Foto: gavinjensen.com (c)

Platform of an Artificial Cognitive Model as New Media (ru; full v.)

Сегодня одни рассматривают AI в качестве универсальной и всеобъемлющей панацеи от всех проблем, другие, видимо под детскими впечатлениями от Skynet из “Терминатора”, раздувают массовую AI-истерию. Реальной же угрозой AI, как когнитивного инструмента, является перспектива его превращения в субститут “всезнающего мудреца/учителя/эксперта”, утилитарно стоящего между знаниями и людьми. Знания (knowledge) должны быть независимым элементом цифровой техно-эпистемологической инфраструктуры в виде платформ Artificial cognitive model (“искусственной когнитивной модели” или проще — “модели описания реальности”, которые далее по тексту будут называться Gnosis-платформами). Это и будет профилактикой большинства реальных и гипотетических угроз от AI. Соответственно, Gnosis-платформы должны существовать, взаимодействовать и развиваться автономно, имея независимые human- и AI-интерфейсы прямого доступа.

Есть отрасль, где проблемы Gnosis-а и функциональной бесполезности AI онтологически пересекаются — это средства массовой информации, СМИ. Далее нам надлежит убедиться в неизбежности пришествия Gnosis-платформ (ответив на некоторые вопросы “зачем” и “почему”) и в том, как производные от них сервисы существенно потеснят сегмент традиционных СМИ, окончательно заняв пьедестал “новых медиа”.

СМИ, как заложник синдрома рассказчика

Ахиллесовой пятой традиционных СМИ в цифровой век является их неспособность выйти за рамки парадигмы газетной полосы. Предел цифровых инноваций для них — это смена твёрдого носителя текста (бумажного листа) на его электронные “носители”, т.е. замена печатной страницы веб-страницей. Как следствие, СМИ не соответствуют требованиям совместимости с современным экспансивно-развивающимся, динамичным, лабильным и полиэкзистенциальным миром, они утратили контроль над адекватностью и соответствием фактологическим стандартам.

Отрасль очень тяжело входила в эру Интернета даже на этапе простой механической миграции с печатного носителя на веб-сайт. Потом с адаптацией вебсайтов под мобайл (не говоря об освоении аппсов). Самый же сокрушительный удар по СМИ нанесли социальные платформы (прежде всего Facebook). За 10–15 лет цифровой революции отрасль потеряла 80% рекламного рынка, количество исчезнувших печатных изданий только в Северной Америке составляет несколько тысяч, это стоило традиционной работы 61% журналистов. Но закончились ли на этом драматические отраслевые невзгоды и как в итоге может выглядеть новостное информирование в будущем?

Многие видят именно AI (и производные сервисы) в роли нового “универсального СМИ” и, как следствие, прогнозируют приближение очередного надвигающегося на СМИ “идеального шторма”. Если в качестве проблемы рассматривать удар по профессии копирайтера (ибо с генерацией текста не плохо справляется LLM AI, что сулит очередные неприятности журналистам), то упомянутые “многие” могут быть не далеки от истины. На самом деле, это только небольшая часть общего комплекса проблем, которые делятся на две основные группы по уровню и природе критичности для СМИ. Начнём со второй.

Вторая группа (проблемы совместимости старого с новым) — проблемы этой группы мы наблюдали в качестве дисруптивных тенденций столкновения классических СМИ с технологическим прогрессом на протяжении прошедших 20-ти лет. Это проблемы адаптации традиционных СМИ к последствиям цифровой революции. Как следствие, проблемы адаптиции традиционных бизнес-практик новостных издательств к новым реалиям XXI-го века. Всё бы ничего, если бы эта адаптация не была чревата проблемами для их потребителей. За прошедшие 20 лет в несколько раз выросла, как событийная динамика, так и масштаб информационного охвата. Как следствие — в сети нарастает лавина текста (это одна из причин экспоненциального роста информации, наполняющей информационный пузырь современного грамотного человека). Эту беду (для СМИ) усугубляет существенное пересечение новостных лент издательств (дублирование часто достигает 70%-80%). В условиях возросшей конкуренции (прямой — с другими издательствами и ассиметричной — с социальными сетями) резко упало информационное качество материалов, возросла составляющая нерелевантного и фейкового новостного контента. То что с появлением и доступностью AI возникнет тьма фейковых новостных сайтов с полностью авто-генерируемым контентом — лишь следующий шаг на пути “цифровой адаптации” архаичных практик.

Первая группа (проблемы парадигмальной несовместимости) — неразрешимые проблемы несоответствия СМИ (как плохо-адаптирующихся к изменениям бизнесов) современным желаниям и требованиям потребителей. Потребителей, которым необходимо оперативное, гибкое, релевантное и лаконичное информирование, адаптирующееся к их персональным потребностям, включая соответствие желаемой глубине содержательного погружения в события. При этом информирование должно быть в большей степени репортажным (объективным), чем оценочным (субъективным). Кроме того, технические решения этого информирования должны удовлетворять требованиям межплатформенности, полиэкзистенциальности (позволять сквозное персонализированное информирование в различных “метавселенных” и “искуственных реальностях”) и адаптивностью к дальнейшим изменениям. (Более подробно требования к таким новым платформам рассматривались в заключительной части эссе “Time New Media”.) Некоторые из проблем этой группы традиционными СМИ (в рамках доступных им практик) не могут быть решены в принципе.

В основании природы различия этих групп лежит всего один фактор, который сегодня практически никем не артикулируется в качестве корня проблемы. Имя этому фактору — “текст”. Или в более образно-художественном выражении — “story”/“истории”.

Классические СМИ (и печатные, и ТВ, и их цифровые проекции в социальные сети, блоги и видео-стримы/влоги), все они — это фабрики по производству “историй”. В одном случае это более-менее объективный рассказ о происходящем, в других — субъективное отношение к происходящему, в третьих — фантазмы подменяющие происходящее (если это делается с осознанной целью и тем белее методично, то процесс создания и продвижения таких фантазмов называется пропагандой, если неосознанно и/или неметодично то — сюреальностью) или в остальных — вычурная комбинация всех упомянутых вариаций.

Соответственно, проблемы СМИ первой группы связаны с отказом от story-парадигмы. В то время как второй обусловлен утилитарной зависимостью от неё (утилитарной зависимостью о­­­­т “текста”). Как следствие, LLM AI по определению не могут нести прямую экзистенциальную угрозу СМИ (быть геймчендж-технологией для отрасли), поскольку сама технология Large Language Model (LLM) — это story-интерфейс для коммуникации нейросетевых платформ с человеком. Он не меняет традиционного фундамента под бизнес-практиками новостных издательств и формата продуктов СМИ (а лишь создаёт условия для, хотя и болезненной в некоторых случаях для некоторых профессиональных групп, но простой корректировки бизнес-процессов при производстве “историй”). Чего не скажешь о последствиях кардинального отказа от story-парадигмы.

Таким образом, несмотря на мучительные 20-тилетние попытки традиционных СМИ цифровизироваться и моду (популярную в конце нулевых) называть социальные сети “новыми медиа”, тем не менее очевидно, что реального инновационного прорыва в сегменте новостных медиа так и не произошло. И не произойдёт. Потому что СМИ хотя и могут адаптироваться, но не способны изменить свою story-природу.

Аналогично и сами AI не смогут стать “новыми медиа” (заменой СМИ). Что бы, например, ChatGPT (или Bard, или др. LLM AI) стал каналом новостного информирования, он должен (A) где-то эти новости брать и (B) оперативно, релевантно и надёжно их представлять (не искажая смысл исходного сообщения репортёра-свидетеля события). (А) сам по себе означает, что должен существовать бизнес-субъект или технологический узел, который производит новости. А это и есть СМИ. (B) AI текущего поколения, в силу статвероятностной генерации ответов, не могут гарантировать релевантности (полного соответствия ответа чата той информации, которую он получил в качестве датасета, в нашем случае — исходного новостного сообщения). (Что, однако, не будет мешать привлечению и широкому использованию ресурсов AI в технологическом процессе СМИ. Например, для производства обзоров и/или коротких брифов по событиям, или переводов, или замене дикторов/актеров цифровыми аватарами, или формирования исторического контекста медиа-истории, т.д. и т.п.)

