментальных исследований, 2024. — 439 с. — DOI 10.48612/govor/2rak-ndmx- 2m8h.

Лесников С. В. Информационные системы (ИС) — специальность: прикладная информатика в экономике, 2 курс // М.: Информрегистр, №18058 от 17 февраля 2010г. № гос. регистрации 0320902695 http://db.inforeg.ru/deposit/Catalog/mat.asp?id=16631.

Лесников С. В. Контент-анализ произведений русских поэтов / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 443—456. — DOI 10.48612/govor/2v86-hkgk-rrgx. — EDN XMZBYQ.

Лесников С. В. Курс лекций дисциплины «Системное программирование и безопасность сетей»; Северный (Арктический) федеральный университет имени М.В.Ломоносова. Коряжма: Филиал САФУ в г. Коряжме, 2015. 180 с. — EDN VPKCVS.

Лесников С. В. Лексико-семантическая основа тезауруса метаязыка лингвистики: рефрейминг дефиниций / С. В. Лесников // Освоение семантического пространства русского языка: Сборник научных и научно-методических статей. — Нижний Новгород: Нижегородский государственный лингвистический университет им. Н. А. Добролюбова, 2024. — С. 153—165. — DOI 10.48612/govor/vfkh-9mzp-bbz3. — EDN HUJAJW.

Лесников С. В. Лингвистические основы информатики (теория, алгоритмы и лингвистические программы): учебное пособие. Часть 1 / Под ред. проф., д. филолог. н. Г.И. Тираспольского. Рецензенты: д. филолог. н. В.М.Андрющенко, д. филолог. н. С.А.Мызников, д. ф- м. н. А.С.Певный, д. филолог. н. А.А.Поликарпов. // Рекомендовано УМС по математике и механике УМО по классическому университет-скому образованию РФ в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлениям и специальностям: «Математика», «Прикладная математика и информатика», «Механика». Сыктывкар: Изд-во Сыктыкарского гос. ун-та, 2009. 292с. ISBN 978-5-87237-682-8.

Лесников С. В. Лингвистические основы информатики (теория, алгоритмы и лингвистические программы): учебное пособие для студентов высших учебных заведений, обучающихся по направлениям и специальностям «Математика», «Прикладная математика и информатика», «Механика» / под ред. Г. И. Тираспольского. Сыктывкар: Сыктывкарский гос. ун-т, 2011. 99 с. ISBN 978-5-87237-802-0. — EDN QXWVZH.

Лесников С. В. Метаязык лингвистики / С. В. Лесников // Говор: альманах. — 2024. — №8. — С. 462—470. — DOI 10.48612/govor/r1av-tpg5—6zpd. — EDN TELYSM.

Лесников С. В. Основные латинские терминоэлементы и термины метаязыка лингвистики // Научные ведомости БелГУ. Серия: гуманитарные науки. Белгород: БелГУ, 2011 г. №12 (107). Вып.10. С.37—45.

Лесников С. В. Парадигматические отношения метаязыка металингвистики / С. В. Лесников // Вестник Российского университета дружбы народов. Серия: Теория языка. Семиотика. Семантика. — 2024. — Т. 15, №3. — С. 974—999. — DOI 10.22363/2313-2299-2024-15-3-974-999. — EDN KIFMQP.

Лесников С. В. Ранг базисных источников терминов, понятий и терминологизмов методики преподавания русского языка / С. В. Лесников // Освоение семантического пространства русского языка: Сборник научных и научно-методических статей. — Нижний Новгород: Нижегородский государственный лингвистический университет им. Н. А. Добролюбова, 2024. — С. 221—228. — DOI 10.48612/govor/1174-drvf-285u. — EDN UQKCAZ.

Лесников С. В. Тезаурус как отражение системности языка // Вестник Челябинского госу-дарственного университета. Серия: филология, искусствоведение. Вып.59. №28 (243). Челябинск: ЧелГУ, 2011. С.52—61. ISSN 1994—2796.

Лесников С. В. Теория алгоритмов. Сыктывкар: Сыктывкарский государственный университет, 2012. 85 с. — EDN IUGVQI.

Лесников С. В. Учебно-методический комплекс «Мультимедиа технология» зарегистрирован в №2810 ОФАП Мин. Образования РФ 29 августа 2003 и в Информационно-библиотечном фонде РФ №50200300798 20 октября 2003. М.: ОФАП, 2003. Компакт-диск. 32 с.

Лесников С. В. Формирование и применение базового гипертекстового реестра стоп-слов русского языка: обоснование, методология и практическое использование / С. В. Лесников // Говор: альманах. — 2025. — №6. — С. 457—489. — DOI 10.48612/govor/6u76—85zf-7t16. — EDN GQLNBE.

Лесников С. В. Фреймовое конструирование тезауруса метаязыка лингвистики // Вестник Поморского университета. Серия «Гуманитарные и социальные науки». №4. Архангельск: ПГУ, 2011. С.84—89. ISSN 1728—7391. — EDN: OHYGNF.

Лесников С. В. Хронологический реестр оцифрованных базисных источников гизауруса метаязыка лингвистики / С. В. Лесников. — Москва — Санкт-Петербург: Альманах «ГОВОР», 2024. — 90 с. — DOI 10.48612/govor/tgxk-txpx-191e. — EDN WCEYFS.

Лесников С. В. Цифровые коды источников генерального реестра лексических единиц русского языка / С. В. Лесников // Говор: альманах. — 2024. — №8. — С. 757—765. — DOI 10.48612/govor/rk3h-de93-hv9d. — EDN QIMCFG.

Лесников С. В., Одинцова Т. С. Алгоритм создания «закрытого» электронного учебника // Сборник материалов научно- практической конференции, профессорско-преподавательского состава и ас-пирантов Сыктывкарского лесного института по итогам научно-исследовательских работ за 2002 год / Отв. ред. Т. А. Киросова. Сыктывкар: СЛИ, 2003. С.234—238. ISBN 5- 89804-031-5.

Мински М. Фреймы для представления знаний. М.: Мир, 1979. 151с.

Наумов В. Б. Право в эпоху цифровой трансформации: в поисках решений // Российское право: образование, практика, наука. 2018. №6 (108). С.4—11.

Незнамов А. В. О концепции регулирования технологий ИИ и робототехники в России // Закон. 2020. №1. С.171—185.

Никифорова А. Азбука искусственного интеллекта: 33 термина, чтобы разобраться в технологии. hightech.fm/2024/02/07/abc- artificial-intelligence.

Нильсон Н. Искусственный интеллект: методы поиска решений. М.: Мир, 1973. 272с.

Пенроуз Р. Новый ум короля: О компьютерах, мышлении и законах физики. М.: Издательство ЛКИ, 2008. C.328.

Попов Э. В. Общение с ЭВМ на естественном языке. М.: Наука, Физматлит; 1982. 350с.

Пул Д; Макворт А; Гобель Р.и (1998). Вычислительный интеллект: логический подход. Нью-Йорк: Издательство Оксфордского университета. ISBN 978-0-19-510270-3.

Разумникова О. М. Что такое интеллект? Новосибирск: НГТУ, 2018. 78с. 50экз. Словарь терминов.

Родзин С. И. Теория принятия решений: Конспект лекций. Таганрог: Изд-во ТТИ ЮФУ, 2017. 315с. ISBN 978-5-8327-0372-5. Глоссарий.

Серль Дж. Р. Сознание, мозг и программы // Аналитическая философия: Становление и развитие: Антология / Общ. ред. и сост. А. Ф. Грязнов. М., 1998. 528 с.

Смагин А. А. Интеллектуальные информационные системы / А. А. Смагин, Липатова С. В., Мельниченко А. С. Ульяновск: УлГУ, 2010. 136 с. 100экз. Глоссарий.

Турчин А. В. Футурология. XXI век. Бессмертие или глобальная катастрофа? / А. В. Турчин, М. А. Бахтин. Москва, 2013. libking.ru/books/nonf-/nonf-publicism/205876-aleksey-turchinrossiyskaya-akademiya-nauk.html.

Тьюринг А. Может ли машина мыслить. М.: Едиториал УРСС, Ленанд. 2016. 128 с.

Тьюринг Алан (Октябрь 1950 г.). Вычислительная техника и интеллект. С.433—460. doi:10.1093/mind/LIX.236.433. ISSN 1460—2113. JSTOR 2251299. S2CID 14636783.

Broadhurst R., Brown P et al. Artificial Intelligence and Crime / R. Broadhurst, P. Brown, D. Maxim, H. Trivedi, J. Wang // Research Paper, Korean Institute of Criminology and Australian National University Cybercrime Observatory, College of Asia and the Pacific. Canberra, 2019. Pp.1—70.

Crawford K. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press, 2021. 336 с. ISBN 978 —0300209570.

Goertzel B. Artificial General Intelligence: Concept, State of the Art, and Future Prospects // Journal of Artificial General Intelligence. 2014. Vol. 5 (1). Pp.1—46.

Kaplan A., Haenlein M. On the interpretations, illustrations, and implications of artificial intelligence. sciencedirect.com/science/article/abs/pii/ S0007681318301393.

Kurzweil R. The Age of Intelligent Machines. Cambridge, MA: MIT Press, 1990. 565 p.

Legg S., Hutter M. A collection of definitions of intelligence / In B. Goertzel, P. Wang (Eds.) // Advances in artificial general intelligence: concept, architectures and algorithms. Amsterdam: IOS Press., 2007. Vol.157. Pp.17–24.

Luger George; Stubblefield William (2004), Artificial Intelligence: Structures and Strategies for Complex Problem Solving (5th ed.), The Benjamin/Cummings Publishing Company, Inc., p. 720, ISBN 0-8053- 4780—1

MacNish C., Pearce D., Pereira L.M. Logics in Artificial Intelligence / C. MacNish, D. Pearce, L.M. Pereira // European Workshop JELIA ’94, York, UK, September 5—8, 1994. 413 p.

McCarthy J. What is Artificial Intelligence? // Stanford University. — 2007. www-formal.stanford.edu/jmc/whatisai.

Murphy R.F. Artificial Intelligence Applications to Support K- 12 Teachers and Teaching // A Review of Promising Applications, Opportunities, and Challenges. RAND Corporation. www.rand.org/content/dam/rand/pubs/perspectives/PE300/PE315/R AND_PE315.pdf

Nilsson Nils (1998), Artificial Intelligence: A New Synthesis, Morgan Kaufmann Publishers, ISBN 978-1-55860-467-4

Nilsson Nils. Искусственный Интеллект: Новый Синтез. Морган Кауфман. 1998.

Norvig P. Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp // Morgan Kaufmann. 1991. 948p.

Poole David; Mackworth, Alan; Goebel, Randy (1998), Computational Intelligence: A Logical Approach, New York: Oxford University Press

Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach (2nd ed.), Prentice Hall, ISBN 0-13-790395-2

Ryan M. In AI we trust: Ethics, artificial intelligence, and reliability // Science and Engineering Ethics. 2020. Vol. 26. — Pp. 2749 —2767.

Stone P., Rodney B. Artificial intelligence and life in 2030 / P. Stone, B. Rodney, B. Erik, C. Ryan, О. Etzioni // One-hundred-year study on artificial intelligence: Report of the 2015–2016. Stanford, Stanford University. http://ai100.stanford.edu/2016-report

Turing A. Computing machinery and intelligence (англ.) // Mind: журнал. Oxford: Oxford University Press, 1950. No. 59. P.433—460.

Turing A. Computing machinery and intelligence // Mind. 1950. Vol. 59. Pp.433—460.

Wiener N. The human use of human beings: cybernetics and society / N. Wiener. Boston: Houghton Mifflin, Second Edition Revised, NY: Doubleday anchor, 1954. 344 p.

Контент ГИЗАУРУСа

§1. Пролегомены

— 1.1. Актуальность: эволюция цифрового неравенства: от проблемы доступа к технологиям к проблеме понимания их принципов. «Чёрный ящик» ИИ как вызов личности.

— 1.2. Обзор источников: критический анализ ГОСТ Р, корпоративных глоссариев (Google, Microsoft) и академических работ. Выявление дефицитов: экспертоцентричность и отсутствие связи с практикой.

— 1.3. Проблема исследования: отсутствие лингвистического инструмента «первого касания» для непрофессионала.

— 1.4. Цель и задачи: разработка модели ГИЗАУРУСа, интегрирующей теорию с немедленной практической апробацией в сервисах.

§2. Материалы и методы

— 2.1. Критический дискурс-анализ: деконструкция мифов ИИ.

— 2.2. Концепт-анализ: выделение ядра и периферии понятий «интеллект», «обучение», «агентность».

— 2.3. Дельфи-метод: трехэтапный экспертный опрос для верификации состава.

— 2.4. Матрица оценки AI-сервисов: критерии отбора (бесплатность, русский язык, безопасность).

— 2.5. Юзабилити-тестирование: апробация прототипа на фокус-группах (метод «мысль вслух»).

2.1. Критический дискурс-анализ (КДА): деконструкция мифов ИИ

AI Washing (практика приписывания ИИ продуктам, где его на самом деле нет).

Автоматизация (дискурс угроз) (связь ИИ с потерей рабочих мест).

Автономное оружие (роботы-убийцы как главная страшилка ИИ-дискурса).

Авторское право (в эпоху ИИ) (конфликт между генератором и творцом).

Агент влияния (личность или бот, распространяющий мифы об ИИ).

Агентность ИИ (приписывание нейросетям способности действовать самостоятельно, снимающее ответственность с разработчиков).

Аксиология (ценностная составляющая дискурса об искусственном разуме).

Алармизм (нагнетание паники вокруг «смерти профессий» из-за ИИ).

Алгоритмическая справедливость (идеал равенства в ИИ-дискурсе).

Алгоритмическая цензура (скрытое ограничение дискурса со стороны платформ).

Алгоритмический надзор (использование ИИ для слежки за сотрудниками).

Алгоритмический объективизм (миф о том, что алгоритмы всегда нейтральны и свободны от человеческих предвзятостей).

Алгоритмическое управление (использование ИИ как инструмента дисциплины и надзора).

Аллегория (использование ИИ как образа для других социальных процессов).

Альтернативный дискурс (мнение независимых исследователей и активистов).

Антропоморфизм (приписывание ИИ человеческих качеств, чувств и намерений в описательных текстах).

Аргументация (система логических доводов в пользу безопасности или опасности ИИ).

Аудит алгоритмов (процедура проверки дискурса на соответствие нормам).

Безопасность ИИ (AI Safety) (дискурс о предотвращении экзистенциальных рисков).

Бинарная оппозиция (упрощенное деление на «умный/глупый», «эффективный/бесполезный»).

Большие данные (Big Data) (дискурс о количестве, переходящем в качество).

Бот-дискурс (специфика текстов, генерируемых самими нейросетями).

Брутфорс (дискурсный аспект) (критика подхода «сила есть — ума не надо»).

Бум ИИ (текущий период чрезмерных ожиданий и инвестиций).

Варваризм (неоправданное использование англицизмов в ИИ-дискурсе).

Венчурный капитализм (двигатель хайпа в ИИ-дискурсе).

Вербализация (выражение функций ИИ в словах).

Властный ресурс (способность контролировать дискурс, принадлежащая крупным тех-корпорациям).

Галлюцинация (термин дискурса) (метафора для обозначения фактических ошибок нейросетей).

Гегемония (доминирование определенного дискурса, при котором он воспринимается как единственно верный «здравый смысл»).

ГИЗАУРУС (как метод) (инструмент системной деконструкции и упорядочивания ИИ-дискурса).

Гипербола (преувеличение возможностей ИИ в рекламе).

Глобальный Юг (в дискурсе ИИ) (страны, потребляющие чужой ИИ-дискурс).

Глубокое обучение (маркетинговый термин, подчеркивающий сложность, но не суть).

Голосовой интерфейс (дискурс о «слышимом» ИИ, например, Алиса или Сири).

Дата-центризм (установка на то, что данные важнее алгоритмов).

Деконструкция (разбор структуры текста для выявления скрытых противоречий и идеологических установок).

Делегитимация (дискредитация критиков ИИ как «луддитов» или «ретроградов»).

Демократизация ИИ (дискурс о том, что технологии теперь доступны каждому).

Демократическая легитимность (вопрос о том, кто разрешил внедрять ИИ).

Денотация (прямое значение термина ИИ, часто подменяемое в медийном дискурсе).

Дипфейк (символ недостоверности визуального дискурса в эпоху ИИ).

Дискриминация алгоритмическая (реальное последствие предвзятого дискурса).

Дискурс (речевая практика, рассматриваемая как форма социального взаимодействия и отражение властных отношений).

Дискурс-аналитическая карта (визуализация связей между ключевыми мифами ИИ).

Дискурсивная борьба (конфликт мнений о будущем технологий между учеными и бизнесом).

Дискурсивная инерция (сохранение старых мифов об ИИ, несмотря на новые факты).

Дискурсивная компетенция (умение эффективно участвовать в спорах об ИИ).

Дискурсивная ниша (специфическая область обсуждения, например «ИИ в медицине»).

Дискурсивная практика (процесс создания, распространения и восприятия сообщений об ИИ в медиа и науке).

Дискурсивная стратегия (линия поведения автора текста для достижения нужного эффекта у читателя).

Дискурсивная формация (система правил, определяющая, что можно и что нельзя говорить об ИИ в конкретную эпоху).

Дискурсивное поле (пространство борьбы смыслов об ИИ).

Дискурсивное событие (важный инфоповод, меняющий отношение к ИИ, например, релиз GPT-4).

Дискурсивный барьер (трудность понимания ИИ из-за сложности экспертного языка).

Дискурсивный узел (точка пересечения разных тем, например, «ИИ и приватность»).

Дискурс-сообщество (группа людей, говорящих на одном языке об ИИ).

Дистопия (противоположность утопии, дискурс тотального контроля и гибели человечества).

Дихотомия «Человек — Машина» (противопоставление, на котором строится большинство дискуссий об ИИ).

Доверие (Trustworthy AI) (центральный концепт европейского дискурса об ИИ).

Дополнение (Augmentation) (оптимистичный дискурс о расширении возможностей человека).

Жаргонизация (проникновение ИТ-сленга в обыденную речь).

Запрет на ИИ (мораторий) (попытка остановить развитие дискурса через закон).

Зеленый ИИ (Green AI) (дискурс об энергоэффективных алгоритмах).

Зима ИИ (исторический период затишья и разочарования в технологиях, ставший частью дискурса).

Знак (единство означающего слова и означаемого понятия об ИИ).

Идеология (система взглядов, представляющая интересы определенных групп как универсальную истину).

ИИ-гонка (метафора соревнования вооружений применительно к коду).

Иллокутивная сила (намерение, с которым произносится фраза об ИИ).

Имитация (суть работы ИИ, часто выдаваемая за понимание).

Инженерия знаний (старый термин, вытесненный «машинным обучением»).

Инклюзивность (обеспечение доступа к ИИ для всех социальных групп).

Инновация (как фетиш) (поклонение новизне ИИ без оценки последствий).

Институциональный дискурс (язык официальных документов, отчетов корпораций и законов об ИИ).

Интеллектуальная собственность (правовая рамка для ИИ-результатов).

Интеллектуальная честность (признание ограничений ИИ в публичном поле).

Интенциональность (наличие намерений, отрицаемое у ИИ критиками).

Интердискурсивность (смешение разных типов дискурса, например, использование религиозных терминов в ИТ-маркетинге).

Интертекстуальность (связь между текстами, когда идеи из научной фантастики проникают в технические описания ИИ).

Информационная гигиена (защита от манипулятивных мифов об ИИ).

Информационная повестка (то, о чем говорят эксперты сегодня).

Информационная энтропия (хаос в дискурсе при избытке ИИ-данных).

Информационный шум (избыток генерируемого ИИ контента, затрудняющий анализ).

Ирония (использование юмора для деконструкции ИИ-мифов).

Калькирование (прямой перевод терминов, порождающий путаницу).

Квалиа (философский термин, подчеркивающий отсутствие чувств у ИИ).

Кибервойна (дискурс об использовании ИИ как оружия).

Кибернетика (предшественник ИИ-дискурса, заложивший его базу).

Кибер-оптимизм (вера в освободительную силу интернета и ИИ).

Киберпанк (культурный код, формирующий дискурс о мрачном будущем с ИИ).

Кибер-реализм (критический взгляд на ограниченность и риски технологий).

Киборгизация (дискурс о сращивании человека и ИИ-интерфейсов).

Китайская комната (эксперимент Сёрля, критикующий дискурс о «понимающем» ИИ).

Кликбейт (заголовки-мифы для увеличения трафика).

Когнитивная рамка (шаблон восприятия, заставляющий видеть в ИИ «помощника» или «врага»).

Коллаборация (дискурс о партнерстве человека и ИИ).

Коммуникативная неудача (непонимание между разработчиком и пол (ь) зователем).

Коннотация (добавочное значение слова, создающее позитивный или негативный ореол вокруг термина).

Концептуализация (процесс перевода технологических фактов в понятные образы).

Концептуальная метафора (глубинная связь, например, «Разум — это компьютер»).

Концептуальный сдвиг (изменение смысла слова «интеллект» из-за ИИ).

Корпоративный сленг (специфический язык ИТ-гигантов, маскирующий коммерческие цели).

Корпусная лингвистика (метод анализа больших объемов текстов об ИИ для выявления частотных мифов).

Креативность ИИ (дискурс споров) (может ли машина творить?).

