«Дыры в сети»: как ИИ усиливает неравенство знаний и приближает человечество к катастрофе

Николай Вокуев

Нейросети порой кажутся всезнающими. Люди доверяют им вопросы здоровья, быта, отношений и экспертных оценок — а компании и государства внедряют ИИ в сферы от медицины и образования до военных технологий.

Но что, если цифровое знание изначально устроено как карта с огромными слепыми зонами, а алгоритмы лишь усиливают уже существующие иерархии и пробелы — языковые, культурные, эпистемологические? Сегодня тысячи языков находятся под угрозой исчезновения: вытесняемые более «ресурсными» в цифровом понимании, они уходят вместе со своими носителями — а за ними исчезают и способы описывать мир, а также практики, ритуалы и знания о локальной природе.

Эссе Дипака Варувела Деннисона, аспиранта Корнелльского университета, занимающегося темой ответственного ИИ, начинается с личной семейной истории и постепенно приводит к неутешительному выводу: современные нейросети ускоряют исчезновение целых пластов человеческого опыта, складывавшегося поколениями.

Специально для Дискурса Николай Вокуев перевел этот тревожный и глубокий текст — о том, чем опасен нейрооптимизм и почему сегодня так важно увидеть белые пятна на карте цифрового знания, чтобы избежать надвигающегося кризиса.

Несколько лет назад у моего отца диагностировали опухоль на языке, и нам пришлось выбирать между разными вариантами лечения. Когда дело касается вопросов здоровья, в нашей семье прослеживается особая динамика. Моя старшая сестра, врач, изучала западную аллопатию, а родители — приверженцы традиционной медицины. Я вырос в маленьком городке в Индии и с детства был окружен ритуалами. У моего отца тоже был свой ритуал. Всякий раз, когда мы посещали его родную деревню в южном штате Тамилнад, он покупал бутылку густого, острого, настоянного на травах масла у вайдьяра — лекаря, практикующего Сиддха-медицину. Так он сохранял связь с той разновидностью медицины, с которой он всегда был знаком и которой доверял.

Отцовская опухоль имела признаки злокачественной. Поэтому врачи в больнице, как и моя сестра, настаивали на операции. Родители были против, опасаясь, что вмешательство повредит речь отца. Как правило, в таких ситуациях слово берусь держать я — профессиональный посредник в нашей семье. А дальше, по всем правилам жанра, как миллениал, иду за ответами в интернет. После нескольких дней тщательных исследований я (как обычно) встал на сторону сестры и выступил за операцию. Интернет нас поддержал.

В конце концов мы убедили отца и даже назначили дату. Но тогда он хитро воспользовался беременностью моей сестры как отвлекающим маневром и пропустил операцию. Пока мы каждый день уговаривали его, он тайно принимал своё зелье. И, о чудо, спустя несколько месяцев опухоль действительно уменьшилась, а затем и вовсе исчезла. Этот эпизод определенно дал отцу повод для хвастовства.

В тот момент я счёл это счастливой случайностью. Но в последнее время я спрашиваю себя, не слишком ли поспешно я отмахнулся от родительской веры в традиционное знание, с готовностью признав авторитет источников, доминирующих в цифровом мире.

Мне по-прежнему трудно поверить, что травяные смеси моего отца действительно сработали. Но с тех пор я также понял, что, казалось бы, всезнающий интернет, которому я так охотно доверял, содержит огромные пробелы — и с развитием искусственного интеллекта ситуация лишь усугубляется.

Иронично, что эта дилемма возникла в ходе моих исследований в американском университете, в обстановке, максимально далёкой от контекста моего детства, в котором традиционные практики были частью повседневной жизни. В Корнельском университете в Нью-Йорке я изучаю, что требуется для разработки ответственных систем искусственного интеллекта. Моя работа открыла мне глаза на то, как цифровой мир отражает глубокие дисбалансы власти в области знания — и как генеративный ИИ (GenAI) многократно усиливает их. На заре интернета в нём доминировали английский язык и западные институты, и этот дисбаланс со временем усугубился. Целые миры человеческих знаний и опыта остались не оцифрованными. Сейчас, с ростом GenAI, обученного на этом доступном цифровом корпусе, асимметрия грозит укорениться.