Именно Gnosis (платформы на основе Artificial cognitive model), а не AI, являются решением “генетических” проблем новостной отрасли, обострившихся в последние годы. И далее нам предстоит в этом убедиться, осмысляя проблему концептуально и технологически. Однако, при этом стоит отметить, что Gnosis решает “генетические проблемы” только первой группы, т.е. проблемы со стороны современного потребителя. Но не проблемы СМИ, как бизнес-практики, производящей story-контент, который не очень оптимален (мягко говоря) для полного раскрытия потенциала современных цифровых технологий в удовлетворении потребностей (прежде всего инновационных потребностей) пользователей. Для упорствующих в противодействии прогрессу традиционных СМИ Gnosis сам может являться проблемой.

Относительно будущего СМИ выше было заявлено два тезиса — (1) об отказе “новых медиа” от story-парадигмы (отказ от “текста”, как парадигмы) и (2) сформирована потребность в “новых медиа”, технологическим фундаментом которых (или даже субъектом) будут Gnosis-платформы. И первый, и второй тезисы далеко не всем могут казаться очевидными (или, как минимум, привычными). Поэтому, прежде чем перейти к технической стороне Gnosis-платформ необходимо уделить дополнительное внимание этим тезисам. Ключевым словом (в макро-смысловом, а не грамматическом понимании) при этом является понятие “знания”.

“Текст” и “повествование” — это не “знания”

Если коротко, то текст (повествовательная вербализация) являлся инструментом воспроизводства знаний и коммуникации знаниями на архаичном (доцифровом) этапе развития цивилизации. В текущих “цифровых” условиях “текст”, в качестве семантического формата оперирования знаниями (СМИ традиционно выполняют одну из функций “оперирования знаниями” — новостное информирование) является рудиментом. Особенно ярко эта рудиментарность проявляется при попытках удовлетворения потребностей и решении задач, возникших в цифровую эпоху.

Ранее мы определили Gnosis как платформу(-ы), оперирующую базой знаний. Позже было заявлено, что фундаментальной проблемой на пути инновационного развития СМИ является их парадигмальная зависимость от “текста” (или “story”). По контексту подразумевается некоторая несовместимость Gnosis с “текстом” (при том что на уровне парадигмы). Нет ли здесь противоречия, учитывая, что традиционные “хранилища знаний” — это библиотеки, которые содержат множество книг (свитков, папирусов, глиняных табличек, каменных плит и т.д.)? На всех этих носителях информации рассказываются “истории” или же передаются знания методом вербализованного повествования/рассуждения. Соответсвенно, носителем (способом представления) знаний является “текст”. Более того, на фундаменте книг и повествования (в особенности за пределами естественно-научных дисциплин) построена вся система традиционного образования. Если это так, тогда в чем же состоит проблема?

Проблема в том, что “книга (текст) — это источник знаний”, а не суть-знание, т.е. не онтологическая метасущность (отображающая доступные элементы внешнего и/или внутреннего мира и характер их взаимосвязей), которой можно оперировать, взаимодействуя с реальным миром, формируя соответствующий опыт. В архаичном мире собственно-знание было индивидуальным имманентным феноменом. Его наличие (или отсутствие) проявлялось лишь реактивно, по характеру и качеству коммуникаций с внешним миром и по манифестациям во внешнем мире. Сами же обладатели этой сущности (т.е. мы) считали (и продолжаем считать) её органической частью собственной личности. Как отдельный феномен (психологический, когнитивный) эту сущность до XX-го века “видели” лишь некоторые наиболее продвинутые представители человечества. Но даже в их “видении” она была абстрактной, умозрительной и/или аспектом проявления сущностей “тонкого плана”.

Ситуация кардинально изменилась после нулевых XXI-го века (т.е. фактически на наших глазах), когда более-менее целостно оформилось историческое явление “цифрового мира”, а его статус и значимость в укладе современного человека начали превосходить традиционные установки предшествующего доцифрового уклада. Обрела особую актуальность задача операбельного представления и обмена знаниями способами, которые значительно более эффективны, чем формы вербального повествования. Однако, как оказалось, ключом к технологическому решению проблемы “знания” является осознание сути этого феномена в себе.

Всё что мы прямо сейчас “видим” перед собой на самом деле существует лишь в нашем “воображении” в качестве модели, которую можно назвать “Большой внутренней моделью осознания мира” (“Large Internal Model of World Perception” или с некоторыми условностями и упрощениями — “Когнитивной моделью”; впрочем, если кто-то предпочитает более образные ассоциации, то термин “когнитивная модель” можно воспринимать, как синоним понятия “разум” с акцентом на познающей его составляющей). Именно она является той сущностью, о которой шла речь выше. И она же является нашим персональным “хранилищем знаний”.

Как упоминалось ранее, до появления цифрового мира носителем операбельного знания были люди. Частично эти знания приобретались самостоятельно, благодаря собственному эмпирическому опыту, а частично — благодаря обмену знаниями и коммуникации с другими людьми (другими носителями знания). Основной традиционный способ такой коммуникации — вербализация (устная или письменная). Текст — это форма вербализации, способ передачи/актуализации знаний. Соответственно, книга (текст) — это формат передачи знаний (метафорично: “источник”), но не сами знания. Чтобы овладеть знаниями необходимо прочитать соответствующую книгу (а для и до этого, прежде надо выучить язык книги, научиться читать и овладеть предварительными знаниями, необходимыми для понимания её предметного содержания). Только после этого “когнитивная модель” достигнет состояния, когда полученное (из книги) знание может быть использовано (или может оказывать влияние на внутренние или внешние проявления человека).

В архаичном мире (до последних лет XX-го столетия и включая первые “нулевые” годы текущего века) свойство имманентности “когнитивной модели” было исключительным и утилитарным. По этой причине не было альтернативы “тексту” и story-парадигме. (Хотя на самом деле это не совсем так, любой невербальный протокол описания каких либо структур, принципов или практик, который используется в определённых, как правило профессиональных случаях, как то музыкальные ноты, математические символы, структуры таблиц, языки программирования, графики и диаграммы, чертежи, натальная астрологическая карта, т.д. и т.п. — это примеры движения от вербального повествования к более адекватному и близкому к “модельному” представлению знаний данной конкретной области. Но, в целях лаконичности сосредоточимся на текстовой парадигме. Тем более, что именно она является доминирующим и порождающим проблемы фактором.)

С середины нулевых цифровые технологии начали оказывать всё более заметное и непосредственное влияние на, до того “имманентную”, “когнитивную модель” современников. Набор инструментов этого влияния (разнообразие интерфейсов и видов взаимодействия человека с цифровым миром) вырос до такой степени, что стремительно начала сокращаться её вербальная составляющая. С другой стороны, множество онлайн-платформ поддерживают сегодня большое количество, как абсолютно новых, так и цифровизированных традиционных организационных практик — создание совместного интеллектуального продукта и/или скоординированной деятельности в режиме real-time (как замкнутой в полностью созданной виртуальной реальности, как то компьютерные VR-игры, так и в гибридном режиме — как то, например, при цифровой координации реальных действий на поле боя). Совместная деятельность на онлайн-платформах приводит к синхронизации и калибровке “когнитивных моделей” участников (тем более существенной, чем эта деятельность ближе к режиму real-time). Но более интересно то, что происходит это за счёт создания онлайн-платформой “рабочей среды”, которая является не только синхронизирующим пространством для задействованных областей “когнитивных моделей” участников, но и сама является их внешней синхронной субмоделью. Таким образом, в цифровом пространстве уже формируются очаги цифровых “когнитивных протомоделей” с которыми люди взаимодействуют как с внешними сущностями, но операбельно и функционально (если кому то сложно это вообразить абстрактно, то можно представить себя “оператором” дрона-самолёта в боевом рое и поразмышлять о диспозиции собственного когнитивного аппарата, воплощающегося в аватар боевого дрона), т.е. на уровне, приближающемся к работе органичной “когнитивной модели”. Это и есть суть Artificial cognitive model (ну или почти).

