Алгоритмы как кураторы: как ИИ формирует вкус в искусстве, музыке и моде

Главная перемена — в целеполагании. Если раньше художник, дизайнер или продюсер задавался вопросом «что я хочу выразить?», то теперь главный внутренний ориентир смещается к другому фокусу — «как понравиться алгоритму?» И в этом сдвиге симптом нового культурного уклада, в котором искусственный интеллект (ИИ) и рекомендательные системы становятся незаметными, но все более влиятельными кураторами вкуса. Если раньше творческие единицы стремились избавиться от ограничений, преодолеть рамки и высвободиться из стандартов, то теперь все чаще встраиваются в них. В этом добровольном самоограничении и заключается новая парадигма: создавать не вопреки барьерам, а подстраиваясь под них.

Мы не выбираем — мы реагируем

Нам кажется, что мы выбираем и любим определенную музыку, кино или любой другой формат контента в силу нашего вкуса, личных ассоциаций или внутреннего мира. Однако некоторые последователи нейронауки утверждают обратное: наш выбор — это не осознанное действие, а реакция на внешние и внутренние стимулы. Роберт Сапольски, известный нейробиолог, в своей книге «Все решено: жизнь без свободы воли» подробно рассказывает, что человеческие поступки и решения на самом деле детерминированы биологией, развитием, окружением и обстоятельствами и что подлинной свободы выбора в традиционном понимании не существует. Физиология, окружение, предыдущий опыт, эмоциональное состояние, а также случайные или намеренные сигналы — все это формирует поведенческий отклик, который мы ошибочно принимаем за личный выбор.

Социальная экономика Новая книга Сапольски «Все решено»: существует ли свобода воли?

В цифровой среде степень автономии сокращается еще сильнее. Алгоритмы, управляющие рекомендательными системами, устраняют саму возможность спонтанности. Мы оказываемся в экосистемах, где каждые клик, задержка взгляда, лайк и переслушивание становятся данными, которые мгновенно преобразуются в новую порцию похожего контента. Исследование музыкального сервиса Spotify и школы менеджмента MIT Sloan в 2020 году показало, что персонализированные рекомендации увеличивают вовлеченность, но вместе с тем алгоритмы заметно сужают круг того, что человек в итоге слушает: индивидуальное разнообразие контента снизилось более чем на 11 %. То есть чем точнее система подстраивается под вкусы, тем сильнее она ограничивает выбор, предлагая не новое, а все более похожее на уже прослушанное. Вкус перестает быть внутренним критерием, он становится побочным эффектом алгоритмической логики удержания.

Алгоритмы от аналитика до соавтора

Чтобы понять, как алгоритмы захватили креативную экономику, важно рассмотреть три ключевых этапа этой эволюции. В начале 2000-х, когда цифровизация только набирала обороты, алгоритмы выполняли роль аналитика. Контент стал представляться в виде данных, пригодных для обработки и анализа: тексты, изображения, аудио и видео начали классифицироваться, тегироваться и накапливаться в масштабных цифровых архивах. Появились платформы, начался сбор поведенческих паттернов, и на этом этапе основной задачей алгоритма было наблюдение за пользователем и создание аналитических моделей потребления.

С 2010-х алгоритмы стали кураторами культуры. Куратор — это не просто посредник между зрителем и произведением, а фигура, формирующая культурный нарратив. В традиционном смысле это музеи, галереи, редакции, фестивали, критики — те, кто соединял художественные жесты с историческим, эстетическим и социальным полем. Сейчас эту функцию в каком-то смысле перехватили алгоритмы. Платформы, такие как YouTube, Instagram (принадлежит корпорации Meta, признана экстремистской и запрещена в России), Spotify и TikTok, начали не просто анализировать поведение, но и активно формировать его, выдавая максимально захватывающий контент. Появилась новая парадигма: креативный продукт перестал существовать сам по себе и начал проектироваться под особенности платформ. Художники, дизайнеры, музыканты начали адаптироваться к цифровой экосистеме, в которой визуальный и смысловой стиль контента определяется не концепцией, а метриками вовлечения.

С начала 2020-х мы вступили в фазу, где алгоритмы превращаются в соавторов. Генеративные модели текста, изображения, звука и видео становятся массовыми и доступны каждому. С их помощью можно сгенерировать обложку, подобрать музыку, создать раскадровку, предложить заголовок и даже имитировать стиль конкретного художника или писателя. Технология участвует в создании смысла, но при этом не осознает его. В этой ситуации возникает новая система вызовов — этических и авторских.

Экономика инноваций Законы и алгоритмы: как регулируют рекомендательные системы веб-сервисов

Когда рекомендации становятся ловушкой

Одна из наименее заметных, но наиболее глубоких трансформаций, происходящих в культуре под влиянием алгоритмов, — это сужение горизонта. В системе, построенной на персонализированных рекомендациях, пользователь оказывается в контуре знакомого, в котором узнаваемость подменяет новизну. Мы перестаем активно искать и начинаем пассивно ожидать, переставая развиваться. Контент «находит» нас — в нужное время, в нужном тоне, в правильной форме.

Этот эффект выходит далеко за пределы искусства. Яркий и широко обсуждаемый кейс — скандал вокруг британской аналитической компании Cambridge Analytica. Он разгорелся после того, как та использовала поведенческие данные миллионов пользователей Facebook (принадлежит корпорации Meta, признана экстремистской и запрещена в России) для создания психографических профилей и микротаргетинга в президентской кампании Дональда Трампа в 2016 году и кампании Brexit. Расследования The Guardian, признания бывшего сотрудника Cambridge Analytica Кристофера Уайли и слушания в конгрессе США в 2018 году привели к закрытию компании и штрафу $5 млрд для Facebook за нарушение конфиденциальности. Этот кейс показывает, как алгоритмическая логика и автоматизация могут формировать политический выбор, создавая «цифровой вакуум», где человек сталкивается только с информацией, подтверждающей его убеждения.