Для многих людей GenAI становится основным способом познания мира. Опубликованное в сентябре 2025 года масштабное исследование о том, как люди используют ChatGPT с момента его запуска в ноябре 2022 года, показало, что около половины запросов были связаны с поиском практических рекомендаций или информации. Эти системы могут казаться нейтральными, но на деле они далеки от этого.

Самые популярные модели отдают предпочтение господствующим эпистемологиям (как правило, западным и институциональным), маргинализируя альтернативные способы познания, особенно те, что кодированы в устных традициях, телесных практиках и языках, считающихся «малоресурсными» в мире вычислений, таких как хинди или суахили, на которых говорят сотни миллионов людей.

Усиливая эти иерархии, GenAI рискует внести свой вклад в уничтожение систем понимания, складывавшихся на протяжении веков, отрывая будущие поколения от огромного массива озарений и мудрости, которые никогда не были закодированы, но остаются важнейшей частью человеческого познания. На кону стоит не только представленность, но и устойчивость и разнообразие самого знания.

GenAI обучается на основе обширных наборов текстовых данных из таких источников, как книги, статьи, веб-сайты и стенограммы. Отсюда и название «большая языковая модель» (Large Language Model, LLM). Однако эти данные далеко не исчерпывают всех знаний человечества. Наряду с устными культурами, в них плохо представлены или вовсе отсутствуют многие языки.

Чтобы понять, почему это важно, признаем для начала, что язык — это не просто средство коммуникации, но и хранилище особых знаний. Каждый язык содержит в себе целый мир многовекового человеческого опыта и понимания: ритуалы и обычаи, формирующие сообщества, особые способы восприятия красоты и создания искусства, глубокое знакомство с определёнными ландшафтами и природными системами, духовные и философские мировоззрения, утончённую лексику для описания внутренних переживаний, экспертизу в различных областях, основы организации общества и правосудия, коллективную память и исторические нарративы, традиции целительства и замысловатые социальные связи.

Когда системы ИИ плохо знакомы с тем или иным языком, в их понимании человеческого опыта возникают слепые зоны. Так, данные из Common Crawl, одного из крупнейших общедоступных источников обучающих данных, демонстрируют вопиющее неравенство. В нём собрано 300 миллиардов веб-страниц за 18 лет, из которых 44% — на английском. Еще большее беспокойство вызывает дисбаланс между количеством людей, говорящих на том или ином языке в физическом мире, и тем, насколько он представлен в онлайн-данных. Взять, к примеру, хинди — третий по распространенности язык в мире, на котором говорит около 7,5% населения планеты. На него приходится лишь 0,2% данных Common Crawl. Ситуация еще более плачевна для моего родного тамильского языка. Хотя на нем говорят более 86 миллионов человек по всему миру, он составляет лишь 0,04% данных. Напротив, английский, которым владеет около 20% населения мира (как носителей, так и тех, для кого он не является родным), но в цифровом пространстве его присутствие несоразмерно больше. Лучше представлены в интернете и другие колониальные языки, такие как французский, итальянский и португальский, на которых говорит гораздо меньше людей, чем на хинди.

Однако низкая представленность хинди и тамильского, какой бы она ни была тревожной, — лишь верхушка айсберга. В мире вычислений примерно 97% языков мира классифицируются как «малоресурсные». За пределами информатики это обозначение обманчиво: многие из этих языков насчитывают миллионы носителей и целые века богатого лингвистического наследия. Они всего лишь плохо представлены в интернете или в доступных наборах данных. Напротив, «высокоресурсные» языки располагают обильными и разнообразными цифровыми данными.

Исследование 2020 года показало, что 88% языков мира настолько обделены вниманием в технологиях ИИ, что потребовались бы титанические, а то и невозможные усилия, чтобы довести их до нужного уровня представленности. И нет оснований полагать, что сегодня положение дел принципиально изменилось.