Критическая дистанция (способность не поддаваться хайпу и панике).

Критический дискурс-анализ (междисциплинарный подход, исследующий, как текст формирует и поддерживает социальное неравенство).

Критическое мышление (главный инструмент деконструкции мифов).

Культурный код (национальные особенности восприятия ИИ-мифов).

Легитимация (обоснование необходимости внедрения ИИ через ссылки на «прогресс» или «эффективность»).

Лексический выбор (использование эмоционально окрашенных слов для создания образа «всемогущего» ИИ).

Лингвистическая относительность (идея о том, что язык об ИИ определяет наше мышление о нем).

Лингвистическая репрезентация (способ отображения ИИ в языке).

Лингвистическая экология (забота о чистоте и понятности языка об ИИ).

Литота (преуменьшение рисков ИИ в официальных отчетах).

Локуция (сам факт произнесения слов о технологиях).

Лудитство (неолуддизм) (сознательное разрушение ИИ-инфраструктуры).

Макроструктура (общий план содержания текста об ИИ).

Манипуляция (использование дискурса для изменения сознания масс в интересах элит).

Машинное обучение (как метафора) (приравнивание статистической подгонки к человеческому познанию).

Медиа-дискурс (язык СМИ, склонный к упрощению и сенсационности в темах нейросетей).

Медиаобразование (система подготовки пользователя к жизни в мире ИИ).

Мейнстрим (господствующее направление в ИИ-дискурсе).

Метафора (перенос смысла, например, «нейронная сеть» как подобие биологического мозга).

Метаязык (язык второго порядка, используемый для описания самого ИИ).

Метод Фэрклафа (трехмерная модель анализа, включающая текст, дискурсивную практику и социальную практику).

Метонимия (замена целого частью, например, «алгоритм решил» вместо «программист прописал»).

Механистическое мышление (взгляд на человека как на сложный ИИ).

Микроструктура (конкретные слова и грамматические формы в описании нейросетей).

Мировоззренческая установка (база, на которой строится восприятие текстов об ИИ).

Миф об ИИ (устойчивое ложное представление о технологиях, упрощающее их реальную природу).

Мифологема (минимальная единица мифа, например, образ «восстания машин»).

Модальность (степень уверенности в тексте, выраженная через слова «должен», «неминуемо», «вероятно»).

Монополизация знаний (сосредоточение ИИ-дискурса в руках 3—5 компаний).

Надзорный капитализм (термин Зубофф о монетизации поведения через ИИ).

Нарратив (линейная история о развитии ИИ, задающая рамки его восприятия обществом).

Натурализация (представление искусственных алгоритмов как «естественного» этапа эволюции).

Научно-популярный дискурс (попытка перевода экспертных знаний на язык пол (ь) зователя с риском мифологизации).

Невербальный дискурс ИИ (влияние дизайна и интерфейсов на восприятие системы).

Нейроморфность (дискурс о попытке копирования структуры мозга в коде).

Номинализация (превращение действия в существительное, скрывающее реальных исполнителей, например, «автоматизация вытесняет»).

Общественный договор (пересмотр прав человека в эпоху ИИ).

Объективация (превращение сложного социального процесса в «просто технологию»).

Объяснимость (XAI) (требование сделать дискурс технологий прозрачным для человека).

Ответственность (Accountability) (поиск виновного в ошибках ИИ-дискурса).

Открытый код (Open Source) (дискурс о сопротивлении монополиям).

Парадигма (система научных взглядов на ИИ в конкретный период).

Парадигматика (возможность замены одного термина другим для изменения акцента).

Перлокуция (эффект, произведенный словами об ИИ на слушателя, например, страх).

Персонализация (дискурс об индивидуальном подходе алгоритма к каждому).

Перформатив (высказывание об ИИ, которое само по себе является действием, например, объявление о запуске).

Плагиат (в дискурсе ИИ) (обвинение нейросетей в краже стилей).

Повестка дня (Agenda Setting) (способность медиа навязывать темы для обсуждения в сфере ИИ).

Подрывные технологии (термин для ИИ, меняющего правила игры).

Позиционирование (место термина в системе ценностей пол (ь) зователя).

Политический дискурс (использование темы ИИ для укрепления государственного имиджа или контроля).

Популяризация (перевод экспертного дискурса на обыденный уровень).

Постгуманизм (дискурс об эпохе после доминирования человека).

Постправда (эпоха, в которой ИИ-контент стирает границы реальности).

Право на объяснение (юридическое требование прозрачности ИИ).

Право на офлайн (сопротивление тотальному ИИ-дискурсу).

Прагматика (влияние текста о технологиях на поведение реальных пользователей).

Прагматический пресуппозит (скрытая установка на использование технологии).

Предвзятость (Bias) (наличие скрытых стереотипов в обучающих данных и языке ИИ).

Пресуппозиция (предварительное знание, которое подразумевается текстом как само собой разумеющееся).

Приватность (как ценность) (главная жертва в дискурсе эффективности ИИ).

Призрачная работа (Ghost Work) (термин о невидимых разметчиках данных).

Прозрачность данных (требование знать, на чем учили ИИ).

Прозрачность (антитеза «черному ящику»).

Промт-инжиниринг (как дискурс) (новый вид речевой практики взаимодействия с машиной).

Пропаганда (целенаправленное навязывание выгодного образа ИИ-технологий).

Профанация (искажение сути ИИ-технологий при упрощении).

Пузырь фильтров (изоляция пользователя от альтернативных мнений алгоритмами соцсетей).

Рационализм (опора на факты против мифов).

Регулирование (AI Act) (попытка государства обуздать ИИ-дискурс).

Редукционизм (сведение сознания к работе алгоритмов).

Реификация (овеществление абстрактных понятий, восприятие алгоритма как живой сущности).

Референция (соотнесение слова «ИИ» с реальными объектами реальности).

Рефлексия (осмысление собственного участия в ИИ-дискурсе).

Речевое воздействие (цель любого текста об ИИ-модернизации).

Речевой акт (минимальная единица дискурса в коммуникации об ИИ).

Риторика (искусство убеждения в необходимости тотальной цифровизации).

Самообучение (мистифицированный термин для уточнения весов сети).

Сарказм (жесткая критика техно-утопий).

Сема (минимальный элемент значения слова в контексте обсуждения ИИ).

Семантическая деривация (образование новых смыслов у ИТ-терминов).

Семантический барьер (разница в значении слов у разных групп).

Семантический капитал (набор понятий, позволяющий человеку понимать мир ИИ).

Семантическое поле (совокупность слов, связанных с темой искусственного разума).

Семиотика ИИ (наука о знаках и символах, используемых в интерфейсах и текстах).

Сенсационность (стиль подачи новостей об ИИ для привлечения внимания).

Сентимент-анализ текста (автоматическое выявление эмоционального тона в статьях об ИИ).

Сертификация (подтверждение безопасности ИИ-системы).

Силиконовая долина (как мифологема) (место силы и источник всех ИИ-смыслов).

Силиконовая идеология (набор верований о том, что технологии Кремниевой долины спасут мир).

Сильный ИИ (AGI) (концепт идеального универсального разума).

Симбиоз (биологическая метафора тесного взаимодействия человека и кода).

Символизм (восприятие логотипов ИИ-компаний как знаков новой власти).

Сингулярность (миф о моменте, когда ИИ превзойдет человечество навсегда).

Синтагматика (связь слов в цепочке при описании функций нейросети).

Скейлинг (Scaling Laws) (вера в то, что простое увеличение нейросети даст разум).

Скептицизм (здоровая критика ИИ-хайпа).

Скрытая посылка (неявное утверждение, принимаемое на веру, например, что ИИ всегда полезен для бизнеса).

Слабый антропный принцип (контекст появления интеллекта в дискурсе).

Слабый ИИ (дискурс об узкоспециализированных программах).

Социальная практика (реальные действия и институты, на которые влияет дискурс об ИИ, например, законодательство).

Социальный рейтинг (пример реализации контроля через ИИ-анализ).

Спираль молчания (механизм, при котором критики ИИ боятся высказываться против большинства).

Стандартизация (перевод дискурса в плоскость ГОСТов).

Стартап-культура (язык успеха и риска в сфере ИИ).

Стилистическая фигура (прием усиления текста для придания ИИ качеств божественности или магии).

Субъективация (процесс формирования отношения пользователя к себе через взаимодействие с ИИ).

Терминологический взрыв (резкое появление сотен новых слов в ИИ).

Технологический детерминизм (миф о том, что развитие технологий предопределяет развитие общества само по себе).

Технологический разрыв (дискурс о неравенстве между теми, кто владеет ИИ, и остальными).

Техно-национализм (борьба стран за лидерство в ИИ как вопрос престижа).

Техно-оптимизм (вера в то, что любая социальная проблема имеет техническое решение через ИИ).

Техно-пессимизм (дискурс, подчеркивающий только угрозы и деградацию человека под влиянием ИИ).

Технофилия (чрезмерная любовь и доверие к ИИ).

Технофобия (иррациональный страх перед ИИ-дискурсом).

Техно-хайп (искусственно раздутый интерес к новой ИИ-технологии).

Топос (общее место, стандартный аргумент, например, «ИИ сэкономит время»).

Транзитивность (грамматическая структура, определяющая, кто является «действующим лицом» в предложениях об ИИ).

Трансгуманизм (философское течение, использующее ИИ как средство улучшения человека).

Трансформер (как концепт) (архитектура, ставшая символом революции в NLP).

Тьюрингов тест (как символ) (мерило человечности ИИ в дискурсе).

Универсализация (утверждение, что ИИ подходит для всех культур и сообществ одинаково).

Устойчивое развитие (попытка примирить ИИ и экологию).

Утопизм (изображение будущего с ИИ как идеального общества без проблем).

Утопический проект (попытка построить рай через алгоритмы).

Фрейминг (выделение одних аспектов технологии при полном замалчивании других).

Холизм (взгляд на интеллект как на нечто большее, чем сумма кодов).

Цифровая грамотность (навык критического анализа ИИ-дискурса).

Цифровая диктатура (предельный случай реализации мифа о контроле).

Цифровое бессмертие (миф о загрузке сознания в ИИ-облако).

Цифровой двойник (метафора полного виртуального соответствия реальности).

Цифровой детокс (отказ от взаимодействия с ИИ-системами).

Цифровой колониализм (дискурс о навязывании ИИ-технологий развитыми странами всему миру).

Цифровой след (данные, на которых строится дискурс личности для ИИ).

Цифровой суверенитет (право нации или личности контролировать свой ИИ-дискурс).

Цифровой труд (дискурс об эксплуатации людей, обучающих ИИ за копейки).

Черный ящик (дискурсный аспект) (метафора, оправдывающая непрозрачность алгоритмов).

Черный ящик (этический аспект) (невозможность контроля ведет к недоверию).

Эвфемизм (замена жестких терминов мягкими, например, «оптимизация штата» вместо «увольнения из-за ИИ»).

Экологический след ИИ (скрытая тема об энергозатратах нейросетей).

Экспертократия (власть специалистов, владеющих сложным ИИ-дискурсом).

Экспоненциальный рост (математический термин, ставший мифом о скорости ИИ).

Эмансипация (освобождение пользователя от власти ИИ-мифов).

Эмерджентность (появление новых свойств ИИ, не заложенных авторами).

Эмпатичный дизайн (миф о способности ИИ сопереживать пользователю).

Эмпиризм (проверка утверждений об ИИ через опыт).

Эпистема (структура знания конкретной эпохи, определяющая границы понимания интеллекта).

Эссенциализм (приписывание ИИ фиксированной «природы», игнорируя его изменчивость).

Этика ИИ (дискурсный аспект) (набор правил, часто используемый для «этического маркетинга»).

Этический кодекс ИИ (попытка формализации дискурса ответственности).

Эффективность (как догма) (главный аргумент в пользу внедрения ИИ).

Эхо-камера (ситуация, когда пользователь слышит только подтверждение своих мифов об ИИ).

2.2. Концепт-анализ: выделение ядра и периферии понятий «интеллект», «обучение», «агентность»

Edge AI (концепт локального интеллекта внутри устройства).

Few-shot learning (обучение концепту на основе 2—3 примеров).

F-мера (баланс между точностью и полнотой в оценке ИИ).

Zero-shot learning (способность интеллекта к задаче без предварительных примеров).

Абстрагирование (выделение существенного при игнорировании деталей).

Аватар (концепт-посредник, через который человек проявляет свою агентность в сети).

Автономия (степень независимости агента от внешнего управления).

Автономная система (техническое воплощение концепта агентности без участия человека).

Автономное оружие (предельно опасная форма агентности ИИ).

Авторство ИИ (юридический вызов концепту агентности в культуре).

Агентная среда (окружение, в котором ИИ проявляет свою агентность).

Агентное доверие (уверенность в предсказуемости действий ИИ).

Агентность (ядерный признак) (способность субъекта совершать действия и влиять на мир).

Агентность как ответственность (связь между действием и его последствиями).

Адаптивность (ключевой признак, связывающий интеллект с выживанием и эффективностью).

Аксиологический анализ (выявление ценностей «безопасность», «прогресс», «польза» в концептах ИИ).

Активация (порог принятия решения внутри элементарной единицы интеллекта).

Алгоритмическая агентность (власть алгоритмов определять выбор человека через рекомендации).

Алгоритмическая гигиена (навыки защиты сознания от ИИ-воздействия).

Алгоритмическая прозрачность (антитеза «черному ящику» в праве).

Алгоритмический цензор (негативная грань агентности ИИ в медиа).

Аналитическая способность (разложение сложного на простые элементы в ИИ).

Аналогия (перенос смыслов между концептами на основе структурного сходства).

Антонимия концептов (противопоставление «естественный vs искусственный»).

Антропоморфная ловушка (ошибочное приписывание ИИ человеческих мотивов агентности).

Антропоцентризм (установка оценивать интеллект ИИ только по сходству с человеком).

Архаизация концепта (устаревание понятий, например «перцептрон», переходящих на периферию).

Архитектура (модели) (структурный скелет, определяющий границы интеллекта).

Ассоциативная связь (самый простой вид отношения между терминами).

Ассоциативное поле (область спонтанных связей концепта «ИИ» с образами будущего).

Ассоциация (связь между концептами на основе частоты их совместного появления).

Аутсорсинг когниций (передача ИИ функций памяти и расчетов).

Безопасность (Safety) (концепт предотвращения вреда от агентности ИИ).

Биологический интеллект (прототипный образ разума, основанный на функциях человеческого мозга).

Биоцентризм (взгляд на обучение и интеллект как исключительно биологические свойства).

Бихевиоризм (в концепте ИИ) (оценка интеллекта только по внешнему поведению, как в тесте Тьюринга).

Благополучие человека (высшая цель концепта ИИ в гуманистическом дискурсе).

Ближняя периферия (признаки, тесно связанные с ядром, но не являющиеся обязательными для определения).

Большие данные (Big Data) (материальная база концепта современного ИИ).

Валидация (промежуточная проверка концептуальной целостности модели).

Векторное пространство (геометрическая модель смысловых связей между концептами).

Вербализация концепта (способ выражения ментальной структуры через слова и фразы).

Вес (связи) (мера значимости влияния одного элемента на другой в нейросети).

Внимание (Attention) (механизм выделения ядерных признаков в тексте нейросетью).

Воплощенный интеллект (Embodied AI) (концепт разума, требующий физического тела или робота).

Входной слой (зона первичного контакта интеллекта с миром данных).

Выходной слой (результат работы интеллекта, проявленный вовне).

Вычислительная мощность (ресурсное ограничение концепта ИИ).

Вычислительный интеллект (акцент на математической и алгоритмической природе концепта).

Галлюцинация (как концептуальный сбой) (ошибка генерации, воспринимаемая как ложное знание).

Галлюцинация как креативность (периферийный, позитивный взгляд на ошибки ИИ).

Генерализация (как цель) (переход от частного опыта к общим правилам).

Генеративность (способность порождать контент, ставшая ядерным признаком современного ИИ).

Гибридный интеллект (Human-in-the-loop) (концепт сотрудничества человека и машины).

Гибридный подход (концепт, объединяющий символьные и нейросетевые методы).

ГИЗАУРУС (как инновация) (адаптивный инструмент навигации в концептах ИИ).

Гипероним (родовое понятие, например «программа» для концепта «чат-бот»).

Гипоним (видовое понятие, например «трансформер» для концепта «нейросеть»).

Глубокое обучение (концепт, акцентирующий внимание на многослойности и сложности структуры).

Градиентный спуск (метафора движения к истине через исправление ошибок).

Дальняя периферия (субъективные, оценочные и редкие ассоциации, связанные с понятием).

Датасет (Dataset) (граница знаний, на которых строится концепт обучения).

Дееспособность (юридическая грань агентности, обсуждаемая применительно к ИИ-системам).

Деконструкция интеллекта (разбор ИИ на простые статистические функции).

Делегирование агентности (передача полномочий от человека к ИИ-агенту).

Демократизация интеллекта (доступ к сложным вычислениям для каждого).

Денотат (реальный объект или явление, которое обозначается термином ИИ).

Динамическая периферия ГИЗАУРУСа (постоянно обновляемый список сервисов и новинок).

Дискриминативность (способность различать объекты, ядерный признак классического ML).

Диффузия концептов (взаимное проникновение смыслов между «человеком» и «машиной»).

Доверие (Trust) (этический компонент связи пользователя с ИИ-агентом).

Зловещая долина (провал в доверии к агенту, когда он слишком похож на человека, но несовершенен).

Значимый признак (характеристика, критически важная для работы интеллекта).

Иерархическая связь (отношение типа «род-вид»).

Ингибирование (подавление сигнала, важный процесс для концентрации внимания ИИ).

Интеллект (образный компонент) (метафоры «мозг», «сеть», «черный ящик», определяющие восприятие ИИ).

Интеллект (ценностный компонент) (оценка разума как высшего блага или опасного инструмента).

Интеллект (ядерный признак) (способность к решению задач и адаптации к новым условиям).

Интеллект как сервис (AIaaS) (экономическая модель потребления когниций).

Интеллектуальная собственность (защита результатов работы ИИ).

Интеллектуальный ассистент (концептуальная роль ИИ как помощника).

Интеллектуальный порог (уровень сложности задач, доступных ИИ).

Интенсионал (совокупность всех мыслимых признаков, составляющих содержание понятия).

Интенциональность (направленность сознания или алгоритма на объект, наличие намерения).

Интерактивность (способность агента вступать в диалог и реагировать на действия другого).

Интерпретируемость (степень понятности внутренних процессов ИИ для человека).

Интуитивная понятность (критерий качества интерфейса и концепта).

Интуиция (в концепте ИИ) (периферийный признак, обозначающий необъяснимо быстрый результат работы модели).

Искусственный интеллект (как концепт) (технологическая имитация когнитивных функций человека).

Категоризация (процесс отнесения объекта к определенному классу понятий на основе сходства).

Классификация (разбиение мира на категории как акт интеллекта).

Кластеризация (сгруппирование данных без внешнего руководства).

Когнитивная карта (визуальное представление связей между концептами ИИ).

Когнитивная разгрузка (положительный эффект от использования ИИ-инструментов).

Когнитивная способность (конкретная функция разума: память, внимание, воображение).

Когнитивная эргономика (удобство взаимодействия человеческого и машинного разумов).

Когнитивный диссонанс (конфликт между ожиданиями от ИИ и его реальным поведением).

Когнитивный признак (минимальная единица смысла, выделяемая в структуре концепта).

Когнитивный суверенитет (право человека на собственное мышление без ИИ-манипуляций).

Коннекционизм (модель интеллекта как сети простых взаимодействующих элементов).

Контекстное окно (граница оперативной памяти концепта «обучение»).

Контекстуальное знание (понимание условий, в которых действует интеллект).

Контроль (Alignment) (проблема соответствия целей ИИ-агента целям человека).

Концепт (сложное ментальное образование, включающее понятийный, образный и ценностный компоненты).

Концепт-анализ (метод исследования смысла, направленный на выявление структуры концепта в языке и культуре).

Концептосфера (совокупность всех концептов, описывающих мир ИИ для пол (ь) зователя).

Концептуализация (процесс порождения новых смыслов в ходе осмысления технологии ИИ).

Концептуальная интеграция (слияние смыслов человека и машины в гибридных системах).

Концептуальная устойчивость (сохранение смысла термина при смене технологий).

Концептуальное ядро ГИЗАУРУСа (базовый набор терминов, обязательный для всех).

Концептуальный конфликт (столкновение разных пониманий «агентности» у юристов и инженеров).

Корпус (текстов) (лингвистическая вселенная, обучающая ИИ языку).

Критическое восприятие (фильтр, отделяющий мифы от реальности концепта ИИ).

Кросс-модальный перенос (способность «видеть» описание и «описывать» увиденное).

Культурный сценарий (ожидаемое поведение ИИ, продиктованное фильмами и книгами).

Лингвистическая относительность ИИ (влияние языка обучения на «мышление» модели).

Лингвокультурология (изучение того, как ИИ отражается в национальных языковых картинах мира).

Логический вывод (ядерный признак классического интеллекта, основанный на правилах).

Машинная этика (попытка встроить моральные ограничения в концепт агентности ИИ).

Машинное обучение (как концепт) (статистическая подгонка параметров модели под данные).

Метафорический перенос (использование терминов биологии для описания кода: «вирус», «нейрон», «наследование»).

Метаязык описания ИИ (словарь, используемый для анализа ГИЗАУРУСа).

