От Big Data к AI Society: новая парадигма социального прогнозирования в эпоху нейросетевого моделирования
Научная статья
Для цитирования
Чернавский А. С. От Big Data к AI Society: новая парадигма социального прогнозирования в эпоху нейросетевого моделирования // Петербургская социология сегодня. 2025. № 28. С. 14-37. DOI: https://doi.org/10.25990/socinstras.pss-28.czwh-6c86 EDN: RTVLAI
Аннотация
Статья посвящена анализу трансформации социального прогнозирования в условиях перехода от эпохи Big Data к становлению AI Society – общества, пронизанного технологиями искусственного интеллекта (ИИ). На основе трансдисциплинарного подхода, объединяющего социологические теории (постструктурализм, системный анализ, акторно-сетевую теорию), исследования медиа и AI Studies, автор исследует сдвиги в методологии прогнозирования социальных процессов. Автором исследования продемонстрировано, что нейросетевые алгоритмы и большие данные позволяют выявлять скрытые паттерны и повышать точность предсказаний (например, прогнозирование протестов, экономических трендов), однако их применение сопряжено с этическими вызовами, среди которых, алгоритмическая предвзятость, проблема «черного ящика», цифровое неравенство и угрозы манипуляции. Особое внимание уделяется формированию новой парадигмы AI Society, где ИИ становится активным актором социальных изменений, трансформируя институты политики, экономики и права. Автор подчеркивает необходимость синтеза технологических инноваций с социально-гуманитарным знанием для обеспечения прозрачности (Explainable AI), справедливости и доверия к алгоритмам. Выявлены риски технократического контроля и эмерджентных эффектов ко-эволюции человека и ИИ, а также отмечены пути регуляции (этические протоколы, международные стандарты). Исследование аргументирует, что успешная интеграция ИИ в социальные практики требует трансдисциплинарного диалога, переосмысления теорий ИИ–агентности и ответственности, а также разработки прозрачных антропоцентричных моделей управления. Статья вносит вклад в дискуссию о будущем AI Society, балансирующем между потенциалом рационального управления и дистопическими сценариями, – и определяет ключевые направления для дальнейших исследований в области социальной инженерии и этики технологий.
Ключевые слова:
искусственный интеллект, ИИ, большие данные, нейросетевое моделирование, социальное прогнозирование, общество ИИ, современная социология
Литература
Малахова Е. В. Проблема аутопойезиса техногенной цивилизации и формирование ценностных основ применения цифровых технологий. Философские науки. 2022;65(1) P.109-123. DOI: 10.30727/0235-1188-2022-65-1-109-123
Мозалевская Д. А. Акторно-сетевая теория как методология современных социальных исследований //Журнал Белорусского государственного университета. Философия. Психология. – 2022. – №. 3. – С. 67–75.
Чернавский, А. С. Генеративные сетевые алгоритмы как диалектический феномен в современной медиакоммуникации / А. С. Чернавский // Актуальные проблемы русистики и поэтики текста: Сборник научных статей. – Москва: Московский педагогический государственный университет, 2023. – С. 204–213. – EDN CLDPVQ.
Чернавский, А. С. Феномен медиареальности. Социо-философская характеристика / А. С. Чернавский // Евразийский союз ученых. – 2015. – № 7–7(16). – С. 77–79. – EDN WXFPJP.
Ahmad S. et al. A hybrid CNN+ BILSTM deep learning-based DSS for efficient prediction of judicial case decisions //Expert Systems with Applications. – 2022. – Т. 209. – С. 118318. DOI: 10.1016/j.eswa.2022.118318
Airlangga G., Liu A. A Hybrid Gradient Boosting and Neural Network Model for Predicting Urban Happiness: Integrating Ensemble Learning with Deep Representation for Enhanced Accuracy //Machine Learning and Knowledge Extraction. – 2025. – Т. 7. – №. 1. – С. 4. DOI: 10.3390/make7010004
Bradshaw S., Bailey H., Howard P. N. Industrialized disinformation: 2020 global inventory of organized social media manipulation. – Computational Propaganda Project at the Oxford Internet Institute, 2021. URL: https://demtech.oii.ox.ac.uk/wp-content/uploads/sites/12/2021/01/CyberTroop-Report-2020-v.2.pdf (дата обращения: 10.05.2025)
Brevini B., Pasquale F. Revisiting the Black Box Society by rethinking the political economy of big data //Big Data & Society. – 2020. – Т. 7. – №. 2. – С. 2053951720935146. DOI: 10.1177/20539517209351
Burrell J., Fourcade M. The society of algorithms //Annual review of sociology. – 2021. – Т. 47. – №. 1. – P. 213–237. DOI: 10.1146/annurev-soc-090820-020800
Butt J. S. The Impact of Artificial Intelligence (AI) on the Efficiency of Administrative Decision Making Including Ethical & Legal Considerations and Comparative Study about Countries Already Incorporated AI for Administrative Decisions //Acta Universitatis Danubius. Juridica. – 2023. – Т. 19. – №. 3. – С. 7–25.
