В
2025 году системы искусственного интеллекта (ИИ) заняли устойчивое место в цифровом медиапространстве. Генеративные модели используются в журналистике, образовании, научных исследованиях и повседневных задачах пользователей. Расширение сфер применения ИИ сопровождается ростом публичных обсуждений, связанных с надежностью алгоритмов и качеством взаимодействия человека и нейросети.
Особое внимание в цифровых медиа уделяется случаям так называемой сбойной коммуникации. Под этим понимается генерация недостоверной информации, фабрикация источников, ошибки интерпретации контекста, а также коммуникативные и этические сбои при использовании ИИ [Шевченко 2025: 94]. В условиях цифровизации медиасферы такие эпизоды быстро становятся медиасобытиями и начинают влиять на формирование общественных представлений о технологии. Исследование Европейского вещательного союза показало, что значительная доля ответов ИИ-ассистентов на новостные запросы содержит системные искажения и неточности [European Broadcasting Union 2025].
Цифровая среда усиливает масштаб и скорость распространения ошибок. Алгоритмы не только создают контент, но и участвуют в его дистрибуции, ранжировании и интерпретации. В результате сбой ИИ перестает быть сугубо техническим дефектом и превращается в элемент публичного дискурса. В 2025 году эта тема получила разностороннее освещение в научных публикациях, научно-популярных медиа и массовых цифровых платформах.
1) Научный дискурс
В академическом поле феномен галлюцинаций больших языковых моделей трактуется прежде всего как системная особенность архитектуры ИИ. Галлюцинации описываются как генерация правдоподобных, но ложных утверждений, обусловленная вероятностной природой языковых моделей. В ряде работ подчеркивается, что галлюцинации представляют собой новый тип эпистемической неточности, отличающийся от традиционной дезинформации отсутствием намерения обманывать [Harvard Kennedy School 2025].
Исследователи связывают подобные ошибки с вероятностной природой моделей, механизмами обучения и ограниченностью данных. В публикациях Scientific Reports отмечается, что использование ИИ может влиять на воспроизводимость научных результатов и усиливать риски искажений в академической среде [Scientific Reports 2025].
Тон научных публикаций сдержанный и аналитический. Сбойная коммуникация рассматривается как исследовательская задача, требующая технических решений и уточнения методологии. В центре внимания оказываются вопросы воспроизводимости научных результатов, надежности экспертных решений, прозрачности алгоритмов и эпистемической ответственности.
Для академического дискурса характерно отсутствие драматизации. ИИ описывается как инструмент, обладающий структурными ограничениями, а не как автономный субъект. Даже когда речь идет о масштабных искажениях новостных материалов или ошибках в чувствительных сферах, акцент делается на системных причинах, а не на эмоциональном эффекте.
2) Научно-популярный дискурс
Научно-популярные медиа 2025 года активно транслируют тему галлюцинаций широкой аудитории. В этом дискурсе наблюдается стремление перевести сложные технические механизмы в доступные объяснения. Публикации объясняют, что модели работают по принципу вероятностного автодополнения и не обладают семантическим пониманием содержания [MIT Sloan 2025].
Тональность становится более образной и разговорной, однако в 2025 году заметна тенденция к осторожности. В отличие от раннего периода энтузиазма вокруг ИИ, публикации все чаще подчеркивают необходимость критического отношения к алгоритмам. Галлюцинации перестают восприниматься как курьез и становятся устойчивым элементом обсуждения.
Характерная черта научно-популярного слоя — ориентация на практику. В корпоративных и технологических блогах подробно разбираются механизмы возникновения ошибок и предлагаются способы их минимизации [Lakera AI 2025]: перепроверка фактов, использование моделей с доступом к источникам, аккуратная формулировка запросов. Таким образом, дискурс выполняет просветительскую функцию и формирует модели поведения аудитории в цифровой среде.
3) Массовый дискурс
В массовых цифровых медиа сбойная коммуникация получает иную интерпретацию. Здесь доминирует эмоциональный регистр – тревога, страх, ирония или восхищение. Ошибки ИИ становятся поводом для громких заголовков, расследований, мемов и пользовательского контента. Данные международных опросов свидетельствуют о росте обеспокоенности населения в отношении ИИ [Pew Research Center 2025].
Алгоритм в массовом дискурсе нередко персонифицируется: он «врет», «ошибается», «вводит в заблуждение». Это упрощает сложные технические процессы и делает их понятными широкой аудитории, однако снижает аналитическую точность. Сбой подается как событие, способное угрожать рабочим местам, безопасности данных или общественной стабильности. Также журналистские материалы описывают случаи, когда взаимодействие с ИИ усиливало когнитивные искажения или вводило пользователей в заблуждение [The Wall Street Journal 2025].
Одновременно с тревожными нарративами присутствуют и иронические формы – мемы и короткие видео, в которых галлюцинации ИИ становятся объектом повседневного юмора. Это свидетельствует о включении темы в обыденную цифровую культуру.
Сравнительный анализ
Сопоставление научного, научно-популярного и массового уровней показывает, что один и тот же феномен – сбойная коммуникация – получает принципиально разные интерпретации в зависимости от дискурсивной среды.
В научном поле сбой рассматривается как структурная проблема архитектуры моделей. Он объясняется через вероятностную природу алгоритмов, особенности обучения и ограничения данных [Шевченко 2025: 95]. Коммуникация при этом понимается как взаимодействие человека с инструментом, обладающим заданными параметрами. Ошибка — это следствие архитектуры, а значит, объект анализа и коррекции. Важным является и эпистемический аспект: исследователей интересует, как подобные сбои влияют на воспроизводимость знаний, экспертные решения и научную достоверность [Scientific Reports 2025]. Таким образом, научный дискурс сохраняет рамку рационального контроля: даже при признании системности галлюцинаций предполагается возможность их частичного устранения.
