Категории субъектности в исследованиях искусственного интеллекта: систематизация подходов и критерии разграничения
Журнал: Вестник Пермского университета. Философия. Психология. Социология @fsf-vestnik
Рубрика: Философия. Психология
Статья в выпуске: 3 (67), 2026 года.
Бесплатный доступ
В современных междисциплинарных исследованиях искусственного интеллекта (ИИ) применяется широкий спектр понятий для описания субъектного статуса ИИ-алгоритмов, часто без уточнения точного значения используемой терминологии, что порождает методологическую неопределенность и споры относительно допустимости приписывания субъектных характеристик алгоритмическим системам. Систематизация философских и социологических подходов, представленная в данной работе, позволяет сформулировать дифференцированный понятийный аппарат, поясняющий условия применения каждого термина для избежания как излишней антропоморфизации ИИалгоритмов, так и сведения их статуса до сугубо инструментального. Для систематизации понятийного аппарата сформулированы четыре критерия анализа — онтологический, гносеологический, каузально-деятельностный и контекстуально-реляционный. На их основе показано, что категории актора и агента связаны преимущественно с каузально-деятельностным критерием и характеризуют факт функционального участия ИИ-агента в рамках конкретной ситуации взаимодействия. Категория субъекта в строгом смысле слова связана со всеми четырьмя критериями и предполагает наличие феноменального сознания, рефлексии и этической агентности, поэтому релевантна преимущественно для описания гипотетического сильного ИИ. Понятие техносубъекта описывает децентрированные самооптимизирующиеся системы, ориентированные на операциональную эффективность и функционирующие в условиях минимизированного участия человека. Понятие квазисубъекта характеризует ситуации, в которых ИИ-алгоритму приписываются отдельные признаки субъекта, причем конкретный набор таких признаков может варьироваться в зависимости от исследовательского контекста. Термин «ситуативный субъект» рассматривает субъектный статус как таковой в качестве временного предиката, что позволяет анализировать ситуации взаимодействия, характеризующиеся динамической сменой ролей, где одна и та же сущность может последовательно выступать то в качестве субъекта, то в качестве объекта. Выбор конкретного понятия для описания ИИ-агента рекомендуется сопровождать указанием на определяющий критерий, что позволит сохранить методологическую строгость и точность терминологии. Подобная терминологическая дифференциация позволяет предотвращать концептуальные подмены при анализе человеко-машинного взаимодействия. Результаты исследования демонстрируют, что отказ от универсального терминологического шаблона в пользу контекстуально-обусловленного выбора понятий существенно расширяет аналитические возможности при изучении различных типов ИИсистем.
Короткий адрес: https://sciup.org/147255122
IDS: 147255122 | УДК: 16:004.8 | DOI: 10.17072/2078-7898/2026-3-367-381
Categories of subjectivity in artificial intelligence research: systematization of approaches and criteria of distinction
Contemporary interdisciplinary AI research employs various concepts to describe the agential status of AI algorithms, often without clarifying the precise meaning of the terminology used. This leads to methodological uncertainty and disputes over the legitimacy of attributing agential characteristics to algorithmic systems. By systemizing the philosophical and sociological approaches, this paper develops a differentiated conceptual apparatus that specifies the conditions for applying each term, avoiding both excessive anthropomorphization of AI algorithms and their reduction to a purely instrumental status. The paper formulates four analytical criteria for systemizing the conceptual apparatus: ontological, epistemological, causal-agential, and contextual-relational. On this basis, the study demonstrates that the categories of actor and agent are primarily associated with the causal-agential criterion and characterize the functional participation of an AI agent in a specific interaction situation. The category of subject in the strict sense relates to all four criteria and presupposes phenomenal consciousness, reflexivity, and ethical agency, making it relevant primarily for describing hypothetical strong artificial intelligence. The concept of technosubject describes decentered, self-optimizing systems oriented toward operational efficiency under minimized human involvement; the concept of quasi-subject characterizes situations where an AI algorithm is attributed with individual features of a subject, with the specific set varying depending on the research context; finally, the term “situational subject” treats agential status as a temporary predicate, enabling analysis of interaction situations with dynamic role changes, where the same entity can alternately act as subject and object. The choice of a specific concept to describe an AI agent should be accompanied by the indication of its determining criterion, this preserving methodological and terminological precision. Such differentiation prevents conceptual substitution when analyzing human-machine interaction. The results demonstrate that abandoning a universal terminological template in favor of contextdependent choice of concepts significantly expands analytical capabilities in studying various types of AI systems.
