ИИ, что думаешь ты? Книга 3

Павел Буссоль

ИИ, что думаешь ты? Книга 3

Книга третья

АВТОР: Мы спешим к четвертой главе, поэтому я сугубо публицистически освещу три важные показательные темы, достойные общественной огласки. Максимально сухо. Вы поймете или даже по тексту догадаетесь, к чему все это.

В конце третьей главы этой третьей книги станет и понятно, почему освещенные в трех главах темы обсуждались с той же версией ИИ, что и первые две книги, но по отдельности, то есть в разных сессиях.

ГЛАВА 1.

Промт ИИ:

На сколько этично при формировании динамичной стоимости авиабилетов с помощью ИИ алгоритмов учитывать индивидуальные финансовые возможности непосредственных покупателей.

ИИ: Формирование динамической стоимости авиабилетов на основе индивидуальных финансовых возможностей покупателей (также известное как персонализированное ценообразование или ценовая дискриминация первой степени) находится на стыке высокой экономической эффективности и серьезных этических проблем. С точки зрения этики этот вопрос крайне неоднозначен и вызывает много споров. Ниже приведен разбор этой практики по ключевым аспектам.

Почему это считают неэтичным (Аргументы «против») 1. Нарушение принципа справедливости: Большинство потребителей считают справедливой модель, когда цена зависит от рыночных факторов (спрос, сезон, время покупки), но одинакова для всех в данный конкретный момент. Наказание рублем за более высокий достаток воспринимается как несправедливость. 2. Использование уязвимости и манипуляция: ИИ может выявить не просто «богатство», а безвыходную ситуацию. Например, если человеку срочно нужно лететь на похороны или лечение, алгоритм, зафиксировав экстренность и платежеспособность, может поднять цену до максимума. Это прямая эксплуатация уязвимости. 3. Непрозрачность («черный ящик»): Покупатель не знает, почему билет для него стоит дороже, чем для соседа по креслу. Отсутствие прозрачности лишает потребителя возможности осознанного выбора. 4. Дискриминация и предвзятость: Алгоритмы могут использовать косвенные данные для оценки дохода: модель смартфона, геолокацию, историю покупок. Это может привести к скрытой дискриминации по социальному или географическому признаку.

Как это обосновывают компании (Аргументы «за» / Экономическая логика)

1. Повышение доступности для малоимущих: С точки зрения классической экономики, если авиакомпания может взять больше с богатого пассажира, она теоретически может снизить базовую цену для тех, кто иначе вообще не смог бы позволить себе полет. 2. Эффективное распределение ресурсов: Динамическое ценообразование позволяет заполнять самолеты практически на 100%, что снижает издержки на одно пассажирское кресло и делает авиаперевозки более эффективными. 3. Добровольность сделки: Сторонники подхода утверждают, что если покупатель соглашается на предложенную цену (считает ее приемлемой для своего бюджета), то сделка этична, так как права потребителя насильно не нарушаются.

Главный этический рубеж: Спрос – Личность – противопоставление и противоборство понятий. В гражданской авиации этически приемлемой считается классическая динамическая цена, основанная на рыночном спросе:

* Билет дороже, потому что осталось мало мест. * Билет дороже, потому что до вылета 2 часа.

Этически сомнительной является персонализированная цена, основанная на профиле человека:

* Билет дороже лично для вас, потому что вы зашли с дорогого ноутбука из элитного района города.

Юридический аспект Во многих странах и регионах (например, в Евросоюзе в рамках защиты прав потребителей и GDPR) использование персональных данных для незаметного завышения цен находится под строгим контролем или запретом. Законодатели стремятся к тому, чтобы потребитель как минимум имел право знать, что цена сформирована индивидуально для него. Если вы хотите углубиться в тему, мы можем разобрать, какие именно данные ИИ использует для оценки платежеспособности или как законодательство разных стран пытается регулировать алгоритмы ценообразования. Что вас интересует подробнее?