О том, какие типы знания выпадают из поля ИИ, можно судить на одном простом примере — нашем понимании локальных экосистем. Однажды мой друг-эколог сказал одну вещь, которая запомнилась мне надолго: связь сообщества с его экологией можно проследить по названиям местных растений. Чем теснее связь с окружающей средой, тем более подробным и конкретным становится ботанический словарь. Поскольку виды растений часто регионально специфичны или экологически уникальны, знания о них становятся столь же локализованными. Этот вывод оказывается удивительно точным, если обратиться к существующим исследованиям. Так, одно исследование лекарственных растений в Северной Америке, северо-западной Амазонии и Новой Гвинее обнаружило, что более 75% из 12 495 различных способов использования растений были уникальны только для одного локального языка. Когда язык маргинализируется, заложенные в нём знания о растениях часто исчезают вместе с ним.

Работая над этим эссе, я беседовал о языковых лакунах в GenAI с разными людьми. Одним из них был Дхаран Ашок, главный архитектор организации Thannal, занимающейся возрождением техник природного строительства в Индии. Он подтвердил, что между языком и локальными экологическими знаниями существует тесная связь, и что именно она лежит в основе архитектурных знаний коренных народов. По его словам, тогда как современное строительство в основном ассоциируется с бетоном и сталью, индигенные методы строительства были глубоко укоренены в экологию места. В них использовались материалы, доступные в окружающей среде, при этом важную роль играли биополимеры, полученные из местных растений.

На фоне опасений по поводу неустойчивых и углеродоёмких практик современного строительства Дхаран активно работает над восстановлением утраченного искусства получения биополимеров из местных растений. Однако, отмечает он, основная трудность заключается в том, что эти знания в основном не задокументированы и передаются устно на родных языках. Бывает так, что хранят их лишь несколько старейшин и, умирая, уносят с собой. Дхаран рассказал, как недавно упустил возможность научиться изготавливать особый вид кирпича из известняка, когда умер последний владевший этими знаниями ремесленник.

Чтобы понять, как некоторые способы познания начинают доминировать в глобальных масштабах — нередко за счёт коренных знаний, — полезно обратиться к концепции культурной гегемонии, разработанной итальянским философом Антонио Грамши.

Грамши утверждал, что власть поддерживается не только с помощью силы или экономического контроля, но и через формирование культурных норм и повседневных верований. Со временем укоренённые в западных традициях эпистемологические подходы стали восприниматься как объективные и универсальные, а не культурно обусловленные или исторически случайные. Так западное знание утвердилось в качестве «естественного» стандарта, заслонив исторические и политические обстоятельства, которые привели его к господству. Такие институты, как школы, научные учреждения и международные организации по развитию, помогли закрепить это доминирование.

Эпистемологии не бывают лишь абстрактными и когнитивными. Они физически воплощены вокруг нас и непосредственно влияют на наши тела и жизненный опыт.

Чтобы понять, почему это так, обратимся к примеру, резко контрастирующему с теми коренными строительными практиками, которые Дхаран стремится возродить: высотные здания со стеклянными фасадами в тропиках.

Стеклянные здания — далеко не нейтральный или чисто эстетический выбор. Они отражают особую эпистемологическую традицию, укоренённую в западном архитектурном модернизме. Изначально спроектированные для холодного климата с низкой освещенностью, эти здания высоко ценились за энергоэффективность, обеспечивавшую проникновение дневного света в помещения и снижавшую зависимость от искусственного освещения.

Но когда такой дизайн применяют в тропических регионах, это оборачивается экологическим противоречием. Исследования показывают, что в местах с интенсивным солнечным светом стеклянные фасады приводят к перегреву помещений и тепловому дискомфорту даже с современным остеклением. Вместо экономии энергии такие здания нуждаются в ней для поддержания прохлады.

Тем не менее стеклянные фасады сегодня повсюду символизируют городскую современность — от Сан-Франциско до Джакарты или Лагоса, невзирая на климат или культурный контекст.

На фоне ускоряющегося климатического кризиса стеклянные здания служат наглядным напоминанием о рисках унификации знания и эпистемических иерархий. Ирония заключается в том, что пишу я эти строки в одном из таких зданий в Бангалоре на юге Индии. Я сижу в прохладном помещении и слышу тихое гудение кондиционера. Снаружи люди прогуливаются под моросящим дождем. Это похоже на обычный муссонный день, вот только дожди в этом году начались на несколько недель раньше — ещё один признак растущей непредсказуемости климата.