Метонимия (когнитивная) (замещение сложного ИИ его частью, например «алгоритм»).

Метрика качества (измеримый критерий успеха обучения).

Мировоззренческий ИИ (модели, транслирующие определенные культурные ценности).

Мультиагентная система (концепт коллективного интеллекта и взаимодействия).

Мультимодальность (интеллект, работающий одновременно с текстом, звуком и видео).

Мышление (процесс оперирования понятиями, имитируемый в символьном ИИ).

Наивная картина мира (обыденное, ненаучное понимание интеллекта пользователем).

Научная картина мира (строгое экспертное определение концептов ИИ).

Недообучение (Underfitting) (недостаточная сложность модели для описания реальности).

Нейрон (искусственный) (концептуальный атом ИИ-системы).

Неологизм (новое слово, созданное для вербализации концепта ИИ).

Нормализация (приведение разных концептов к единому масштабу для сравнения).

Облачный ИИ (концепт распределенного, нелокального интеллекта).

Обобщение (Generalization) (ядерный признак успешного обучения, способность работать с новыми данными).

Обобщенный концепт (абстракция, созданная ИИ на основе множества примеров).

Обратная связь (механизм коррекции в процессе обучения концепта).

Обучающая выборка (фундамент опыта в концепте обучения).

Обучение (ядерный признак) (процесс накопления опыта и изменения поведения на его основе).

Обучение без учителя (поиск скрытых закономерностей в данных как самостоятельное познание).

Обучение с подкреплением (бихевиористская модель «стимул-реакция», встроенная в ИИ).

Обучение с учителем (концептуальная метафора передачи знаний от эксперта к системе).

Общий интеллект (g-фактор) (концепция универсальной способности к познанию, перенесенная из психологии в ИИ).

Объяснимость (XAI) (требование вернуть концепту интеллекта логическую прозрачность).

Окказионализм (авторское название ИИ-феномена, не ставшее общеупотребительным).

Олицетворение (придание ИИ человеческих черт в обыденном языке).

Онтология ИИ (описание всех сущностей и связей в мире интеллекта).

Операционализация (перевод абстрактных концептов «разум» в измеримые параметры).

Оптимизация (стремление к наилучшему состоянию интеллекта или агента).

Ответственность (концепт, неразрывно связанный с агентностью в этическом и правовом полях).

Открытый ИИ (Open AI) (идеологический концепт доступности знаний).

Ошибка второго рода (пропуск важного события интеллектом).

Ошибка первого рода (ложная тревога в действиях агента).

Память (в ИИ) (хранение весов и данных, концептуально отличное от человеческого воспоминания).

Перенос обучения (Transfer Learning) (способность применять знания из одной области в другой).

Переобучение (Overfitting) (концептуальный сбой, когда система запоминает шум вместо закономерностей).

Периферия концепта (зона изменчивых, ассоциативных и контекстуальных смыслов, окружающих ядро).

Перцепция (процесс восприятия данных как входной этап интеллекта).

Пластичность (способность структуры интеллекта меняться в процессе обучения).

Полнота (Recall) (способность интеллекта найти все нужные объекты).

Пользовательский опыт (UX) (результат столкновения человека с агентностью ИИ).

Понимание (спорный концептуальный признак, обозначающий осознание смысла, а не просто обработку данных).

Понятийная доминанта (ключевой смысл, вокруг которого строится всё понимание «интеллекта» или «обучения»).

Понятийная сетка (система координат, в которой пользователь располагает знания об ИИ).

Понятийный синтез (способность ИИ объединять далекие концепты).

Потеря субъектности (риск растворения человеческой воли в ИИ-рекомендациях).

Правовая агентность ИИ (статус ИИ как субъекта или объекта права).

Прагматика ИИ (использование ИИ для достижения практических целей).

Предвзятость (Bias) (искажение смыслов в ядре концепта из-за данных).

Предиктивная аналитика (интеллект как предсказание будущего на основе прошлого).

Прецедентное имя (использование имен «Терминатор» или «HAL 9000» как эталонов концепта ИИ).

Приватный ИИ (концепт защиты данных в процессе обучения).

Признаковое пространство (набор характеристик, описывающих объект внутри концепта).

Причинно-следственная связь (отношение между действием агента и результатом).

Проактивность (инициативное действие агента, опережающее события).

Прозрачность намерений (ясность целей ИИ-агента для пользователя).

Промт (как лингвистический ключ) (инструмент активации нужных смыслов в модели).

Проприетарный ИИ (закрытый, коммерческий концепт интеллекта как продукта).

Прототип (лучший, наиболее типичный представитель категории, с которым сравниваются остальные объекты).

Разметка данных (человеческий труд, создающий смыслы для машинного обучения).

Разум (Mind) (более широкое, философское понятие, включающее чувства и волю).

Распознавание образов (базовая когнитивная функция в ядре концепта ИИ).

Рациональность (логическая составляющая интеллекта, направленная на достижение цели).

Реактивность (действие как прямой ответ на внешний стимул).

Ребро графа (связь или отношение между концептами ИИ).

Регрессия (предсказание численных значений как форма обучения).

Регуляризация (метод предотвращения концептуальных крайностей при обучении).

Ремистификация ИИ (наделение ИИ магическими свойствами в маркетинге).

Робастность (устойчивость интеллекта к помехам и искажениям).

Роевой интеллект (модель децентрализованного управления и агентности).

Самодокументируемый ИИ (системы, объясняющие свою логику в процессе работы).

Самокоррекция (способность агента или процесса обучения исправлять ошибки).

Сверхчеловеческие возможности (периферия концепта ИИ, вызывающая страх и надежду).

Семантическая деривация (развитие новых смыслов у слов «сеть», «вес», «слой»).

Семантическая лакуна (отсутствие в языке слова для обозначения нового явления в ИИ).

Семантическая плотность (количество смыслов, упакованных в один токен ИИ).

Семантическая сеть (граф, связывающий концепты ИИ между собой).

Семантическое поле (группа слов, объединенных общим смыслом и описывающих одну область реальности).

Сенсомоторная координация (связь восприятия и действия в концепте агентности).

Сигнификат (понятийное содержание имени, образ объекта в сознании пользователя).

Символизм (когнитивный) (представление мышления как манипуляции символами по правилам).

Символический капитал (престиж, связанный с владением и пониманием концептов ИИ).

Синапс (в ИИ) (связь между атомами интеллекта).

Сингулярность (экзистенциальный миф) (точка потери контроля над концептом интеллекта).

Синонимия концептов (сближение понятий «алгоритм», «программа», «код» в сознании пользователя).

Синтетическая способность (создание нового из накопленных данных).

Скрытый слой (зона внутренних «раздумий» и трансформации смыслов нейросетью).

Слой (нейронный) (уровень обработки информации в концепте глубокого обучения).

Слот (пустая ячейка во фрейме, которая заполняется конкретной информацией при анализе концепта).

Смещение смыслов (Conceptual Drift) (процесс изменения значения термина ИИ с течением времени).

Сознание (концепт-антагонист, часто используемый для проведения границы между человеком и ИИ).

Социальная агентность (способность ИИ занимать определенную роль в человеческом обществе).

Социальный интеллект ИИ (способность понимать нормы и контекст общения).

Социальный конструкт (идея ИИ как продукт договоренностей в обществе, а не просто физический факт).

Справедливость (Fairness) (требование отсутствия дискриминации в ИИ).

Субъектность (качество быть активным носителем действия, оспариваемое у ИИ).

Супер-интеллект (гипотетическое расширение концепта разума за пределы человеческого).

Сценарий (скрипт) (динамический фрейм, описывающий последовательность действий, например «процесс обучения»).

Таксономия ИИ (иерархическая система классификации концептов).

Творчество (креативность) (понятие, находящееся в зоне конфликта между ядром человеческого и периферией машинного).

Тезаурус (в ИИ) (словарь с акцентом на смысловые связи между терминами).

Терминосистема (упорядоченное множество терминов, описывающих область ИИ).

Тестовая выборка (экзамен для интеллекта на проверку обобщения).

Техноцентризм (приоритет технических признаков в структуре концепта ИИ).

Токен (минимальная единица языка для ИИ, лишенная смысла вне структуры).

Тонкая настройка (Fine-tuning) (процесс специализации концепта обучения).

Точность (Accuracy) (ядерный показатель эффективности интеллекта).

Узел сети (отдельный концепт или термин в структуре знания).

Фактологическая точность (ядерный признак надежности концепта «знание»).

Фрейм (структура данных для представления стереотипной ситуации, включающая роли и сценарии).

Функционализм (определение интеллекта через его функции, а не внутреннюю природу).

Функциональная связь (отношение между методом обучения и качеством ИИ).

Функция потерь (математическое мерило неуспеха в обучении).

Целеполагание (способность агента формулировать и преследовать собственные цели).

Целостность понимания (конечная цель концепт-анализа для пол (ь) зователя).

Цифровая агентность пользователя (власть, которую ИИ дает человеку над информацией).

Цифровая агентность (действия ИИ внутри информационных систем от имени пользователя).

Цифровое неравенство (разрыв в доступе к концептам и технологиям ИИ).

Цифровой соавтор (трансформация концепта агентности в творчестве).

Черный ящик (концепт непрозрачности) (метафора невозможности проследить логику решения).

Шум (в данных) (признаки, не несущие смысла и мешающие обучению).

Эволюция концепта (история развития смысла от «автомата» к «агенту»).

Эвристика (нестрогий, интуитивный метод решения задач, важный для концепта «интеллект»).

Экзистенциальный риск (угроза самому существованию человека от ИИ).

Экстенсионал (множество всех объектов, к которым применимо данное понятие).

Эмбеддинг (числовое воплощение смысла слова в ИИ).

Эмотивный компонент (чувства страха или восхищения, вшитые в концепт «ИИ»).

Эмоциональный интеллект ИИ (концепт распознавания и имитации чувств).

Эмпирическая верификация (проверка концептов через эксперимент с сервисами).

Энергоэффективность (экологический предел масштабирования интеллекта).

Этимологический анализ (изучение происхождения терминов, например слова «робот» от «каторжная работа»).

Этический дизайн (проектирование систем с учетом человеческих ценностей).

Эффект Элизы (склонность человека доверять «интеллекту» чат-бота из-за вежливости).

Ядро концепта (совокупность наиболее устойчивых, базовых признаков понятия, определяющих его суть).

Языковая личность ИИ (концепт, описывающий стиль и манеру общения чат-ботов).

2.3. Дельфи-метод: трехэтапный экспертный опрос для верификации состава

Анализ экспертных комментариев (качественная обработка текстовых пояснений к оценкам).

Аналитическая записка (краткое резюме результатов Дельфи-опроса для введения в монографию).

Анкетный лист (инструмент сбора данных, содержащий список терминов и шкалы для их оценки).

Анонимность (принцип Дельфи-метода, исключающий влияние авторитета или групповое давление на мнение отдельного участника).

Апробация методики (доказательство того, что Дельфи-метод подходит для создания ИИ-тезаурусов).

Аргументация позиции (обязательное требование к эксперту обосновать крайнюю оценку (высокую или низкую)).

Валидация «Уровня 1» (Метафоры) (оценка того, не искажает ли аналогия суть технологии).

Валидация «Уровня 2» (Принцип) (проверка достаточности описания механизма работы).

Валидация «Уровня 3» (Контекст) (оценка полноты описания социальных последствий).

Валидация «Чек-листа пол (ь) зователя» (практическая ценность для самообразования).

Валидация «Человеко-машинного взаимодействия» (HCI) (экспертиза раздела 3.8).

Валидация геймификации (оценка элементов игры в процессе освоения словаря).

Валидация концепта «AI Alignment» (согласование целей человека и машины).

Валидация концепта «AI Ethics Board» (органы контроля этики в компаниях).

Валидация концепта «Edge Computing» (скорость реакции ИИ на периферии).

Валидация концепта «Explainable AI» (ключевое требование к доверенному ИИ).

Валидация концепта «Интеллектуальный суверенитет» (оценка политико-философской базы).

Валидация концепта «Пол (ь) зователь» (согласие экспертов с предложенной классификацией в разд. 7).

Валидация концепта «Сверхзадача ГИЗАУРУСа» (согласие экспертов с миссией проекта).

Валидация концепта «Цифровое бессмертие» (философская периферия ИИ).

Валидация концепта «Цифровой суверенитет личности» (право на приватность).

Валидация метаданных (проверка ключевых слов и аннотации монографии экспертами).

Валидация понятий «Big Data» и «Small Data» (различия в подходах к данным).

Валидация понятий «Reinforcement Learning» (обучение через опыт).

Валидация понятий «Дипфейк» и «Синтетический контент» (информационная безопасность).

Валидация понятий «Кибер-физические системы» (Индустрия 4.0).

Валидация понятий «Открытые данные» (Open Data) (ресурс для обучения ИИ).

Валидация понятия «Галлюцинация» (точность технического термина vs медиа-клише).

Валидация примеров кода (проверка правильности скриптов в разделе 10.6).

Валидация разделов Приложений (А-Д) (полнота указателей).

Валидация системы «Термин → Сервис» (главная инновация по мнению экспертов).

Валидация системы рейтингов ИИ (как эксперты предлагают оценивать нейросети).

Валидация списка «AGI-маркеров» (признаки достижения общего интеллекта).

Валидация терминов «Аудит ИИ» и «Compliance» (соответствие нормам).

Валидация терминов «Смарт-сити» и «Умный дом» (экосистема ИИ).

Валидация терминов «Токен» и «Эмбеддинг» (техническая база языковых моделей).

Валидация хронологии (подтверждение дат и вех в историческом разделе ГИЗАУРУСа).

Валидация целевой аудитории (подтверждение экспертами, что текст понятен именно «пол (ь) зователю»).

Валидация чеклиста (экспертное тестирование методики самостоятельной работы со словарем).

Валидность (соответствие результатов экспертного опроса поставленным целям создания словаря).

Вариация оценок (разброс мнений, указывающий на сложность или спорность термина).

Верификация «чёрного ящика» (точность метафоры непрозрачности нейросетей).

Верификация аналогий (оценка экспертами точности и доходчивости метафор на 1-м уровне дефиниций).

Верификация междисциплинарных стыков (точность определений на грани ИИ и права, ИИ и экономики).

Верификация практических заданий (экспертная оценка адекватности блока «Попробуй сам»).

Верификация термина (процесс подтверждения точности и уместности определения понятия в ГИЗАУРУСе экспертами).

Вес экспертного мнения (коэффициент влияния конкретного специалиста на итоговый результат).

ГИЗАУРУС (как результат) (верифицированная экспертами целостная система знаний об ИИ).

Гистограмма согласия (визуализация уровня единодушия панели по конкретному разделу ГИЗАУРУСа).

Групповое мышление (риск) (опасность подавления уникальных мнений, нивелируемая методикой Дельфи).

Дедлайн раунда (временное ограничение для предоставления экспертных оценок).

Дельфи-метод (метод структурированного прогнозирования и оценки, основанный на многократных раундах анонимного опроса экспертов).

Дефиниционный стандарт (утвержденная экспертами формула краткого определения термина).

Дивергенция (расхождение) (ситуация, при которой мнения экспертов по значимости термина ИИ остаются полярными).

Динамика мнений (анализ того, как эксперты меняли оценки под влиянием аргументов коллег).

Дисперсия (мера разброса оценок вокруг среднего значения).

Доверительный интервал (диапазон, в котором с высокой вероятностью находится истинная оценка термина).

Допуск к публикации (итоговое решение экспертной панели о готовности монографии).

Закрытый вопрос (этап оценки конкретных формулировок и параметров терминосистемы).

Зона неопределенности (термины, по которым эксперты не пришли к согласию после трех раундов).

Иерархия понятий (подтверждение экспертами связей «род — вид» между терминами).

Инструктаж экспертов (разъяснение участникам целей ГИЗАУРУСа перед началом первого раунда).

Инструментарий Дельфи (программное обеспечение для проведения распределенных анонимных опросов).

Интегральный показатель согласия (единая цифра, описывающая качество верификации всего словаря).

Интеграция метаязыка (обеспечение того, чтобы эксперты говорили об ИИ в единых терминах).

Интеграция отзывов (технология внедрения частных правок в общий текст ГИЗАУРУСа).

Интеллектуальный лидер (скрытый) (эксперт, чьи аргументы в обратной связи наиболее сильно повлияли на консенсус).

Интерактивный опрос (использование цифровых платформ для ускорения сбора мнений экспертов).

Информативность статьи (общая оценка полезности каждого вхождения в ГИЗАУРУС).

Информационная насыщенность (объем новых знаний, полученных в ходе Дельфи-верификации).

Информационный шум (избыточные или противоречивые данные в ответах экспертов, затрудняющие выработку консенсуса).

Исключение термина (удаление понятия из ГИЗАУРУСа по причине его неактуальности или избыточной сложности).

Итерация (раунд) (один цикл опроса, по завершении которого данные обрабатываются и возвращаются экспертам для уточнения).

Квартиль (значение, делящее выборку оценок на части для анализа разброса мнений экспертов).

Кластеризация экспертов (разделение панели на группы по интересам для анализа специфики мнений).

Когнитивное смещение эксперта (субъективная предвзятость, которую метод Дельфи стремится минимизировать через анонимность).

Коллективный разум (эффект синергии мнений экспертов, превышающий мудрость одного индивида).

Компетентность эксперта (уровень профессиональных знаний, определяемый через индекс цитируемости, стаж и участие в реальных ИИ-проектах).

Консенсус (согласие) (целевое состояние опроса, при котором мнения экспертов максимально сближаются по конкретному термину).

Контекстуальная проверка (оценка того, как термин ведет себя в разных примерах употребления).

Контроль лаконичности (требование к экспертам не раздувать объем определений).

Контрольный список терминов (итоговый верифицированный перечень для верстки словаря).

Конфиденциальность данных (защита персональной информации экспертов в ходе Дельфи).

Конфликт интересов (выявление) (проверка отсутствия аффилированности экспертов с ИИ-сервисами).

Концептуальная глубина (степень проработки философских оснований ИИ).

Концептуальное ядро (результат Дельфи) (список терминов, одобренный более чем 80% экспертов).

Коэффициент конкордации Кендалла (статистическая мера общего уровня согласия всей группы экспертов).

Критерий достаточности (оценка того, достаточно ли терминов для базовой грамотности).

Критерий необходимости (оценка того, может ли пользователь обойтись без знания данного термина).

Критерий новизны (оценка того, отражает ли термин актуальное состояние технологий).

Критерий универсальности (применимость термина к разным типам нейросетей).

Кросс-культурный анализ (оценка экспертами применимости ГИЗАУРУСа вне России).

Культурная адаптация (проверка экспертами того, насколько западные термины ИИ понятны в российском контексте).

Лингвистическая экспертиза (оценка терминов на соответствие нормам русского языка и логике словообразования).

Медиана (статистический показатель центральной тенденции, используемый для обобщения оценок экспертов).

Междисциплинарный синтез (объединение взглядов технарей и гуманитариев в одной словарной статье).

Межквартильный размах (показатель степени согласия: чем он меньше, тем выше единодушие экспертов).

Метод взвешенных оценок (присвоение большего веса мнению более компетентного в узкой теме эксперта).

Модератор Дельфи-опроса (организатор исследования, который готовит анкеты и обрабатывает результаты, не влияя на мнения).

Мотивация эксперта (интерес участника к созданию качественного просветительского продукта).

Напоминание (Reminder) (сообщение эксперту о необходимости завершить оценку в срок).

Независимость суждений (главный результат анонимности в Дельфи-методе).

Нормализация оценок (приведение баллов разных экспертов к единой шкале для корректного сравнения).

Нормативная проверка (соответствие определений ГИЗАУРУСа действующим ГОСТам).

Обратная связь (передача экспертам обобщенных результатов предыдущего раунда для возможного пересмотра их позиций).

Объективная оценка эксперта (проверка квалификации через тесты или анализ портфолио перед включением в панель).

Объективность агрегирования (использование алгоритмов для исключения предвзятости модератора при расчетах).

Открытый вопрос (этап сбора новых терминов ИИ, которые эксперты считают необходимым добавить в список).

Оценка «Алгоритмической ответственности» (кто виноват: автор или код?).

Оценка «Гибридного ГИЗАУРУСа» (сочетание книги и онлайн-платформы).

Оценка «Графов знаний» (Knowledge Graphs) (структурирование информации).

Оценка «ИИ-трансформации бизнеса» (стратегический консалтинг и ИИ).

Оценка «Инструментария первого касания» (методологическое ядро ГИЗАУРУСа).

Оценка «Креативного ИИ» (границы искусства и алгоритмов).

Оценка «Мультимодальных моделей» (будущее универсальных нейросетей).

Оценка «Песочницы» ИИ (экспертиза условий тестирования новых алгоритмов).

Оценка «Промт-инжиниринга» как новой профессии (рынок труда и ИИ).

Оценка «Разговорного ИИ» (Conversational AI) (диалоговые интерфейсы).

Оценка «Социального кредита» (риски авторитарного использования ИИ).

Оценка «Цифровых двойников» (верификация термина в индустриальном контексте).

Оценка адаптивности (насколько легко ГИЗАУРУС подстраивается под уровень знаний читателя).

Оценка актуальности ссылок на GitHub (для раздела программирования).

Оценка безопасности сервисов (экспертный контроль того, что предложенные ИИ-инструменты не вредят пользователю).

