На конференции DH Benelux 2026 прозвучала ключевая речь о «поведенческих пространствах» историй

В своей ключевой речи на конференции DH Benelux 2026 докладчик представил размышления о природе историй, их геометрии и о том, как современные вычислительные методы выявляют и усиливают «борозды» повествований. Доклад, по словам выступавшего, начинался с заранее подготовленного сценария, который затем подвергся фильтрации исполнения, джетлага и кофеина; слайды к выступлению доступны по адресу https://slides.com/shawngraham/dhbenelux.

Докладчик открыл выступление цитатой Терри Пратчетта: «Люди думают, что истории формируют люди. На самом деле всё наоборот… Истории — паразитирующая форма жизни, искажающая жизни в служение только самой истории». По словам оратора, эта цитата задаёт направление дальнейших рассуждений: истории обладают собственной динамикой, и часто именно они определяют поведение людей, а не наоборот.

Иллюстративные примеры

В центре рассказа были приведены два вымышленных, но иллюстративных примера. Первый — мужчина по имени Алекс: работавший руками, интеллигентный, живущий один и получающий информацию о мире в основном через Фейсбук и затем через Ютуб. Алгоритмическая подстройка под его «здравый смысл» создала обратную связь, сдвинувшую его мировоззрение вправо и загнавшую в «гравитационную воронку» — притягательное состояние, из которого он не мог выбраться. Второй пример — студентка Джулия: неанглоговорящая студентка, зависящая от стипендии, вынужденная работать по тридцать часов в неделю, чтобы сводить концы с концами, и потому всё чаще использующая сервисы ГПТ, чтобы править тексты и успевать за учёбой. По мере того как она всё больше полагалась на этот инструмент, понимание предмета отступало, и она тоже попала в «аттрактор» — систему, где путь наименьшего сопротивления уводил её от первоначальных образовательных целей.

Докладчик охарактеризовал эти ситуации как «запертые геометрией» — состояние в фазовом пространстве, где система «скатывается» в уже проложенные борозды и не может выбраться самостоятельно.

Классическая сказка о Красной Шапочке

Далее выступающий обратился к классической сказке о Красной Шапочке как к экспериментальной площадке: если представить сюжет как граф знаний, где акторы и отношения представлены тройками «субъект — предикат — объект», то можно перевести этот граф в эмбеддинговое пространство, чтобы увидеть «борозды» и притягивающие области сюжета. В качестве технического пояснения было описано, как триплеты переводятся в эмбеддинги, и почему выбор математической геометрии модели определяет, что станет видимым и что останется скрытым.

Для иллюстрации докладчик использовал три подхода к моделированию отношений: КомплЭкс, ДистМульт и Ротейт (транслитерированные названия моделей). Каждая из этих трансформаций по-разному кодирует отношения: одна различает направленность «студент → преподаватель» и «преподаватель → студент», другая трактует отношения симметрично, третья представляет связи как повороты вокруг круга и потому способна моделировать взаимозаменяемость и составные отношения. Процесс обучения моделей включает генерацию «коррумпированных» триплетов (известно неверных утверждений) и оптимизацию так, чтобы правдоподобные триплеты и неправдоподобные были максимально разделены по числовым оценкам; таким образом модель улавливает организующие принципы данных.

Эксперименты с Красной Шапочкой

В экспериментах с Красной Шапочкой ДистМульт, по наблюдению докладчика, организовал сюжет вокруг контраста мест и акторов; КомплЭкс выделил оппозицию «домашнее — дикая местность» и кто обладает агентностью; Ротейт отразил идею подмены Волка и Бабушки, центральную для сюжета. Автор отметил, что выбор геометрии определяет, какие аспекты сюжета становятся очевидными, а какие остаются в пустотах эмбеддингового пространства. Пустые координаты интерпретируются как непроговорённые или неназванные концепты, например пространство между «волком» и «бабушкой», которое делает историю тревожной и может быть названо «замещение как нарушение».