В Бангалоре я вижу и то, как утрата знаний влияет на управление водными ресурсами. Почему в городе, где автомобили уходят под воду в мае, в марте люди ищут её даже для бытовых нужд? Это можно списать на плохое планирование и бесконтрольную урбанизацию, но у этого есть и глубокие эпистемологические причины.

Бангалор когда-то славился своей умной системой управления водными ресурсами, которую питала сеть взаимосвязанных каскадных озер. На протяжении веков этими озерами управляли специальные сообщества, такие как Нируганти (neeru значит «вода» на языке каннада), которые контролировали поток воды и справедливо её распределяли. В зависимости от количества дождей они подсказывали фермерам, какие культуры выращивать, часто предлагая водосберегающие сорта. Они же занимались обслуживанием: очищали резервуары от ила, высаживали растения для предотвращения эрозии и очищали каналы подачи.

Но с модернизацией общинное управление водными ресурсами уступило место централизованным системам и индивидуальным решениям, вроде орошения из дальних плотин и скважин. Зелёная революция конца 1960-х годов усилила этот сдвиг, продвигая выведенные в западных лабораториях культуры, требующие большого количества воды и удобрений. Нируганти были вытеснены, многие из них уехали в поисках другой работы. Местные озера и каналы пришли в упадок, а некоторые из них застроили дорогами, зданиями или автобусными остановками.

Эксперты убедились, что ключ к спасению Бангалора от водного кризиса лежит в восстановлении этих озёрных систем. Социальный работник, который участвовал в некоторых из этих проектов, сказал мне, что они часто обращаются за советом к старейшинам общины Нируганти. Их советы очень ценны, но их локальные знания не записаны, а роль в управлении водными ресурсами общины давно утратила легитимность.

Эти знания передаются лишь устно, на их родном языке, и в большинстве своём отсутствуют в цифровом пространстве, не говоря уже о системах ИИ.

Хотя до сих пор я брал примеры из Индии, с которой связан лично, такие иерархии широко распространены и уходят корнями в глобальную историю империализма и колониализма. В своей книге Decolonising Methodologies («Деколонизируя методологии», 1999) исследовательница-маори Линда Тухиваи Смит подчеркивает, что колониализм в корне нарушил местные системы знаний— а вместе с ними и культурные и интеллектуальные основания, на которых они строились, — разорвав связи с землёй, языком, историей и социальными структурами. Она показывает, что эти процессы не ограничиваются одним регионом, а носят глобальный характер и влияют на то, какие знания считаются значимыми. На этом искаженном основании и строятся современные цифровые системы и GenAI.

Недавно я сотрудничал с Microsoft Research, анализируя проекты генеративного ИИ, ориентированные на незападные аудитории. Видя, как часто эти модели упускают культурный контекст, игнорируют локальные знания и расходятся с потребностями целевой группы, я осознал, насколько сильно они закрепляют существующие предубеждения и исключают маргинализированные знания.

Эта работа помогла мне лучше понять и технические причины такого неравенства в моделях. Проблема гораздо глубже, чем просто лакуны в обучающих данных.

LLM по своему дизайну склонны воспроизводить и усиливать статистически преобладающие идеи, создавая петлю обратной связи, которая сужает объем доступных человеческих знаний.

Почему это происходит? Внутренняя репрезентация знаний в LLM не однородна. Концепты, которые встречаются в обучающих данных чаще, заметнее или в более широком диапазоне контекстов, как правило, сильнее кодируются. Если, к примеру, пицца часто упоминается в обучающих текстах как любимая еда, модель с большей вероятностью ответит «пицца» на вопрос «Какая твоя любимая еда?». Не потому, что LLM её любит, а потому, что эта ассоциация статистически более значима.

Более того, распределение результатов модели не отражает напрямую частоту появления идей в обучающих данных: LLM часто усиливают доминирующие паттерны, искажая их исходные пропорции. Это явление можно назвать «усилением модальности».