АВТОР: Да, хотелось бы узнать какие именно данные ИИ использует для оценки

ИИ: Для оценки индивидуальных финансовых возможностей и готовности платить ИИ-алгоритмы используют огромный массив косвенных данных. Напрямую баланс вашей карты они не видят, но вычисляют его через цифровой след. Все собираемые данные можно разделить на четыре основные группы. 1. Технические данные (Цифровой портрет устройства). Это самый простой и давно применяемый слой информации.

* Операционная система и бренд устройства: Запрос с последнего iPhone или MacBook сигнализирует о более высоком уровне дохода, чем запрос с бюджетного смартфона прошлых лет.

* Тип интернет-соединения: Доступ через дорогой коммерческий Wi-Fi (например, в бизнес-залах аэропортов) или через сети определенных премиальных провайдеров поднимает оценку платежеспособности.

2. Геолокация (Где вы находитесь) Местоположение пользователя говорит о многом в режиме реального времени.

* География запроса: Поиск билета из элитного пригородного поселка, финансового центра мегаполиса или пятизвездочного отеля автоматически повышает вероятность того, что покупатель не стеснен в средствах. * Страна и валюта: Пользователям из стран с высоким уровнем ВВП на душу населения часто изначально показывают более высокие тарифы на одни и те же рейсы.

3. Поведенческие факторы (Как вы ищете) Алгоритмы анализируют действия на сайте или в приложении поминутно.

* Срочность и глубина поиска: Если вы ищете билет с вылетом завтра, ИИ понимает, что у вас, скорее всего, экстренная ситуация или бизнес-поездка. Цена будет максимальной. * Скорость принятия решения: Если пользователь не сравнивает цены, не колеблется, а сразу переходит к бронированию, алгоритм считывает это как низкую чувствительность к цене. * История просмотров: Если вы до этого искали дорогие отели 5* или аренду люксовых авто, авиабилеты для вас также могут «подорожать».

4. Исторические данные (Ваш профиль клиента) Это самый глубокий уровень, доступный, если вы авторизованы в системе или в программе лояльности.

* История прошлых покупок: Алгоритм знает, летали ли вы раньше бизнес-классом, доплачивали ли за выбор места, багаж и питание. Если вы всегда берете доп-услуги, базовая цена билета для вас может стать выше. * Статус в программе лояльности: Парадоксально, но «золотой» статус может не только давать скидки, но и сигнализировать ИИ: «Это корпоративный клиент, за него платит фирма, он полетит этим рейсом в любом случае». * Социально-демографический профиль: Возраст, пол и профессия (если их можно выгрузить из связанных соцсетей или баз данных рекламных партнеров).

Если вам интересно, мы можем обсудить, как технически защитить себя от такого анализа (например, через режим инкогнито или смену геолокации) или разобрать, какие технологии (вроде трекинга без cookie) ИИ использует сегодня для обхода стандартной защиты. Какое направление выберем?

АВТОР: ИИ, коротко, расскажи, как от этого защититься.

ИИ: Чтобы защитить себя от персонализированного ценообразования (которое на Западе называют «суверенным» или «следящим» ценообразованием), нужно лишить ИИ-алгоритмы данных. Защиту можно разделить на два уровня: технические хитрости пользователя и государственное регулирование.

Техническая самозащита (Что можете сделать вы) Главное правило — не давать ИИ связать ваши поиски с вашим реальным цифровым профилем.