Оценка визуализации (экспертное мнение о понятности схем и связей в ГИЗАУРУСе).

Оценка влияния ИИ на креативные индустрии (верификация раздела 10.12).

Оценка влияния ИИ на психологию человека (когнитивные изменения).

Оценка влияния ИИ на рынок образования (верификация раздела 10.8).

Оценка влияния на цифровую грамотность (прогноз социального эффекта ГИЗАУРУСа).

Оценка графического дизайна (мнение экспертов об оформлении схем в ГИЗАУРУСе).

Оценка защищенности (Security) (экспертная проверка советов по кибербезопасности).

Оценка именного указателя (проверка значимости упомянутых в ГИЗАУРУСе ученых).

Оценка качества перевода (для терминов, заимствованных из английского).

Оценка компактности (соответствие объема целям интенсива).

Оценка концепта «Гибридный интеллект» (будущее сотрудничества человека и ИИ).

Оценка методологической новизны (признание экспертами уникальности структуры ГИЗАУРУСа).

Оценка мультимодальности (мнение экспертов о необходимости включения аудио/видео примеров).

Оценка навигационной сетки (удобство переходов между терминами «Родственные — Общие»).

Оценка надежности (Reliability) (насколько ИИ-решения из словаря стабильны).

Оценка обучающего потенциала (мнение педагогов о ГИЗАУРУСе как учебнике).

Оценка объяснимости (Explainability) (насколько ГИЗАУРУС сам является объяснимым).

Оценка операциональности (насколько легко применить термин на практике после прочтения статьи).

Оценка педагогической эффективности (результат апробации экспертами).

Оценка раздела «Дизайн и Логотипы» (специфическая экспертиза для 10.5).

Оценка рисков «Информационного пузыря» (как ГИЗАУРУС помогает его избежать).

Оценка рисков устаревания (прогноз экспертов: какие термины исчезнут через 2 года).

Оценка роли ИИ в государственном управлении (верификация раздела 3.10).

Оценка связи с рынком труда (экспертиза раздела 3.11 «Экономика и труд»).

Оценка системных связей (проверка экспертами правильности гиперссылок между терминами).

Оценка структуры раздела (логика расположения терминов внутри каждой из 12 глав).

Оценка терминологической плотности (количество сложных терминов на страницу текста).

Оценка технического жаргона (перевод слов на понятный язык).

Оценка уровня абстракции (баланс между конкретными сервисами и теорией).

Оценка экологичности ИИ (верификация данных о потреблении энергии моделями).

Оценка юзабилити-тестов (мнение экспертов о качестве проведенной апробации в разд. 2.5).

Пилотный раунд (тестирование анкеты на 2—3 экспертах для выявления ошибок в формулировках).

Погрешность измерения (допустимое отклонение в результатах Дельфи-опроса).

Пользовательская доступность (требование экспертов-педагогов к простоте изложения терминов).

Проверка «Генеративных состязательных сетей» (GAN) (принцип соревновательности в обучении).

Проверка «Инклюзивности метаязыка» (доступность для всех слоев населения).

Проверка «Интеллектуального анализа текста» (Text Mining) (методы NLP).

Проверка «Интеллектуальных агентов» (различие между чат-ботом и агентом).

Проверка «Машинного зрения» в медицине (экспертиза диагностических систем).

Проверка «Предиктивного обслуживания» (ИИ в промышленности).

Проверка «Экономики данных» (оценка ценности информации экспертами).

Проверка блока «Предостережение» (оценка экспертами точности описания рисков).

Проверка ИИ-инструментов аналитики (для раздела 10.7).

Проверка инструментов «Ноу-код» (No-code AI) (доступность ИИ для непрограммистов).

Проверка концепта «Алгоритмическая цензура» (свобода слова и ИИ).

Проверка на «Магическое мышление» (исключение веры в чудодейственность ИИ).

Проверка на антропоморфизм (удаление лишних сравнений ИИ с человеком).

Проверка на гендерныйBias (исключение мужского/женского стереотипа в примерах об ИИ).

Проверка на избыточность (удаление терминов-дублей или слишком близких понятий экспертами).

Проверка на инклюзивность (доступность языка для людей с разным уровнем образования).

Проверка на логическую непротиворечивость (анализ ответов эксперта на схожие вопросы анкеты).

Проверка на отсутствие плагиата (экспертный контроль оригинальности ГИЗАУРУСа).

Проверка на повторы (исключение дублирования информации в разных статьях).

Проверка на полноту охвата (гарантия экспертов, что в словаре нет «белых пятен» в базовых знаниях).

Проверка на просторечия (исключение из словаря недопустимых в научном стиле жаргонизмов).

Проверка на соответствие ГОСТ Р 71476—2024 (Актуальная терминологическая база).

Проверка на соответствие Федеральному закону №123-ФЗ (правовой комплаенс ГИЗАУРУСа).

Проверка на техно-алармизм (исключение необоснованного нагнетания страха перед ИИ).

Проверка на техно-оптимизм (контроль экспертами баланса между пользой и рисками).

Проверка орфографии и пунктуации (в терминах) (филологический контроль ИИ-лексики).

Проверка понятий «Генерация кода» и «Авто-отладка» (ИИ для разработчиков).

Проверка понятий «Данные как актив» (экономика 21 века).

Проверка понятий «Трансгуманизм» и «Постгуманизм» (идеологический контекст).

Проверка предметного указателя (экспертный контроль точности алфавитного поиска).

Проверка предметной области «AI Ethics» (специфическая экспертиза для раздела 3.9).

Проверка предметной области «AI Law» (специфическая экспертиза для раздела 3.10).

Проверка предметной области «Deep Learning» (специфическая экспертиза для раздела 3.3).

Проверка предметной области «NLP» (специфическая экспертиза для раздела 3.5).

Проверка работоспособности сервисов (подтверждение экспертами, что ссылки в словаре ведут на актуальные ресурсы).

Проверка раздела «Транспорт и логистика» (специфическая экспертиза).

Проверка связей с Робототехникой (экспертиза разделов).

Проверка ссылок на Глоссарии ИТ-гигантов (соотнесение ГИЗАУРУСа с базами Google/Yandex).

Проверка ссылочной массы (контроль экспертами глубины и точности библиографии).

Проверка терминов «Агентность» и «Автономия» (разграничение тонких смыслов).

Проверка терминов «Биометрия» и «Распознавание лиц» (этический аспект слежки).

Проверка терминов «Облако» и «Туманные вычисления» (инфраструктура ИИ).

Проверка терминологии «Слабого» и «Сильного» ИИ (классические определения).

Проверка терминологии IoT (интернет вещей в связке с ИИ).

Проверка транслитерации (правильность написания имен зарубежных ученых).

Проверка фактов о «Зимах ИИ» (историческая точность разделов).

Прогноз футурологов (экспертиза раздела «Будущее и нарративы»).

Прогностический потенциал (оценка экспертами того, как долго термин будет оставаться актуальным).

Протокол опроса (документирование всех этапов исследования для обеспечения его воспроизводимости).

Процент отсева (Attrition rate) (доля экспертов, прекративших участие до завершения третьего раунда).

Публичное признание (упоминание экспертов в разделе «Благодарности» монографии).

Разработка механизмов апдейта (предложения экспертов по обновлению словаря сообществом).

Ранговая корреляция (сравнение списков приоритетных терминов у разных групп экспертов).

Ранжирование (процесс расстановки терминов ИИ в порядке их убывающей важности для базовой грамотности).

Редакторская правка (корректировка текста словаря в соответствии с экспертным консенсусом).

Рекомендация к широкому распространению (социальная миссия ГИЗАУРУСа).

Релевантность (критерий включения термина в ГИЗАУРУС на основе его практической важности для пользователя).

Репрезентативность панели (обеспечение участия экспертов из разных подотраслей: разработчиков, этиков, лингвистов).

Самооценка эксперта (субъективное определение участником своего уровня знаний в узкой теме, например в NLP).

Сводная таблица мнений (документ, представляемый экспертам во втором раунде для ознакомления).

Семантическая устойчивость (способность термина сохранять значение в разных контекстах использования ИИ).

Семантическое картирование (результат Дельфи: визуальная карта верифицированных понятий).

Синхронизация с международными стандартами (учет требований ISO/IEC в российском ГИЗАУРУСе).

Согласование сокращений (утверждение списка аббревиатур (ИИ, NLP, AGI и др.)).

Сравнительный анализ (Дельфи vs Традиционный словарь) (оценка преимуществ экспертного подхода).

Стабильность ответа (отсутствие значимых изменений в мнении эксперта между раундами при отсутствии новых аргументов).

Стандартное отклонение (показатель того, насколько сильно мнения экспертов отличаются друг от друга).

Статистическая значимость (подтверждение того, что полученный консенсус не является случайным).

Статистическая робастность (устойчивость результатов опроса к случайным выбросам или ошибкам).

Статистический агрегат (итоговая оценка термина, полученная путем математической обработки всех мнений).

Стилевое единство (обеспечение экспертами единообразия изложения во всех разделах).

Таксономическая проверка (контроль правильности классификации терминов по разделам ГИЗАУРУСа).

Терминологическая лакуна (выявление) (обнаружение экспертами важных пропущенных понятий в первом раунде).

Терминологический отбор (фильтрация изначального списка из 500+ понятий до 150+ базовых на основе оценок).

Терминологический пуризм (стремление экспертов использовать русские аналоги вместо англицизмов).

Терминологический реализм (признание экспертами необходимости заимствований (например, «промт»)).

Терминологический фильтр (механизм отсеивания хайповых, но пустых понятий).

Техническая точность (требование экспертов-разработчиков к строгости дефиниций).

Удаление узкоспециального сленга (очистка ГИЗАУРУСа от терминов, понятных только инженерам).

Унификация англицизмов (принятие единого решения о написании: «промт» или «промпт»).

Уровень когнитивного усилия (оценка экспертами сложности работы с анкетой).

Утверждение итоговой структуры монографии (финальный консенсус).

Уточнение дефиниции (переработка текста статьи на основе конкретных замечаний экспертов).

Уточнение метаязыка (согласование экспертами правил написания статей ГИЗАУРУСа).

Финальный отчет экспертной панели (документ с рекомендациями по дальнейшему развитию ГИЗАУРУСа).

Целевая выборка экспертов (подбор участников с учетом их вклада в популяризацию ИИ).

Центральная тенденция (общая направленность мнений экспертов относительно термина).

Частотное распределение (графическое представление того, как часто ставилась та или иная оценка).

Частотность употребления (критерий оценки термина, основанный на его встречаемости в текстах для пользователей).

Шкала Лайкерта (пяти- или семибалльная шкала для измерения степени согласия эксперта с определением термина).

Эксперт (специалист в области ИИ, лингвистики или этики, обладающий признанными компетенциями для оценки ГИЗАУРУСа).

Экспертная панель (группа отобранных специалистов, участвующих во всех раундах исследования).

Экспертное интервью (дополнение к Дельфи) (глубинное обсуждение наиболее спорных моментов структуры словаря).

Эстетика дефиниции (оценка лаконичности и красоты формулировок экспертами).

Этическая нейтральность (требование к беспристрастности описания рисков и возможностей ИИ).

Этическая экспертиза (проверка определений на отсутствие скрытых предвзятостей или опасных упрощений).

Этический протокол эксперта (согласие участников на использование их мнений в научном труде).

Юзабилити анкеты (удобство интерфейса для эксперта в процессе голосования).

2.4. Матрица оценки AI-сервисов: критерии отбора (бесплатность, русский язык, безопасность)

RU-ввод (Input) (способность нейросети корректно воспринимать и обрабатывать запросы на русском языке).

RU-вывод (Output) (качество и грамматическая правильность текстов или ответов, генерируемых ИИ на русском языке).

Авторские права на результат (юридическая принадлежность созданного контента пользователю или сервису).

Адаптивный дизайн сайта (корректное отображение интерфейса при любом размере окна браузера).

Актуальность матрицы (соответствие системы оценки последним трендам ИИ-индустрии).

Анатомическая корректность (оценка того, насколько правильно ИИ рисует людей, руки и лица).

Анонимность использования (отсутствие требований по вводу персональных данных для работы с нейросетью).

Архитектоника матрицы оценки (логическая завершенность системы критериев).

Балльная система (метод количественного измерения соответствия сервиса критериям матрицы).

Безопасность корпоративного уровня (Enterprise Ready) (наличие повышенных стандартов защиты для компаний).

Безопасность платежных данных (использование защищенных шлюзов типа Stripe для транзакций).

Бенчмаркинг сервисов (сравнение производительности разных нейросетей на одинаковых тестовых заданиях).

Бесплатный уровень (Free Tier) (наличие режима использования сервиса без необходимости оплаты).

Валидация ссылки (техническая проверка актуальности и безопасности гиперссылки, ведущей на ресурс ИИ).

Верификация сервиса (процедура проверки работоспособности и фактического наличия заявленных функций нейросети).

Весовой коэффициент критерия (показатель значимости отдельного параметра, например, приоритет безопасности над скоростью).

Визуализация потребления кредитов (наглядный счетчик оставшихся бесплатных попыток).

Визуализация процесса (отображение этапов создания контента в реальном времени).

Визуализация связей (Mind Maps) (преобразование текста в графические схемы).

Визуальная чистота (Clean UI) (отсутствие визуального шума и перегруженности интерфейса).

Возможность обучения на своих данных (Fine-tuning) (доступность дообучения модели под свои нужды).

Возможность прервать генерацию (кнопка «Стоп» для экономии времени и лимитов).

Выделение ключевых слов (автоматический поиск главных тем в тексте).

Географические ограничения (наличие или отсутствие блокировок доступа для пользователей из определенных стран).

Глубина контекстного понимания (способность ИИ учитывать предыдущие фразы в длинном диалоге).

Голосовой ввод запросов (функция продиктовать задание нейросети голосом).

Длина генерируемого ролика (максимальное время видео в бесплатном режиме).

Длина контекста (объем информации, который нейросеть может удерживать в памяти в рамках одной сессии).

Документация и помощь (наличие разделов FAQ или обучающих подсказок внутри интерфейса).

Доступ без регистрации (критерий наивысшего удобства, позволяющий пробовать ИИ мгновенно).

Доступность (Accessibility) (степень простоты получения доступа к функциям сервиса для рядового пользователя).

Доступность исходных промптов (возможность увидеть запрос, на основе которого был создан пример).

Инструкции по промптингу (наличие встроенных гайдов по составлению эффективных запросов).

Инструменты редактирования (встроенные возможности доработки результата прямо в сервисе).

Интеграция с GitHub/GitLab (удобство для разработчиков ПО).

Интеграция с Google Drive/Dropbox (прямая выгрузка файлов в личные облачные хранилища).

Интеграция с Siri/Google Assistant (управление нейросетью через системных помощников).

Интеграция с браузером (Sidebar) (наличие боковой панели ИИ для работы параллельно с другими сайтами).

Интеграция с календарем (автоматическое создание встреч на основе диалога).

Интеграция с мессенджерами (наличие ботов для доступа к функциям ИИ).

Интеграция с презентациями (PPTX) (автоматическое создание слайдов).

Интеграция с социальными сетями (кнопки быстрой публикации результата в соцсетях).

Интуитивность интерфейса (UI) (понятность расположения элементов управления без изучения инструкций).

Интуитивность навигации по сайту (правило «трех кликов» до нужной функции).

Информативность лендинга (насколько главная страница объясняет пользу сервиса).

Информативность сообщений об ошибках (понятное объяснение того, почему запрос не был выполнен).

Информационный дайджест (рассылка новостей и советов по использованию ИИ на почту).

История запросов (функция сохранения предыдущих диалогов или генераций для возврата к ним).

Итоговый рейтинг (Score) (агрегированный результат оценки, определяющий позицию сервиса в списке раздела).

Кастомизация (Настройки) (возможность изменения параметров генерации: стиля, размера, температуры).

Качество апскейлинга (Upscaling) (эффективность встроенных инструментов увеличения разрешения).

Качество генерации (Quality of Results) (субъективная и объективная оценка точности и эстетики выдачи ИИ).

Качество ИИ-перевода документов (сохранение форматирования при переводе файлов).

Качество масок при удалении фона (точность обрезки сложных объектов, типа волос).

Качество обработки сложных запросов (логическая связность при выполнении многошаговых задач).

Качество перевода интерфейса (проверка отсутствия «машинного» или некорректного перевода меню).

Качество работы в условиях медленного интернета (оптимизация для низкой скорости).

Качество технического перевода (точность терминов в узкоспециализированных разделах).

Качество удаления «зеленого экрана» (встроенный виртуальный хромакей).

Кириллическая поддержка (техническая корректность отображения шрифтов и символов русского алфавита).

Количество страниц для анализа (лимит на объем читаемого текста за один раз).

Креативный потенциал (способность ИИ предлагать нестандартные и оригинальные решения).

Кредитная система (Tokens/Credits) (виртуальная валюта сервиса, начисляемая пользователю для тестирования функций).

Критерий отбора (нормативное требование, которому должен соответствовать сервис для включения в ГИЗАУРУС).

Кроссплатформенность (стабильная работа сервиса в разных браузерах и на разных операционных системах).

Культурная адаптация (локализация) (учет нейросетью российских социокультурных контекстов и идиом).

Лимит запросов (Quotas) (ограничение на количество бесплатных действий в час, день или месяц).

Лояльность к ошибкам пользователя (способность ИИ понимать запросы с опечатками и грамматическими ошибками).

Маркировка ИИ (Watermarks) (наличие водяных знаков на изображениях или видео, созданных бесплатно).

Масштабируемость оценки (возможность применения матрицы к неограниченному числу новых нейросетевых платформ).

Матрица оценки (система сравнительного анализа сервисов ИИ по набору фиксированных качественных и количественных параметров).

Метод оплаты (для платных опций) (поддержка удобных платежных систем, включая российские карты).

Минимализм (Minimalism) (философия дизайна, отсекающая всё лишнее для концентрации на ИИ).

Многоязычность (Multilingualism) (способность работать на десятках языков одновременно).

Мобильная адаптация (наличие мобильной версии сайта или приложения для работы с ИИ со смартфона).

Модель Freemium (бизнес-модель, сочетающая бесплатный базовый функционал и платные расширенные возможности).

Наличие «Легкой версии» сайта (режим экономии ресурсов компьютера).

Наличие «Песочницы» (Playground) (специальная зона для свободных экспериментов с настройками).

Наличие API документации на русском (редкое, но очень полезное свойство для разработчиков).

Наличие API-ключей для разработчиков (доступ к программному управлению нейросетью).

Наличие Negative Prompt (функция указания того, чего НЕ должно быть в результате генерации).

Наличие OCR (Распознавание текста) (способность ИИ читать текст с картинок и сканов).

Наличие бета-версий (Early Access) (возможность протестировать функции, которые еще не вышли официально).

Наличие верификации аккаунта (требование подтверждения почты или телефона для защиты от спама).

Наличие версии для образования (специальный интерфейс для школ и вузов).

Наличие галереи вдохновения (лента лучших работ других пользователей).

Наличие горячих клавиш (Shortcuts) (возможность быстрого управления функциями с клавиатуры).

Наличие двухфакторной аутентификации (2FA) (дополнительная защита аккаунта пользователя).

Наличие демо-версии без логина (самый быстрый путь к «первому касанию»).

Наличие ИИ-ассистента по самому сервису (чат-бот, помогающий освоить платформу).

Наличие инструментов рисования (Inpaint) (возможность закрашивать области для перегенерации).

Наличие инструментов цветокоррекции (подгонка цветов под заданный стиль).

Наличие лицензии Creative Commons (ясное указание на правила использования результатов).

Наличие математического движка (способность ИИ корректно решать уравнения, а не просто угадывать текст).

Наличие меток «Рекомендовано» (выделение лучших инструментов в каждой категории).

Наличие мобильных Push-уведомлений (оповещение о завершении длительной генерации).

Наличие мобильных виджетов (быстрый доступ к ИИ с главного экрана смартфона).

Наличие образовательных скидок (специальные условия для студентов, учителей и учебных заведений).

Наличие обучающих видео (встроенные ролики, демонстрирующие возможности ИИ).

Наличие онлайн-сообщества в Discord (живое обсуждение и помощь в реальном времени).

Наличие офлайн-версии (редкая, но ценная возможность запустить ИИ без интернета).

Наличие партнерской программы (возможность получить бонусы за приглашение новых пользователей).

Наличие плагинов для VS Code (прямая интеграция ИИ в рабочую среду программиста).

Наличие подсказок (Tooltips) (всплывающие окна, объясняющие функции кнопок и настроек).

Наличие поиска по FAQ (быстрое решение проблем через базу знаний).

Наличие политики «Никакого обучения на данных пользователя» (гарантия конфиденциальности).

Наличие региональных цен (адаптация стоимости под возможности разных стран).

Наличие режима «Инкогнито» (функция работы без сохранения истории запросов).

Наличие реферальной ссылки (бонусы за привлечение друзей).

Наличие сертификатов безопасности (ISO, SOC2 и другие отраслевые знаки качества).

Наличие системы жалоб (Report) (возможность сообщить о некорректном результате).

Наличие темной темы (эргономический параметр, снижающий нагрузку на зрение пользователя).

Наличие физического офиса и контактов (показатель легальности и ответственности бизнеса).

Наличие функции «Генерация идей» (помощь в преодолении «страха чистого листа»).

Наличие функции «Инструкции для ИИ» (Custom Instructions) (постоянные настройки поведения нейросети).