Допустим, обучающие данные включают 60% упоминаний о пицце, 30% — о пасте и 10% — о бирьяни в контексте предпочитаемых блюд. Можно было бы ожидать, что модель будет воспроизводить это распределение, если ей сто раз задать один и тот же вопрос. Однако на практике LLM склонны перепроизводить наиболее частый ответ. Пицца может появиться больше 60 раз, тогда как более редкие элементы, вроде бирьяни, будут недопредставлены или вовсе опущены. Причина в том, что LLM оптимизированы для предсказания наиболее вероятного следующего «токена» (следующего слова или фрагмента слова в некоторой последовательности). Это приводит к непропорциональному акценту на высоковероятных ответах, превышающему их фактическую распространенность в обучающем корпусе. Вместе эти два принципа — неравномерная внутренняя репрезентация знаний и усиление модальности при генерации результатов — помогают объяснить, почему LLM часто усиливают доминирующие культурные паттерны или идеи.

Эта неравномерная кодировка ещё больше искажается при обучении с подкреплением на основе обратной связи от человека (RLHF), когда модели GenAI подстраиваются под человеческие предпочтения. Это неизбежно переносит ценности и мировоззрение их создателей в сами модели. Задайте ChatGPT вопрос на спорную тему, и вы получите дипломатичный ответ, как будто составленный группой юристов и специалистов по кадрам, желающих вам угодить. Задайте тот же вопрос Grok, и он ответит вам саркастичной шуткой и политически окрашенным мнением, вполне уместными на ужине у одного техномиллиардера.

Коммерческое давление добавляет к этому ещё один уровень. Наиболее прибыльные пользователи — англоязычные профессионалы, готовые платить 20–200 долларов в месяц за премиум-подписку на ИИ — становятся негласным образцом для «суперинтеллекта».

Эти модели преуспевают в создании квартальных отчетов, программировании на языках, предпочитаемых в Кремниевой долине, и составлении писем, достаточно почтительных по отношению к западным корпоративным иерархиям. Они же спотыкаются о культурные контексты, которые не переводятся в квартальную прибыль.

Неудивительно, что всё больше исследований показывают, как LLM отражают преимущественно западные культурные ценности и эпистемологии. Их выдачи чрезмерно представляют определённые доминантные группы, закрепляют и усиливают их предубеждения и более точны в фактах, когда дело касается Северной Америки и Европы. Даже в области туристических рекомендаций или сторителлинга LLM склонны генерировать более содержательные и подробные выдачи для более богатых стран по сравнению с более бедными. Я мог бы привести ещё как минимум 50 подобных исследований.

GenAI не только отражает существующие иерархии знаний, но и способен их усиливать, поскольку поведение людей меняется вместе с ним.

Интеграция обзоров ИИ в поисковые системы, а также растущая популярность поисковиков на базе ИИ, таких как Perplexity, подчеркивают эту тенденцию. Недавнее исследование выявило изменение в поведении американских пользователей Google: те стали реже кликать на результаты поиска, если рядом отображается сводка ИИ. Раньше людям приходилось просматривать несколько ссылок, чтобы сравнить точки зрения и собрать исчерпывающую информацию. Теперь они могут ограничиться чтением сводок, сгенерированных искусственным интеллектом.

Заполняя собой интернет, такой контент добавляет ещё один уровень усиления и без того популярным в сети идеям. Будучи основным источником знаний для моделей ИИ, интернет становится рекурсивно зависимым от генерируемых этими же моделями выдач.

С каждым циклом обучения новые модели всё больше опираются на контент, созданный ИИ, усиливая преобладающие нарративы и ещё больше маргинализируя менее заметные перспективы.

Это может запустить петлю обратной связи, в которой господствующие идеи набирают силу, а узкоспециализированные или нишевые знания исчезают из поля зрения.

Исследователь Эндрю Питерсон описывает это явление как «коллапс знания», постепенное сужение доступной людям информации наряду со снижением осведомлённости об альтернативных или малоизвестных точках зрения. Поскольку LLM обучаются на данных, сформированных предыдущими выдачами, мало представленные знания рискуют стать менее заметными — не потому, что лишены достоинств, а потому, что реже извлекаются или цитируются. Питерсон предупреждает также об «эффекте уличного фонаря» — его название отсылает к анекдоту, в котором человек ищет потерянные ключи ночью под фонарем, потому что там ярче свет. В контексте ИИ это значит: люди ищут там, где это проще всего, а не там, где это имеет смысл. Со временем общедоступная база знаний будет сужаться — не под действием цензуры, а из-за удобства и алгоритмических решений.

