На конференции особо актуальной была тема развития различных систем поддержки принятия решения, необходимых для этого математических и физических моделей, а также их применения в психологии, экономике, социальных науках, отметил Александр Алоджанц, заместитель председателя конференции, ведущий научный сотрудник целевой поисковой лаборатории квантовой когнитивистики и интеллектуальных систем. Также на мероприятии были представлены доклады по исследованию сложных многоагентных систем, к которым относят социальные группы, социальные сети. Третья важная тема конференции – это применение квантовой теории, когнитивных наук, современных информационных технологий для создания систем искусственного интеллекта. Присутствие когнитивных подходов и технологий в области ИИ критически необходимо, подчеркнул Александр Алоджанц. Квантовые методы исследования позволяют более точно описать сложные системы, понять существующие закономерности их функционирования.
«Сегодня основной "центр тяжести" исследований по темам конференции лежит далеко за пределами России. США, Европа и другие развитые страны вкладывают большие деньги в междисциплинарные исследования, в то время как в самой России пока идут споры об их необходимости. Организаторы конференции – Университет ИТМО и Фонд перспективных исследований – первые в стране, кто, объединив усилия, повернулся к этой тематике лицом и решил ее развивать. Сложность тематики в том, что она требует компетенций в совершенно разных науках, использующих разные методы и подходы. Наша конференция благодаря привлечению ведущих экспертов стала важной площадкой для обсуждения таких методов и подходов. Устойчивое сообщество ученых крайне необходимо для развития тематики в России», – прокомментировал Александр Алоджанц.
Отсутствие организационного взноса позволило привлечь коллег из разных сфер деятельности, причем не только ученых, но и студентов, и аспирантов, коллег из бизнеса, культуры, добавил он. Междисциплинарный характер исследований по тематике конференции является актуальным с точки зрения решения задач цифровой экономики. Но может возникнуть вопрос, а что вообще можно понимать под когнитивной наукой сегодня? И какие области исследований являются наиболее актуальными и востребованными в мире? Сейчас границы этой области все больше размываются, отметила профессор НИУ Высшая школа экономики Мария Фаликман. Если сначала она включала в себя только исследования на границах между экспериментальной психологией, философией сознания, лингвистикой, компьютерными науками, нейронауками и культурной антропологией, то сейчас к числу этих областей добавился целый ряд новых – от экономики до юриспруденции.
![Первая международная конференция «Когнитивные технологии и квантовый интеллект»](/news_plugs/3.png)
«К числу наиболее важных фундаментальных проблем сейчас относят вопрос об эволюции человеческого познания, о том, как оно меняется в контексте развития принципиально новых технологий, а также вечный вопрос о соотношении нашего сознания (субъективного опыта) и работы мозга – так называемая психофизическая проблема. Методы изучения мозга достигают все большего совершенства, и когнитивная наука стоит перед вопросом о том, принимать ли нейробиологическое объяснение познания и сознания как исчерпывающие, или не все его закономерности сводимы к тем данным, которые можно получить с помощью методов регистрации активности мозга. Что касается прикладных проблем, на переднем крае сейчас находятся разработки в области искусственного интеллекта, а также нейроинтерфейсов – систем, позволяющих посредством считывания активности мозга управлять внешними устройствами (например, протезом или экзоскелетом). Кроме того, к числу важных прикладных проблем относится изучение природы нарушений когнитивного развития (таких, например, как дислексия) и разработка методов их коррекции. Также актуальная проблематика взаимодействия человека с дополненной и виртуальной реальностью», – перечислила Мария Фаликман.
Несколько презентаций на конференции было посвящено современным российским исследованиям в области того, как именно формируются общественные мнения в социальных сетях. Ученые пояснили, как с помощью формул можно предсказать, как один пост или комментарий может повлиять на мнение пользователя, почему это мнение зависит от мнения других людей и какие разрабатываются технологии для манипуляции общественным мнением в социальных медиа.
Зачем изучать модели влияния в социальных сетях? Какие научные методы и подходы для этого используются? Об этом рассказал Александр Чхартишвили, главный научный сотрудник Института проблем управления РАН.
