Гуманитарные ведомости. Вып. 3(55) 2025 г

Гуманитарные ведомости ТГПУ им. Л. Н. Толстого № 3 (55), ноябрь 2025 г. 184 "хороший" с фразой "Этот день очень", получится что-то близкое к [1.1, 0.8], что может указывать на положительный смысл фразы. Аналогично, если мы сложим вектор "плохой" с фразой "Этот фильм ужасен", получится что-то близкое к [0.4, 0.2], что может указывать на негативный смысл. Таким образом, числовые представления слов и фраз, называемые эмбеддингами слов, позволяют компьютерам понимать и работать с текстом так же, как мы, люди» [4]. Использование векторных представлений слов для улучшения задач классификации и кластеризации текстов является одним из основных способов повысить эффективность анализа текстовых данных. Таким образом, нейросеть понимает смысл слов: векторные представления слов (эмбеддинги) захватывают семантический смысл каждого слова. Это означает, что слова с похожими смыслами имеют близкие числовые представления в векторном пространстве. Более понятным языком цель и процесс своего обучения пояснила сама нейросеть GPT-4 производства компании Open AI: «GPT использует архитектуру трансформера, которая позволяет эффективно обрабатывать длинные последовательности и учитывать контекст запросов и ответов. GPT обучается в два этапа: предварительное обучение на большом объеме неструктурированных текстовых данных и дообучение на специфических задачах с использованием меньшего количества размеченных данных. Одной из моих ключевых задач является развитие способности понимать тексты, написанные на естественном языке, с высокими точностью и глубиной. Это включает анализ синтаксических и семантических связей, определение контекста и выявление ключевых идей» [5]. Так, когда мы говорим об искусственном интеллекте в рамках алгоритмической парадигмы, мы уверено можем заявлять об имитации мыслительных процессов, мышления. Но, когда мы рассматриваем нейросети глубокого обучения, то речь идет уже не об имитации, а об эмуляции мышления, поскольку искусственные нейронные сети созданы по образу и подобию человеческой мыслительной архитектуры. Более того, если рассматривать природу мышления в рамках философии лингвистического позитивизма и языкознания, то можно однозначно утверждать о наличии формы мышления у нейросетей, таких как GPT-4. Например, нейросеть, в чью задачу входит семантический анализ текста, разбивает его на составляющие, анализирует отдельные слова и группы слов, а потом на новом уровне слоя нейронов оперирует с общим контекстом, выделяя семантический смысл, что в алгоритмической системе кода просто невозможно. Подобный поэтапный, многослойный анализ свойствен и человеку в процессе восприятия информации. Понимать, интерпретировать, анализировать и продуцировать информацию – неотъемлемый признак мышления. В философии степень соотношения языка и мышления сильно меняется от одной философской парадигмы к другой. Но общим является признание ключевой роли мышления в возможности оперировать языковой знаковой системой, что и делает человека,