Журнал: Социологический журналРезаев А. В., Трегубова Н. Д.Сайты компаний-разработчиков как источник данных об искусственном интеллекте. Сравнительный анализ Google, Yandex и Baidu

Журнал: Социологический журнал

Резаев А. В., Трегубова Н. Д.

Сайты компаний-разработчиков как источник данных об искусственном интеллекте. Сравнительный анализ Google, Yandex и Baidu

DOI: https://doi.org/10.19181/socjour.2021.27.4.8648
Резаев Андрей Владимирович
Санкт-Петербургский государственный университет, Санкт-Петербург, Россия
доктор философских наук, профессор, руководитель Международной исследовательской лаборатории ТАНДЕМ
Трегубова Наталья Дамировна
Санкт-Петербургский государственный университет, Санкт-Петербург, Россия
кандидат социологических наук, ассистент, кафедра сравнительной социологии

Полный текст

Открыть текст

Ссылка при цитировании:

Резаев А. В., Трегубова Н. Д. Сайты компаний-разработчиков как источник данных об искусственном интеллекте. Сравнительный анализ Google, Yandex и Baidu // Социологический журнал. 2021. Том. 27. № 4. С. 118-145.
DOI: https://doi.org/10.19181/socjour.2021.27.4.8648

Рубрика:

СОЦИОЛОГИЯ ИНТЕРНЕТ

Выражение признательности

Работа выполнена в рамках исследования, поддержанного РНФ (проект № 18-18-00097).

Аннотация:

Использование технологий искусственного интеллекта (ИИ) в повседневной жизни людей, в деятельности различных организаций ставит перед социальными учеными многочисленные исследовательские задачи, которые требуют новых методологических подходов. В настоящей статье авторы рассматривают сайты компаний — разработчиков ИИ как источник данных о тенденциях развития ИИ. В статье представлены результаты сравнительного анализа сайтов Google, Yandex и Baidu — крупнейших поисковиков в своем языковом сегменте, которые входят в число мировых лидеров в разработке технологий ИИ. В первой части статьи авторы анализируют представленную на сайтах информацию о целях компаний, о разрабатываемых технологиях, определения ИИ, заявленные социальные проблемы, связанные с использованием ИИ, а также формы взаимодействия компаний с внешней аудиторией. Во второй части анализируются проекты, выигравшие конкурс Google AI Impact Challenge, в рамках которого 20 организаций получили гранты Google на разработку технологий, связанных с решением социальных проблем. Анализ проектов позволяет выделить перспективные сферы применения технологий ИИ внутри и вне организаций, охарактеризовать возможные роли ИИ как посредника в отношениях между людьми, а также представить утопический и дистопический сценарии включения технологий ИИ в социальные отношения. В завершение статьи по результатам проведенного анализа авторы формулируют шесть вопросов для последующей социальной аналитики искусственного интеллекта.

Литература:

  • 1. Губа К. Большие данные в социологии: новые данные, новая социология? // Социологическое обозрение. 2018. Т. 17. № 1. С. 213–236. DOI: 10.17323/1728-192X-2018-1-213-236
  • 2. Капелюшников Р. Технологический прогресс — пожиратель рабочих мест? // Вопросы экономики. 2017. № 11. С. 111–140. DOI: 10.32609/0042-8736-2017-11-111-140
  • 3. Резаев А.В., Трегубова Н.Д. «Искусственный интеллект», «онлайн-культура», «искусственная социальность»: определение понятий // Мониторинг общественного мнения: Экономические и социальные перемены. 2019. № 6. С. 35–47. DOI: 10.14515/monitoring.2019.6.03
  • 4. Срничек Н. Капитализм платформ / Пер. с англ. и науч. ред. М. Добряковой. М.: Изд. дом Высшей школы экономики, 2019. — 128 с.
  • 5. Трегубова Н.Д. Разделение труда, кооперация и новые типы экспертизы в условиях искусственной социальности (по материалам исследования российских и белорусских ИТ-организаций) // Социология власти. 2020. Т. 32. № 1. С. 120–154. DOI: 10.22394/2074-0492-2020-1-120-154
  • 6. Alexander J. The Sacred and Profane Information Machine: Discourse about the Computer as Ideology // Archives de sciences sociales des religions. 1990. No. 69. P. 161–171. DOI: 10.3406/assr.1990.1322
  • 7. Agrawal A.K., Gans J.S., Goldfarb A. Economic Policy for Artificial Intelligence. NBER Working Paper Series, 2018 [online]. Accessed 23.05.2021. URL: http:// www.nber.org/papers/w24690 DOI: 10.3386/w24690
  • 8. Allen G.C. Understanding China’s AI Strategy: Clues to Chinese Strategic Thinking on Artificial Intelligence and National Security. SNAS, 2019 [online]. Accessed 23.05.2021. URL: https://www.cnas.org/publications/reports/ understanding-chinas-ai-strategy
  • 9. Berg B. Qualitative Research Methods for the Social Sciences. Boston: Allyn & Bacon, 2009. — xiv+418 p.
  • 10. Biagioli M., L?pinay V.A. (eds.) From Russia with code: programming migrations in post-Soviet times. Durham: Duke University Press, 2019. — 384 p. DOI: 10.1215/9781478003342
  • 11. Bingaman J., Brewer P.R., Paintsil A., Wilson D.C. “Siri, Show Me Scary Images of AI”: Effects of Text-Based Frames and Visuals on Support for Artificial Intelligence // Science Communication. 2021. Vol. 43. No. 3. P. 388–401. DOI: 10.1177/1075547021998069
  • 12. Esposito E. Artificial Communication? The Production of Contingency by Algorithms // Zeitschrift f?r Soziologie. 2017. Vol. 46. No. 4. P. 249–265. DOI: 10.1515/zfsoz-2017-1014
  • 13. Etzioni A., Etzioni O. Should Artificial Intelligence Be Regulated? // Issues in Science and Technology. 2017. Vol. 33. No. 4. P. 32–36.
  • 14. Ford M. Architects of Intelligence: The Truth about AI from People Building It. Birmingham: Packt Publishing, 2018. — 559 p.
  • 15. Fourcade M. Ordinalization: Lewis A. Coser Memorial Award for Theoretical Agenda Setting 2014 // Sociological Theory. 2016. Vol. 34. No. 3. P. 175–195. DOI: 10.1177/0735275116665876
  • 16. Fu T. China’s personal information protection in a data-driven economy: A privacy policy study of Alibaba, Baidu and Tencent // Global Media and Communication. 2019. Vol. 15. Iss. 2. P. 195–213. DOI: 10.1177/1742766519846644
  • 17. J?rgensen M., Phillips L. Discourse Analysis as Theory and Method. London: Sage Publications, 2002. — 229 p. DOI: 10.4135/9781849208871
  • 18. Kennedy H., Hill R.L. The Feeling of Numbers: Emotions in Everyday Engagements with Data and Their Visualisation // Sociology. 2017. Vol. 52. No. 4. P. 830–848. DOI: 10.1177/0038038516674675
  • 19. Kotras B. Mass personalization: Predictive marketing algorithms and the reshaping of consumer knowledge // Big Data & Society. 2020. Vol. 7. Iss. 2. P. 1–14. DOI: 10.1177/2053951720951581
  • 20. Lange A.-C., Lenglet M., Seyfert R. On studying algorithms ethnographically: Making sense of objects of ignorance // Organization. 2019. Vol. 26. No. 4. P. 598–617. DOI: 10.1177/1350508418808230
  • 21. Lazer D.M.J., Pentland A., Watts D.J., Aral S., Athey S., Contractor N., Freelon D., Gonzalez-Bailon S., King G., Margetts H., Nelson A., Salganik M.J., Strohmaier M., Vespignani A., Wagner C. Computational social science: Obstacles and opportunities // Science. 2020. Vol. 369. No. 6507. P. 1060–1062. DOI: 10.1126/science.aaz8170
  • 22. Lee F., Larsen L.B. How should we theorize algorithms? Five ideal types in analyzing algorithmic normativities // Big Data & Society. 2019. Vol. 6. Iss. 2. P. 1–6. DOI: 10.1177/2053951719867349
  • 23. Lee K.-F. AI Superpowers. China, Silicon Valley and the New World Order. Boston; New York: Houghton Miffin Harcourt, 2018. — 255 p.
  • 24. Na?s A. The GAFAM and BATX. Universit? Clermont Auvergne, 2017 [online]. Accessed 23.05.2021. URL: https://www.academia.edu/36927135/The_GAFAM_and_BATX
  • 25. O’Neil C. Weapons of Math Destruction. How Big Data Increases Inequality and Threatens Democracy. New York: Crown, 2016. — 272 p.
  • 26. Petrella S., Miller C., Cooper B. Russia’s Artificial Intelligence Strategy: The Role of State-Owned Firms // Orbis. 2021. Vol. 65. Iss. 1. P. 75–100. DOI: 10.1016/j.orbis.2020.11.004
  • 27. Pettersen L. Why Artificial Intelligence Will Not Outsmart Complex Knowledge Work // Work, Employment and Society. 2019. Vol. 33. No. 6. P. 1058–1067. DOI: 10.1177/0950017018817489
  • 28. Recchia G. The Fall and Rise of AI: Investigating AI Narratives with Computational Methods // AI Narratives: A History of Imaginative Thinking about Intelligent Machines / Ed. by S. Cave, K. Dihal, S. Dillon. Oxford: Oxford University Press, 2020. P. 382–407. DOI: 10.1093/oso/9780198846666.003.0017
  • 29. Roberge J., Senneville M., Morin K. How to translate artificial intelligence? Myths and justifications in public discourse // Big Data & Society. 2020. Vol. 7. Iss. 1. P. 1–13. DOI: 10.1177/2053951720919968
  • 30. Ruppert E., Law J., Savage M. Reassembling Social Science Methods: The Challenge of Digital Devices // Theory, Culture & Society. 2013. Vol. 30. No. 4. P. 22–46. DOI: 10.1177/0263276413484941
  • 31. Von Krogh G. Artificial Intelligence in Organizations: New Opportunities for Phenomenon-Based Theorizing // Academy of Management Discoveries. 2018. Vol. 4. No. 4. P. 404–409. DOI: 10.5465/amd.2018.0084
  • 32. Wang P. On Defining Artificial Intelligence // Journal of Artificial General Intelligence. 2019. Vol. 10. No. 2. P. 1–37. DOI: 10.2478/jagi-2019-0002
  • 33. Ziewitz M. Governing Algorithms: Myth, Mess, and Methods // Science, Technology & Human Values. 2016. Vol. 41. No. 1. P. 3–16. DOI: 10.1177/0162243915608948
  • 34. Zuboff S. The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. New York: Public Affairs, 2019. — 704 p.

Содержание выпуска

>> Содержание выпуска 2021. Том. 27. № 4.
>> Архив журнала