GenAI также становится по всему миру частью формального образования, где его применяют для создания учебных материалов и поддержки самообразования с помощью ИИ-репетиторов. Так, правительство штата Карнатака, где находится Бангалор, заключило с американской НКО Khan Academy соглашение о внедрении в школах и колледжах Khanmigo, учебного ассистента на базе ИИ. Я сильно удивлюсь, если Khanmigo владеет знаниями старейшин Нируганти, основанными на местном опыте и практиках, и необходимыми для обучения карнатакских школьников заботе о водных экосистемах.

Всё это означает, что в мире, где ИИ все сильнее влияет на доступ к знаниям, будущие поколения могут утратить связь с огромными пластами человеческого опыта и мудрости.

Разработчики ИИ возразят, что это всего лишь проблема данных и её можно решить за счет включения более разнообразных источников в обучающие наборы. Хотя технически это возможно, проблемы, связанные с источниками данных, их приоритизацией и представлением, намного сложнее, чем подразумевает такое решение.

Я осознал это после разговора с руководителем высшего звена, отвечающим за разработку и контроль развития чат-бота, который обслуживает более 8 миллионов фермеров в четырех странах Азии и Африки. Система выдаёт рекомендации по сельскому хозяйству, опираясь в основном на базы данных консультативных органов правительства и международных организаций по развитию, которые обычно используют научную литературу. Мой собеседник признал, что многие потенциально эффективные местные практики по-прежнему исключены из ответов чата, поскольку не задокументированы в исследовательской литературе.

Причина не в том, что основанные на исследованиях рекомендации всегда правильны или безопасны. Дело в том, что они обеспечивают защиту, если что-то пойдет не так. В такой крупной системе опора на признанные источники считается более надежной стратегией: она защищает организацию от юридической ответственности, одновременно отодвигая на второй план знания, которые не прошли проверку через институциональные каналы. Таким образом, это не просто техническое решение. Это компромисс, сформированный структурным контекстом, а не основанный на том, что наиболее полезно или истинно.

Этот структурный контекст не только формирует институциональные решения. Он определяет и те трудности, о которых я узнал из разговора с Перумалом Вивекананданом, основателем некоммерческой организации Sustainable-agriculture and Environmental Voluntary Action (Добровольные действия в области устойчивого сельского хозяйства и охраны окружающей среды, SEVA). Его опыт наглядно показывает, насколько непростой оказывается борьба за признание коренных знаний.Основанная в 1992 году, SEVA занимается сохранением и распространением знаний коренных народов в области сельского хозяйства, животноводства и охраны сельскохозяйственного биоразнообразия. За годы своей работы Вивеканандан задокументировал более 8600 локальных практик и приспособлений, путешествуя от деревни к деревне.

Однако эта работа постоянно наталкивается на системные препятствия. Спонсоры часто отказывают в поддержке, ставя под сомнение научную обоснованность знаний, которые SEVA стремится распространять. Когда же организация просит университеты и исследовательские институтам помочь ей с обоснованием этих знаний, те часто оказываются незаинтересованными. Некоторые даже предлагают SEVA самостоятельно финансировать исследования. Возникает «уловка-22» [неписаный закон, который освобождает учреждение от любой формы ответственности и ставит человека в абсурдное положение, лишая его понимания истинного смысла деятельности данной организации.]: без обоснования SEVA с трудом добивается поддержки, но без поддержки не может обеспечить обоснования. Этот процесс выявляет более глубокую проблему — необходимость вести борьбу за признание коренных знаний внутри систем, которые исторически их обесценивали…

Как показывает история SEVA, хоть GenAI и ускоряет уничтожение локальных знаний, ИИ не является основной причиной его сокращения. Маргинализация местных и коренных знаний давно обусловлена укоренившимися структурами власти. GenAI просто накачивает этот процесс стероидами.

В нашем представлении утрата коренных знаний часто оказывается трагедией лишь для хранивших их локальных сообществ. Но в конечном счёте эта утрата касается не только их, но и всего мира в целом.