Наличие функции «Код в один клик» (кнопка для мгновенного запуска сгенерированного скрипта).

Наличие функции «Объясни как ребенку» (упрощение сложных понятий по запросу).

Наличие функции «Поиск в реальном времени» (доступ нейросети к актуальным новостям).

Наличие функции «Ремикс» (объединение двух изображений в одно новое).

Наличие функции «Саммари» (Summary) (краткий пересказ большого объема информации одним кликом).

Наличие функции «Чат с PDF» (возможность анализировать загруженные документы).

Наличие функции поиска по своим картинкам (инструмент навигации в личном архиве).

Наличие художественных фильтров (быстрая стилизация под Ван Гога, аниме или киберпанк).

Облачное хранение (возможность хранения созданных файлов на серверах сервиса).

Обратная связь (Feedback loop) (наличие кнопок оценки результата «палец вверх/вниз» для обучения модели).

Объективность финального выбора (исключение личных симпатий автора в пользу цифр).

Объем обучающего набора (Dataset size) (косвенный показатель «интеллектуальности» модели).

Открытый исходный код (Open Source) (преимущество для сервисов, чья база доступна для независимого аудита).

Отсутствие артефактов (минимизация визуального мусора и искажений на изображениях).

Отсутствие гендерных стереотипов (критерий этической чистоты выдачи ИИ).

Отсутствие задержек (No lag) (плавность работы интерфейса при сложных вычислениях).

Отсутствие капчи при каждом входе (критерий удобства, не замедляющий доступ к ИИ).

Отсутствие навязчивой рекламы (критерий чистоты интерфейса, не отвлекающий пользователя от обучения).

Отсутствие политической предвзятости (стремление ИИ давать нейтральные ответы на острые темы).

Отсутствие предустановок (Zero Bias) (стремление ИИ быть нейтральным в спорных вопросах).

Отсутствие скрытых лимитов на загрузку (честные условия по объему входных файлов).

Отсутствие скрытых платежей (честность сервиса в информировании о стоимости услуг).

Оценка робастности (тестирование устойчивости сервиса к провокационным или бессмысленным запросам).

Поддержка API (возможность интеграции сервиса в сторонние приложения, важная для продвинутых пользователей).

Поддержка Apple Pencil / Стилиуса (удобство для художников в мобильных приложениях).

Поддержка Markdown (красивое оформление текста с заголовками и кодом).

Поддержка WebGL (использование мощностей видеокарты браузером для 3D-графики).

Поддержка анимации лиц (Lip Sync) (синхронизация губ под аудио).

Поддержка векторной графики (SVG) (возможность масштабировать логотипы без потери качества).

Поддержка глубины кадра (Depth Map) (работа с объемными сценами).

Поддержка длинных аудиофайлов (для сервисов транскрибации интервью).

Поддержка коллективных подписок (семейные или групповые тарифы).

Поддержка локальных языков и диалектов (понимание региональных особенностей речи).

Поддержка многопоточности (возможность запускать несколько генераций одновременно).

Поддержка мультимодальности (возможность одновременной работы с разными типами данных в одном окне).

Поддержка расширений (Plugins) (возможность установки дополнительных модулей для браузера).

Поддержка расширений для Google Chrome (удобство работы через браузер).

Поддержка русского языка (RU-интерфейс) (наличие переведенного меню, кнопок и справочных материалов сервиса).

Поддержка специфических форматов (LaTeX) (для написания научных формул).

Поддержка темных/светлых режимов системы (автоматическое переключение темы сайта под настройки ОС).

Поддержка устаревших браузеров (способность работать на старых компьютерах).

Поддержка форматов JSON/XML (удобство обмена данными для программистов).

Поддержка форматов RAW/SVG (профессиональные форматы файлов для дизайнеров).

Поддержка форматов аудио без потерь (WAV/FLAC) (для музыкальных нейросетей).

Поддержка эмодзи (способность ИИ понимать и генерировать смайлики в тексте).

Поддержка языков программирования (количество языков кода, которые понимает нейросеть).

Поиск по архиву своих работ (инструмент быстрой навигации внутри личного кабинета).

Поиск по сообществу (Search) (возможность искать чужие генерации по ключевым словам).

Политика конфиденциальности (Privacy Policy) (юридический документ, описывающий правила сбора и хранения данных пользователя).

Пользовательский опыт (UX) (общее впечатление и удобство взаимодействия с сервисом в процессе решения задачи).

Понятная структура тарифов (отсутствие запутанных условий подписки).

Понятность терминологии интерфейса (использование общепринятых слов вместо узких жаргонизмов).

Потребление трафика (объем данных, передаваемых при работе, критичный для лимитированного интернета).

Пробный период (Trial) (ограниченный по времени доступ ко всем функциям сервиса для ознакомления).

Проверка грамматики и пунктуации (встроенный контроль качества текста нейросетью).

Проверка на «Мусорный контент» (эффективность фильтров против спама и бессмыслицы).

Проверка на достоверность (Fact Checking) (встроенные механизмы сверки данных).

Проверка на дубликаты (исключение выдачи одинаковых результатов разным пользователям).

Проверка на логические парадоксы (тестирование способности ИИ решать логические задачи).

Проверка на плагиат (Plagiarism Check) (встроенный инструмент контроля оригинальности).

Проверка на соответствие ГИЗАУРУСу (финальный тест сервиса на полезность для обучения).

Проверка на соответствие законам РФ (отсутствие в сервисе запрещенного на территории страны контента).

Проверка на уникальность (оценка того, насколько оригинальный контент выдает нейросеть).

Прозрачность алгоритмов (наличие информации о том, какая модель ИИ используется в основе сервиса).

Прозрачность обновлений (Changelog) (публикация списков изменений после каждого обновления сервиса).

Прозрачность структуры владения (информация о том, кому принадлежит сервис ИИ).

Простота удаления аккаунта (наличие понятной процедуры прекращения использования и удаления своих данных).

Работа через VPN (проверка необходимости использования средств обхода блокировок для доступа к сервису).

Размер загружаемого файла (максимальный вес документа для анализа ИИ).

Разнообразие функций (наличие нескольких инструментов внутри одного сервиса, например, текст и фото).

Разнообразие этнических репрезентаций (корректность отображения разных рас и культур).

Разрешение вывода (Resolution) (максимальное качество изображений или видео, доступное в бесплатном режиме).

Реалистичность синтеза речи (степень сходства голоса ИИ с естественной человеческой речью).

Регистрация через сторонние сервисы (SSO) (возможность быстрого входа через Google, Apple или социальные сети).

Репрезентативность сервиса (способность инструмента наглядно иллюстрировать конкретный теоретический термин ГИЗАУРУСа).

Репутация разработчика (история компании-создателя и уровень доверия к ней в профессиональной среде).

Сенсорная оптимизация (удобство управления интерфейсом пальцами на тачскринах).

Сид-контроль (Seed) (возможность зафиксировать случайное число для повторения результата).

Синхронизация между устройствами (доступ к своим проектам с компьютера, планшета и телефона).

Синхронность звука и видео (отсутствие задержек в работе говорящих аватаров).

Скорость загрузки главной страницы (показатель технической оптимизации сайта сервиса).

Скорость индексации новых данных (насколько свежую информацию из интернета видит ИИ).

Скорость модерации контента (время, затрачиваемое системой на проверку запроса перед генерацией).

Скорость обновлений (частота внедрения новых функций и улучшения качества моделей разработчиками).

Скорость обучения модели (как быстро ИИ усваивает новые факты и события мира).

Скорость обучения на одном фото (LoRA) (возможность быстро создать свой стиль).

Скорость отклика (Latency) (время между отправкой запроса и получением результата от нейросети).

Скорость отрисовки шрифтов на картинках (способность ИИ писать читаемый текст внутри изображений).

Скорость удаления данных по запросу (соблюдение «права на забвение»).

Соблюдение пропорций (Aspect Ratio) (возможность выбора формата изображения: квадрат, портрет, пейзаж).

Соблюдение структуры текста (способность ИИ выдавать четкие списки, заголовки и параграфы).

Совместная работа (Collaboration) (функции одновременного доступа нескольких пользователей к одному проекту).

Сообщество пользователей (Community) (наличие форумов или чатов, где можно найти готовые решения и промпты).

Соответствие стандартам GDPR (соблюдение строгих европейских правил защиты данных).

Сравнение версий моделей (возможность выбора между старой и новой версией ИИ внутри одного интерфейса).

Стабильность соединения (минимальное количество разрывов связи и технических сбоев при нагрузке).

Стилистическое разнообразие (наличие множества предустановленных художественных или текстовых стилей).

Тестирование на крайних случаях (Edge Cases) (проверка поведения ИИ при очень длинных или пустых запросах).

Точность переноса позы (ControlNet) (способность ИИ повторять позу человека с референса).

Точность распознавания спикеров (способность ИИ различать голоса разных людей в записи).

Точность фактов (проверка склонности текстовых моделей к «галлюцинациям» и искажению информации).

Точность цветопередачи (соответствие цветов на сгенерированных фото ожиданиям пользователя).

Требования к оборудованию (минимальные запросы к мощности компьютера пользователя, если сервис не облачный).

Удаление фоновых шумов (Denoise) (качество очистки аудиозаписей).

Удобство копирования текста (наличие специальной кнопки для мгновенного копирования ответа в буфер обмена).

Удобство настройки профиля (возможность сменить аватар, имя и настройки приватности).

Удобство регистрации через QR-код (современный метод быстрого входа).

Уровень «Галлюцинаций» (Hallucination Rate) (показатель частоты выдачи ложных фактов за истинные).

Уровень «Творческой свободы» (Creativity Temperature) (настройка степени непредсказуемости ИИ).

Уровень «Человечности» ответов (отсутствие слишком сухих и механических фраз).

Уровень детализации (Detailing) (способность нейросети прорисовывать мелкие объекты на фото).

Уровень детализации лиц (качество прорисовки глаз, кожи и мимики).

Уровень доверия сообщества (Star Rating) (оценки на независимых площадках).

Уровень инновационности (использование самых передовых версий моделей (например, GPT-4o)).

Уровень открытости API (Rate Limits) (щедрость лимитов для разработчиков).

Уровень персонализации рекламы (минимум вмешательства в личное пространство пользователя).

Уровень прозрачности затрат (четкое понимание пользователем, за что списываются баллы).

Уровень социального одобрения (количество звезд и позитивных отзывов на GitHub/ProductHunt).

Уровень удовлетворенности пользователей (CSAT) (средняя оценка сервиса в магазинах приложений).

Уровень цензуры (степень жесткости фильтров на генерацию контента, влияющая на свободу творчества).

Уровень шума при апскейлинге (сохранение чистоты картинки при увеличении).

Уровень шума при генерации аудио (чистота звука и отсутствие артефактов в музыкальных ИИ).

Фильтрация контента (Safety Filters) (встроенные механизмы предотвращения генерации опасного или неприемлемого материала).

Функция «Вариации» (Variations) (создание нескольких похожих вариантов на основе одного).

Функция «Перефразировать» (инструмент для быстрого изменения запроса без его полной переписки).

Функция «Поделиться ссылкой» (возможность отправить результат другу через уникальный URL).

Функция «Случайный результат» (Surprise Me) (кнопка генерации на основе случайного запроса для вдохновения).

Функция Outpainting (дорисовка краев изображения за его первоначальные границы).

Цитирование источников (наличие ссылок на сайты, откуда ИИ взял информацию).

Цифровая безопасность (Security) (защищенность пользователя от вредоносного ПО и утечек данных при посещении ресурса).

Частота кадров (FPS) (плавность видео, создаваемого нейросетью).

Чат-поддержка (Support) (возможность оперативно задать вопрос техподдержке сервиса).

Шаблоны запросов (Templates) (готовые примеры промптов для облегчения работы новичкам).

Шифрование данных (SSL/TLS) (наличие защищенного протокола передачи информации между пользователем и сервером ИИ).

Экологическая политика компании (публичные обязательства разработчика по снижению выбросов).

Экспорт результатов (возможность скачивания полученного контента в популярных форматах: PNG, PDF, TXT).

Эмоциональный отклик интерфейса (наличие анимаций и микровзаимодействий, делающих работу приятнее).

Энергоэффективность (Green Score) (косвенная оценка экологического следа использования данного сервиса).

Эргономика расположения кнопок (соответствие интерфейса законам Фиттса и удобству клика).

Этичность сервиса (соблюдение разработчиками базовых этических норм при обучении и эксплуатации ИИ).

Юридическая чистота обучающих данных (информация о легальности использования датасетов для обучения модели).

2.5. Юзабилити-тестирование: апробация прототипа на фокус-группах (метод «мысль вслух»)

Alt-текст (альтернативный текст) (описание изображений и схем, которое считывается скринридерами).

Tone of Voice (голос бренда) (единый стиль общения ГИЗАУРУСа с пользователем: дружелюбный, но строгий).

Агентность пользователя (ощущение власти и контроля над процессом обучения).

Адаптивная верстка (технология автоматической подстройки дизайна под размер экрана).

Адаптивность прототипа (корректность работы макета на разных устройствах: десктопе, планшете, смартфоне).

Айтрекинг (Eye Tracking) (отслеживание направления взгляда пользователя для понимания, что он видит в словаре в первую очередь).

Аккордеон (Accordion) (сворачивающиеся блоки текста для экономии места на экране).

Акцентный цвет (яркий оттенок, используемый только для важных действий или ссылок).

Анализ логов (изучение цифровых следов пользователей для выявления популярных путей в словаре).

Антиква (Serif) (шрифт с засечками, иногда используемый для длинных теоретических блоков).

Апробация (процесс практической проверки теоретической модели ГИЗАУРУСа в реальных условиях).

Архитектура доверия (набор элементов дизайна, убеждающих пользователя в безопасности ИИ-сервисов).

Аудит доступности (оценка интерфейса на соответствие стандартам для пользователей с ограниченными возможностями).

Барьер взаимодействия (элемент интерфейса или текста, который мешает пользователю выполнить задачу).

Беззасечный шрифт (Sans Serif) (рекомендуемый тип шрифта для чтения ГИЗАУРУСа с экрана).

Белое пространство (Negative Space) (пустые области на странице, помогающие «дышать» контенту).

Бенчмаркинг (Benchmarking) (сравнение показателей юзабилити ГИЗАУРУСа с конкурентами или предыдущими версиями).

Бесконечный скролл (метод подгрузки контента, требующий осторожного применения в обучении).

Библиотека компонентов (набор готовых элементов интерфейса для быстрого прототипирования).

Бэклог юзабилити-задач (список исправлений, ранжированных по приоритету).

Вайрфрейм (Wireframe) (черно-белый «скелет» страницы без графики и контента).

Валидация гипотез (подтверждение или опровержение предположений автора о том, что пользователям будет понятно).

Валидация классификации (насколько пользователи узнают себя в описанных уровнях).

Валидность экологическая (насколько условия теста близки к реальной жизни пользователя).

Вербализация (перевод внутренних когнических процессов пользователя в речевую форму для анализа исследователем).

Визуализация данных (графики и схемы, объясняющие работу нейронов или слоев).

Визуальная иерархия (расположение элементов на странице таким образом, чтобы направлять взгляд от важного к второстепенному).

Визуальный шум (избыток графики, мешающий пользователю сосредоточиться на смысле термина).

Вкладки (Tabs) (способ переключения между уровнями дефиниции внутри одной статьи).

Воспринимаемая ценность (оценка пользователем того, стоит ли ГИЗАУРУС затраченного на его изучение времени).

Восстановление после ошибки (Error Recovery) (способность пользователя вернуться на правильный путь после совершения неверного действия).

Всплывающее окно (Modal/Pop-up) (элемент для показа дополнительной информации, не уводящий со страницы).

Высокодетализированный прототип (Hi-fi) (версия, максимально близкая к итоговому продукту по дизайну и интерактивности).

Выявление инсайтов (обнаружение неочевидных закономерностей в поведении респондентов).

Геймификация UX (использование игровых элементов, например ачивок, для повышения мотивации обучения).

ГИЗАУРУС (как эталон юзабилити) (результат создания максимально удобного словаря об ИИ для всех).

Глобальные проблемы юзабилити (ошибки, затрагивающие весь интерфейс ГИЗАУРУСа).

Глубинное интервью (беседа после тестирования для выяснения причин возникших у пользователя трудностей).

Готовность к внедрению (подтверждение юзабилити-тестами работоспособности модели).

Готовность к самостоятельным экспериментам (импульс пользователя продолжить изучение ИИ без подсказок).

Групповая динамика (взаимодействие участников в фокус-группе, которое может как помочь, так и помешать исследованию).

Группомыслие (Groupthink) (риск, когда участники фокус-группы начинают соглашаться с лидером, скрывая свое мнение).

Двойное слепое тестирование (когда и модератор, и пользователь не знают всех целей исследования).

Дизайн-мышление (Design Thinking) (методология создания ГИЗАУРУСа, ориентированная на человека).

Дизайн-система (набор правил и компонентов, обеспечивающих единство стиля ГИЗАУРУСа).

Дизайн-спринт (короткий цикл разработки и тестирования ГИЗАУРУСа для быстрого исправления ошибок).

Дневниковое исследование (метод долгосрочного наблюдения за тем, как пользователь осваивает ГИЗАУРУС в течение недели).

Доверие к источнику (зависимость юзабилити от авторитетности представленных в словаре данных).

Доказательная база юзабилити (набор цифр и фактов из тестов, подтверждающих успех ГИЗАУРУСа).

Доступность (проектирование ГИЗАУРУСа для людей с ограниченными возможностями здоровья).

Доступность данных (насколько легко найти ссылку на первоисточник термина в библиографии).

Доступность навигации (скорость перехода от оглавления к конкретному подразделу).

Закон Миллера (ограничение объема информации: человек может эффективно удерживать в памяти 7±2 объекта).

Закон Фиттса (правило, определяющее оптимальный размер и расположение кнопок для быстрого клика).

Закон Хика (правило, согласно которому время принятия решения растет с увеличением количества вариантов выбора в меню).

Заметность (Affordance) (свойство элемента дизайна подсказывать пользователю, как им управлять, например, вид кнопки).

Запоминаемость (способность пользователя вернуться к словарю через время и сразу вспомнить, как им пользоваться).

Защита персональных данных участников (анонимизация имен и лиц при публикации результатов тестов).

Идеогенерация (поиск нестандартных решений для визуализации понятий ИИ).

Иконографика (система пиктограмм, облегчающая навигацию по типам нейросетей).

Индекс лояльности (NPS) (метрика готовности пользователя рекомендовать ГИЗАУРУС другим людям).

Индикатор прогресса (визуальное отображение того, сколько пользователь уже изучил в ГИЗАУРУСе).

Инклюзивный контент (тексты, не содержащие дискриминации и понятные разным культурам).

Инструкции по самопомощи (разделы словаря, помогающие пользователю, если он запутался).

Интерактивность прототипа (способность макета реагировать на клики и действия пользователя, имитируя работу сайта).

Интерпретируемость интерфейса (понятность того, как работают кнопки настроек нейросети).

Интуитивная понятность (свойство интерфейса, позволяющее пользователю работать с ним без предварительного обучения).

Интуитивность иконок сервисов (узнаваемость логотипов нейросетей в ГИЗАУРУСе).

Информационная архитектура (IA) (система организации и маркировки контента в ГИЗАУРУСе).

Информационная избыточность (риск перегрузки пользователя лишними фактами об ИИ).

Информационное согласие (юридический документ, подтверждающий добровольное участие в тестах ГИЗАУРУСа).

Информационный дизайн (искусство эффективного представления данных об ИИ).

Инфостиль (метод редактирования текстов ГИЗАУРУСа для максимальной краткости и ясности).

Итерационное проектирование (циклический процесс: спроектировал — протестировал — исправил — снова протестировал).

Карта кликов (отчет, показывающий, на какие элементы ГИЗАУРУСа нажимали респонденты).

Карта пути пользователя (CJM) (визуализация всех этапов взаимодействия человека с ГИЗАУРУСом).

Карточная сортировка (Card Sorting) (метод проектирования IA, при котором пользователи сами группируют термины по категориям).

Качество перевода технических терминов (насколько русские аналоги привычны пользователю).

Кернинг и трекинг (параметры расстояния между буквами в заголовках терминов).

Клик-тест (проверка того, куда нажмет пользователь в первую очередь для решения конкретной задачи).

Когнитивная архитектура (соответствие структуры словаря процессам мышления человека).

Когнитивная нагрузка (объем усилий, затрачиваемых рабочей памятью пользователя на понимание терминов ИИ).

Когнитивное прохождение (Cognitive Walkthrough) (метод оценки юзабилити со стороны эксперта, имитирующего новичка).

Когнитивный барьер (непонимание терминов «метаязыка», требующее упрощения дефиниций).

Когнитивный резонанс (состояние, когда интерфейс ГИЗАУРУСа полностью соответствует ожиданиям пользователя).

Когнитивный стиль (индивидуальные особенности восприятия информации пользователем).

Кодирование данных (присвоение категорий высказываниям пользователей для анализа их трудностей).

Контекстная подсказка (маленький элемент текста, поясняющий сложную функцию «на лету»).

Контекстное исследование (Contextual Inquiry) (наблюдение за пользователем в его естественной среде для понимания контекста использования словаря).

Контент-анализ вербальных отчетов (статистическая обработка фраз пользователей из метода «мысль вслух»).