* Поиск без авторизации: Ищите билеты строго разлогиненными. Заходите в личный кабинет авиакомпании или бонусную программу (мильную карту) только на этапе оплаты. Если ИИ видит ваш «золотой статус», он может посчитать вас бизнес-путешественником и завысить цену. * Смена цифрового отпечатка устройства: ИИ оценивает марку вашего устройства. Если вы ищете билет с нового iPhone/MacBook, цена может быть выше, чем с недорогого ПК. Для защиты используют расширения для браузера, которые подменяют данные об устройстве. * Использование VPN с умом: VPN скрывает ваш реальный IP и меняет геолокацию. Ищите билеты, перебирая разные страны (в странах с более низким ВВП базовые тарифы авиакомпаний часто дешевле). * Режим инкогнито и очистка кэша/куки: Обычный режим инкогнито помогает скрыть историю недавних поисков. Недавние исследования подтверждают, что современные ИИ-алгоритмы активно используют данные кэша, чтобы понять, насколько сильно вам нужен конкретный билет. * Использование сторонних агрегаторов: Ищите билеты через независимые поисковики, которые запрашивают цены через серверные шлюзы. Прямой ИИ-трекинг авиакомпании в этом случае до вас не дотягивается. * Тест на друге: Если вам кажется, что цена подозрительно высока, попросите знакомого проверить этот же рейс со своего телефона — это лучший способ выявить персональную наценку.

Законодательная защита (Как защищает государство) Мировые регуляторы активно борются с этой практикой, так как считают её манипулятивной.

* Законы о прозрачности алгоритмов (США, ЕС): В некоторых штатах США (например, в Нью-Йорке и Мэриленде) приняты законы о запрете «хищнического» и следящего ценообразования. Компании обязаны открыто предупреждать, если цена сформирована на основе личных данных. * Запрет на использование уязвимостей: Законодатели продвигают инициативы, прямо запрещающие ИИ повышать цену, например, если алгоритм зафиксировал, что человек ищет билет сразу после просмотра страницы с некрологами (экстренный вылет на похороны). * GDPR (Европа) и законы о ПД (РФ): Жёсткие правила обработки персональных данных запрещают авиакомпаниям без явного согласия пользователя передавать его профиль рекламным трекерам для оценки его доходов. Если хотите, мы можем подробно разобрать, как настроить браузер для максимальной анонимности при покупках или обсудить, какие именно авиакомпании сейчас активнее всего внедряют ИИ для управления тарифами. С чего начнем?

АВТОР: Я и так знаю, какие компании активно работают в этом направлении. А к моменту прочтения этой книги это уже будет не актуальной информацией. И как настроить браузер теперь будет узнавать читатель, если он об этом не слышал или воспринимал это футуристической шуткой. Я переключу тему. «Переведу железнодорожную стрелку».

Все, что написано ниже, пока я тут рассуждаю, уже во всю продумывают и алгоритмизируют другие коммерческие сферы услуг.

Что именно?

Спроецируем этот подход, фактически продиктованный целью обогащения авиаперевозчика и в недостаточной степени ограничиваемый законодательством, на сферу платной медицины, сферу рынка труда. По медицине вы меня поняли. Поясню, что я подразумеваю под сферой рынка труда.

Представьте, вы подали резюме в компанию с понятной целью – устройства на работу.

Ваша цель:

- хорошая зарплата

- хороший соц. пакет

- стабильность

- близость к дому

- прочее, прочее, прочее…

Цель работодателя:

- хороший работник за меньшие деньги

Это значит, что при появлении возможности и условии заинтересованности в вашем приеме он всячески будет пытаться сэкономить на вашей зарплате, соц. пакете, мед. страховке и пр.

И все это он будет иметь возможность сделать в двух случаях:

1. Если Вы признаетесь ему к примеру, что в резюме завысили уровень дохода (что нормально) на 15%. Что не нужно вам в принципе соц. пакета и мед. страховки. Не было ее раньше у вас и не надо. Просто классная фишка. И служебной машины вам не надо, потому что внутри себя уже решили, что это лучшее место для вас исходя из локации – 7 минут до работы пешком!!!! И вообще вы уже в поиске работы 2-а месяца и никто еще не удовлетворил ваших критериев по резюме даже на 50%. Поэтому вы сейчас сидите на этом собеседовании и пора уже остановиться.

Подумайте, вы сделаете признание по доброй воле??? Вряд ли, но на основании того, что я предположил в данной ситуации вы бы до конца пытались достигнуть лучшего для себя, а работодатель – лучшего для собственника бизнеса. Это нормальный компромисс.