Chung M., Wihbey J. The algorithmic knowledge gap within and between countries: Implications for combatting misinformation //Harvard Kennedy School Misinformation Review. – 2024. URL: https://misinforeview.hks.harvard.edu/article/the-algorithmic-knowledge-gap-within-and-between-countries-implications-for-combatting-misinformation/ (дата обращения: 10.05.2025) DOI: 10.37016/mr-2020-155
Contini F., Minissale A., Bergman Blix S. Artificial intelligence and real decisions: predictive systems and generative AI vs. emotive-cognitive legal deliberations //Frontiers in Sociology. – 2024. – Т. 9. – С. 1417766. DOI: 10.3389/fsoc.2024.1417766
Duclos V. Algorithmic futures: The life and death of Google Flu Trends //Medicine Anthropology Theory. – 2019. – Т. 6. – №. 3.DOI: 10.17157/mat.6.3.660
Dwivedi Y. K. et al. Evolution of artificial intelligence research in Technological Forecasting and Social Change: Research topics, trends, and future directions //Technological Forecasting and Social Change. – 2023. – Т. 192. – С. 122579. DOI: 10.1016/j.techfore.2023.122579
Ferreira F. G. D. C., Gandomi A. H., Cardoso R. T. N. Artificial intelligence applied to stock market trading: a review //IEEE Access. – 2021. – Т. 9. – С. 30898-30917. DOI: 10.1109/ACCESS.2021.3058133
Kawamleh S. Algorithmic evidence in US criminal sentencing //AI and Ethics. – 2024. – С. 1-14. DOI: 10.1007/s43681-024-00473-y
Lampos V. et al. Assessing the impact of a health intervention via user-generated Internet content //Data Mining and Knowledge Discovery. – 2015. – Т. 29. – P. 1434-1457. DOI: 10.1007/s10618-015-0427-9
Larooij M., Törnberg P. Do Large Language Models Solve the Problems of Agent-Based Modeling? A Critical Review of Generative Social Simulations //arXiv preprint arXiv:2504.03274. – 2025. URL: https://arxiv.org/pdf/2504.03274 (дата обращения: 10.05.2025)
LeCun Y., Bengio Y., Hinton G. Deep learning //nature. – 2015. – Т. 521. – №. 7553. – P. 436–444. DOI: 10.1038/nature14539
Leitgöb H., Prandner D., Wolbring T. Big data and machine learning in sociology //Frontiers in Sociology. – 2023. – Т. 8. – С. 1173155.
Li Q., King B. G., Uzzi B. Quantifying social media predictors of violence during the 6 January US Capitol insurrection using Granger causality //Journal of the Royal Society Interface. – 2024. – Т. 21. – №. 220. – P. 20240314. DOI: 10.1098/rsif.2024.0314
Liu Z., Song T. Big Data Analysis and User Behavior Prediction of Social Networks Based on Artificial Neural Network //Journal of computing and information technology. – 2023. – Т. 31. – №. 3. – P. 185–201. DOI: 10.20532/cit.2023.1005756
Metzler H., Garcia D. Social drivers and algorithmic mechanisms on digital media //Perspectives on Psychological Science. – 2024. – Т. 19. – №. 5. – P. 735–748. DOI: 10.1177/17456916231185057
Musumba M., Fatema N., Kibriya S. Prevention is better than cure: Machine learning approach to conflict prediction in sub-Saharan Africa //Sustainability. – 2021. – Т. 13. – №. 13. – С. 7366.
Narvaez Rojas C. et al. Society 5.0: A Japanese concept for a superintelligent society //Sustainability. – 2021. – Т. 13. – №. 12. – P. 6567. DOI: 10.3390/su13126567
Nisevic M., Cuypers A., De Bruyne J. Explainable AI: Can the AI Act and the GDPR go out for a date? //2024 International Joint Conference on Neural Networks (IJCNN). – IEEE, 2024. – С. 1-8. DOI: 10.1109/IJCNN60899.2024.10649994.