Контрастность текста (соотношение яркости букв и фона, важное для слабовидящих пользователей).

Коэффициент успешности задач (Task Success Rate) (процентное соотношение правильно выполненных заданий к общему числу попыток).

Кривая обучения (Learning Curve) (график зависимости мастерства пользователя от времени работы со словарем).

Критическая ошибка (действие, после которого пользователь не может продолжить работу или полностью теряет смысл).

Критический путь пользователя (последовательность действий, которую обязательно должен пройти человек для достижения цели).

Кросс-культурное юзабилити (учёт различий в восприятии символов и цветов в разных странах).

Лабораторное тестирование (проведение исследования в специально оборудованном помещении под наблюдением).

Ледокол (Icebreaker) (упражнение в начале фокус-группы для снятия напряжения и установления контакта).

Логика группировки (обоснованность объединения сервисов по 12 тематическим блокам).

Локализация UX (адаптация навигационных привычек под русскоязычного пользователя).

Локальные проблемы юзабилити (ошибки в конкретной словарной статье или функции).

Лояльность к продукту (готовность пользователя рекомендовать ГИЗАУРУС коллегам после тестов).

Межстрочный интервал (интерлиньяж) (расстояние между строками текста, влияющее на усталость глаз).

Ментальная модель (внутреннее представление пользователя о том, как устроен ИИ и как должен работать словарь).

Ментальные усилия (затраты энергии мозга на дешифровку сложных аббревиатур ИИ).

Метафоричность дизайна (использование понятных образов для объяснения ИИ-концептов).

Метод «Волшебник страны Оз» (имитация работы сложного ИИ человеком-оператором в ходе теста).

Метод «Воображаемого друга» (просьба к респонденту объяснить термин ИИ невидимому собеседнику).

Метод «Мысль вслух» (Think Aloud) (техника, при которой пользователь проговаривает все свои действия, сомнения и чувства в процессе работы).

Метод «Мысль вслух» (одновременный) (комментирование действий в момент их совершения, наиболее эффективный для ГИЗАУРУСа).

Метод «Мысль вслух» (ретроспективный) (проговаривание действий после завершения задачи при просмотре видеозаписи своего теста).

Метод коридорного тестирования (быстрая проверка идеи на случайных коллегах «в коридоре»).

Микровзаимодействия (мелкие анимации кнопок или переключателей, улучшающие UX).

Модератор (фасилитатор) (специалист, который направляет ход тестирования, задает вопросы и следит за соблюдением регламента).

Модерируемое тестирование (вариант с присутствием исследователя, помогающий глубже понять «почему»).

Момент озарения (Aha-moment) (точка в тестировании, когда пользователь внезапно понимает сложный термин благодаря ГИЗАУРУСу).

Навигационная цепочка (путь перемещения пользователя между разделами словаря).

Навигация с клавиатуры (возможность пользоваться словарем без мыши при помощи клавиши Tab).

Надежность результатов (повторяемость данных при проведении теста на другой группе пользователей).

Научная обоснованность дизайна (связь визуальных решений с результатами когнитивных наук).

Начертание шрифта (использование жирного, курсива или обычного текста для выделения смыслов).

Нейтральность модератора (важнейшее требование не помогать пользователю, чтобы увидеть реальные проблемы интерфейса).

Немодерируемое тестирование (самостоятельное прохождение теста пользователем через спецплатформы).

Непрерывное улучшение (Kaizen) (философия развития ГИЗАУРУСа на основе постоянной обратной связи).

Низкодетализированный прототип (Lo-fi) (схематичный набросок интерфейса, предназначенный для проверки логики навигации и структуры).

Облако тегов (по результатам тестов) (визуализация наиболее частотных жалоб или похвал пользователей).

Обратная карточная сортировка (Tree Testing) (проверка того, могут ли пользователи найти нужный термин в уже созданной структуре).

Обратная связь системы (реакция интерфейса на действия пользователя, подтверждающая выполнение команды).

Общая оценка юзабилити монографии (финальный вердикт по итогам всех тестов).

Объективная сложность (количество шагов для нахождения информации).

Объем выборки (по Нильсену) (правило 5 пользователей: 5 человек находят 80% проблем юзабилити).

Опросник NASA-TLX (инструмент для измерения уровня умственной нагрузки пользователя при работе с ИИ-терминами).

Оптимизация UX-текстов (работа над понятностью микрокопи — подписей к кнопкам и ссылкам).

Оценка кросс-ссылок (логичность переходов между термином в теории и сервисом в практике).

Оценка цветовой гаммы (влияние выбранных цветов на настроение и усидчивость пользователя).

Ошибка выборки (риск получения неверных данных из-за того, что в тесте участвовали не те люди).

Ошибка пользователя (действие, которое не ведет к цели или вызывает неверное понимание термина).

Пагинация (разделение длинных списков сервисов на страницы).

Партизанское тестирование (Guerilla Testing) (быстрая и дешевая проверка интерфейса на случайных людях в общественных местах).

Персона (Persona) (вымышленный персонаж, воплощающий типичного представителя сегмента пользователей).

Положительные находки (элементы дизайна, которые особенно понравились пользователям и должны быть сохранены).

Пользовательские боли (Pain points) (конкретные проблемы, которые ГИЗАУРУС призван решить).

Пользовательский сценарий (Scenario) (описание конкретной ситуации, в которой человек обращается к ГИЗАУРУСу).

Понятность раздела «Предостережение» (считывают ли пользователи предупреждения о рисках).

Предварительный просмотр (Preview) (возможность увидеть краткую суть термина без перехода на его страницу).

Предвзятость подтверждения (склонность исследователя видеть в тестах только то, что он хочет).

Принцип «Бритвы Оккама» (необходимость отсечения лишних элементов интерфейса ГИЗАУРУСа).

Принцип «Меньше — значит больше» (стремление к минимализму в описании технологических понятий).

Принцип «Человек в цикле» (Human-in-the-loop) (отражение в дизайне контроля человека над ИИ).

Принцип близости (группировка связанных элементов интерфейса для облегчения понимания структуры).

Принцип контраста (выделение ключевых ИИ-сервисов на фоне текста для привлечения внимания).

Принцип последовательности (единообразие оформления всех 150+ словарных статей).

Приоритизация проблем (решение о том, какие ошибки в ГИЗАУРУСе исправлять первыми).

Проверка библиографии (насколько удобно пользователю переходить к первоисточникам).

Проверка работоспособности QR-кодов (юзабилити связи печатной версии и онлайн-сервисов).

Продуктивность (Efficiency) (количество времени и усилий, затраченных на получение нужной информации об ИИ).

Проективные методики (задания типа «Если бы ГИЗАУРУС был животным, то каким?», помогающие выявить скрытые ассоциации).

Прозрачность работы ИИ (визуализация того, почему ГИЗАУРУС предложил именно этот сервис).

Протокол вслух (Concurrent) (классический метод «мысль вслух» во время выполнения задачи).

Протокол вслух (Prospective) (описание планов действий пользователем перед началом задачи).

Протокол вслух (Retrospective) (комментарии к записи своего поведения).

Протокол наблюдения (документ, в который исследователь записывает невербальные реакции и ошибки респондента).

Прототип (Prototype) (предварительная рабочая версия ГИЗАУРУСа, используемая для тестирования идей до основной разработки).

Прототипирование решений (быстрое создание макетов для проверки идей из фокус-групп).

Профиль пользователя (совокупность социально-демографических и технических навыков респондента).

Психология цвета в ИИ (использование синих и фиолетовых оттенков для создания образа технологичности).

Пустое состояние (Empty State) (вид страницы, когда поиск не дал результатов, требующий вежливого пояснения).

Разборчивость шрифтовых пар (гармония между заголовком термина и основным текстом дефиниции).

Размер активной области (достаточная величина кнопок для легкого попадания пальцем на мобильных).

Резиновая верстка (метод изменения размеров блоков пропорционально ширине окна браузера).

Рейтинг серьезности проблемы (классификация ошибок юзабилити от косметических до катастрофических).

Рекомендации по дизайну (конкретные шаги по улучшению прототипа на основе тестов).

Рекрутинг участников (процесс поиска и отбора людей, соответствующих профилю «пол (ь) зователя»).

Релевантность выдачи (соответствие результатов поиска ожиданиям пользователя).

Респондент (участник фокус-группы или тестирования, предоставляющий данные о своем опыте).

Ретроспективный отчет (анализ своих действий пользователем после завершения теста).

Сегментация ЦА (разделение пользователей на подгруппы, например, студенты, пенсионеры, госслужащие).

Семантическая дистанция (разрыв между ожидаемым и реальным значением слова в интерфейсе).

Сенсорная нагрузка (влияние обилия цветов и анимаций на восприятие смысла текста).

Сервисный дизайн (взгляд на ГИЗАУРУС как на услугу по обучению ИИ-грамотности).

Сетка (Grid) (система выравнивания элементов на странице ГИЗАУРУСа).

Скандируемость (возможность быстро «пробежать глазами» страницу и найти нужный термин).

Скелетный экран (Skeleton Screen) (заглушка, имитирующая структуру страницы во время её загрузки).

Скорость обучения интерфейсу (время, за которое новичок осваивает правила навигации по ГИЗАУРУСу).

Скорость поиска сервиса (время от прочтения термина до открытия ссылки «Попробуй сам»).

Скрининг (Screening) (предварительный опрос для отсева неподходящих кандидатов, например, экспертов в ИИ).

Скринкаст (видеозапись экрана во время тестирования для последующего анализа действий пользователя).

Скринридер (Screen Reader) (программа, озвучивающая текст словаря для незрячих пользователей).

Скролл-карта (показатель того, до какого места на странице дочитывают пользователи).

Слепое тестирование (метод, при котором пользователь не знает автора или бренд ГИЗАУРУСа).

Снижение неопределенности (роль интерфейса в уменьшении страха перед сложностью ИИ).

Снижение страха перед ИИ (оценка изменения эмоционального фона пользователя после тестов).

Сортировка и фильтрация (инструменты для быстрого сужения списка ИИ-сервисов).

Состояние загрузки (анимация, показывающая, что ИИ-сервис или поиск обрабатывает запрос).

Социальная желательность (риск, когда пользователь хвалит ГИЗАУРУС, чтобы не обидеть автора).

Сравнительное тестирование (A/B тест двух вариантов подачи термина для выбора лучшего).

Стайлгайд (Styleguide) (справочник по использованию шрифтов, цветов и отступов в словаре).

Статистическая мощность теста (вероятность обнаружения реальных проблем интерфейса).

Субъективная сложность (ощущение пользователя: «было трудно» или «было легко»).

Суммативное тестирование (итоговая проверка готового ГИЗАУРУСа для подтверждения его качества).

Сценарный план (документ с последовательностью действий и вопросов для проведения фокус-группы).

Тепловая карта (Heatmap) (визуализация зон интерфейса, на которые чаще всего смотрят или кликают пользователи).

Тестирование «Пяти секунд» (оценка первого впечатления: что пользователь запомнил за 5 секунд просмотра страницы).

Тестирование гипотез (процесс подтверждения того, что метафора «лес» понятна для описания нейросети).

Тестирование на экстремальных пользователях (проверка ГИЗАУРУСа на очень продвинутых и очень слабых в ИТ людях).

Тестовое задание (конкретное поручение респонденту, например: «Найдите определение термина „нейросеть“ и подходящий сервис»).

Типографика (искусство оформления текста, критически важное для читабельности словаря).

Точка входа (место, с которого пользователь начинает взаимодействие с ГИЗАУРУСом, например, главная страница или поиск).

Транскрипт (текстовая расшифровка аудиозаписи тестирования, включая метод «мысль вслух»).

Тултип (Tooltip) (краткая подсказка при наведении курсора на иконку или термин).

Удаленное немодерируемое тестирование (автоматизированный сбор данных, когда пользователи выполняют задания самостоятельно).

Удаленное тестирование (проведение теста через сервисы видеосвязи в естественной для пользователя среде).

Удобство поиска (оценка того, насколько быстро работает навигация от А до Я).

Удобство предметного указателя (насколько быстро пользователь находит страницу по термину).

Удовлетворенность пользователя (субъективная оценка комфорта и полезности работы с ГИЗАУРУСом).

Узнавание vs Вспоминание (принцип дизайна, при котором пользователю легче выбрать вариант из списка, чем вводить его по памяти).

Уровень запоминания (проверка знаний терминов ИИ через 24 часа после тестирования).

Уровень удовлетворенности метафорами (насколько пользователям нравятся аналогии на Уровне 1).

Успешность выполнения задания в ИИ-сервисе (смог ли пользователь применить знания на практике).

Фасетный поиск (возможность фильтровать сервисы по нескольким признакам одновременно: «бесплатно» + «на русском»).

Фокус-группа (групповое интервью с представителями целевой аудитории для выявления их отношения к ГИЗАУРУСу).

Формативное тестирование (проводится на ранних этапах для формирования дизайна и структуры).

Формирование ожиданий (Expectation Setting) (предварительное информирование пользователя о целях теста для снижения стресса).

Фрустрация пользователя (чувство раздражения при столкновении с ошибкой или непонятным текстом).

Функция «Вверх» (кнопка быстрого возврата к началу длинной словарной статьи).

Функция поиска (Search UX) (удобство строки ввода, наличие автодополнения и исправления опечаток).

Хлебные крошки (Breadcrumbs) (навигационный элемент, показывающий путь от главной до текущей статьи).

Цветовое кодирование (использование разных цветов для обозначения тематических разделов ИИ).

Целевая аудитория (ЦА) (группа людей, для которых создается ГИЗАУРУС и на которых он тестируется).

Цифровая грамотность респондента (уровень владения компьютером, влияющий на результаты теста).

Читабельность (Readability) (легкость восприятия текстов определений, зависящая от шрифта и верстки).

Шкала SUS (System Usability Scale) (стандартизированный опросник из 10 вопросов для быстрой оценки юзабилити).

Эвристики юзабилити (общие принципы проектирования удобных интерфейсов).

Эвристический анализ текстов (проверка определений на соответствие когнитивным способностям ЦА).

Экспертный обзор (Heuristic Evaluation) (оценка интерфейса специалистами на соответствие 10 правилам Нильсена).

Эмоциональный дизайн (способность ГИЗАУРУСа вызывать положительные эмоции и интерес к ИИ).

Эмпатия к пользователю (способность автора встать на место новичка и увидеть сложность термина).

Эргономика интерфейса (приспособленность дизайна словаря под физические и психические особенности человека).

Эргономика чтения (подбор ширины строки и размера шрифта для комфортного изучения ИИ).

Эстетика интерфейса (визуальная привлекательность ГИЗАУРУСа, влияющая на доверие к контенту).

Этика юзабилити-исследователя (уважительное отношение к респондентам и их трудностям).

Этнографическое наблюдение (изучение того, как ГИЗАУРУС вписывается в рабочую среду пользователя).

Эффект доминирующего участника (ситуация, когда один человек подавляет мнение других в фокус-группе).

Эффект изоляции (эффект Ресторфф) (выделение одного элемента (например, кнопки «Попробуй сам»), чтобы он лучше запомнился).

Эффект края (склонность пользователей лучше запоминать первые и последние термины в списке).

Эффект новизны (риск завышения оценок пользователем из-за интереса к самой теме ИИ).

Эффект последовательности (важность того, в каком порядке расположены 3 уровня дефиниции).

Эффект фасилитатора (риск искажения данных из-за подсказок или мимики модератора).

Эффективность (Effectiveness) (процент успешно выполненных пользователями задач в прототипе).

Эффективность гиперссылок (насколько логичны и полезны переходы между связанными терминами).

Эффективность чек-листа (помогает ли раздел 6 действительно закрепить знания на практике).

Юзабилити (Usability) (мера того, насколько эффективно, результативно и удовлетворительно пользователь может достичь своих целей в ГИЗАУРУСе).

Юзабилити-метрики (обучение) (специфические показатели роста знаний после работы со словарем).

Юзабилити-отчет (итоговый документ с описанием найденных проблем и рекомендациями по их исправлению).

Юзабилити-тестирование (метод оценки интерфейса, основанный на наблюдении за реальными пользователями при выполнении ими заданий).

Ясность языка (Plain Language) (стандарт написания текстов без лишних причастных оборотов и канцеляризмов).

§3. Субъект ИИ: иерархическая классификация пользователей

— Уровень 0 (нейтралы): цифровой абориген (пассивный), технофоб, созерцатель.

— Уровень 1 (начинающие): чайник (Noob), пол (ь) зователь (центральный концепт — осознанный новичок).

— Уровень 2 (практики): ламер, юзер (рядовой), пользователь (End User).

— Уровень 3 (продвинутые): юзверь (Power User), парапрограммист, интегратор.

— Уровень 4 (создатели): инженер ИИ, исследователь, преподаватель/методист.

— Уровень 5 (эксперты): гуру/архитектор, мастер/виртуоз, этический хакер ИИ.

— Уровень X (деструкторы): кракер, луддит.

§4. Метаязык ГИЗАУРУСа: архитектура знания

Обозначения

# = разделитель одной словарной статьи от другой словарной статьи

…или <…> = сокращения в цитатах

// = оттенок значения

~ = синонимы

<> = фразеология

= разделитель вокабулы от её дефиниции

=:: разделитель зоны заголовка словарной статьи от зоны дефиниции, иллюстраций и этимологии

≈ = знак, обозначающий приблизительный (речевой, стилистически маркированный и т.п.) антоним к первому слову доминанты

□ знак, обозначающий изменение частеречной принадлежности слова

↑ гипонимы

↓ гиперонимы

↔ антонимические пары, ряды; лексические противоположности, конверсивы

4.1. Универсальный шаблон словарной статьи:

— Термин (RU/EN; ~ синонимы).

4.1.1. ВОКаБУЛА

— Термин записывается ЗАГЛаВНЫМИ буквами (стиль: Заголовок 3).

— Ударная гласная выделяется строчной буквой.

— Назначение: автоматическое формирование оглавления и алфавитного указателя.

4.1.2. ДЕФИНИЦИЯ

— Разделитель: = (следует в той строке где размещается дефиниция).

Формат: определение начинается в той же строке после разделителя «=». Изложение ведётся в академическом, сжатом стиле, характерном для университетских учебников и энциклопедий. Объём — 4 абзаца (в абзаце 10 и более слов). Уровень 1: Суть (метафора для всех). Уровень 2: Принцип работы (без формул). Уровень 3: Контекст (этика, риски, экономика). Связи (гиперссылки, ↑ гипонимы и ↓ гиперонимы; ↔ антагонистическая пара).

4.1.3. КОНТЕКСТ ИСПОЛЬЗОВАНИЯ

Формат: в идеале 3—4 абзаца, иллюстрирующие типичное применение термина в научном описании имено в ИИ, условии задачи или формулировке модели. Здесь же цитата (пример, иллюстрация), напр., из НКРЯ (если есть в НКРЯ, а если нет, то — факультативно и тогда пример использования термина).

4.1.4. Цифровая лексическая база данных ГИЗАУРУСа

Цифровая лексическая база данных (интегрирующая эмпирический материал, который является основой генерального словника и словарных статей ГИЗАУРУСа, а также контекстных баз иллюстративного материала) состоит из следующих частей:

1) Оцифрованные словари, монографии, а также сводная коллекция текстов (произведения художественной литературы — проза, драматургия, поэзия и тексты, которые представляют речевые жанры во всём их многообразии: мемуары, эссеистика, публицистика, научно-популярная и научная литература, учебники и учебно-методические материалы, диссертации и т.п.) (локальный ресурс — оффлайн).

2) Национальный корпус русского языка (Интернет ресурс — онлайн) (https://ruscorpora.ru/).

Иллюстрации к вокабулам были найдены по Национальному корпусу русского языка /НКРЯ/ (ruscorpora.ru) (Савчук С. О., Архангельский Т. А., Бонч-Осмоловская А. А., Донина О. В., Кузнецова Ю. Н., Ляшевская О. Н., Орехов Б. В., Подрядчикова М. В., 2024), а также с использованием электронных библиотек, в т.ч. с использованием собственной базы текстовых и словарных источников, каталогов и поисковых систем (altavista.com, aport.ru, bing.com, google.com, mail.ru, nigma.net.ru, rambler.ru, yahoo.com, yandex.ru), специализированных сайтов (ЛСВ.РФ, ГИЗАУРУС.РФ, lsw.ru, academic.ru, bigenc.ru, cfrl.ruslang.ru, dic.academic.ru, dictinary.ru, gramota.ru, kartaslov.ru, lexicography. online, ruwiki.ru, antonimy-k-slovu.ru, rus-antonyms-dict.slovaronline.com, ponjatija.ru, sinonim.org, slovaronline.com, tolstyslovar.com/ru, wordwall.net/ru-ru/community/антонимы, руни.рф и мн. др.).

Исследование проведено на материале текстов Национального корпуса русского языка (ruscorpora.ru) (Савчук С. О., Архангельский Т. А., Бонч-Осмоловская А. А., Донина О. В., Кузнецова Ю. Н., Ляшевская О. Н., Орехов Б. В., Подрядчикова М. В., 2024). Иллюстрации и примеры были найдены в различных разделах корпуса: (1) Основной корпус (нехудожественные и художественные тексты) (Савчук С. О., Шаров С. А. 2004; Савчук С. О. 2009); (2) Газетный корпус (центральные и региональные СМИ) (Савчук С. О. 2011); (3) Социальные сети; (4) Русская классика; (5) Обучающий; (6) Поэтический (Гришина Е. А., Корчагин К. М., Плунгян В. А. 2009; Корчагин К. М. 2019; Орехов Б. В. 2015); (7) Параллельные (Добровольский Д. О., Кретов А. А., Шаров С. А. 2005; Иншакова Е. С. 2019); (8) Устный (Гришина Е. А. 2005; Гришина Е. А., Савчук С. О. 2009); (9) Мультимедийный (Гришина Е. А. 2015; Савчук С. О., Махова А. А. 2017); (10) Панхронический; (11) Синтаксический; (12) Исторические и др.