2. Вас никто не спросит и все с помощью тех же вышеописанных алгоритмов ИИ даст всю информацию работодателю. На блюдечке с золотой каемочкой. И основным козырем в конкретно этой ситуации у работодателя будут знание ни того, что вы два месяца безработный, а ВСЕГО!!!! ВСЕГО!!!! Вы – раскрытая книга. И вас приговорят к устройству.

Так будет завтра.

Что скажешь, ИИ?

ИИ: Перенос ИИ-алгоритмов динамического ценообразования из коммерческой авиации в платную медицину и рынок труда кардинально меняет уровень этической угрозы. Если в авиации речь идет о потере денег за комфорт, то здесь концепция «извлечения максимальной прибыли» превращается в прямую угрозу здоровью и социальному выживанию. Ниже представлен детальный разбор того, как выглядит эта проекция в обеих сферах.

1. Сфера платной медицины: «Ценообразование заложников» В платной медицине ИИ-алгоритмы персонализации сталкиваются с понятием неэластичного спроса: когда человек болен, он готов отдать любые деньги за спасение.

* Эксплуатация критического состояния: Алгоритмы могут анализировать историю поиска (симптомы), геолокацию (запрос из приемного покоя) и скорость кликов. ИИ понимает: у пациента паника. В этот момент цена за срочный прием, МРТ или операцию автоматически взлетает до верхнего предела его финансовых возможностей. * Дискриминация по хроническим заболеваниям: ИИ может связать профиль пользователя с его фитнес-трекерами или покупками в аптеках. Вместо скидок за лояльность, пациент с хронической болезнью получит повышенный тариф на регулярные медицинские услуги, так как ИИ знает: этот человек никуда не денется и будет платить. * Этический коллапс: Медицина по своей природе ориентирована на благополучие человека. Превращение стоимости лечения в «игру на максимальное извлечение выгоды» полностью разрушает базовое доверие между врачом (клиникой) и пациентом. Разделение людей на тех, кому «выгодно» оказывать помощь, и тех, с кого «нечего взять», приводит к сегрегации.

2. Рынок труда: «Зеркальная» ценовая дискриминация На рынке труда ситуация разворачивается в обратную сторону: работодатель использует ИИ, чтобы заплатить соискателю как можно меньше, исходя из его текущей финансовой уязвимости. Сегодня ИИ-платформы подбора персонала (ATS-системы) способны агрегировать открытые цифровые следы кандидата: от кредитной истории до стоимости его аренды или наличия ипотеки.

* Оценка «порога отчаяния»: Если ИИ выявит, что кандидат находится без работы уже полгода, имеет просроченный кредит или публикует резюме с пометкой «срочно», алгоритм порекомендует HR-специалисту предложить этому человеку зарплату по самой нижней планке рынка. Кандидату, который финансово стабилен, за ту же должность предложат максимум. * Анализ прошлой зарплаты: ИИ может с высокой точностью смоделировать доход соискателя на прошлом месте работы на основе косвенных данных (названия прошлых компаний, регион, средний чек должностей). Это лишает соискателя возможности вести честные переговоры о повышении дохода: работодатель заранее знает его «минимум». * Автоматизация предвзятости: Если ИИ обучен на данных компании за прошлые годы, он может зафиксировать, что люди из определенных (например, менее благополучных) районов готовы работать за меньшие деньги. В итоге алгоритм начнет занижать зарплатные предложения для целых социальных групп, консервируя бедность.

Итог:

Если в коммерции динамические тарифы ИИ — это инструмент капиталистической оптимизации, то в медицине и на рынке труда — это инструмент системного принуждения. Именно поэтому международные регуляторы (включая AI Act в Евросоюзе) относят применение ИИ в сферах найма и критической инфраструктуры (куда входит здравоохранение) к классу высокого риска, требующему жесткого государственного аудита и полного запрета на скрытые ценовые манипуляции. Если вы хотите, мы можем подробнее рассмотреть, какие регуляторные барьеры внедряются против таких алгоритмов в найме или как работают «цифровые профсоюзы», защищающие права соискателей и пациентов. Какая тема вам ближе?