Изучение моделей влияния в социальных сетях помогает понять, как меняются мнения людей, и делать прогнозы на этот счет. Это имеет значение с точки зрения управления, когда может понадобиться привести социальную сеть в то или иное состояние. Достаточно ли для этого воздействовать на самых влиятельных пользователей сетей?
Существует четыре подхода к изучению моделей влияния. Первый – это структурный. То есть мы можем считать наиболее авторитетным того, кто связан с наибольшим количеством других пользователей или сгруппированных узлов сети. Также мы можем сказать, что более влиятельным будет тот пользователь, то есть узел сети, который имеет минимальное среднее расстояние к максимальному количеству других узлов сети. И еще есть показатель посредничества, то есть влиятельным будет тот узел, через который проходит много других узлов. Взять, например, семейство Медичей в Тоскане, которые стали герцогами. Это очень редкий случай в истории, обычно возвышаются над другими либо те, кто откуда-то пришел, как, например, Рюрик, либо тот, кто является потомком бога, как японский император. Но чтобы все были равными, а потом кто-то поднялся над другими – такое бывает редко, но это случилось с Медичами. Оказалось, что представители семейства имели связи со многими родами в Тоскане, то есть показатель посредничества у них был очень высокий.
![Социальные медиа. Источник: shutterstock.com](/news_plugs/6.png)
Также в рамках этого подхода мы заметили, что информационные потоки не всегда соответствуют формальным связям в социальной сети. То есть, если вы дружите с кем-то, это не значит, что вы комментируете записи этого человека – вероятность этого составляет всего 4 %. Также если пользователи имеют общего друга, то они больше комментируют друг друга. В этом случае вероятность комментирования повышается до 17 %.
С помощью второго подхода, основанного на моделировании информационных процессов, мы можем выяснить, каков был вес тех или иных пользователей в формировании мнения одного конкретного пользователя. В третьем подходе используются метод машинного обучения. Есть компания Klout, которая рассчитывает влиятельность всех пользователей соцсетей. Они учитывают большое количество данных: количество друзей, постов, комментариев, упоминаний в отношении пользователя. Затем они проводят массовые опросы других пользователей относительно того, кто из пользователей, данные о которых были собраны, является более влиятельным. Сопоставляя собранные данные с мнениями пользователей, они обучают нейросеть выявлять наиболее влиятельных юзеров.
Последний подход основан на анализе действий пользователей: кто что написал, где оставил лайки. Мы выводим закономерности, как одно действие может стать причиной другого, соответственно, для любого действия мы можем посчитать возможные варианты последствий в виде других действий. При этом мы можем исследовать определенные данные, например, только про кошечек, можем исследовать только начальные данные, например, какое действие запустило цепочку других действий. Так, мы провели исследование среди 900 000 пользователей социальных сетей и пришли к выводу, что всего 2 % наиболее влиятельных пользователей определяют 98 % процесса формирования мнений.
Как пользователи соцсетей разделяются во мнениях по поводу определенных конфликтов? Почему мнения, которые формируются в социальных сетях, нельзя анализировать по количеству лайков под определенными постами? На эти вопросы ответила Светлана Бодрунова, профессор Санкт-Петербургского государственного университета.
Принято считать, что социальные медиа создают два варианта развития мнений: что, с одной стороны, они разделяют людей на группы с доминирующим мнением, в которых подавляются все остальные мнения, а также, наоборот, что социальные медиа – это платформа для дискуссий и обмена мнениями. В наших исследованиях мы пытаемся понять, как именно люди формируют свое отношение к разным явлениям в социальных сетях, что важно для политологии, социологии, маркетинга.
Когда мы говорим о том, как пользователи различаются по мнениям, мы говорим о поляризации – что существует четкое разделение людей: одни за, другие против, одни положительно относятся к тому или иному событию, другие негативно и так далее. И много исследований заканчиваются лишь такой кластеризацией. Порой она даже основана на том, что одни люди являются подписчиками Трампа, значит, они «протрамповые», а другие – подписчиками Хилтон, значит, они «прохилтонцы». Или, если кто-то подписан на канал «Дождь», значит, он оппозиционер, к примеру.