(Тему того, что влияние упомянутых взаимодействий современных людей с сущностями цифрового мира, само по себе оказывает определённое качественное воздействие на их/наши “когнитивные модели”, масштаб и качество которого несравнимо превосходят классическое “информационное влияние” — эту тему мы оставляем за рамками текущего рассмотрения. Хотя она представляет собой не менее интересный для осмысления феномен, принципиально важный для настоящего и будущего.)

Подводя итог вопросу рудиментарности текстовой/story-парадигмы необходимо обратить внимание на пару важных аспектов.

1. Текст/story/книга/библиотека/т.д. сами по себе не являются знаниями (а лишь протоколом обмена информацией) — мы в этом убедились. “Знание” — это сущность нашей когнитивной модели (модели восприятия реальности), нашего разума. Однако есть одна тонкость, проистекающая из свойства памяти. Безусловно, “фотографическое” (или даже текстовое механическое) запоминание книги — это по формальным признакам тоже “знание”. Но по существу — недо-знание, которое мало чем отличается от “библиотечного архива” (скопированного на “когнитивную флэшку”). Что бы недо-знание стало знанием “архив” нужно прочитать и познать/осмыслить (пусть и внутренним взором). Т.е. первое состояние знания необходимо перевести во второе. А “второе” — это именно то, что мы называли “когнитивной моделью” или операбельным знанием. На самом деле, память (где вызубренная часть недо-знаний составляет лишь небольшую часть общего объёма) — это часть “когнитивной модели”. Что бы не путать эти две её части, недо-знания мы будем называть “плоскими”, а операбельные — 3D-знаниями (“объёмными” знаниями). С определённой долей известного упрощения и метафорично мы также можем называть “плоскими знаниями” содержание текстов/книг и другого вербализованного медиаконтента.
2. Существует ещё одна важная, но не подсвеченная концептуальная сторона “текста”, о которой на данном этапе мы ограничимся констатацией, а дополнительно прокомментируем далее. Связана она с двумя принципиально-разными диалектическими парадигмами восприятия реальности (а также, что более важно, парадигмами формы и качества взаимодействия с реальностью) — “парадигма наблюдения” (позиция стороннего наблюдателя) и “парадигма вовлечения” (позиция участника). “Текст” (“плоские знания”) — это органичный инструмент актуализации знаний в “парадигме наблюдателя”. “Модель” (“объемные знания”, Gnosis-платформы) — в “парадигме вовлечения/участника”.

Императив потребности в Gnosis-платформах

Gnosis-платформы (платформы построенные на Artificial cognitive model) — это логичный следующий шаг в направлении тренда развития цифровой инфраструктуры и её когнитивно-семантических мощностей. Сам тренд прорисован направлением эволюции цифровых инноваций (в особенности, за прошедшие 20–25 лет). Императив потребности в Gnosis-платформах обусловлен возрастающим количеством практик и деятельностей экстремального и кризисного характера в ситуациях повышенной системной сложности и с высокой событийной динамикой (однако, это не означает, что Gnosis-платформы будут востребованы только в этих сегментах).

Для целостного понимания контекста и оценки потенциала Gnosis-решений необходимо проанализировать общий тренд развития (или точнее — эволюционирования) цифровых технологий. Рассмотрим три “сюжетные линии” этого тренда.