В научно-популярном дискурсе сохраняется связь с академическими выводами, однако происходит смещение фокуса. Сбой интерпретируется уже не только как техническая характеристика, но и как практический риск для пользователя [MIT Sloan 2025]. При этом сохраняется стремление к объяснению причин, однако центральным становится вопрос: что делать пользователю? Возникает нормативный компонент − формируются рекомендации по цифровой гигиене, проверке источников и корректному использованию ИИ [Lakera AI 2025]. Таким образом, сбой интерпретируется уже не только как техническая характеристика, но и как фактор цифровой грамотности.
Массовый дискурс, в свою очередь, переводит проблему в социально-эмоциональную плоскость. Здесь галлюцинация перестает быть абстрактным свойством алгоритма и становится событием, влияющим на общественное мнение. Ошибка ИИ описывается как симптом более широкой тревоги, связанной с автоматизацией, потерей контроля и кризисом доверия [Pew Research Center 2025]. В журналистских расследованиях и репортажах фиксируются случаи, когда взаимодействие с ИИ усиливало когнитивные искажения пользователей [The Wall Street Journal 2025]. Алгоритм в этом пространстве нередко персонифицируется, что усиливает драматизацию: он «создает иллюзии», «вводит в заблуждение», «провоцирует». Такая риторика делает проблему доступной широкой аудитории, но одновременно упрощает ее природу.
Существенное различие между дискурсами проявляется в трактовке ответственности. В научных публикациях ответственность распределяется между архитектурой модели, разработчиками и пользователями. В научно-популярном поле акцент смещается на пользователя, которому предлагается быть внимательным и критичным. В массовом медиапространстве ответственность часто приписывается самой технологии как самостоятельному агенту. Это различие отражает разные представления о субъектности алгоритма и его месте в коммуникации.
Отличается и временная перспектива. Научный дискурс ориентирован на долгосрочное развитие технологий и методологическое совершенствование. Научно-популярный − на актуальные практики использования «здесь и сейчас». Массовый дискурс сосредоточен на событии, на текущем инфоповоде, который вызывает эмоциональную реакцию и обсуждение.
При этом в 2025 году наблюдается важная точка пересечения всех трех уровней − снижение технологической эйфории. Если в предыдущие годы массовые медиа нередко воспроизводили оптимистические нарративы, то анализируемый период характеризуется усилением мотивов осторожности. Научные публикации фиксируют системность ошибок, популярные издания предупреждают о рисках, а массовые медиа чаще добавляют оговорки о необходимости человеческого контроля. Таким образом, дискурсы сближаются в оценке ограничений ИИ, хотя сохраняют различия в способах репрезентации.
Цифровизация медиасферы усиливает эффект этих расхождений. Алгоритмы участвуют не только в создании текста, но и в его распространении через платформенные механизмы ранжирования и рекомендательные системы. Ошибка быстро масштабируется и становится видимой миллионам пользователей. В результате сбойная коммуникация перестает быть исключением и превращается в повторяющийся элемент цифровой публичной среды. Она становится не случайной аномалией, а симптомом структурной трансформации медиакоммуникации, в которой границы между источником, посредником и аудиторией становятся размытыми.
Таким образом, сравнительный анализ показывает, что различия между дискурсами касаются не только риторики, но и глубинных представлений о природе коммуникации в цифровую эпоху: от инструментальной модели в научном поле к нормативно-практической в популярном и к эмоционально-событийной в массовом медиапространстве.
Список литературы:
European Broadcasting Union; BBC. AI’s systemic distortion of news is consistent across languages and territories: international study by public service broadcasters. 2025. URL: https://www.ebu.ch/news/2025/10/ai-s-systemic-distortion-of-news-is-consistent-across-languages-and-territories-international-study-by-public-service-broadcaste (дата обращения: 07.01.2026).
Harvard Kennedy School Misinformation Review. New sources of inaccuracy? A conceptual framework for studying AI hallucinations. 2025. URL: https://misinforeview.hks.harvard.edu/article/new-sources-of-inaccuracy-a-conceptual-framework-for-studying-ai-hallucinations/ (дата обращения: 07.01.2026).
Lakera AI. Guide to hallucinations in large language models. 2025. URL: https://www.lakera.ai/blog/guide-to-hallucinations-in-large-language-models (дата обращения: 07.01.2026).
MIT Sloan. When AI gets it wrong: addressing AI hallucinations and bias. 2025. URL: https://mitsloanedtech.mit.edu/ai/basics/addressing-ai-hallucinations-and-bias/ (дата обращения: 07.01.2026).
Pew Research Center. How people around the world view AI. 2025. URL: https://www.pewresearch.org/global/2025/10/15/how-people-around-the-world-view-ai/ (дата обращения: 07.01.2026).
Scientific Reports. Hallucinations and reliability of large language models. 2025. URL: https://www.nature.com/articles/s41598-025-31075-1 (дата обращения: 07.01.2026).
The Wall Street Journal. I feel like I’m going crazy: ChatGPT fuels delusional spirals. 2025. URL: https://www.wsj.com/tech/ai/i-feel-like-im-going-crazy-chatgpt-fuels-delusional-spirals-ae5a51fc (дата обращения: 07.01.2026).
Шевченко А.А. «Галлюцинации» ИИ как новая форма эпистемической ошибки // Respublica Literaria. 2025. Т. 6, № 4. С. 93–98.
Научный руководитель – Савченко Аркадия Валерьевна, аналитик Центра научной коммуникации, ассистент Института международного развития и партнерства НИУ ИТМО.