Искусственный интеллект: проблематика определения и теоретические аспекты в психологии
Бесплатный доступ
Статья направлена на постановку проблемы создания и определения искусственного интеллекта (ИИ) в условиях отсутствия единой концепции интеллекта. Психологические теории, от универсализма Спирмена (g-фактор) до плюрализма Гарднера (множественный интеллект), предлагают противоречивые критерии мышления: одни акцентируют общую когнитивную базу, другие — специализированные компетенции. Это затрудняет формализацию «интеллекта» для разработки ИИ, способного к рефлексии, этическому выбору и контекстной адаптивности.Основная проблема заключается в методологическом разрыве: инженерные подходы фокусируются на алгоритмической оптимизации (например, GPT-4, AlphaFold), игнорируя многогранность человеческого интеллекта. Современные системы ИИ демонстрируют «иллюзию понимания», воспроизводя шаблоны данных без осознания смысла или культурных нюансов. Например, нейросети генерируют тексты, но не способны к критической самооценке или учету этических дилемм в реальном времени.Ключевой вывод: разработка ИИ требует отказа от антропоцентричных метрик в пользу моделей, синтезирующих лучшие элементы психологических теорий. Это позволит создать системы, где ИИ дополняет, а не заменяет человеческий интеллект, сохраняя баланс между эффективностью и этической ответственностью.
Искусственный интеллект, определение интеллекта, психология интеллекта, человеко-машинное взаимодействие, нейронные сети
Короткий адрес: https://sciup.org/170213291
IDR: 170213291 | УДК: 159.9 | DOI: 10.47475/2409-4102-2026-34-2-33-40
Artificial Intelligence: the Problem of Definition and Theoretical Aspects
The article aims to identify the problem of creating and defining artificial intelligence (AI) in the context of having no unified concept of intelligence. Psychological theories, ranging from Spearman’s universalism (g-factor) to Gardner’s pluralism (multiple intelligences), offer contradictory criteria for brainwork: some emphasize the general cognitive base, while others emphasize specialized competences. This complicates the formalization of «intelligence», which is necessary to develop AI capable of reflection, ethical choice, and contextual adaptability. The main problem lies in the fact that there is a methodological gap, that is, engineering approaches focus on algorithmic optimization (e.g., GPT-4, AlphaFold), ignoring the multifaceted nature of human intelligence. Modern AI systems demonstrate the «illusion of understanding», reproducing data patterns without comprehending the meaning or cultural nuances. For example, neural networks generate texts, although they are not capable of critical self-assessment or taking into account ethical dilemmas in real time. The main conclusion of authors is that to develop AI it is essential to turn away from anthropocentric metrics in favour of such models that synthesize the best elements of psychological theories. This will allow us to create systems where AI complements, rather than replaces, human intelligence, while maintaining a balance between efficiency and ethical responsibility.