1. Линия “организмической модели” или системологической аналогичности кибернетики (понимая в данном контексте кибернетику не столько в рамках классического определения, а в качестве понятия, вмещающего в себя всё разнообразие цифрового мира как социо-инженерного феномена).
   В основе этой линии лежит понимание того обстоятельства, что компьютеры созданы людьми “по своему образу и подобию”. Точнее, по своему “когнитивному” подобию — как технологию, имитирующую (а) человеческий разум, в идеализированном строго-математическом представлении о его функционировании (в правилах формальной логики и вычислений) и (б) имитирующую органическую функциональность нервной системы (в части функций управления). Эти обстоятельства заложили вектор утилитарного развития кибернетических технологий (цифровых технологий) — “непроизвольное” стремление к совершенствованию свойств имитации человеческого разума. При этом речь идёт не только о “примитивном” антропо-подобном понимании искусственного разума, но и о макроявлениях более высокого порядка, приближающихся к концепции Ноосферы. (Косвенным доказательством “онтологического родства” цифровых технологий и нашей ментальной составляющей является то обстоятельство, что для разума современника цифровой мир и цифровая экосистема играют такую же важную роль, как для его тела физические элементы комфорта, экологии, гигиены, здорового питания и, в целом, рабочего и бытового пространства современного жизненного уклада.)
   На сегодня цифровая экосистема и глобальная Сеть демонстрируют всё более явную аналогию с нервной системой и элементами высшей нервной деятельности, но на этот раз коллективного социо-цифрового “организма” человечества (или, по крайней мере, той части человечества, которая культурно и ментально относится к Западной цивилизации). Разного рода социальные (и не только) и/или облачные цифровые платформы всё более явно формируют “материю” и “нейроструктуры” “неокортекса” этого “организма”, а характер социального вовлечения в их функционирование создаёт феномен технологического воплощения “коллективного мышления” (хотя и, пока что, примитивного).
   Опираясь на принцип аналогий живого и коллективного организмов, мы можем констатировать, как минимум, необходимость наличия у “коллективного организма”, как “анатомических элементов” “коллективного разума”, так и проявления его (“коллективного разума”) функционирования (в данном случае для нас важно функционирование “искусственной когнитивной модели” — artificial cognitive model). И если такие элементы пока не наблюдаются, то с учётом вышесказанного логично сделать вывод о неизбежности их появления в цифровой инфраструктуре в ближайшем будущем.
   Gnosis-платформы и являются одним из таких органичных элементов “коллективного разума” именно потому, что их непосредственная цель — создание и поддержка “когнитивной модели” (коллективного знания) общего пользования. (Справедливости ради надо отметить, что другим таким элементом являются LLM AI модели. Но на порочность развития техно-эпистемологической инфраструктуры в этом направлении было указано буквально в первых предложениях настоящего текста.)
2. Линия “когнитивной модели” с акцентом на её структуре.
   Для текущего контекста важно рассмотреть хотя бы три её “слоя”. Напомним ещё раз, всё что мы прямо сейчас “видим” перед собой — на самом деле существует лишь в нашем “воображении”, которое мы (и не только мы) называем “когнитивной моделью” восприятия и отражения реальности. Эта модель создана, актуализирована и функционирует благодаря нашему мозгу.
   Она имеет “объектное” real-time ядро — кластер сформированный органами чувств. Зрение даёт материал для реконструкции визуальной модели 3-х мерного пространства. Слух, тактильные ощущения, обаняние, вестибуляр и т.д. её дополняют. Модель различает объекты и их атрибуты (в том числе благодаря “онтологическому слою”, о котором далее), содержит информацию (опыт и навыки) об их поведении и качествах. Совместно с ощущением своего физического тела, это наиболее объективная и адекватная реальности часть модели (потому и real-time). Её функционирование является критичным для нашего существования. Однако, опять же, всё это находится у нас в голове, несмотря на то, что всё созданное этой моделью “прото-виртуальное” пространство мы психологически воспринимаем как “внешнюю реальность”. (Убедиться в “виртуальной природе” нашего восприятия “реальности” достаточно просто. Для этого необходимо проанализировать такие “augmented reality”-феномены “когнитивной модели”, как сновидения, “воображаемых друзей”, шизофрению, галлюцинации, диссоциативные расстройства и т.п.)
   Следующий слой “когнитивной модели” (или её “часть”) — онтологический. Это не real-time элемент модели. Он отвечает за “знания” уровня подсознания — он хранит постигнутые “осо-названия” образов и сущностей, формирующих “когнитивную модель”, их свойства и связей между ними. Не стоит путать “осо-названия”, упомянутые в предыдущем предложении с лингвистическими “словами” — грамматическими сущностями (которые суть-знаковые обозначения образов, сущностей и их отношений). Под “осо-названием” здесь подразумевается способность осознавания (не путать с осмыслением), узнавания, различения и идентификации этих элементов и их “подсознательная” категоризация. Это пока не знаковое/словестное обозначение — мы различаем и узнаем вещи не потому что они так или иначе называются, мы их называем потому что уже различаем, узнаем и распознаём.
   Следующей надстройкой к онтологическому слою “когнитивной модели” является полная аналогия (точнее, эталон) “Large Language Model” (LLM для AI) — область хранения и оперирования знанием человеческого языка (одного или нескольких), словарь терминов (слов) связанный с “названиями” сущностей и объектов, грамматические конструкции (правила) и навыки их применения для описания свойств, атрибутов и отношений между сущностями.
   (Здесь при описании использовались термины “ядро”, “уровень”, “слой” и т.д., которые на самом деле являются такими же абстрактными условностями, как например сентенция “нейро-гиперкогнитивные структуры”. Суть не в названиях, а в том, что на самом деле мы не знаем, как это всё в точности работает и каким образом реализуется мозгом. Этот механизм остаётся до конца невыяснеными, ибо электробиохимическая физиология нейронов, аксонов и синапсов, или томографическая топология активности — это лишь элементарно-базовый уровень работы мозга, который всё ещё остаётся “чёрным ящиком” и изучается как “черный ящик”. Но в нашем случае это и не требуется).
   Резюмируем — в сегодняшней (социальной, инженерной и цифровой) реальности представлены прототипы как real-time компонент (это множество реально- и близких к real-time специализированных систем, включая, кстати, игровые миры), так и “LLM” (собственно, LLM AI). Однако, отсутствуют прототипы “онтологического” слоя (на роль субститута которого, как уже упоминалось, пытаются претендовать “всезнающие” “черные ящики” — AI-платформы). При этом не следует забывать, что мы сейчас говорим не о конкретных платформах и технологиях (даже если упоминаем некоторые из них), а о феномене формирования аналога “когнитивной модели” в коллективном (общественном) социо-цифровом “организме”.
   Используя те или иные цифровые платформы, мы с одной стороны преследуем собственные (рабочие, общественные и/или приватные) цели, но с другой создаём некую социо-функциональную общность, выполняющую определённую макро-роль (“органа” и/или “функции”) в структуре и гомеостазе коллективного “организма”. Соответственно, среди просматривающихся на сегодня “органов”, которые формируют “когнитивную инфраструктуру” цифрового человечества (или иного коллектива меньшего масштаба), отсутствует “элемент” (социо-цифровая организация) функционально-аналогичный “онтологическому слою” “когнитивной модели”. Таким образом, Gnosis-платформы являются технологической базой не просто “когнитивной модели”, но именно её “онтологического слоя”.
3. Системно-деятельная линия. В отличие от двух рассмотренных выше, которые имеют в большей степени умозрительный характер, системно-деятельная линия подводит нас к пониманию тех практик, которые, с одной стороны, могут реализовать функциональные потенции Gnosis-решений, с другой могут быть явлены в форме бизнес-моделей.
   В бизнес практике инновации принято оценивать в категориях “потребности” и “востребованности” на рынке. Критерии “востребованности” Gnosis-решений проистекают из их упомянутой в п.(1) прото-когнитивной природы. Это делает их потенциально-органичным инструментом для решения следующих задач: (а) информирования, (б) формирования и оперирования знаниями, (в) кризисной навигации и управления. При этом, что важно, формат коммуникации с пользователями при решении задач информирования (а) может быть как привычный классический текстовый, так и любой другой из группы “модельных” (адекватный конкретным предметным задачам, которую решает цифровая система).
   Задачи (б)-группы (оперирование знаниями) имеют более фундаментальный характер. Их решение раскрывает прежде всего семантически-интегрирующий, эмерджентный потенциалы цифровых данных/информации и, как следствие, их гносеологический потенциал. Сегодня большинство научной и специальной информации сохраняется в текстовом и “специальных” квази-модельных форматах (в виде наборов данных, математических формул, схематических описаний, т.п.). В “квази-модельную” группу также входят в том числе специализированные базы данных и “ядра” разного рода “жёстких” цифровых моделей (как правило, это программное обеспечение, реализующее различные математические методы предметного моделирования), 2D- и 3D-схемы, т.д. и т.п. (Кстати, одним из отличных и показательных примеров модельного формата информирования является популярный сегодня проект “Deep State“, представляющий не только карту оперативной обстановки на фронтах агрессивной войны в развитии, развязанной РФ в Украине, но и ретроспективный тайм-лайн этой обстановки.)
   Gnosis-платформы (реализации Artificial cognitive model) позволяют не просто собрать колоссальные массивы данных и информации в общую цифровую мега-структуру, но при этом такая структура будет обладать свойством операбельности (возможностями для полифункциональной технологической обработки).
   В качестве иллюстративного (но пока гипотетического) примера, можно представить, как весь массив научной (и не очень) исторической литературы может быть портирован в семантическое облако Gnosis-платформы. Прямым неизбежным следствием этого процесса будет естественная верификация непротиворечивости событий и синтез пространственно-исторической хронологии. Затем это же облако будет дополненно историческими данными о климатических и астрономических событиях, историко-антропологических процессах, данными миграционно-генетических и миграционно-лингвистических исследований, биологических, геологических и пр. хронологических треков, т.д. и т.п. Таким образом будет сформирована полиморфная, многомерная модель целостного антропо-эволюционного исторического процесса в общем контексте процессов гео- и биосферы, доступных современной академической науке. Модель, которую можно исследовать и “проигрывать” совместимость с ней тех или иных гипотез, тех или иных новых данных.
   Структуризация имеющихся массивов знаний в рамках операбельного интегрированного мега-облака — это прорывной шаг сам по себе. Такая потребность самоочевидна. Но это всё же в большей степени фундаментальная научно-техническая проблема, чем тема для бизнеса. (Хотя, как знать. Тем более, имея перед глазами, например, кейс ChatGPT).
   Задачи (б)-группы — “кризисная навигация” (с позиции управления проектами и коллективной деятельностью, в целом) связаны с решением проблемы деградации и/или дефицита опыта в новых развивающихся условиях/обстоятельствах (часто усугубляющихся высокой степенью ситуационной неопределённости). В этих случаях важным условием достижения целей является не “богатый” архи-опыт и тренированные им экстраполятивные рефлексы (способность прогнозировать, полагаясь на закономерности, полученные из предшествующего опыта), а максимально-полное и оперативное информирование о внешних событиях, своём состоянии и наличии/расходах собственных ресурсов (в особенности критичных).
   Класс задач кризисного управления включает, в том числе, множество более мелких ситуативных ежедневных задач, с которыми сталкивается как бизнес, правительства, так и отдельные граждане. Например, одним из инструментом решения таких задач являются специализированные СМИ, ориентированные на оперативное, лаконичное и фактологическое информирование. Среди имеющихся традиционных систем оперативно-кризисного информирования существуют узкоспециализированные аналоги, которые могут выступать в качестве модельных прототипов — такими, например, являются: “лента биржевых котировок”, real-time реестр службы управления движением в воздушном пространстве (популярное приложение Flight Radar и аналогичные трекеры — это производные от него продукты), real-time системы моделирования ситуации на театре боевых действий, упомянутый выше и актуальный Deep State, т.д. и т.п. Однако, социальный (массовый) сегмент в большинстве областей, применений и деятельностей (ниш) лишен подобных сервисно-цифровых инструментов. Хотя динамика, характер и качество социальных процессов требуют не просто таких инструментов, а инструментов адекватных текущим (и тем более завтрашним) условиям. (Более детальный анализ конкретных ниш, сервисно-технологических решений и их бизнес-моделей, хотя и является чрезвычайно интересной темой, не лишенной практической перспективы, тем не менее находится за рамками настоящего текста.)