— Гаврилова Т. С., Шалганова Т. А., Ляшевская О. Н. К задаче автоматической лексико-грамматической разметки старорусского корпуса XV — XVII вв // Вестник ПСТГУ. Серия III: Филология. 2016. Вып. 2 (47). С. 7—25.

— Гришина Е. А. Корпус «История русского ударения» // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C. 150—174.

— Гришина Е. А. Мультимедийный параллельный корпус (МультиПАРК): новый тип корпуса для сопоставительных исследований. // Седьмая международная конференция по когнитивной науке: Тезисы докладов. Светлогорск, 20–24 июня 2016 г. / Отв. ред. А. К. Крылов, В. Д. Соловьев. М.: Изд-во «Институт психологии РАН», 2016. С. 65—88.

— Гришина Е. А. Мультимодальный модуль в составе Национального корпуса русского языка // Труды Института русского языка им. В. В. Виноградова. 2015. №6. C.65—88.

— Гришина Е. А. Устная речь в Национальном корпусе русского языка // Национальный корпус русского языка: 2003—2005. М.: Индрик, 2005. C.94—110.

— Гришина Е. А., Корчагин К. М., Плунгян В. А., Сичинава Д. В. Поэтический корпус в рамках НКРЯ: общая структура и перспективы использования // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C.71—113.

— Гришина Е. А., Савчук С. О. Корпус устных текстов в НКРЯ: состав и структура // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C. 129—149.

— Добровольский Д. О., Кретов А. А., Шаров С. А. Корпус параллельных текстов: архитектура и возможности использования // Национальный корпус русского языка: 2003—2005. М.: Индрик, 2005. C. 263—296.

— Добрушина Е. Р., Кравецкий А. Г., Поляков А. Е. Корпус и частотный грамматический корпусный словарь церковнославянского языка в составе Национального корпуса русского языка // Труды Института русского языка им. В. В. Виноградова. 2015. №6. C. 116–141.

— Иншакова Е. С. и др. СинТагРус сегодня // Труды Института русского языка им. В. В. Виноградова. 2019. №21. С. 14—40.

— Качинская И. Б., Сичинава Д. В. Диалектный корпус сегодня // Труды Института русского языка им. В. В. Виноградова. 2015. №6. С. 142—163.

— Корчагин К. М. Зачем нужен поэтический корпус и как его использовать // Русская речь. 2019. №6. С. 113—127.

— Лесников С. В. Словарь русских словарей: более 3500. М.: Азбуковник, 2002. 334 с.

— Ляшевская О. Н., Плунгян В. А., Сичинава Д. В. О морфологическом стандарте Национального корпуса русского языка // Национальный корпус русского языка: 2003—2005. Результаты и перспективы. М.: 2005. C. 111—135.

— Мишина Е. А., Пичхадзе А. А. Древнерусский подкорпус Национального корпуса русского языка // Труды Института русского языка им. В. В. Виноградова. 2015. №6. C. 99—115.

— Орехов Б. В. Еще раз об исследовательском потенциале поэтического корпуса: метр, лексика, формула // Труды Института русского языка им. В. В. Виноградова. 2015. №6. С.449—463.

— Орехов Б. В., Савчук С. О. Акцентологический корпус как инструмент для исследования русского ударения // Труды Института русского языка им. В. В. Виноградова. Вып. 21. М.: 2019. С. 61—82.

— Плунгян В. А. Зачем нужен Национальный корпус русского языка? Неформальное введение // Национальный корпус русского языка: 2003—2005. М.: Индрик, 2005. С. 6—20.

— Плунгян В. А. Корпус как инструмент и как идеология: о некоторых уроках современной корпусной лингвистики // Русский язык в научном освещении. 2008. №16 (2). С. 7—20.

— Плунгян В. А., Резникова Т. И., Сичинава Д. В. Национальный корпус русского языка: общая характеристика // Научно-техническая информация. Сер. 2. 2005. №3. C. 9—13.

— Рахилина Е. В., Кустова Г. И., Ляшевская О. Н., Резникова Т. И., Шеманаева О. Ю.. Задачи и принципы семантической разметки лексики в НКРЯ // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C. 215—239.

— Рахилина Е. В. Национальный корпус русского языка: Зачем он славистам? // Die Welt der Slaven LIII. 2008. С. 1—10.

— Савчук С. О. Корпус региональных газет России и зарубежья // Труды Института русского языка им. В. В. Виноградова. 2015. №6. C. 163—193.

— Савчук С. О. Корпус современной русской прессы: из опыта создания и использования // Труды Международной конференции «Корпусная лингвистика — 2011». СПб.: Изд-во СПбГУ, 2011. С.149—154.

— Савчук С. О. Корпус текстов первой половины XX века: текущее состояние и перспективы // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C.27—45.

— Савчук С. О. Метатекстовая разметка в Национальном корпусе русского языка: базовые принципы и основные функции // Национальный корпус русского языка: 2003—2005. Результаты и перспективы. М.: 2005. С. 62—88.

— Савчук С. О., Махова А. А. Мультимедийный модуль в составе НКРЯ: направления развития // В сборнике: Анализ разговорной русской речи (АР3 — 2017) Труды седьмого междисциплинарного семинара. 2017. С. 83—89.

— Савчук С. О., Архангельский Т. А., Бонч-Осмоловская А. А., Донина О. В., Кузнецова Ю. Н., Ляшевская О. Н., Орехов Б. В., Подрядчикова М. В. Национальный корпус русского языка 2.0: новые возможности и перспективы развития // Вопросы языкознания. 2024. №2. С.7—34.

— Савчук С. О., Сичинава Д. В. Корпус русских текстов XVIII века в составе НКРЯ: проблемы и перспективы // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C. 52—70.

— Савчук С. О., Сичинава Д. В. Обучающий корпус русского языка и его использование в преподавательской практике // Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы. СПб.: Нестор-История, 2009. C. 317—334.

— Савчук С. О., Махова А. А. Мультимедийный модуль в составе НКРЯ: направления развития // В сборнике: Анализ разговорной русской речи (АР3 — 2017) Труды седьмого междисциплинарного семинара. 2017. С.83—89.

— Савчук С. О., Шаров С. А. Типология текстов для представительного корпуса // Труды Международной конференции «Корпусная лингвистика — 2004». СПб: Изд-во СПбГУ, 2004. С.352—362.

— Сичинава Д. В. Корпус берестяных грамот как параллельный // Труды Института русского языка РАН, 2022. №2 (32). С. 92—106.

— Сичинава Д. В. Панхронический корпус: интеграция исторических и современных корпусных ресурсов // Труды Института русского языка им. В. В. Виноградова, 2024. №2 (40). С. 336—354.

— Сичинава Д. В. Параллельные тексты в составе Национального корпуса русского языка: Новые языки и новые задачи. // Труды Института русского языка им. В. В. Виноградова. 2019. №21. С. 41—60.

— Словарь русских словарей: Более 3500 источников / Предисловие В. В. Дубичинского. М.: Азбуковник, 2002. 334 с. ISBN 5-88744-047-3. — EDN VTDORT.

3) Специализированный интерактивный программный комплекс для поиска лексических единиц (в т.ч. примеры словарных статей и иллюстрации к ЛЕ) в компьютере, локальной сети, на флешках, жёстких и съёмных дисках (CD, DVD). Многоаспектный (релевантный и репрезентативный) поиск может производиться оффлайн по содержимому сводной коллекции текстов, используя язык запросов, аналогично тому, как это делается в поисковых системах Интернета. При этом лексикографический материал может храниться в архивах (напр., ZIP и RAR) в разных форматов файлов (напр.,.chm,.docх,.doc,.pdf,.fb2,.txt,.htm,.rtf и т.п).

ПРИМЕРы словарных статей

АВТОМАТИЗАЦИЯ (ДИСКУРС УГРОЗ)

::= Уровень 1 (Суть): в контексте социальных опасений данный процесс уподобляется метафоре «механического жнеца», который неумолимо сокращает поле традиционной трудовой деятельности ради технической эффективности. Это образ «безлюдного завода», где живое человеческое присутствие окончательно вытесняется холодным и мерным ритмом работы программно-аппаратных комплексов.

Уровень 2 (Принцип): операционно автоматизация представляет собой полное замещение человеческих когнитивных функций системами, способными выполнять сложные задачи без прямого вмешательства оператора. Искусственный интеллект берет на себя анализ данных и принятие решений, что исключает потребность в профессиональной интуиции сотрудников.

Уровень 3 (Контекст): социально-экономический риск заключается в угрозе возникновения масштабной технологической безработицы и усилении неравенства между владельцами алгоритмов и наемными работниками. Дискурс угроз подчеркивает необходимость разработки компенсаторных механизмов, таких как безусловный базовый доход или программы массовой переподготовки кадров.

Связи: Гипероним — Индустрия 4.0. Родственные понятия — Луддизм, Алгоритмическое управление. Гипоним — Вытеснение человеческого капитала.

«Ввиду ряда тенденций (автоматизация производства, дигитализация сферы общения, экспансия интеллектуальных технологий) одной из основных мишеней кризисных явлений оказывается психика». [Желнин А. И. Проблема информационного кризиса: стрессовые аспекты воздействия информации на психику человека // «Информационное общество», 2017]

ГИПЕРТЕКСТ

= (Hypertext; ~ нелинейный текст) способ организации текстовой информации в виде сети документов, связанных между собой активными смысловыми переходами и нелинейными связями. В архитектуре ГИЗАУРУСа гипертекст обеспечивает пользователю возможность мгновенного перемещения между взаимосвязанными научными концептами.

Принцип работы гипертекста основан на использовании ссылок-метаданных, которые превращают статичное описание термина в динамический навигационный узел глобальной сети знаний. Эта технология имитирует ассоциативную работу человеческого мозга, позволяя интеллектуальному агенту эффективно структурировать огромные массивы неструктурированной информации.

Развитие систем гипертекста привело к созданию Всемирной паутины, радикально изменив способы поиска, хранения и коллективного использования данных человечеством.

английский:

«Actually, he wanted to do much more than that. He had the placid exterior of a congenital coder, but lurking underneath he harbored the whimsical curiosity of a child who stayed up late reading Enquire Within Upon Everything. Rather than merely devising a data management system, he yearned to create a collaborative playground. «I wanted to build a creative space, «he later said, «something like a sandpit where everyone could play together. «He hit upon a simple maneuver that would allow him to make the connections he wanted: hypertext. Now familiar to any Web surfer, hypertext is a word or phrase that is coded so that when clicked it sends the reader to another document or piece of content. Envisioned by Bush in his description of a memex machine, it was named in 1963 by the tech visionary Ted Nelson, who dreamed up a brilliantly ambitious project called Xanadu, never brought to fruition, in which all pieces of information would be published with two-way hypertext links to and from related information. Hypertext was a way to allow the connections that were at the core of Berners-Lee’s Enquire program to proliferate like rabbits; anyone could link to documents on other computers, even those with different operating systems, without asking permission». [Walter Isaacson. The Innovators. How Group of Hackers, Geniuses and Geeks Created the Digital Revolution (2014). Уолтер Айзексон. Инноваторы. Как несколько гениев, хакеров и гиков совершили цифровую революцию]. (НКРЯ)

русский:

«На самом деле он планировал сделать гораздо больше. С виду он, как и многие программисты, был совершенно спокойным человеком, но в душе это был все тот же неугомонный любопытный мальчишка, который допоздна читал Enquire Within Upon Everything. Он задумал создать не просто систему управления данными, а своего рода игровую площадку для совместной работы: „Я мечтал о творческом пространстве, о чем-то вроде песочницы, где все могли бы играть вместе“. Бернерс-Ли решил, что объединит между собой документы при помощи гипертекста, ― казалось бы, довольно простое решение. В наше время каждый, кто пользуется интернетом, знает, что гипертекст ― это слово или фраза, на которые можно кликнуть и попасть в другой документ или иной контент. Описывая мемекс, Буш предвосхитил появление такой технологии. А само слово „гипертекст“ придумал технопророк Тед Нельсон в 1963 году. Он так и не реализовал свой великолепный проект Xanadu, в котором предполагалось объединить все тексты и документы двунаправленными гипертекстовыми ссылками. Программа Бернерса-Ли должна была работать за счет подобных ссылок, а благодаря гипертексту каждый мог их создавать в неограниченном количестве, без получения разрешений и независимо от того, на какой операционной системе он работает» [Каганова И., 2015].

Связи: ↓ Ссылка, узел; ↑ Информация, сеть; ↔ Линейность.

4.2. Попробуй сам: прямое задание для конкретного нейросетевого сервиса.

Исходным пунктом практического освоения технологий является постановка четкой задачи для выбранного нейросетевого инструментария. Вы должны выбрать сервис из верифицированного списка ГИЗАУРУСа, ориентируясь на его функциональные возможности. Важно понимать, что качество ответа напрямую зависит от структуры вашего промпта и контекста задачи. Для начала работы рекомендуется использовать отечественные модели, такие как Kandinsky или GigaChat, для минимизации языкового барьера. Каждое слово в Вашем задании выступает вектором, определяющим направление поиска в латентном пространстве смыслов. Помните о необходимости соблюдения этических норм при генерации любого типа цифрового контента. Систематический подход к формулировке запросов превращает пассивного наблюдателя в активного оператора сложных алгоритмов.

Вторым шагом станет описание желаемого результата с использованием точных терминов из нашего идеографического словаря. Попробуйте сформулировать задачу на создание текста, задав нейросети определенную роль или профессиональную маску. Например, попросите ИИ выступить в качестве эксперта по цифровой лингвистике для анализа текста. Четкое указание формата вывода данных позволяет алгоритму более эффективно распределять вычислительные ресурсы системы. Избегайте двусмысленных фраз, которые могут привести к галлюцинациям или логическим ошибкам модели. Ваше задание должно содержать глаголы действия, отражающие суть требуемой интеллектуальной операции. Постепенное усложнение промпта помогает пользователю нащупать границы применимости конкретной нейросетевой архитектуры.

После формирования основного запроса необходимо добавить параметры, ограничивающие творческий произвол или техническую избыточность алгоритма. Укажите желаемый объем ответа, целевую аудиторию и стилистические особенности будущего текстового или графического сообщения. Хорошо структурированный запрос всегда содержит контекстную информацию, которая помогает модели избежать неуместных ассоциаций. Вы можете попросить нейросеть проанализировать конкретный набор данных, загрузив их в соответствующее поле интерфейса. Использование ключевых слов из области машинного обучения позволит системе точнее настроить свои внутренние веса. Практика показывает, что итеративное уточнение задания даёт значительно лучший результат, чем попытка получить всё сразу. Каждая правка промпта — это ваш личный вклад в обучение гибридного интеллекта.

Переходите к этапу проверки полученного результата, используя навыки фактчекинга и критического анализа информации. Никогда не принимайте сгенерированный нейросетью ответ как окончательную и неоспоримую истину в последней инстанции. Проверьте соответствие текста заданным параметрам, обращая внимание на логические связки и точность приведенных фактов. Если модель допустила фактическую ошибку, попробуйте указать ей на это в следующем сообщении. Взаимодействие с ИИ в режиме диалога позволяет выявить скрытые закономерности работы конкретной языковой модели. Записывайте наиболее удачные формулировки заданий в свой личный архив для использования в будущих проектах. Ваша агентность проявляется именно в способности критически оценивать и корректировать машинные выводы.

Попробуйте применить метод «мысль вслух», комментируя каждое свое действие при работе с нейросетевым сервисом. Это упражнение помогает осознать скрытые когнитивные процессы, которые происходят в момент постановки творческой задачи. Вы заметите, как ваш личный метаязык начинает трансформироваться под влиянием технических ограничений системы. Зафиксируйте моменты, когда нейросеть удивляет вас неожиданно точным или, наоборот, нелепым ответом. Такие наблюдения крайне важны для развития навыков юзабилити-тестирования и оценки качества ИИ-инструментов. Понимание того, как сервис интерпретирует ваши знаки, делает общение более предсказуемым и продуктивным. ГИЗАУРУС служит вам надежным компасом в этом увлекательном путешествии по миру цифровых смыслов.

Обратите внимание на то, как нейросеть справляется с задачами по переработке и сжатию больших объемов информации. Поручите алгоритму составить краткое резюме длинного текста, выделив в нем главные мысли и тезисы. Этот навык особенно полезен при работе с академическими статьями или сложной технической документацией. Сравните результат работы ИИ со своим собственным видением структуры и содержания исходного материала. Анализ расхождений поможет вам лучше понять специфику работы конкретной архитектуры нейронной сети. Постепенно вы научитесь делегировать рутинные задачи машине, освобождая время для глубокой интеллектуальной работы. Эффективное использование ИИ-ассистента требует постоянной тренировки и внимания к деталям процесса взаимодействия.

Экспериментируйте с мультимодальными возможностями современных сервисов, объединяя текстовые запросы с визуальными или звуковыми данными. Попробуйте описать картину, которую вы хотите получить, используя богатый арсенал эпитетов и метафор. Используйте ссылки на конкретные художественные стили или имена известных мастеров для задания эстетической рамки. Посмотрите, как изменение одного слова в описании кардинально меняет визуальный ряд создаваемого изображения. Этот процесс наглядно демонстрирует связь между лингвистическими конструкциями и визуальными образами в памяти модели. Творческая коллаборация с ИИ открывает новые горизонты для самовыражения и поиска оригинальных идей. Вы становитесь режиссером сложного процесса синтеза новых смыслов в цифровом пространстве.

При выполнении задания важно учитывать вопросы безопасности и защиты вашего личного цифрового суверенитета. Не загружайте в открытые нейросетевые сервисы конфиденциальную информацию или персональные данные третьих лиц. Помните, что история ваших запросов может быть использована для дальнейшего обучения глобальных моделей. Изучите настройки приватности выбранного инструмента и используйте режим инкогнито, если это предусмотрено разработчиками. Знание правовых основ регулирования ИИ поможет вам избежать нарушений авторских прав при генерации контента. Ответственное отношение к технологиям является признаком высокого уровня цифровой грамотности современного пользователя. ГИЗАУРУС напоминает нам о важности контроля над собственным информационным следом в сети.

Завершающим этапом практического задания станет рефлексия над полученным опытом и интеграция знаний в вашу деятельность. Оцените, насколько предложенный нейросетью результат сократил ваши временные затраты на выполнение конкретной задачи. Подумайте, какие новые навыки вы приобрели в процессе коммуникации с этим сложным алгоритмом. Обсудите результаты своей работы с коллегами или единомышленниками в сообществе пользователей ГИЗАУРУСа. Коллективный опыт помогает быстрее находить эффективные решения и избегать типичных ошибок новичков. Вы увидите, что обучение ИИ — это всегда двусторонний процесс, меняющий и машину, и человека. Ваше стремление к пониманию сути вещей делает технологический прогресс осознанным и гуманным.

Постоянно обновляйте свой инструментарий, следя за появлением новых версий сервисов и изменением их функционала. Технологический ландшафт ИИ меняется стремительно, требуя от нас гибкости и готовности к постоянному переобучению. ГИЗАУРУС предоставляет вам актуальные ссылки на проверенные ресурсы, которые прошли строгий экспертный отбор. Каждое новое задание — это возможность расширить свою понятийную сетку и углубить знания. Не бойтесь совершать ошибки, так как именно они являются лучшими учителями в мире программирования. Ваша активность в освоении ИИ закладывает фундамент для успешного будущего в эпоху тотальной цифровизации. Работаем вместе над созданием гармоничного союза человеческого разума и мощи искусственных систем.

4.3. Идеографическая структура (пять семантических полей):

Познание (обучение, вывод); Данные (датасет, шум); Архитектура (слой, параметр); Действие (агент, стратегия); Граница (доверие, контроль)

Семантическое поле «Познание» фокусируется на переходе от хаоса информации к упорядоченному знанию через обучение. В рамках этого поля ключевыми понятиями выступают «вывод», «инференс» и «обобщение», характеризующие когнитивную мощь системы. Мы рассматриваем обучение не как механическое копирование, а как сложный процесс настройки внутренних весов модели. Каждое новое понятие в этой зоне расширяет наше представление о границах машинного интеллекта. Исследователи подчеркивают важность понимания разницы между человеческим пониманием и статистическим предсказанием. ГИЗАУРУС помогает пользователю преодолеть семантический барьер, возникающий при описании когнитивных процессов. Формирование понятийной сетки в области познания является фундаментом для дальнейшей практической работы.

Второе поле под названием «Данные» объединяет термины, описывающие эмпирический базис и топливо современных нейросетей. Здесь мы работаем с такими категориями, как «датасет», «разметка», «шум» и «большие данные». Качество и репрезентативность данных напрямую определяют объективность и точность выводов искусственного интеллекта. Понимание структуры цифрового океана информации позволяет пользователю критически оценивать источники обучающих выборок. Мы рассматриваем данные как ценный ресурс, требующий бережного отношения и правовой защиты. В ГИЗАУРУСе этот раздел связывает абстрактные математические множества с реальными текстами и изображениями. Без глубокого анализа данных невозможно построение надежной и безопасной интеллектуальной системы будущего.

