Влияние генеративных нейронных сетей на массовое сознание: сравнительный анализ западных, российских и китайских нейросетей

Статья посвящена сравнительному анализу ценностных ориентаций шести генеративных нейросетей различного национального происхождения: американских ChatGPT и Claude, китайского DeepSeek, французского Mistral AI, а также российских YandexGPT и GigaChat. Стремительное проникновение подобных систем в повседневную информационную среду ставит вопрос о том, какие именно идеологические установки они транслируют многомиллионной аудитории. Цель исследования состоит в выявлении и систематизации этих установок, а также в описании механизмов их воздействия на компоненты политического сознания. Методологической основой работы служит сочетание критического дискурс-анализа, концепции алгоритмической предвзятости и фрейм-анализа. Для тестирования моделей разработана структурированная анкета из семи блоков, охватывающих политические ценности, убеждения, знания, интерпретации событий, эмоциональные реакции, потребности и оценки. Исследование проводилось с июня по август 2025 года; все запросы предъявлялись на русском языке в стандартизированной форме. Полученные данные демонстрируют, что американские и европейская модели последовательно воспроизводят либерально-демократические установки, тогда как DeepSeek сочетает относительную открытость с жесткой блокировкой тем, чувствительных для КНР. Российские модели не формируют самостоятельного ценностного контура: на политически нейтральных вопросах их ответы фактически воспроизводят западную рамку, а при столкновении с острой проблематикой срабатывает стратегия уклонения. Фрейм-анализ позволил выделить четыре устойчивых дискурсивных фрейма: либерально-универсалистский, суверенно-прагматический, декларируемой нейтральности и избирательной блокировки. Идентифицированы семь механизмов воздействия на политическое сознание пользователей: нормализация, фреймирование, селективный отбор знаний, атрибуция мотивов, эмоциональное маркирование, формирование повестки и асимметрия критики. Сделан вывод о том, что декларируемый технологический суверенитет отечественных моделей не подкреплен содержательной ценностной альтернативой и фактически уступает информационное пространство западным конкурентам.

1. Володенков С.В. Нейросетевые алгоритмы в актуальных процессах трансформации традиционных мировоззренческих и идеологических систем // Контуры глобальных трансформаций: политика, экономика, право. 2024. Т. 17. № 2. С. 6–30. DOI: 10.31249/kgt/2024.02.01

2. Володенков С.В., Федорченко С.Н., Печенкин Н.М. Риски, угрозы и вызовы внедрения искусственного интеллекта и нейросетевых алгоритмов в современную систему социально-политических коммуникаций: по материалам экспертного исследования // Мониторинг общественного мнения. 2024. Т. 26. № 2. С. 406–424. DOI: 10.22363/2313-1438-2024-26-2-406-424

3. Зиновьева Е.С., Трапезников В.П. Международно-политическая предвзятость больших языковых моделей: критический дискурс-анализ нарративов ChatGPT, LLaMA, Gemini и DeepSeek // Полис. Политические исследования. 2026. № 1. С. 157–177. DOI: 10.17976/jpps/2026.01.11

4. Селезнева А.В. Политические ценности российской молодежи: традиционные смыслы в современных условиях // Вестник Томского государственного университета. Философия. Социология. Политология. 2024. № 77. С. 275–289. DOI: 10.17223/1998863X/77/23

5. Смулькина Н.В. Политическое восприятие страны: исследовательские модели и методологические стратегии // Политическая наука. 2025. № 4. С. 16–39. DOI: 10.31249/poln/2025.04.01

6. Bolukbasi T., Chang K.-W., Zou J., Saligrama V., Kalai A. Man Is to Computer Programmer as Woman Is to Homemaker? Debiasing Word Embeddings // Advances in Neural Information Processing Systems 29 (NIPS 2016). Barcelona: NeurIPS, 2016. URL: https://proceedings.neurips.cc/paper_files/paper/2016/file/a486cd07e4ac3d270571622f4f316ec5-Paper.pdf

7. Crawford K. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. New Haven: Yale University Press, 2021.

8. Entman R.M. Framing: Toward Clarification of a Fractured Paradigm // Journal of Communication. 1993. Vol. 43. Is. 4. P. 51–58.

9. Fairclough N. Critical Discourse Analysis: The Critical Study of Language. London: Routledge, 2013.

10. Feng S., Park C.Y., Liu Y., Tsvetkov Y. From Pretraining Data to Language Models to Downstream Tasks: Tracking the Trails of Political Biases Leading to Unfair NLP Models // Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Vol. 1: Long Papers). Toronto: ACL, 2023. DOI: 10.18653/v1/2023.acl-long.656

11. Finn P., Bell L., Tatum A., Leicht C. Assessing ChatGPT as a Tool for Research on US State and Territory Politics // Political Studies Review. 2024. Vol. 23. Is. 3. DOI: 10.1177/14789299241268652

12. Goffman E. Frame Analysis: An Essay on the Organization of Experience. Cambridge: Harvard University Press, 1974.

13. Gover L. Political Bias in Large Language Models // The Commons: Puget Sound Journal of Politics. 2023. Vol. 4. Is. 1. P. 11–22.

14. Nye J.S. Soft Power: The Means to Success in World Politics. New York: Public Affairs, 2004.

15. Pacheco A.G., Cavalini A., Comarela G. Echoes of Power: Investigating Geopolitical Bias in US and China Large Language Models // Humanities and Social Sciences Communications. 2025. Vol. 13. DOI: 10.1057/s41599-026-06577-6

16. Van Dijk T.A. Discourse and Power. London: Palgrave Macmillan, 2017.