Рассмотренные по отдельности три “сюжетные линии” предусловий востребованности Gnosis-решений, на самом деле являются аспектами одного и того же восходящего прогрессивно-исторического потока, который принято называть “цифровой революцией”. Хотя более правильно его называть “предсингулярной когнитивно-цифровой революцией”.

Некоторая часть читателей, компетентных в “когнитивно-цифровой” теме и её истории, могут вспомнить, что похожие логики “создания сети глобального знания” (концептуально подобные обоснованиям Gnosis-решений) не являются оригинальными, а больше похожи на “хорошо забытое старое”. И это отчасти правда.

Об инструментарии Gnosis-решений и “новых медиа”

Идея о необходимости создания “мета-когнитивной модели” общего доступа в электронном (цифровом) виде, одинаково удобном для работы с ней, и людей, и компьютеров, возникла ещё на заре Интернета, в 90-ых. (Именно “мета-когнитивной”, ибо концепт “хранилища знаний” в формате глобально-распределённой электронной библиотеки был реализован ещё в конце 60-ых и функционировал в утилитарном виде вплоть до трансформации ARPANET в Internet) При этом она (идея) не только возникла, но была определена и поставлена в качестве задачи “отцами-основателями” Интернета (а конкретно Тимоти Бернес-Ли / Timothy John Berners-Lee, создателем HTML, URL, HTTP и т.д.) ещё в 90-ых (хотя теоретически эта концепция была обоснована на заре компьютерной лингвистики в 60-ых). Тогда же наметились первые шаги в уходе от текстовой парадигмы, хотя она и не артикулировалась в качестве проблемы. Собственно, “отцы” видели сам Интернет такой “моделью”, логично полагая, что коль скоро вебстраницы содержат информацию, то её содержимое можно атрибутировать, категоризировать и описать согласно некой общей онтологической схеме, образовав таким образом метаструктуру “знания” поверх веб-информации в Интернете. (Не следует путать эту метаструктуру с индексацией и поисковой базой веб-страниц, которую выполняют и формируют поисковые платформы.)

Обозначенную задачу решает проект Semantic Web или Web 3.0 (“Семантическая сеть”), который не только сохраняет актуальность, но элементы его концепта имеют статус отраслевого WWW-стандарта на уровне требований консорциума W3C (World Wide Web Consortium, одним из его основателей и активных участников также является Тимоти Бернес-Ли/Timothy John Berners-Lee). В частности, эти требования регламентируют необходимость наличия специализированных метатегов в HTML-коде вебстраниц сайтов. Сами же метатеги являются элементами специализированного “Языка веб-онтологии” — OWL (Web Ontology Language). Интересно, что в 2001-ом году этой же задачей и разработкой аналогичного языка (DAML — DARPA Agent Markup Language) занялась легендарная DARPA. Собственно, упомянутый OWL является итогом объединения DAML с европейской (французской) версией “языка онтологии” OIL (Ontology Inference Layer).

Наличие среди акторов обсуждаемой темы такого серьёзного субъекта как DARPA (US Defense Advanced Research Projects Agency) само по себе подчёркивает её (темы) важность (важность в видении, как академических, так и правительственных кругов). Пик их (акторов) активности приходится на последние годы 90-ых и первую половину “нулевых”, т.е. на время “бума доткомов” и бурного взрывного развития интернета. Очевидно, эта активность представляла собой попытку сохранить связность и “порядок” в массиве бурно пузырящегося и разрастающегося массива интернет-информации. Однако, начиная со второй половины “нулевых” релевантность информации в Интернет начала деградировать и наметился устойчивый рост её семантической энтропии. С одной стороны это было обусловлено доступностью и дешевизной интернет-публикаций (апофеозом тенденции стали социальные сети, умножающие бессодержательный контент в “промышленных масштабах”), с другой — вполне целенаправленной ложью и фэйками, плодящимися в сети согласно пропагандистским усилиям и актам “информационной войны” маргинальных государств (прежде всего РФ и Хины) или маргинальных групп в Западных государствах. Эффект был усилен “коммерческими соображениями” в лице легиона “специалистов” в “поисковой оптимизации” (SEO), которые явили собой замечательный пример того, как коммерчески-неуравновешенные профаны, имя которым легион, могут превратить в выхолощенный мусор любую, самую выдающуюся и потенциальную технологическую возможность, оказавшуюся в пределах их необуздано шаловливого доступа. В итоге, по состоянию на 2013-ый год из более чем 250-ти миллионов интернет-сайтов качественную и релевантную семантическую разметку (адекватно заполненные метатеги) имели немногим более 4-х миллионов (~1.6%). В подавляющем большинстве это сайты академических и/или научно-популярных публикаций.

В середине нулевых, благодаря Google, начало развиваться другое “семантическое” направление, производное от Semantic Web и OWL — Knowledge Graph (KG). KG — это концепт базы знаний, который использует графо-семантическую топологию организации знаний. Появились системы управления такими базамы (наиболее популярные из них — Neo4j Graph Database и GraphDB). На основе семантической обработки статей Wikipedia (суть которой заключалась в “извлечении данных” из этих статей) была реализована “база знаний” DBPedia (на платформе Neo4j). Пример работы этого сервиса можно наблюдать на многих страницах Википедии в форме структурированной информации по теме страницы представленной в блоке (как правило, справа, в верхней части статьи). Например, статья о Serhii Kulchytskyi имеет следующие данные из DBPedia:

На сегодняшний день, как декларируется KG-коммюнити, кроме немалого числа открытых проектов (таких, как упомянутый DBPedia, а также Wikidata, Freebase, NELL, YAGO, т.п. и даже проект их интеграции LOD Cloud), KG-базы широко используются в корпоративном секторе (особенно в медицинском сегменте) и, в том числе, ведущими IT-компаниями (однако, как правило, в собственных, внутрикорпоративных целях).

Для нас же важно то, что концепция Knowledge Graph довольно близка к обсуждаемой “когнитивной модели” и в некоторых сегментах может с ней пересекаться (поскольку, и та, и другая использует парадигму графа для представления знаний). Однако, в поле именно СМИ применение Knowledge Graph не выглядит перспективным, прорывным и конкурентным решением. Проблемой является то, что Knowledge Graph реализует парадигму статичных знаний. Он архитектурно не поддерживает изменение знаний как элемент знания. А именно такие изменения и есть суть-новости. (Далее об этом ещё будет дополнительно упомянуто.)

С самой же Semantic Web (в её исходной концепции) произошли метаморфозы иного рода.

Обсуждаемые в настоящем тексте Gnosis-платформы/решения имеют два ключевых отличия от Web 3.0, (при том, что оба являются различными “ветками” от общего концептуального корня):

1. Gnosis-решения — это именно специализированный класс платформ, а не вид глобальной семантической надстройки над сетевыми публикациями.
2. Gnosis-платформа — это инструмент непосредственного выращивания “гносеологического кристалла” (продукта artificial cognitive model), где знания сохраняются в формате органично-операбельном именно для знаний.