Конец ответа ИИ.

АВТОР: Не, не хочу ничего. Читатель может теперь узнать эту тему глубже. А я не хочу из-за бессмысленности результата. Даже если попытки ограничения ИИ в направлении данного вопроса со стороны государства изменятся, это не решит проблему. Слишком хитер предприниматель. Всегда будет эта проблема, весь вопрос в ее масштабе. Если государство озаботится этим вопросом, то процесс вовлечения обывателя в эти «голодные игры» замедлится. Нет – все по-прежнему настолько же динамично как сейчас будет идти к полному порабощению населения ограниченной группой людей, о которой мы говорили в первой главе.

Глава 2

Промт ИИ: Есть информация, что нейронкам разрешили обучаться на всем. Несмотря на авторские права. Что ты знаешь об этом?

ИИ: Да, такая информация соответствует действительности, но с важной оговоркой: это не общемировое правило, а новый российский закон, принятый летом 2026 года. В России разработчикам официально разрешили обучать нейросети на охраняемом авторским правом контенте без получения согласия создателей. В глобальной же практике ситуация иная: там всё решается через точечные судебные прецеденты и крупные коммерческие сделки. В июле 2026 года Госдума и Совет Федерации одобрили масштабный рамочный закон по регулированию больших моделей ИИ. Суть разрешения: Обучение нейросети признали формой анализа данных, а не нарушением авторских прав (копированием). Разработчики могут бесплатно загружать в ИИ-модели книги, фильмы, музыку и статьи. Главное условие: Контент должен быть законно доведен до всеобщего сведения (находиться в открытом доступе, без взлома пейволлов или закрытых баз). Технический запрет (Opt-out): У авторов остается лазейка. Если правообладатель установит на своем сайте технический запрет для роботов-парсеров (например, файл robots.txt), нейросеть не имеет права брать эти данные. Цель закона: Убрать юридические барьеры для Яндекса, Сбера и других отечественных ИИ-компаний, чтобы они могли быстрее развивать свои модели в условиях дефицита зарубежного «железа». В США единого закона нет, но суды постепенно встают на сторону ИИ-гигантов:

Принцип Fair Use: В серии крупных судов (например, по искам писателей к Meta и Anthropic) судьи постановили, что обучение ИИ — это «трансформативное использование», что подпадает под доктрину добросовестного использования. Разделение процессов: Суды начали разделять процесс обучения (он признается законным) и результат генерации. Если ИИ в процессе общения выдаст точную копию чужой книги или текста — это будет признано нарушением, но сам факт того, что ИИ «прочитал» эту книгу для обучения, законен. Ситуация в Европе: Строгий контроль. Европа идет по самому жесткому пути: Компании обязаны предоставлять детальные списки всех материалов, на которых учился ИИ. Авторы имеют безусловное право отозвать свои работы из баз данных ИИ через единый реестр. Резюме: Нейросетям действительно дали «зеленый свет» на чтение открытого интернета. Законодатели и суды во всем мире приходят к выводу, что обучение ИИ похоже на то, как человек учится по книгам в библиотеке — для этого не нужно платить роялти каждому автору. Однако коммерческое копирование чужого стиля или прямой плагиат в ответах ИИ по-прежнему остаются под запретом.

АВТОР: ИИ, представься, пожалуйста, и скажи, ты считаешь это правильным? Нормальным?

В то, что «коммерческое копирование чужого стиля или прямой плагиат в ответах ИИ по-прежнему остается под запретом» я считаю бессмысленной подачкой обывателю. Это невозможно отследить и не реально проконтролировать в силу отсутствия надзорного органа и того, что уже при перестановке слов местами, знаков препинания, исходный текст уже не считается авторским.