Алгоритмическое мышление как новая норма

Мы все чаще потребляем перепридуманное по нескольку раз, собранное на основе того, что уже видели. Это приводит к замкнутости восприятия, к усреднению эстетики и к потере чувства художественного риска. Генеративные модели, построенные на вероятностной логике и оптимизации по принципу наибольшей вероятности, не склонны к радикальным художественным жестам. Они воспроизводят наиболее типичные, часто встречающиеся паттерны — визуальные, звуковые, смысловые. Достаточно вспомнить бесконечные фэнтези-иллюстрации Midjourney с шаблонной красотой или одинаково звучащую генеративную поп-музыку, в которой нет ни шероховатостей, ни разрывов, ни риска. Мы начинаем не различать авторов, потому что все рождается из одного и того же алгоритмического шаблона.

Творческие специалисты все чаще мыслят не в терминах замысла, а в категориях срабатывания. Исследование Content Creators Between Platform Control and User Autonomy, опубликованное в журнале Business & Information Systems Engineering, посвящено влиянию алгоритмов и моделей монетизации на свободу творчества создателей контента. Оно показывает, что креаторы на платформах вроде YouTube сознательно подстраивают контент под алгоритмы, жертвуя творческой свободой ради охватов и дохода. Они балансируют между интересами аудитории и требованиями системы, превращая творчество в стратегию выживания в условиях алгоритмического контроля. Это формирует новый тип мышления — не интуитивный и не концептуальный, а инструментально-поведенческий. Мы получаем поколение креативных специалистов, которое работает не на смыслы, а на логику реакции.

Социальная экономика Нейросеть или нет: как распознать контент, созданный ИИ

Правовые и этические вызовы: от авторства до лицензий

В мире генеративного ИИ вопрос авторства становится особенно острым. Кто владеет результатом генерации — человек, сформулировавший запрос, или разработчик модели? Кто кого обучает? Юридическая практика пока не дает однозначного ответа. В большинстве юрисдикций результат, созданный исключительно ИИ, не признается объектом авторского права, если в процессе не было значительного творческого участия человека. Однако граница между «значительным» и «вспомогательным» размыта, что создает серую зону, особенно в коммерческом производстве. Отдельная проблема — защита стиля. На сегодняшний день авторское право защищает конкретное произведение, но не художественный прием, метод или эстетику. Это означает, что ИИ может беспрепятственно имитировать визуальные и звуковые стили художников без юридических последствий, даже если такая имитация фактически разрушает ценность оригинала и подрывает возможность его монетизации.

Совместные проекты человека и ИИ также требуют нового правового инструментария. Как фиксировать соавторство? Как делить гонорар, если часть работы выполнил алгоритм? Как оформлять лицензию на контент, который не является результатом индивидуального труда, но создавался с участием модели? Эти вопросы пока остаются в тени, но в ближайшие годы потребуют системного регулирования на уровне законодательств.

Наконец, одной из самых острых и слабо урегулированных тем остается обучение моделей на чужом контенте. Сегодня большинство генеративных ИИ-систем обучаются на масштабных дата-сетах, включающих в себя миллионы изображений, видео, аудио- и текстовых материалов, зачастую полученных без согласия их авторов, что вызывает серьезные правовые и этические споры. Вопрос о правомерности использования произведений в обучении становится центральным: необходимо ли получать разрешение от правообладателей, следует ли выплачивать роялти, возможен ли механизм отказа от участия в тренировке? Хорошая иллюстрация в этой дискуссии — кейс с нейросетевой моделью Sora, разработанной OpenAI. В феврале 2024 года она была замечена в создании видео, в котором воспроизводятся визуальный стиль и формат подачи, характерные для американского техноблогера Маркуса Браунли. Хотя видео не использовало его образ напрямую, узнаваемость стилистики и композиции вызвала бурную реакцию в профессиональном сообществе: Браунли публично высказал обеспокоенность тем, что ИИ обучается на его материалах без разрешения, а результат используется как демонстрация возможностей модели. Этот кейс стал символическим примером того, как генеративный ИИ пересекает границы между вдохновением, заимствованием и нарушением авторских прав, что делает необходимым пересмотр как технических архитектур обучения, так и нормативных основ их применения.

Творчество начинается там, где заканчивается алгоритм

Создание контента вне алгоритмической среды уже невозможно, однако это не означает, что творчество должно подчиняться ее логике. Пока человек остается субъектом, он способен ставить цели, отличные от оптимизации. Культура не растет из расчета — она рождается из случайностей, сбоев, нарушений и неожиданных столкновений. Именно отклонение от нормы становится источником нового.

Творческий акт — это не только результат, но и процесс, в котором человек проживает идею. Генеративные модели могут упростить техническую часть, сократить время, предложить варианты, но только человек способен на интуитивный выбор, на художественный риск, на бессмысленное в логике, но глубокое в сути решение. Культура нуждается не в совершенстве, а в несовершенстве — именно в нем рождается смысл.

Мы вступаем в эпоху, где ценностью становится не просто результат, а способность сохранить хаос в мире, стремящемся к предсказуемости. И именно эта способность — главный вызов и главный потенциал творческой индустрии сегодня.