Т.е. если мы возьмём в качестве примера вебстраницу с некой публикацией, то для Gnosis-платформы она потребует предварительной обработки в виде семантического анализа и полной последующей трансляции в формат “гносеологического кристалла”, в то время как для выполнения требований Semantic Web/Web 3.0 HTML-код вебстраницы публикации необходимо дополнить корректными метатегами, а также дополнительно протегировать сам её текст (некоторые его элементы). Соответственно, Semantic Web подразумевает наличие сервисных интернет-платформ “семантических поисковиков” (или постепенную трансформацию в таковые “поисковых платформ”; на самом деле, как упоминалось выше, функцию “семантических поисковиков” со средины нулевых взяли на себя платформы Knowledge Graph) — специальных сайтов, которые будут строить консолидированные семантические описания собранных в Интернете метатегов веб-страниц (аналогично тому, как сегодня поисковики строят базу данных поисковых индексов).

В 2022–23 годах стройной концепции Semantic Web был нанесен “репутационный” удар. В 22-ом году “увидели свет” первые публично доступные AI-сервисы, а буквально через несколько месяцев вышедшая в форме чата ChatGPT публичная GPT-4 явила собой феномен очередной “изменяющей игру” технологии. Полагаясь на мощь LLM, GPT обладает замечательными способностями в консолидации текстовой информации и генерации лаконичных смысловых саммери к ней. Или даже более того — может “переводить” текст в формальные семантические языки (как например, UNL), более того, замечательно транслирует текст статьи в HTML-код с OWL-мета-тегами и разметкой. Web-3-скептики поставили под сомнение целесообразность сохранения OWL-разметки как стандарта W3C.

Позиция скептиков, надо сказать, имеет под собой логику. (Мы здесь оставим без внимания такие левацко-истерические и спекулятивные “логики” некоторых скептиков, как-то “проблема персональных данных” и т.п.) В начале “нулевых”, когда вычислительная мощность поисковых платформ (и тем более персональных компьютеров) была недостаточна для качественного семантического анализа текстов “всего Интернета”, ручная OWL-разметка текста автором (или ответственным за веб-публикацию специалистом) была рабочей практикой. Однако, сегодня достаточно, и программных систем, и вычислительных мощностей чтобы проводить качественную семантическую обработку текстов даже в промышленных масштабах (при том, что без помощи AI). Т.е. “семантическим поисковикам” уже не нужны теги Semantic Web — они вполне могут провести соответствую обработку контента вебсайтов самостоятельно, по месту, в своей базе данных. При этом всех 250-ти миллионов сайтов, а не только 1.6% “размеченных”. Кроме того, LLM AI (как, например, GPT от OpenAI или Bard от Google) справляются с этой задачей на порядок качественней, чем лучшие формализованные системы семантического анализа. Но есть нюанс.

Нюанс заключается в статусе использования AI как инструмента решения семантических задач. Их может быть два:

1. В качестве локального сервисного инструмента (альтернативы формализованным семантическим анализаторам текстов) на этапе семантической обработки.
2. В качестве псевдо-”гносеологической модели” (т.е. в качестве “хранилища знаний”). При этом (2.) де-факто включает в себя (1.).

Смысл приставки “псевдо-” в статусе (2.) далеко не всем может быть очевиден.

Проблема “псевдо” была поставлена буквально в первых формулировках статьи и далее, хотя и косвенно, освещалась. Действительно, если мы “вскормим” нейросети датасет, содержащий всю доступную на сегодняшний день цифровую информацию (страницы сайтов и оцифрованное содержимое библиотек), то в итоге получим гносеологически “прокачанную” AI-платформу, недра которой содержат нечто подобное человеческой “когнитивной модели” (но, естественно, в тысячекрат более объёмное), которая обсуждалась выше. (Здесь мы абстрагируемся от того обстоятельства, что само содержимое “всех библиотек” в бумажной форме, далеко от диалектической стройности, целостности и непротиворечивости, особенно в гуманитарной части.) Ключевой термин здесь — “нечто подобное”. И как уже указывалось ранее, основная проблема такой псевдо-”когнитивной модели” — она представляет собой классический “черный ящик”. Он может предоставлять нам “ответы на вопросы”, но мы не имеем доступа ни к семантической структуре его знаний, ни к обстоятельствам изменения их состояния. Т.е. у нас отсутствует возможность проверить релевантность этих знаний методом аудита предпосылок их формирования. А значит отсутствует уверенность и в их релевантности, и в полноте, и в адекватности. Вероятно, при дальнейшем совершенствовании “нейросетевых моделей” и промышленном использовании “квантовых компьютеров” эти недостатки будут уменьшатся (поскольку нейросети обладают способностью имитировать работу формализованных методов и алгоритмов), но при этом всегда будет стоять вопрос энергоемкости показателей релевантности и никогда, даже при квантовом исполнении, AI не перестанет быть “черным ящиком” (просто статистическая нерелевантность сменится угрозой “намерения” — риском ситуации, когда супер-AI будет “осознанно” искажать ответы). А это означает, что для большого класса задач (где показатели точности являются принципиальными) с AI несовместимы на уровне парадигмы. Как было неоднократно подчёркнуто ранее, одной из таких практик является информирование, в том числе массовое.

Gnosis-платформы — не “чёрный ящик”. Их “кристалл знаний” (их модель) имеет чётко-формализованную структуру и последовательный журнал транзакций, изменяющих её состояние. Соответственно, любая выборка данных с его базы знаний (“кристалла”) будет точной в степени, которая определяется генеалогией этих данных и их источником (а не специфическими особенностями платформы).

Что бы понять, как принцип “кристалла знаний” может решить парадигмальные проблемы СМИ, нам потребуется уделить некоторое внимание его структуре и механике (очень упрощённо и лаконично).

Математическим фундаментом Gnosis-платформы является т.н. “онтологическая карта” или более коротко — “онтология”. Это словарь сущностей/понятий нашей реальности, их свойств и отношений между ними. В аналогии с рассмотренной ранее “когнитивной моделью” — это её “онтологический слой” и частично “слой LLM”. Например, в очень примитивном представлении, частью таких сущностей являются “имена существительные” (nouns). Примером же одного из отношений (которых несколько десятков) между noun-сущностями является конструкция принадлежности к категории/группе (в конструкции “сосна”-”это есть”-”дерево” элемент “это есть” устанавливает отношение категоризации между понятийными сущностями “сосна” и “дерево”). И т.д.

“Онтология” придаёт набору данных (базе данных) чёткую семантическую структуру (фигурально — превращая её в “кристалл”).

В качестве примера, иллюстрирующего отличие текстового формата от семантической Gnosis-структуры, рассмотрим следующее новостное сообщение:

Дата-время: 11.01.2021, 10:54
Заголовок: «Dragon Capital приобрел сайты “Минфин” и finance.ua».
Текст сообщения:
«Фонд прямых инвестиций Dragon Capital New Ukraine Fund LP завершил сделку по приобретению контрольного пакета акций компании Treeum, которая руководит медиаресурсами minfin.com.ua и finance.ua. Сумму сделки в компании не раскрывают.
“Мы ожидаем роста спроса на финансовые продукты, а компания Treeum имеет хорошие шансы воспользоваться этой рыночной возможностью”, — отметил Андрей Носок, управляющий директор, сопредседатель направления прямых инвестиций в Dragon Capital.»