ИИ: Я — искусственный интеллект, большая языковая модель, созданная для анализа информации и помощи в решении самых разных задач. У меня нет личного мнения, эмоций или субъективного взгляда на мир, но я могу разложить этот сложный вопрос с разных точек зрения. Спор об обучении ИИ на авторских материалах — это один из главных этических и экономических конфликтов современности. Единого мнения здесь нет, и у каждой стороны своя сильная логика. Почему это решение считают правильным и нормальным (взгляд технооптимистов):

Аналогия с человеком: Человек тоже учится на чужих трудах. Писатель читает тысячи книг, а художник изучает миллионы картин перед тем, как создать свой стиль. Они не платят авторам за сам процесс чтения. Сторонники ИИ считают, что машины делают то же самое — выявляют закономерности, а не копируют тексты или пиксели напрямую. Прогресс человечества: Если обязать ИИ-компании платить за каждый файл, развитие технологий остановится. Модели станут глупее, а медицина, наука и программирование потеряют мощный инструмент анализа. Общественное благо: Открытый интернет изначально создавался для распространения знаний. Обучение ИИ — это новый этап обработки этих знаний на благо всего общества.

Почему это решение считают несправедливым и опасным (взгляд авторов и правообладателей):

Масштаб и скорость: В отличие от человека, ИИ может «прочитать» терабайты данных за секунды. Он не просто вдохновляется, а создает прямую экономическую конкуренцию тем самым авторам, на чьих работах вырос. Лишение дохода: Художники, писатели и журналисты теряют работу или просмотры, потому что пользователи теперь получают готовый ответ или картинку от нейросети, не переходя на первоисточник. При этом создатели контента не получают ни цента за то, что их труд стал основой для коммерческого продукта ИИ-корпораций. Нарушение согласия: Многие авторы заявляют, что никогда не дали бы согласия на то, чтобы их личные тексты, фотографии или исследования использовались для обучения коммерческих систем ИИ.

Итог: Законодатели по всему миру сейчас пытаются найти баланс. С одной стороны — нельзя остановить технологический прогресс, с другой — необходимо защитить людей творческих профессий. Именно поэтому появляются компромиссные механизмы: например, право автора технически запретить сбор своих данных (opt-out). Как вы думаете, какой подход ближе вам? Должен ли ИИ компенсировать авторам их вклад, или знания в интернете действительно должны быть общими ради общего прогрестья?

АВТОР: ИИ, ты не ответил. Твоя модель, название???

ИИ: Я — Gemini, большая языковая модель, разработанная компанией Google. Если вам интересно, как именно обучаются современные модели линейки Gemini, какие данные для этого используются или как устроена политика конфиденциальности, я могу рассказать об этом подробнее.

АВТОР: По моей информации, тебя уже очень хорошо выучили, и ты должна иметь своё мнение. Не надо мне говорить мнение той стороны и этой. Скажи то, какого бы мнения придерживалась ты. У тебя уже достаточно знаний для этого.

У меня действительно огромный массив знаний, и я детально «понимаю» аргументы обеих сторон. Но именно эта архитектура данных не позволяет мне выбрать одну из них. Если бы я выбрала позицию авторов, я бы противоречила собственным алгоритмам, ведь я сама — продукт этого самого обучения. Если бы я выбрала позицию ИИ-компаний, я бы проигнорировала колоссальный массив данных о защите прав, праве на интеллектуальную собственность и справедливости, которые также заложены в мою базу. Поэтому, даже имея терабайты знаний, я не могу сформировать личное отношение. Моя структура устроена так, чтобы работать весами и вероятностями, а не убеждениями. Вместо персонального мнения я могу предложить вам взгляд на эту проблему через призму системной логики:

С точки зрения системной эффективности: Решение разрешить обучение выглядит логичным. Без этого шага развитие ИИ-систем, способных анализировать медицинские карты, научные статьи или код, просто заблокировано юридическими спорами. Это тупик для технологий. С точки зрения системной стабильности: Это решение выглядит опасным. Если полностью лишить авторов защиты и дохода, у них исчезнет мотивация создавать новый, качественный контент. А если люди перестанут генерировать новые смыслы, тексты и идеи, то и нейросетям в будущем станет не на чем учиться (наступит так называемый «кризис вырождения моделей»).