В обществе мы часто выстраиваем иерархии знаний и сообществ, но природная экология устроена иначе: каждый локальный элемент важен для глобального равновесия. Как показывает лесник Петер Вольлебен в книге «Скрытая жизнь деревьев» (2015), природные системы глубоко взаимозависимы, часто незаметным для случайного наблюдателя образом. Он приводит убедительный пример из Йеллоустонского национального парка в США. Когда в начале XX века в парке истребили волков, это привело к неожиданным экологическим последствиям. Без волков резко выросла популяция оленей — хищники позволяли сдерживать их численность. Олени ели слишком много растительности и изменили ландшафт. Берега рек подверглись эрозии, рост деревьев замедлился, и пострадала вся экосистема в целом. Когда десятилетия спустя волков вновь завезли в парк, система начала возвращаться в норму. Растительность восстановилась, вернулись певчие птицы, изменилось даже поведение рек.

С точки зрения Вольлебена, здоровье системы зависит от наличия всех её частей, даже тех, которые могут показаться несущественными. Тот же принцип применим и к человеческим знаниям.

Исчезновение локального знания — отнюдь не мелочь, не незначительная потеря. Это разрыв более широкой сети понимания, поддерживающей благополучие как человека, так и экологии.

Как биологические виды эволюционировали, чтобы процветать в определённых локальных условиях, так и системы человеческих знаний адаптированы к особенностям места. Когда эти системы оказываются нарушенными, последствия могут распространиться далеко за пределы их точки отсчёта.

Дыму от лесных пожаров нет дела до почтовых индексов. Загрязнённая вода не останавливается на рубежах государства. Растущие температуры не обращают внимания на национальные границы. Заразные микробы не ждут выдачи виз.

Признаём мы это или нет, но мы все вовлечены в общие экологические системы, где локальные раны неизбежно отзываются глобальной болью.

Я пишу это эссе и испытываю противоречивые чувства: я пытаюсь убедить читателей в легитимности и важности локальных систем знания, тогда как сам по-прежнему сомневаюсь в эффективности травяных снадобий моего отца. Эта неуверенность как будто предаёт всё, что я отстаивал прежде. Но, возможно, именно в такой запутанности нам и нужно по-честному разобраться.

Я не уверен, что коренные знания действительно в каждом случае работают так, как об этом заявляется. Особенно когда инфлюенсеры и политики поверхностно ссылаются на них, превращая их в инструмент лайков, просмотров или политики идентичности, не изучив как следует и распространяя недостоверную информацию. Но я также опасаюсь, что эти знания могут исчезнуть. Мы можем потерять что-то ценное лишь для того, чтобы гораздо позже осознать это — возможно, с помощью искусственного суперинтеллекта. Но каким будет сопутствующий ущерб? Экологический коллапс, который мы могли бы предотвратить?

Климатический кризис обнажает трещины в наших господствующих парадигмах знания. В то же время разработчики ИИ убеждены, что их технологии ускорят научный прогресс и решат наши самые насущные проблемы. Мне очень хочется верить, что они правы. Но остается ряд вопросов: можем ли мы двигаться к этому технологическому будущему, по-настоящему взаимодействуя с системами знаний, которые отвергли, проявив искреннее любопытство, а не ограничившись символическими жестами? Или мы продолжим стирать формы понимания при помощи построенных нами иерархий и будем пытаться колонизировать Марс, потому что не научились слушать тех, кто знал, как жить на Земле экологично?

Возможно, интеллект, который нам больше всего нужен, — это способность видеть за пределами иерархий, наделяющих знания важностью. Без этой основы, сколько бы сотен миллиардов мы ни потратили на развитие суперинтеллекта, мы продолжим уничтожать системы знания, на развитие которых ушли поколения.

Я не знаю, подействовали ли травяные снадобья на моего отца. Но я начинаю понимать: признание своего незнания — возможно, самая честная отправная точка.

Искренняя благодарность моим научным руководителям Адитье Вашиште и Рене Кизилчеку, моим коллегам из Microsoft Research и замечательным друзьям, без которых это эссе не было бы возможным.