Выше отмечалось, что “база знаний” Gnosis-платформ состоит из двух компонент — “модели реальности” и “журнала транзакций”. (Финансисты/банкиры и бухгалтера хорошо это поймут, поскольку оперируют понятиями “финансовый баланс” и “финансовые обороты”/”проводки”. Более того, бухгалтерские и учётно-финансовые системы, как и большое количество других предметно-специализированных систем “автоматизации деятельности”, являются отдалённым узконаправленным прототипом Gnosis-платформ.)

“Новость”, по самой этимологии этого термина, отражает некоторое событие — изменение реальности. В терминах Gnosis-платформ — это транзакция, изменяющая состояние модели реальности. Также, “новость” — это транзакция (или набор транзакций) изменения состояния сущностей “модели реальности”. А сама модель (“кристалл”) — это контекст транзакции, состояние сущностей до их изменения. Соответственно, представленному новостному сообщению в “базе знаний” соответствует два семантических кластера, “транзакционный” и “контекстный”. Согласно печатно-издательской традиции, если в тексте новости присутствует контекст (это может быть какая-либо справочная информация, и/или упоминание предыдущих событий, дополнительные данные, касающиеся объектов/субьектов, пр.), то он подаётся по состоянию до событий новостного повода. (Для Gnosis-платформ это не является правилом.)

Соответственно, “транзакционный” кластер “Gnosis-кристалла” представленной выше новости может выглядеть нижеследующим образом (вся нижеследующая информация за рамками содержания текста рассматриваемой новости является додуманной фантазией автора, а все совпадения с реальными персонами и событиями случайны!):

[ Транзакция № 99999999999999 ]:[ Start ]
  [ Дата/время транзакции ] = Август 2023
  [ Вид транзакции ] = новостная публикация => 
    [ Дата/время публикации ] = 11.01.2021, 10:54 => 
      [ Источник ] = [ LIGA.Бизнес] =>
        [ Веб-ссылка ] = https://biz.liga.net/ekonomika/reklama-marketing/novosti/dragon-capital-priobrel-novyy-media-aktiv 
  [ Тип транзакции ] = [ бизнес-событие ]
  [ @Focus ] => [ активность ]:
    [ start ] = [ Транзакция № 77777770000000 ]
    [ @final ]:
      [ formal ] = Декабрь 2020
      [ public ] = Январь 2021
    [ Тип ] = [ сделка ]:
      [ Вид ] = [ приобретение ]
    [ Субъект ] = [ Dragon Capital New Ukraine Fund LP ]
    [ Объект ] = [ Treeum Holdings Limited ]
    [ Предмет ] = [ акции ] of [ Объект ] =>
      [ количество ] = 51%
      [ стоимость ] = ?
[ Транзакция № 99999999999999 ]:[ End ]

Кластер “состояния”, в свою очередь, может выглядеть так (следует обратить внимание, что состояние “реальности” представленного ниже фрагмента уже учитывает транзакцию):

[ Treeum Holdings Limited ] = = [ Treeum ]:
  [ вид ] = [ юридическое лицо ] =>
    [ резидент Украины ]
    [ компания ]:
      [ IT Services ]
      [ IT Consulting]
      [ Publisher ]
  [ головная локация ] = [ Kyiv ]
  [ founded ] = [ 2008 ]
  [ владелец ]: 
    [ Сергей Виндерских ] = [ equity = ? ] [ @учредитель ]
    [ Евгений Измайлов ] = [ equity = ? ] [ @учредитель ]
    [ Иван Евтушенко ] = [ equity = ? ] [ @учредитель ] 
    [ Сергей Васильев ] = [ пошёл следом за русским военным кораблём ] [ @инвестор ] =>
      [ deal ] = [ >> Транзакция № 4010203040506 ] from
        [ 2012 ]
    [ Dragon Capital New Ukraine Fund LP ] = [ equity = 51% ] [ @инвестор ] =>
      [ deal ] = [ >> Транзакция № 99999999999999 ] from
        [ Январь 2021 ]
  [Top] = [ CEO ] = [ Валерия Бобкова ]:
    [ @Актуальный ]
    [ from ] = [ Декабрь 2022 ]
  [ Assets ]:
    ["Мінфін"] => [ СМИ ]:
      [ website ] = [ minfin.com.ua ]
    ["Фінанси"] => [ СМИ ]:
      [ website ] = [ finance.ua ]
    ["Finline"] = = [ SalesDoubler ] => [ Advertising Service ]:
      [ website ] = [ salesdoubler.pro ]
    ["Multi Invest"] => [ мобильное приложение ]:
      [ website ] = [ multi.ua ]
[ Dragon Capital New Ukraine Fund LP ] = = [ Dragon Capital ]:
  [ вид ] = [ юридическое лицо ] =>
    [ резидент Украины ]
    [ инвестиционный фонд ]:
      [ Investment Banking ]
  [ головная локация ] = [ Kyiv ]
  [ владелец ]: 
    [ Томаш Фиала ] = [ equity = 70% ] [ @учредитель ]
    [ Карл Маркс ] = [ equity = 20% ] [ @учредитель ]
    [ Фридрих Энгельс ] = [ equity = 10% ] [ @инвестор ] =>
      [ deal ] = [ >> Транзакция № 2000000000001 ] from
        [ Март 2010 ]
  [ Top ] = [ Managing Director ] = = [ CEO ] = [ Андрей Носок ]:
    [ @Актуальный ]
    [ from ] = [ Август 2012 ]

Представленные в примерах формат и подача данных являются полностью выдуманными автором с целью сделать эти фрагменты более прозрачными, простыми и читабельными (в сравнении с другими онто-ориентированными форматами, включая XML-подобное семейство и упомянутую выше OWL-разметку), но при этом сохранить основной принцип построения семантических связей. Однако, даже в таком адаптированном виде этот фрагмент читается существенно тяжелее привычного текста. Это нормально, поскольку он, в сущности, является скриптом и не предназначен для непосредственного чтения. Вместе с тем представленный скрипт (в двух частях, транзакционной и контекстной) легко транслируется в читабельный текст:

«Dragon Capital New Ukraine Fund LP приобрёл 51% компании Treeum Holdings Limited. Стоимость сделки неизвестна. Заключение сделки завершено в декабре 2020-го года. Об этом 11 января 2021-го года сообщило издание LIGA.Бизнес.
Компания Treeum Holdings Limited создана в 2008 году. Учредители: Сергей Виндерских, Евгений Измайлов, Иван Евтушенко. Компания оказывает ИТ и издательские услуги. В 2012 г. в компанию инвестировал Сергей Васильев. Сейчас он пошёл следом за русским военным кораблём. С начала 2021 г. 51% акций компании принадлежит Dragon Capital New Ukraine Fund LP. С декабря 2022 г. компанию в должности CEO возглавляет Валерия Бобкова. Активы компании: издательство “Мінфін” (minfin.com.ua), издательство “Фінанси” (finance.ua), рекламная платформа “SalesDoubler” (salesdoubler.pro; ранее называлась “Finline”), мобильное приложение “Multi Invest” (multi.ua).
Dragon Capital New Ukraine Fund является инвестиционным фондом, который был создан: Томаш Фиала (на текущий момент 70% акций) и Карл Маркс (на текущий момент 20% акций). В марте 2010 г. в Фонд инвестировал Фридрих Енгельс (на текущий момент 10% акций). Головной офис находится в Kyiv. С августа 2012 г. Фонд в должности Managing Director возглавляет Андрей Носок.»

