За пределами LLM: философские подходы к искусственному интеллекту
В статье рассматриваются идеи «хайдеггерианского» и «кантианского» ИИ, их отличие от традиционных LLM/ML‑систем и влияние на оркестрацию агентов и суверенные модели.
Статья на Habr AI поднимает вопрос, существует ли жизнь за пределами привычных LLM/ML‑решений. Автор отмечает, что большинство современных дискуссий о ИИ вращаются вокруг больших языковых моделей, машинного обучения и Retrieval‑Augmented Generation (RAG) как инструмента доступа к внешним базам данных. Однако в работе предлагается выйти за эти рамки и взглянуть на ИИ через призму философских школ – «хайдеггерианского» и «кантианского» подходов.
«Хайдеггерианский» ИИ трактует технологию как способ раскрытия бытия, акцентируя внимание на контекстуальном понимании мира и «заботе» о пользователе. В отличие от чисто статистических моделей, такие системы стремятся к «заботе» о смысле и цели, а не только к предсказанию токенов. «Кантианский» ИИ, напротив, ориентирован на универсальные принципы этики и рациональности, предлагая формализованные правила поведения, которые могут быть проверены независимо от конкретных данных.
Автор связывает эти идеи с текущими трендами: ростом оркестрации агентов, появлением суверенных и национальных моделей, а также необходимостью более глубокого понимания целей и ограничений ИИ‑систем. В статье подчёркнуты риски слепого применения LLM без учёта контекста и этических рамок, а также возможности создания гибридных систем, где философские принципы служат «параметрами» для более ответственного ИИ.
Таким образом, статья предлагает переосмыслить роль ИИ, рассматривая его не только как инструмент обработки данных, но и как субъект, способный участвовать в более широких философских и этических дискуссиях.
Для разработчиков это сигнал к переоценке архитектурных решений: стоит включать элементы контекстуального понимания и этических правил уже на уровне агентов. Студентам полезно изучать философию ИИ, чтобы лучше формулировать задачи и ограничения. Суверенные модели могут стать площадкой для экспериментов с «хайдеггерианским» подходом, а «кантианский» ИИ – базой для безопасных систем. Главное – не терять из виду, что за статистикой стоит смысл и ответственность.