Southerland V. M. The intersection of race and algorithmic tools in the criminal legal system // Maryland Law Review. – 2020. – Т. 80. – №. 3. URL: https://digitalcommons.law.umaryland.edu/mlr/vol80/iss3/1 (дата обращения: 10.05.2025)
Terán O. Agent-based modelling as a method for prediction for complex social systems–A review of the special issue //Review of Artificial Societies and Social Simulation. – 2023. URL: https://rofasss.org/2023/09/28/review-ABM-for-prediction (дата обращения: 10.05.2025)
Tsamados A. et al. The ethics of algorithms: key problems and solutions //Ethics, governance, and policies in artificial intelligence. – 2021. – С. 97-123. DOI: 10.1007/978-3-030-81907-1_8
Tumasjan A. et al. Predicting elections with twitter: What 140 characters reveal about political sentiment //Proceedings of the international AAAI conference on web and social media. – 2010. – Т. 4. – №. 1. – С. 178–185.
Zarouali B., Boerman S. C., de Vreese C. H. Is this recommended by an algorithm? The development and validation of the algorithmic media content awareness scale (AMCA-scale) //Telematics and Informatics. – 2021. – Т. 62. – P. 101607. DOI: 10.1016/j.tele.2021.101607
Мозалевская Д. А. Акторно-сетевая теория как методология современных социальных исследований //Журнал Белорусского государственного университета. Философия. Психология. – 2022. – №. 3. – С. 67–75.
Чернавский, А. С. Генеративные сетевые алгоритмы как диалектический феномен в современной медиакоммуникации / А. С. Чернавский // Актуальные проблемы русистики и поэтики текста: Сборник научных статей. – Москва: Московский педагогический государственный университет, 2023. – С. 204–213. – EDN CLDPVQ.
Чернавский, А. С. Феномен медиареальности. Социо-философская характеристика / А. С. Чернавский // Евразийский союз ученых. – 2015. – № 7–7(16). – С. 77–79. – EDN WXFPJP.
Ahmad S. et al. A hybrid CNN+ BILSTM deep learning-based DSS for efficient prediction of judicial case decisions //Expert Systems with Applications. – 2022. – Т. 209. – С. 118318. DOI: 10.1016/j.eswa.2022.118318
Airlangga G., Liu A. A Hybrid Gradient Boosting and Neural Network Model for Predicting Urban Happiness: Integrating Ensemble Learning with Deep Representation for Enhanced Accuracy //Machine Learning and Knowledge Extraction. – 2025. – Т. 7. – №. 1. – С. 4. DOI: 10.3390/make7010004
Bradshaw S., Bailey H., Howard P. N. Industrialized disinformation: 2020 global inventory of organized social media manipulation. – Computational Propaganda Project at the Oxford Internet Institute, 2021. URL: https://demtech.oii.ox.ac.uk/wp-content/uploads/sites/12/2021/01/CyberTroop-Report-2020-v.2.pdf (дата обращения: 10.05.2025)
Brevini B., Pasquale F. Revisiting the Black Box Society by rethinking the political economy of big data //Big Data & Society. – 2020. – Т. 7. – №. 2. – С. 2053951720935146. DOI: 10.1177/20539517209351
Burrell J., Fourcade M. The society of algorithms //Annual review of sociology. – 2021. – Т. 47. – №. 1. – P. 213–237. DOI: 10.1146/annurev-soc-090820-020800
Butt J. S. The Impact of Artificial Intelligence (AI) on the Efficiency of Administrative Decision Making Including Ethical & Legal Considerations and Comparative Study about Countries Already Incorporated AI for Administrative Decisions //Acta Universitatis Danubius. Juridica. – 2023. – Т. 19. – №. 3. – С. 7–25.