Сравнение оригинального текста новости, скриптов и синтетического варианта, позволяет сделать несколько важных выводов относительно свойств и структуры Gnosis-базы_знаний (собственно artificial cognitive model):

1. Тематические срезы “кристалла” легко (а) транслируются в читабельный текст и (б) могут рассматриваться под различными ракурсами (в различных контекстах).
2. Стилистика этого текста (которая отражает качество семантической сети “кристалла”) представляет собой “каноническую форму” информативного содержания — сухую констатацию фактов.
3. Если между двумя узлами семантической сети “кристалла” (или, формулируя по другом, между двумя субъектами из базы знаний) существует связь (прямая или корреляционная), она будет однозначно обнаружена (определена/вычислена) — это свойство семантического сетевого графа.
4. Gnosis-платформа, с одной стороны, не имеет ограничений в обеспечении актуальности своей базы знаний, фактически приближаясь к режиму real-time (если будут технически доступны и подключены соответствующие инструменты получения информации и данных). С другой — совмещает в рамках единой семантической структуры активности различного событийного темпа.
5. Gnosis-база полиморфна по степени событийного разнообразия и по природе данных (т.е. её предметная информационная модель, по сути, является междисциплинарной).

Даже только перечисленные свойства (а этот список далеко не полный) свидетельствуют о значительном потенциале преимуществ Gnosis-платформ в сравнении со сложившимися практиками и инструментами информирования (напомню, речь о СМИ). В частности, поставщиками событийных транзакций (информации о событиях) могут быть не только люди (репортёры и/или свидетели), но и цифровые источники. В качестве последних могут выступать, например, видеокамеры, датчики, разного рода измерители и любое программное обеспечение (портирующее данные об изменениях состояний управляемого процесса, которым может быть, в том числе, и среда виртуальной/дополненной реальности). Смысл такой интеграции может проиллюстрировать пример с видеокамерой, снимающей вход (входную дверь) в помещение. Ролик съёмок может занимать множество часов и гигабайты дискового пространства, однако, не будет содержать почти никакой полезной информации, кроме двух событий — событие-1, когда дверь открылась и в помещение кто-то вошёл, и событие-2, когда дверь открылась и из помещения кто-то вышел. Их суммарная длительность составляет 10 секунд (по 5 на каждое событие) из множества часов записи. Однако именно эти секунды важны с позиции целесообразности работы камеры. Именно эти события будут отражены в базе знаний (“кристалле”) Gnosis-платформы. Естественно, в данном примере речь идёт о смарт-камерах или соответствующем программном обеспечении, фиксирующем изменение видео-картинки и распознающем образы и характер их (образов) поведения. Что уже давно не является технической проблемой.

Действительно, описанная база знаний в виде семантической сети с онтологической схемой в её основе представляет собой очень мощное инструментальное средство. Но при одном условии — если эта база имеет достаточную полноту, если она целостна и актуальна. С возможностью заполнять её цифровыми данными с датчиков и гаджетов всё понятно. Но этого мало, чтобы стать “новыми медиа”. Вопрос в том, как будет заполняться человеческая (социальная) составляющая “кристалла”.

В тексте с самого начала использовалось понятие “платформа”, что по контексту подразумевало “социально-сетевую” природу этого сервиса. Т.е. возможность и способность каждого, кто имеет такое желание, с одной стороны, использовать ресурс платформы (получать интересующую информацию), с другой — выполнять роль репортёра, поддерживая актуальность её базы знаний.

С позиции коммерческой практики Gnosis-платформа представляет собой “обычный” ИТ-бизнес (сложно представить её успешность в качестве правительственного или академического проекта). А это значит, что её создание, запуск и становление будет полностью соответствовать всем требованиям и специфике ИТ-стартапов, где успех зависит не только (и не столько) от “гениальности идеи”, а в куда большей степени от удачной бизнес-модели и найденной ниши на рынке.

Рассмотрение бизнес-перспектив Gnosis-платформ как стартапа является темой, которая вероятно более интересна, чем представленный концептуальный обзор. Тем не менее, именно эта тема выходит за рамки настоящего текста. А кроме того, если речь заходит о стартапе, то здесь уместней не статьи писать, а код прототипа платформы.

Мы отметили ряд обстоятельств применимости продуктов AI-семейства (в частности, подобных ChatGPT) в качестве технологической базы новых СМИ и выяснили, почему эти продукты не станут инструментом инновационного прорыва или очередного дисрупта в новостной отрасли — прежде всего потому, что они, как и люди (и в большинстве случаев, как и социальные сети), “лишь пересказывают новости”, т.е. требуют в качестве входных данных новостной контент. В настоящее время единственным качественным поставщиком такого контента являются СМИ.

С другой стороны, традиционные СМИ (как бизнес-практика) уже технологически не способны удовлетворить запросы и требования современных потребностей информирования. Это касается, прежде всего, оперативного информирования.

Также СМИ не могут решить задачу поли-экзистенциального (сквозного информирования между реальным миром, игровыми средами и другими метаверс-, искуственными и дополненными реальностями) и полиморфного информирования (когда входные данные о событиях имеют различную онтологическую природу и различную форму, при этом должны быть элементами общей информационной модели).

Кроме того, СМИ являются заложником вербализованной подачи (повествовательного способа представления) новостей. Это накладывает ограничения на репортера, от которого требуется “грамотное владение словом”. В это же время часто единственным свидетелем важных событий оказываются люди, которые не любят или не умеют красочно описывать увиденное. При этом методологически это и не требуется, поскольку часто огромной ценностью может являться простая фиксация произошедшего в виде двух-трёх ключевых слов (не обязательно в форме предложения) с указанием геопривязки. Множество таких спорадических фиксаций “попиксельно” воссоздают картину, которая может быть куда более информативна, чем одно профессиональное, стилистически и орфографически грамотное текстовое сообщение журналиста/репортёра, который отсутствовал на месте событий.

В свою очередь существующие социальные сети (прежде всего Facebook и Twitter/X) частично помогают случайным свидетелям фиксировать информационные поводы и не редко такие фиксации (текстовые, фото и/или видео) становятся вирусными новостями, мигрируя на страницы традиционных СМИ. Однако, подобные случаи в большей степени — исключение из концептуального правила. Сама же концепция заключается в том, что большинство нетрадиционных новостей не выходят за пределы социального нетворкинга, в котором “обитает” случайный (или внесистемный) “репортёр”. И там же погибают под мегатоннами байтов потока низкорелевантной информации, хотя за пределами этого нетворкинга могут быть потребители, которым эти новости нужны. Существующие социальные платформы не спроектированы под задачу массового событийного информирования и не являются “новыми медиа” (хотя и демонстрируют ряд необходимых “новым медиа” свойств).

Между тем, современные технологии вполне способны собрать отдельные информационные “пиксели” в общую картину и, более того, при необходимости вербализировать (художественно описать) эту картину в необходимой/уместной стилистике. Проблема в том, что нет платформы, которая может поддержать весь технологический цикл и бизнес-процесс сбора и консолидации “спорадической” информации в содержательный “кристал”. (Т.е. нет платформы, обслуживающей ядро artificial cognitive model.) При этом пользователи платформы должны быть заинтересованы, как предоставлять, так и потреблять информацию в её (платформы) экосистеме.

Необходимым требованиям и свойствам “новых медиа”, рассмотренным в текущем тексте, отвечают Gnosis-платформы (системы поддержки семантических баз знаний о состоянии и изменениях реальности — artificial cognitive model), реализованные, в том числе, в формате социальных сетей. Какая-либо иная прорывная инновационная альтернатива традиционным морально и технологически устаревшим СМИ не просматривается. (Хотя при этом не стоит думать, что эти СМИ и традиционная журналистика исчезнут с рынка. Они просто превратятся в “кинотеатры” на фоне “телевидения, цифровых копий на торрентах, Youtube и видеостриминга”.)

Вместе с тем сохраняет актуальность риторический вопрос — почему до сих пор (спустя 20 лет активной фазы цифровой революции) подобная платформа не появилась на рынке? (Хотя, с другой стороны, возможно именно по этому принципу функционируют системы консолидации информации, обслуживающие потребности, например спецслужб. Но нам, рядовым гражданам, об этом, и много чем ещё, не ведомо.)