![Твиттер Дональда Трампа. Источник: washingtonexaminer.com](/news_plugs/4.png)
Однако если посмотреть на реальные тексты людей и применять к ним семантический анализ, то сразу заметно, что пользователи не выражают напрямую свое одобрение или отрицание тех или иных явлений, людей. Именно поэтому нужно учитывать контекст, чтобы понять мнение пользователей. Люди могут в одном посте обсуждать сразу нескольких политических лидеров, и если мы применим к таким текстам только обычный поиск по именам, то результаты анализа будут неверными. Также пользователи могут в одном посте выражать как позитивные, так и негативные мысли, например: «Я не поддерживаю миграционную политику, но вся остальная политика Меркель мне нравится». И как оценить это мнение? Как понять настоящую поляризацию?
Что можно сделать? Мы должны смотреть на текст комплексно. Мы проанализировали мнения пользователей в трех разных странах насчет трех разных конфликтов. При этом у конфликтов быть одни и те же признаки: они должны были быть этническими или расовыми, их причина должна была заключаться в применении насилия, они должны были вызывать горячие обсуждения в социальных сетях, провоцировать людей выходить на протесты, а также активно вовлекать власти в решение проблемы. В России мы выбрали беспорядки в Бирюлеве Западном, в Германии – массовые нападения в Новый год 2015-2016 годов, в США – беспорядки в Фергюсоне. Мы выбрали самых влиятельных пользователей, которые выражали свое мнение, и классифицировали их мнения по некоторым признакам. Затем мы выделили мнения по группам в зависимости от выраженного отношения: например, одна группа позитивно отзывается о Меркель, но критикуют за миграционную политику, другая критикует Меркель за все и так далее. Также мы обнаружили нейтральную группу – это СМИ, а также люди, которые придерживаются мнений СМИ.
У нас получились неожиданные результаты. В России четко выделилось две поляризованных группы: одна была солидарна с позицией властей, другая – нет. В Германии сформировалось более классическое разделение мнений: были люди, которые поддерживали миграционную политику, были те, кто нет, а также отдельная группа, в которой объединялись эти два мнения, что очень хорошо и чего не хватает в России. В США ситуация была еще более интересная. Там сформировались две «левые» группы: одна была очень политизированной, состоящей из афроамериканцев и делавшей упор на расизм, вторая же поднимала проблемы нарушения прав человека. Также там было меньшинство, которое защищало белого офицера полиции.
Как можно манипулировать общественным мнением в социальных сетях для достижения мирного разрешения конфликтов? Почему субъективное мнение – это миф? На эти вопросы ответила Екатерина Бакшутова, профессор Самарского государственного университета.
Человек преувеличивает субъективность своего мнения. На самом деле, смысл тем или иным явлениям нам дает большая группа, в которой мы живет. Мы же решаем, принимать нам этот смысл или нет. Поэтому возникает вопрос: как много мнений мы действительно можем назвать своими?
![Журнал «Русская мысль». Источник: saransk.au.ru](/news_plugs/6.png)
Психологию больших групп целесообразно изучать через язык, в том числе тексты. Мы начали наши исследования с анализа текстов журнала «Русская мысль», который существовал на рубеже 19-20 веков. Это была уникальная работа, потому что мы пытались выявить установки и сформировать тематические предпочтения людей, которые в большинстве уже давно умерли. Анализ показал, как развивалась психология большой группы людей, которая к первой трети 20 века составила образ интеллигенции. Все они разделяли идеи, которые сейчас приписывают так называемой «пятой колонне»: антинародность, безгосударственность, антирелигиозность. И мы провели опрос по поводу того, к какому периоду времени наши современники относят эту группу интеллигенции. Подавляющее количество опрошенных считают, что интеллигенция существует всегда, как бы вне времени.
Что касается анализа современных текстов в социальных сетях, то здесь нужно помнить, что поведенческая модель пользователя будет сильно зависеть от контекста. То есть в паблике поддержки Грудинина мы, конечно, встретим больше людей, которые призывают проголосовать за него. Разработка практик чтения и анализа таких скриптов позволит манипулировать массовым сознанием, например, переводить интонации мнений в сторону добра, мира, вести такую работу в определенных группах людей, то есть заниматься миротворчеством.
Добавим, что в рамках тематики конференции в Университете ИТМО открывается первая в России магистерская программа «Когнитивные технологии и квантовый интеллект».