Публикации автора

В статье представлена социологически обоснованная методология обучения ИИ-агентов для оценки видеороликов, имитирующей оценку, данную человеком (человеческой оценки), с учетом социально обусловленных моделей восприятия контента реальными пользователями. Следует отметить, что статей непосредственно по методологии обучения ИИ-агентов для имитации человеческой оценки видеороликов с социологической оценкой в журналах за 2021-2026 годы практически нет, но есть близкие публикации (в зарубежных и русских источниках), авторы которых фокусируются на ИИ-оценке социальных ситуаций в видеоиграх и социологической симуляции поведения. В данной статье затронута проблема расхождения между алгоритмической оценкой и восприятием видео различными социальными группами, возникающая из-за ориентации алгоритмов на формализованные метрики и игнорирования социокультурных особенностей зрительского восприятия. В основе методологии лежат теоретические подходы символического интеракционизма, теории социальных представлений и социального конструктивизма, а также концепции цифровой социологии и теории медиавосприятия. Методология опирается на четыре ключевых принципа: социальную репрезентативность данных, моделирование социальных процессов, учет вариативности восприятия и прозрачность решений искусственного интеллекта (ИИ). Представлена система социологических критериев для оценки человекоподобности решений ИИ. Предложены механизмы валидации результатов, включающие расчет коэффициента согласия между оценками ИИ и социальных групп; определение доли решений ИИ, которые пользователи не могут отличить от человеческих; анализ процента снижения апелляций по сравнению с традиционными системами, а также оценку индекса культурной адаптивности, а именно способности модели корректно работать в разных социокультурных средах. Такой подход позволяет преодолеть разрыв между алгоритмической и социальной оценкой видеоконтента, а ее внедрение повысит релевантность ИИ-систем за счет учета групповых различий в зрительском восприятии, что поспособствует созданию более сбалансированных и социально адекватных решений в цифровом медиапространстве.