Поле «Архитектура» описывает структурную организацию нейронных систем и внутреннее устройство вычислительных моделей. Сюда входят понятия «слой», «параметр», «трансформер» и «токенизация», определяющие логику обработки сигналов. Архитектурные решения выступают в роли чертежа, по которому строится здание машинного разума. Выбор конкретной структуры определяет таланты системы в области перевода, зрения или творчества. Мы стремимся демистифицировать технические термины, показывая их функциональное значение для обычного пользователя. Понимание архитектурных ограничений помогает избежать неоправданных ожиданий от работы сложных алгоритмов. Каждое звено в этой цепи вычислений имеет свою четкую роль и математическое обоснование.

Четвертая зона смыслов под названием «Действие» посвящена вопросам агентности, стратегии и автономного поведения систем. В центре внимания оказываются термины «агент», «целевая функция», «обратная связь» и «оптимизация». Мы анализируем способность ИИ проявлять инициативу и влиять на окружающую цифровую среду. Переход от пассивного алгоритма к активному субъекту действия ставит перед обществом новые вызовы. Важно четко разграничивать области ответственности человека и машины в процессе принятия решений. ГИЗАУРУС акцентирует внимание на том, что действие системы всегда должно быть предсказуемым. Стратегическое планирование в ИИ базируется на строгих расчетах вероятностей и минимизации возможных рисков.

Семантическое поле «Граница» охватывает этические, правовые и технические ограничения применения высоких технологий. Ключевыми концептами здесь являются «доверие», «контроль», «безопасность» и «цифровой суверенитет». Мы устанавливаем рамки, внутри которых развитие ИИ остается полезным и безопасным для человечества. Понятие границы помогает пользователю осознать риски алгоритмической предвзятости и нарушения приватности. Установление четких правил игры необходимо для защиты прав личности в эпоху автоматизации. ГИЗАУРУС выступает как инструмент деконструкции мифов о всемогуществе и бесконтрольности машин. Граница — это не препятствие, а залог гармоничного сосуществования человека и технологий.

Взаимодействие между пятью полями создает целостную картину мира искусственного интеллекта в сознании пользователя. Мы видим, как «Данные» через «Архитектуру» превращаются в «Познание», способное порождать осознанное «Действие». При этом «Граница» пронизывает все этапы процесса, обеспечивая этическую чистоту и безопасность системы. ГИЗАУРУС предлагает пользователю удобную навигацию по этим смысловым островам цифровой реальности. Вы можете легко переходить от обсуждения технических деталей к глубоким философским вопросам. Системный подход предотвращает фрагментарность знаний и способствует формированию критического мышления. Каждое слово в словаре находит свое место в этой сложной идеографической структуре.

Поле «Познание» тесно связано с развитием человеческого капитала и навыков цифровой грамотности. Мы изучаем, как алгоритмы имитируют когнитивные функции мозга, такие как память и внимание. ГИЗАУРУС разъясняет, почему машинное обучение называют именно обучением, а не просто программированием. Это помогает преодолеть антропоморфные ловушки и трезво оценивать интеллектуальный потенциал систем. Мы стремимся показать, что познание в ИИ имеет свою специфическую математическую природу. Пользователь учится говорить о сложных вещах простым, но академически точным языком. Развитие этой зоны знаний является ключом к успешной адаптации в меняющемся мире.

Анализ поля «Данные» заставляет нас задуматься о социальной справедливости и инклюзивности технологий. Мы рассматриваем примеры того, как предвзятость в выборках ведет к дискриминации определенных групп людей. ГИЗАУРУС учит пользователя задавать вопросы об источниках информации, на которых учился ИИ. Понимание механизмов сбора данных необходимо для защиты личной тайны и корпоративных секретов. Мы подчеркиваем важность открытости и прозрачности в управлении большими массивами данных. Это поле знаний объединяет технические дисциплины с социологией и современной правовой наукой. Ваша осведомленность в этой области становится щитом против манипуляций и дезинформации.

В зоне «Архитектура» мы сталкиваемся с инженерным гением создателей самых мощных современных моделей. Изучение слоев и параметров позволяет понять масштаб вычислительных ресурсов, стоящих за ответом нейросети. ГИЗАУРУС описывает эволюцию нейросетевых структур от простейших перцептронов до сложнейших трансформеров. Мы показываем, как изменения в архитектуре влияют на удобство и эффективность интерфейсов. Это поле знаний помогает пользователю оценить техническую зрелость и надежность выбранного инструмента. Вы начинаете видеть за красивой оболочкой сервиса сложную математическую логику связей. Знание основ устройства системы придает уверенности при решении практических задач.

Наконец, интеграция полей «Действие» и «Граница» формирует модель ответственного и осознанного пол (ь) зователя. Мы обсуждаем вопросы подотчетности систем и необходимости человеческого надзора за работой алгоритмов. ГИЗАУРУС подчеркивает, что конечная цель технологий — это служение человеку и обществу. Вы узнаете о международных стандартах этики ИИ и принципах проектирования безопасных систем. Это знание позволяет вам выступать в роли эксперта и защитника гуманитарных ценностей. Мы верим, что баланс между мощью действия и строгостью границы спасет мир. Работа над идеографической структурой словаря продолжается вместе с развитием самой науки.

4.4. Тематическая карта дискурсов

4.4.1. Техно-оптимизм vs Этика и справедливость.

Дискурс техно-оптимизма рисует нам картину неизбежного прогресса, где ИИ решает все глобальные проблемы человечества. Сторонники этого взгляды верят в магическую силу алгоритмов, способных победить болезни, голод и экологический кризис. Однако критический взгляд заставляет нас обратиться к вопросам этики и социальной справедливости. Бесконтрольное внедрение технологий может усилить существующее неравенство и создать новые формы цифровой дискриминации. Важно соблюдать баланс между восторгом перед инновациями и трезвым расчетом рисков для общества. Этика ИИ выступает в роли совести, ограничивающей опасные амбиции технологических гигантов. ГИЗАУРУС предлагает инструменты для деконструкции мифов о безусловной пользе любой автоматизации.

Приверженцы техно-оптимистичного подхода часто игнорируют исторический контекст и социальные последствия технологических сдвигов. Они рассматривают искусственный интеллект как нейтральный инструмент, лишенный какой-либо политической или идеологической окраски. Напротив, исследователи этики указывают на то, что в коде всегда заложены ценности его создателей. Справедливость в цифровом мире требует активного участия граждан в аудите алгоритмических решений. ГИЗАУРУС помогает выявить скрытую предвзятость в ответах нейросетей, обученных на ограниченных датасетах. Мы должны стремиться к тому, чтобы плоды прогресса были доступны каждому человеку. Осознание ответственности разработчиков является первым шагом к созданию по-настоящему инклюзивного общества.

Конфликт этих двух подходов особенно ярко проявляется в дискуссиях о будущем рынка труда. Техно-оптимисты обещают освобождение человека от рутины и переход к эпохе тотального творчества. Скептики же опасаются массовой безработицы и потери смысла жизни для миллионов простых людей. Этика требует разработки механизмов социальной защиты и программ переобучения в условиях цифровой трансформации. ГИЗАУРУС предоставляет лексическую базу для ведения конструктивного диалога между всеми сторонами процесса. Мы рассматриваем гибридный интеллект как способ расширения, а не замещения человеческих способностей. Справедливое распределение благ от автоматизации становится главной политической задачей нашего века.

Технологический детерминизм часто подменяет собой свободную волю людей, навязывая нам готовые сценарии будущего. Мы должны сопротивляться попыткам представить развитие ИИ как процесс, не поддающийся человеческому контролю. Этическая рамка позволяет нам задавать неудобные вопросы о целях и методах внедрения алгоритмов. Справедливость подразумевает возможность каждого оспорить решение, принятое автоматизированной системой управления данными. ГИЗАУРУС акцентирует внимание на праве пользователя понимать логику работы черного ящика. Открытость и прозрачность технологий являются необходимыми условиями для сохранения общественного доверия. Мы строим мост между миром чистой математики и миром гуманитарных ценностей.

Дискурс об этике ИИ также включает в себя вопросы защиты окружающей среды и потребления ресурсов. Огромные вычислительные мощности, необходимые для обучения нейросетей, требуют колоссального количества электроэнергии и воды. Техно-оптимисты надеются на новые экологически чистые технологии, которые появятся благодаря помощи искусственного разума. Однако уже сегодня мы должны думать об устойчивости развития и экологическом следе цифровизации. Справедливость требует учета интересов будущих поколений, которым придется жить в измененной среде. ГИЗАУРУС включает экологические аспекты в систему оценки качества и безопасности сервисов. Ответственное потребление технологий начинается с осознания цены, которую мы платим за комфорт.

Образование играет ключевую роль в преодолении разрыва между восторженным ожиданием и суровой реальностью. ГИЗАУРУС выступает как просветительский ресурс, формирующий культуру критического восприятия любых технологических новшеств. Мы учим пол (ь) зователей видеть за яркими рекламными лозунгами реальные механизмы работы алгоритмов. Понимание основ машинного обучения помогает развенчать мифы о сознании и чувствах нейросетей. Этический подход в образовании способствует воспитанию ответственных граждан цифрового мира будущего. Мы стремимся к тому, чтобы технологии служили инструментом эмансипации и развития личности. Знание — это лучшая защита от манипуляций со стороны технологических корпораций.

Взаимодействие человека и машины в рамках этого дискурса требует переосмысления понятия агентности. Мы должны решить, какую часть своей ответственности мы готовы делегировать сложным программным системам. Техно-оптимизм склонен к передаче власти алгоритмам ради повышения эффективности и скорости решений. Этика же настаивает на сохранении человеческого контроля в критически важных сферах жизни. Справедливость нарушается, когда за ошибки машины расплачивается самый слабый участник процесса. ГИЗАУРУС помогает четко обозначить зоны ответственности в системе человеко-машинного взаимодействия. Наша цель — создать условия для безопасного и взаимовыгодного сотрудничества разумов.

Дискурс справедливости также затрагивает проблему доступности технологий для различных языковых и культурных групп. ГИЗАУРУС уделяет особое внимание поддержке русского языка и защите национального цифрового суверенитета. Мы считаем недопустимым доминирование одной культурной модели в глобальном информационном пространстве ИИ. Этическое развитие подразумевает уважение к многообразию человеческого опыта и традиций народов мира. Справедливость в доступе к знаниям обеспечивает равные возможности для развития всех регионов. Мы поддерживаем создание отечественных верифицированных сервисов, учитывающих специфику нашей уникальной культуры. Инклюзивность должна стать не просто лозунгом, а реальной практикой разработки программ.

Глобальные корпорации часто используют риторику этики для маскировки своих чисто коммерческих интересов. Мы должны научиться отличать реальную заботу о благе общества от маркетинговых уловок. ГИЗАУРУС проводит деконструкцию корпоративных дискурсов, выявляя их скрытые цели и возможные противоречия. Справедливость требует установления строгих правил подотчетности для всех участников технологического рынка. Этические кодексы должны подкрепляться реальными правовыми нормами и механизмами государственного контроля. Мы призываем пользователей быть активными участниками дискуссии о будущем цифрового регулирования. Ваша позиция имеет значение для формирования справедливой и безопасной архитектуры знания.

В завершение отметим, что спор между оптимистами и сторонниками этики является двигателем прогресса. Это столкновение заставляет инженеров искать более совершенные и безопасные пути развития технологий. ГИЗАУРУС фиксирует этот живой процесс, обновляя свою тематическую карту дискурсов в реальном времени. Мы верим, что синтез технической мощи и гуманитарной мудрости возможен и необходим. Справедливость станет фундаментом, на котором будет построено здание нового гибридного интеллекта. Каждое ваше действие с нейросетью — это шаг к воплощению этой великой мечты. Продолжаем работать вместе ради создания мира, где технологии служат каждому человеку.

4.4.2. Приватность vs Прозрачность.

Конфликт между правом на личную тайну и требованием прозрачности алгоритмов становится центральным вызовом в современной цифровой юриспруденции. Большие данные требуют тотального сбора информации, что неизбежно входит в острое противоречие с интересами отдельной личности. С одной стороны, прозрачность необходима для аудита скрытой предвзятости и предотвращения системных ошибок «черных ящиков». С другой стороны, полное раскрытие механизмов работы может поставить под удар коммерческую тайну и безопасность данных. Пользователи часто оказываются перед ложным выбором между удобством цифрового сервиса и защитой своих персональных прав. ГИЗАУРУС акцентирует внимание на важности цифрового суверенитета как единственного средства надежной защиты личного пространства. Только глубокое понимание того, как личные данные превращаются в товар, позволяет выстроить честный общественный договор.

Сбор огромных массивов информации для обучения нейросетей ставит под угрозу фундаментальное право человека на цифровую неприкосновенность. Многие современные алгоритмы работают по принципу пылесоса, впитывая любые доступные сведения из глобальных сетей. Прозрачность в данном контексте должна означать четкое информирование пользователя о целях и методах обработки его данных. Однако технологические компании часто скрывают истинные масштабы слежки за сложными формулировками пользовательских соглашений. Защита приватности требует внедрения новых технических стандартов, таких как дифференциальная приватность и федеративное обучение. ГИЗАУРУС помогает пользователю осознать ценность своего цифрового следа и научиться управлять им осознанно. Мы настаиваем на том, что прозрачность алгоритма не должна достигаться ценой уничтожения частной жизни.

Проблема «черного ящика» делает современные интеллектуальные системы фактически неподотчетными перед лицом закона и общества. Если мы не понимаем логику принятия решения, мы не можем гарантировать его справедливость и объективность. Прозрачность архитектуры знания позволяет выявить моменты, когда нейросеть начинает опираться на ложные или вредные корреляции. В то же время избыточная открытость делает системы уязвимыми для состязательных атак со стороны злоумышленников. Баланс между защищенностью и интерпретируемостью является сложнейшей инженерной и этической задачей современности. ГИЗАУРУС предлагает методики верификации ответов ИИ, которые не требуют полного вскрытия программного кода. Наша цель — создать среду, где доверие базируется на проверяемых фактах, а не на слепой вере.

Государственное регулирование в области ИИ всё чаще склоняется к жесткому требованию объяснимости принимаемых машиной решений. Граждане имеют полное право знать, почему алгоритм отказал им в кредите или медицинской страховке. Прозрачность процедур принятия решений является основой демократического общества в эпоху тотальной цифровизации. Приватность при этом выступает как защитный барьер, предотвращающий злоупотребления со стороны государственных и частных структур. ГИЗАУРУС систематизирует международный опыт правового регулирования, помогая пользователю защищать свои законные интересы. Мы рассматриваем прозрачность как инструмент расширения прав человека, а не как способ тотального контроля. Развитие технологий должно идти рука об руку с укреплением институтов гражданского общества.

Корпоративная секретность часто используется как щит для сокрытия неэтичных практик использования пользовательской информации. Компании аргументируют закрытость своих моделей необходимостью защиты интеллектуальной собственности от конкурентов на рынке. Однако общественная значимость алгоритмов ИИ требует установления новых стандартов открытости для независимых экспертов. Прозрачность аудита позволяет минимизировать риски возникновения техногенных катастроф и социальных конфликтов в будущем. ГИЗАУРУС выступает за создание независимых центров верификации, обладающих доступом к критически важным параметрам моделей. Мы верим, что баланс интересов бизнеса и общества достижим через конструктивный диалог и контроль. Приватность данных должна быть заложена в архитектуру систем еще на этапе их проектирования.

Технологии анонимизации данных часто оказываются бессильными перед мощью современных методов деанонимизации на базе ИИ. Сопоставление нескольких открытых источников позволяет с высокой точностью идентифицировать личность даже в обезличенном датасете. Прозрачность методов сбора информации должна дополняться строгой ответственностью за их нецелевое использование компаниями. Пользователь должен иметь право на полное удаление своего цифрового профиля из обучающих выборок нейросетей. ГИЗАУРУС обучает навыкам цифровой гигиены, которые позволяют минимизировать утечки чувствительной информации в сеть. Мы рассматриваем приватность как динамический процесс, требующий постоянного внимания и технических усилий со стороны человека. Только активная позиция пол (ь) зователя может гарантировать сохранность его личных тайн в цифровую эпоху.

Этический дискурс прозрачности включает в себя также вопрос о происхождении и чистоте обучающих материалов. Мы должны знать, не нарушались ли авторские права при формировании баз данных для генеративных моделей. Прозрачность цепочек поставок данных становится таким же важным фактором, как и прозрачность самого кода. Приватность авторов и создателей контента должна уважаться наравне с приватностью обычных потребителей услуг. ГИЗАУРУС предлагает механизмы маркировки контента, созданного при участии искусственного интеллекта в процессе творчества. Это позволяет сохранить прозрачность информационного пространства и избежать введения пользователей в заблуждение относительно авторства. Честность в отношениях между разработчиком и пользователем является залогом долгосрочного успеха технологий.

Взаимосвязь приватности и прозрачности проявляется в необходимости создания понятных интерфейсов управления личными настройками безопасности. Большинство людей не обладают специальными знаниями для самостоятельной настройки сложных параметров защиты данных. Прозрачность дизайна подразумевает интуитивную ясность всех функций, связанных с передачей информации третьим лицам. ГИЗАУРУС анализирует лучшие практики создания человеко-ориентированных интерфейсов в современных нейросетевых сервисах. Мы призываем разработчиков отказаться от манипулятивных техник «темных паттернов» при проектировании систем. Уважение к выбору пользователя должно стать главным критерием качества любого интеллектуального продукта. Прозрачность выбора является фундаментом для формирования подлинной цифровой свободы личности.

Глобальные вызовы безопасности, такие как киберпреступность и терроризм, часто используются для оправдания ограничения прав на приватность. Аргумент о том, что честному человеку нечего скрывать, является опасным упрощением сложной социальной проблемы. Прозрачность работы спецслужб в цифровой сфере должна быть уравновешена строгим судебным контролем. ГИЗАУРУС помогает пользователю разобраться в тонкостях законодательства о персональных данных в разных странах мира. Мы поддерживаем инициативы по созданию открытых и безопасных альтернатив закрытым проприетарным системам сбора информации. Приватность — это не просто прихоть, а необходимое условие для свободного развития человеческого духа. Баланс интересов безопасности и свободы остается главной темой дискуссий о будущем нашего общества.

В конечном счете, дискурс приватности и прозрачности формирует новую этику взаимодействия в цифровом пространстве знаний. Мы учимся доверять машинам только тогда, когда понимаем границы их компетенции и ответственности. Прозрачность алгоритмов делает их работу предсказуемой, а приватность данных делает нашу жизнь защищенной. ГИЗАУРУС служит навигатором в этом сложном поле противоречий, предлагая взвешенные и аргументированные решения. Каждый пользователь вносит свой вклад в формирование стандартов поведения в новой технологической реальности. Мы продолжаем работу над совершенствованием метаязыка, способного описать эти сложные процессы максимально точно. Будущее ИИ зависит от нашей способности найти золотую середину между открытостью и тайной.

4.4.3. Универсальность (AGI) vs Человеческое измерение.

Стремление к созданию сильного искусственного интеллекта (AGI) отражает вековую мечту о создании универсального разума. Этот дискурс часто полностью игнорирует уникальность человеческого опыта, который невозможно формализовать в цифровом коде. Универсализация смыслов ведет к постепенной потере культурного разнообразия и лингвистического богатства национальных традиций. Важно всегда помнить, что ИИ является лишь мощным инструментом, расширяющим, но не заменяющим человека. Человеческое измерение подразумевает наличие эмпатии, интуиции и моральной ответственности, которые остаются вне зоны доступа машин. ГИЗАУРУС выступает за модель гибридного интеллекта, где технологии служат исключительно высшим гуманитарным целям. Мы призываем к сохранению разумной критической дистанции по отношению к пророчествам о технологической сингулярности.

Концепция универсального разума базируется на представлении об интеллекте как о чисто вычислительной функции обработки сигналов. Однако человеческий разум неразрывно связан с телесностью, эмоциями и сложным социальным контекстом нашего бытия. Машины могут превосходить нас в скорости счета, но они лишены способности к подлинному сопереживанию. Человеческое измерение в науке об ИИ требует признания уникальности каждого индивидуального сознания. Мы должны опасаться попыток свести всё многообразие жизни к набору математических вероятностей и функций. ГИЗАУРУС подчеркивает важность сохранения контроля человека над смыслополаганием в любой интеллектуальной деятельности. Технологии должны подстраиваться под нужды людей, а не принуждать нас к алгоритмическому поведению.

Идея достижения AGI порождает множество мифов о скором конце человеческой цивилизации или ее полном преображении. Технократический подход рассматривает человека как несовершенную биологическую машину, требующую обязательного цифрового улучшения или полной замены. В противовес этому, гуманистическая позиция утверждает самоценность человеческой природы в ее естественном состоянии. Мы рассматриваем развитие ИИ как возможность лучше понять самих себя через сравнение с иным разумом. ГИЗАУРУС помогает развенчать иллюзии о возможности полной оцифровки человеческой души и творческого порыва. Важно сохранять баланс между стремлением к совершенству и уважением к нашим естественным ограничениям. Универсальность алгоритмов не должна приводить к унификации и стандартизации наших чувств и мыслей.