Чтобы найти собственные пробелы в мышлении, докладчик провёл эксперимент над ранней черновой версией своего выступления, превратив текст в набор триплетов и построив эмбеддинги в трёхмерном пространстве (по причине удобочитаемости). Результаты оказались относительно согласованными между моделями, но различия показали интересные сдвиги: в модели ДистМульт одна ось тянулась от восприятия истории как статистики и вероятности до понимания её как «гиперобъекта», внутри которого мы живём; другая ось противопоставляла «следование борозде» и «возможность стоять вне и моделировать альтернативы», третья напоминала о том, что каждое повествование «населено» предыдущими прогонками рассказов — в духе Пратчетта.

В промежутках между кластерами эмбеддингов докладчик обнаружил неименованные концепты, которые ранний черновик стремился сформулировать: например, между «генеративным ИИ» и «фашистской эстетикой» возникла пустота, которую он предложил обозначить как «эстетизированный алгоритмический контроль» — идея о том, что статистическая сходимость форм визуального или риторического образа имеет политические последствия. Между «миростроением» и «спецификацией программного обеспечения» в эмбеддинге возникло пространство, указывающее на мысль о том, что программирование может в некотором смысле «писать» мир, а не только истории.

Выводы и дальнейшие размышления

Главный вывод этих игрушечных экспериментов, как сформулировал докладчик: проецирование текстов в эмбеддинговые пространства показывает, как форма историй встраивается в математическую и культурную структуру, и где возникают притягивающие области — аттракторы — а также какие вопросы остаются невысказанными в пустотах пространства.

Докладчик затем предложил масштабировать эту мысль: если представить не игрушечную модель, а производственную систему, обученную на миллиардах документов и с миллиардами измерений, внедрённую повсеместно, то именно эмбеддинги организуют внутренние представления генеративных ИИ. Направления, которые формируют притяжение идей в таких пространствах, остаются часто непонятны пользователям. Таким образом, генеративный ИИ — по сути «паразитирующие истории», пишущие мир; задача людей — найти способы выходить из проложенных борозд и искать пустоты, где возможно развитие.

Далее выступление перешло к личному опыту докладчика в академической работе. В период кандидатской диссертации он изучал отдельно найденные штампованные римские кирпичи как «окаменелые частицы» пространственно-временных сетей: клейма фиксировали место производства, исполнителя, владельца и консульский год, и эти штампы пересекались с сетями власти и материалов. Первоначальная попытка связать пять временных периодов с помощью вымышленной «правдоподобной истории» была воспринята плохо. Позже он применил агентно-ориентированное моделирование: начал симуляцию с сети периода один, дал агентам правила поведения и наблюдал, какие прогонки модели приводят к конфигурации сети, соответствующей периоду два. Из множества прогонов выделялись устойчивые траектории — те пути, по которым система склонна была эволюционировать не из-за предопределённости, а из-за стабильности — то, что в модели называют «картированием поведенческого пространства модели».

Эту логику докладчик предложил перенести на генеративные ИИ: эмбеддинговое пространство большой языковой модели — это многообразие, а процесс обучения с подкреплением от человеческой обратной связи (RLHF) можно понимать как целенаправленную инженерную работу по созданию аттракторных бассейнов: оценщики выбирают выводы, которые затем делают определённые ямы ещё глубже. Когда пользователь описывает «группу подростков в лесной хижине», модель не рассуждает с первых принципов, она «скатывается» в борозду, намеченную наборами слайсеров в её обучающих данных — фильмами ужасов и прочими каноническими репрезентациями. Докладчик также сослался на наблюдения Эрика Сальваджио: любой вывод генеративной системы можно понимать как инфографику её обучающего набора; эмпирически это проверяется генерацией множества ответов и кластеризацией: центры тяжести, канонические представления и аттракторы проявляются явно.

Докладчик подчеркнул политические последствия этих механик. Он указал на исследования в смежных областях: работу о власти инфраструктуры (включая выступление Лореллы Виолы), сборники по критическим исследованиям инфраструктуры, а также на исследования Сафии Умо́джа Нобл по алгоритмическому угнетению, Рухи Бенджамин по «новому коду Джима», Йоханны Дракер, Кэтрин ДиИгнацио и Лорен Кляйн, Сары Лэнг и других. По его словам, существует большой корпус работ, показывающий, что вычислительные системы не представляют мир нейтрально, что нет