О пользе искусственного интеллекта
Взаимодействие с триггерным мышлением приобретает какой-то всё более прикладной характер, - и в этом, внезапно, помогают большие языковые машины, они же генеративные нейросети (ключевое слово: то, что в обиходе в 2024 г. называют искусственным интеллектом).
Эти машины, конечно, выглядят попроще, чем люди. У людей как: триггеры (ключевые слова) + схемы (запускаемые ключевыми словами или типовой ситуацией) + повторение (внедряющее триггеры или обучающее схемам). У самых распространнных генеративных моделей схем как раз и не хватает, но остальное присутствует; как модель сойдёт. (Ключевые слова: "модель" в этой фразе используется в двух разных значениях, что нехорошо. Переформулируем: выдача языковых машин недостаточно схематизирована, но её можно использовать как упрощённую модель человеческого общения. Вот, кажется необходимый уровень очевидной однозначности достигнут).
В чём машины лучше - у них контекст не забивается триггерными словами. Т.е., если говорили о французской средневековой поэзии, то вопрос о творчестве Карла с большей вероятностью спровоцирует ответ о Карле Орлеанском, а не о каком-то рандомном или выдуманном Карле. У людей не так (по крайней мере, в последнее время): контекст оказывается незначимым, ключевые слова всё больше трансформируются именно что в триггеры, которым невозможно сопротивляться, они насильственно включают те или иные мыслительные или поведенческие схемы. Впрочем, и машину можно испортить воспитанием: языковые модели, прошедшие (до)обучение в смысле alignment, т.е. воспитанные, становятся и более триггерными: реагируют на ключевые слова, а не на контекст, выдавая привязанные к этим словам заготовки. В этом смысле этически надрессированная машина оказывается ближе к человеку - хотя и менее полезной.
Интересно, как превращение многозначных слов в ключевые и однозначные, а тех - в триггеры происходит на практике. Тут машины опять помогают: частотность в обучающей выборке или специально заданные правила нормализации (ключевое слово: "нормализация" здесь не в математическом, программистском или юридическом, а в социологическом смысле; самый очевидный перевод alignment). Для человека обучающей выборкой является его среда общения (профессиональная + бытовая): нужные, ключевые значения слова всплывают сами, а о каких-то других нужно вспоминать, уточнять через наводящие вопросы - вообще, как минимум знать. Триггерит, видимо, за счёт двух факторов. Во-первых - когнитивный: знакомое слово в не самом привычном значении или контексте запускает конфликтующие мыслительные схемы, а те провоцируют эмоциональную реакцию. Как минимум - направленную на само высказывание ("бред!"), как максимум - на автора ("идиот!"), - ну и дальше по накатанной, поскольку триггер подключает схемы. Во-вторых - ценностный: в многих ценностно окрашенных дискурсивных системах есть свой набор ключевых слов, гвоздями прибитых к нужному значению и соответствующим схемам. Услышал "грех", "война", "еврей", "концепция" или "бл*дь" - хочешь не хочешь, занимай позицию: то ли автор высказывания из тех, к кому эти слова в нашем дискурсе намертво приколочены, так что можно сразу реагировать по схеме, то ли он из них же, но скрывается (невозможно же, чтобы ТАКИЕ слова употреблялись просто так или в каком-то другом смысле \ контексте \ значении \ аспекте, чем тот, что у меня в мозгу выгравирован).
В чём здесь польза от языковых машин? Тренироваться можно, не всё же на живых людях. То самое искусство сочинения промтов: однозначно, достаточно для выполнения задачи, при этом вполне содержательно, но без триггеров. Содержательность - важный аспект: искусством нейтрального воляпюка человечество владеет давно, но осмысленным он становится только превратившись в социолект, а там свои понятные ограничения. Ну, и сформировавшийся социолект для посторонних групп сам часто работает как триггер - уже не через семантику (она загадочна), а через стилистику.