Эта статья является препринтом и не была отрецензирована.
О результатах, изложенных в препринтах, не следует сообщать в СМИ как о проверенной информации.
ИИзм. Эпистемологический сдвиг и эволюция учёных AIism. Epistemological Shift and the Evolution of Scientists
Резюме
Статья посвящена фундаментальному изменению концепции научного знания, вызванному интеграцией искусственного интеллекта в исследовательский процесс. Авторы вводят понятие «ИИзм» для обозначения новой эпистемологической парадигмы, в которой память и эрудиция делегируются машине, а человек освобождается для интеллекта и эвристики — способности видеть связи, задавать вопросы и строить гипотезы. Проводится историческая параллель с «эффектом Кольта»: подобно тому, как револьвер уравнял физически сильного и слабого, ИИ уравнивает эрудита (обладателя хорошей памяти) и интеллектуала (обладателя острой мысли). На основе анализа нейробиологических данных, эмпирических исследований и философских концепций постгуманизма предлагается типология учёных новой формации: интеллектуал, золотоискатель, архитектор и рецинфолог. Рассматриваются институциональные последствия (уход посредников в лице научных руководителей и институтов), глобализация доступа к науке и риски нового этапа. Статья завершается прогнозом эволюции научных материалов — к лаконичности, полировке и искабельности.
---
Summary
The article addresses a fundamental transformation in the concept of scientific knowledge driven by the integration of artificial intelligence into the research process. The authors introduce the term "AIism" to denote a new epistemological paradigm in which memory and erudition are delegated to machines, freeing the human mind for intelligence and heuristics — the ability to perceive connections, ask questions, and formulate hypotheses. A historical parallel is drawn with the "Colt effect": just as the revolver equalized the strong and the weak, AI equalizes the erudite (possessor of a good memory) and the intellectual (possessor of sharp thinking). Drawing on neuroscientific data, empirical studies, and posthumanist philosophical concepts, the article proposes a typology of a new generation of scientists: the intellectual, the prospector, the architect, and the recinfologist. Institutional consequences (the obsolescence of intermediaries such as supervisors and institutions), the globalization of access to science, and the risks of this new stage are examined. The article concludes with a forecast of the evolution of scientific writing toward conciseness, refinement, and findability.
1. Cell Reports (2025). Relational memory representations in the hippocampus correlate with fluid intelligence. [в печати, требуется уточнение]
2. Tonegawa S., et al. (2024). Silent engrams: latent memory traces revealed by optogenetic stimulation. Picower Institute, MIT.
3. Oakley B., et al. (2025). The Memory Paradox: Why internal schemas still matter in the age of AI. [в печати]
4. Yashchenko V. (2023). Secrets of memory. Biological and computer parallels. Artificial Intelligence, 28(3), 31-45.
5. Chen Y., Wang Y., Wüstenberg T., et al. (2025). Effects of generative artificial intelligence on cognitive effort and task performance: study protocol for a randomized controlled experiment among college students. Trials, 26(1), 244.
6. Evans J., et al. (2026). The paradox of AI in science: individual gains and collective costs. Nature, январь 2026. [в печати, требуется уточнение]
7. Qian et al. (2026). Large language models in grant applications: semantic originality and funding success. arXiv preprint.
8. OpenAI (2025). ChatGPT usage trends in scientific communities. [технический отчёт]
9. Cornell University (2025). AI and research productivity: a multi-disciplinary study. [исследовательский отчёт]
10. Matsubara S. (2026). AI use in peer review: Strict regulation may still be needed. International Journal of Gynecology & Obstetrics. Online ahead of print. PMID: 41689359.
11. Lippi G., Lackner K.J., Melichar B., et al. (2025). Challenging the dogma: why reviewers should be allowed to use AI tools. Clinical Chemistry and Laboratory Medicine, 63, 2349-2352.
12. Matsubara S. (2025). Reconsidering generative AI a friend or foe: introducing the perspective of "who is merited". International Journal of Gynecology & Obstetrics, 170(3), 1401-1403.
13. Трегубова Н.Д. (2020). Разделение труда, кооперация и новые типы экспертизы в условиях искусственной социальности. Социология власти, 32(1), 120-154.
14. Haraway D. (1985). A Cyborg Manifesto: Science, Technology, and Socialist-Feminism in the Late Twentieth Century.
15. Stiegler B. (2010). Technics and Time. (любое издание).
16. Floridi L. (2023). The Ethics of Artificial Intelligence. Oxford University Press.
17. Crawford K. (2021). Atlas of AI. Yale University Press.
18. Collins H. (2018). Artifictional intelligence: against humanity's surrender to computers. Polity Press.
19. Mollick E. (2024). Co-Intelligence: Living and Working with AI.
20. Рассел С., Норвиг П. (2006). Искусственный интеллект: современный подход. 2-е изд. М.: Вильямс.
21. Galizia C.G., Lledo P.-M. (eds). (2013). Neurosciences - From Molecule to Behavior. Springer.
22. Knorr Cetina K. (1997). Sociality with Objects: Social Relations in Postsocial Knowledge. Theory, Culture and Society, 14, 1-30.
23. MacKenzie D.A. (2001). Mechanizing proof: computing, risk, and trust. MIT Press.
24. Резаев А.В., Трегубова Н.Д. (2019). «Искусственный интеллект», «онлайн-культура», «искусственная социальность»: определение понятий. Мониторинг общественного мнения, 6, 35-47.
25. Zavrsnik A., Simoncic K. (eds). (2023). Artificial Intelligence, Social Harms and Human Rights.