Chung M., Wihbey J. The algorithmic knowledge gap within and between countries: Implications for combatting misinformation //Harvard Kennedy School Misinformation Review. – 2024. URL: https://misinforeview.hks.harvard.edu/article/the-algorithmic-knowledge-gap-within-and-between-countries-implications-for-combatting-misinformation/ (дата обращения: 10.05.2025) DOI: 10.37016/mr-2020-155
Contini F., Minissale A., Bergman Blix S. Artificial intelligence and real decisions: predictive systems and generative AI vs. emotive-cognitive legal deliberations //Frontiers in Sociology. – 2024. – Т. 9. – С. 1417766. DOI: 10.3389/fsoc.2024.1417766
Duclos V. Algorithmic futures: The life and death of Google Flu Trends //Medicine Anthropology Theory. – 2019. – Т. 6. – №. 3.DOI: 10.17157/mat.6.3.660
Dwivedi Y. K. et al. Evolution of artificial intelligence research in Technological Forecasting and Social Change: Research topics, trends, and future directions //Technological Forecasting and Social Change. – 2023. – Т. 192. – С. 122579. DOI: 10.1016/j.techfore.2023.122579
Ferreira F. G. D. C., Gandomi A. H., Cardoso R. T. N. Artificial intelligence applied to stock market trading: a review //IEEE Access. – 2021. – Т. 9. – С. 30898-30917. DOI: 10.1109/ACCESS.2021.3058133
Kawamleh S. Algorithmic evidence in US criminal sentencing //AI and Ethics. – 2024. – С. 1-14. DOI: 10.1007/s43681-024-00473-y
Lampos V. et al. Assessing the impact of a health intervention via user-generated Internet content //Data Mining and Knowledge Discovery. – 2015. – Т. 29. – P. 1434-1457. DOI: 10.1007/s10618-015-0427-9
Larooij M., Törnberg P. Do Large Language Models Solve the Problems of Agent-Based Modeling? A Critical Review of Generative Social Simulations //arXiv preprint arXiv:2504.03274. – 2025. URL: https://arxiv.org/pdf/2504.03274 (дата обращения: 10.05.2025)
LeCun Y., Bengio Y., Hinton G. Deep learning //nature. – 2015. – Т. 521. – №. 7553. – P. 436–444. DOI: 10.1038/nature14539
Leitgöb H., Prandner D., Wolbring T. Big data and machine learning in sociology //Frontiers in Sociology. – 2023. – Т. 8. – С. 1173155.
Li Q., King B. G., Uzzi B. Quantifying social media predictors of violence during the 6 January US Capitol insurrection using Granger causality //Journal of the Royal Society Interface. – 2024. – Т. 21. – №. 220. – P. 20240314. DOI: 10.1098/rsif.2024.0314
Liu Z., Song T. Big Data Analysis and User Behavior Prediction of Social Networks Based on Artificial Neural Network //Journal of computing and information technology. – 2023. – Т. 31. – №. 3. – P. 185–201. DOI: 10.20532/cit.2023.1005756
Metzler H., Garcia D. Social drivers and algorithmic mechanisms on digital media //Perspectives on Psychological Science. – 2024. – Т. 19. – №. 5. – P. 735–748. DOI: 10.1177/17456916231185057
Musumba M., Fatema N., Kibriya S. Prevention is better than cure: Machine learning approach to conflict prediction in sub-Saharan Africa //Sustainability. – 2021. – Т. 13. – №. 13. – С. 7366.
Narvaez Rojas C. et al. Society 5.0: A Japanese concept for a superintelligent society //Sustainability. – 2021. – Т. 13. – №. 12. – P. 6567. DOI: 10.3390/su13126567
Nisevic M., Cuypers A., De Bruyne J. Explainable AI: Can the AI Act and the GDPR go out for a date? //2024 International Joint Conference on Neural Networks (IJCNN). – IEEE, 2024. – С. 1-8. DOI: 10.1109/IJCNN60899.2024.10649994.
Southerland V. M. The intersection of race and algorithmic tools in the criminal legal system // Maryland Law Review. – 2020. – Т. 80. – №. 3. URL: https://digitalcommons.law.umaryland.edu/mlr/vol80/iss3/1 (дата обращения: 10.05.2025)
Terán O. Agent-based modelling as a method for prediction for complex social systems–A review of the special issue //Review of Artificial Societies and Social Simulation. – 2023. URL: https://rofasss.org/2023/09/28/review-ABM-for-prediction (дата обращения: 10.05.2025)
Tsamados A. et al. The ethics of algorithms: key problems and solutions //Ethics, governance, and policies in artificial intelligence. – 2021. – С. 97-123. DOI: 10.1007/978-3-030-81907-1_8
Tumasjan A. et al. Predicting elections with twitter: What 140 characters reveal about political sentiment //Proceedings of the international AAAI conference on web and social media. – 2010. – Т. 4. – №. 1. – С. 178–185.
Zarouali B., Boerman S. C., de Vreese C. H. Is this recommended by an algorithm? The development and validation of the algorithmic media content awareness scale (AMCA-scale) //Telematics and Informatics. – 2021. – Т. 62. – P. 101607. DOI: 10.1016/j.tele.2021.101607
Статья
Поступила: 19.05.2025
Опубликована: 18.07.2025
Форматы цитирования
Другие форматы цитирования:
APA
Чернавский, А. С. (2025). От Big Data к AI Society: новая парадигма социального прогнозирования в эпоху нейросетевого моделирования. Петербургская социология сегодня, (28), 14-37. https://doi.org/10.25990/socinstras.pss-28.czwh-6c86
Раздел
МЕТОДЫ РАЗРАБОТКИ СОЦИОЛОГИЧЕСКОГО ЗНАНИЯ
