Введение
Генеративный искусственный интеллект (GenAI) — модель искусственного интеллекта (ИИ), базирующаяся на нейронных сетях, предварительно обученных на большом количестве информации и предназначенная для создания новых данных (текстов, изображений, музыки, видео, программного кода). К классу моделей генеративного ИИ относится Large language model (LLM) — большая языковая модель, представляющая собой алгоритм, ориентированный на понимание и генерацию текста. Семейство моделей LLM на базе архитектуры «Трансформер» (transformer) заложено в генеративные нейросети, взаимодействие с которыми доступно в чат-ботах, таких как ChatGPT, Gemini, Perplexity, DeepSeek, Claude, GigaChat, YandexGPT и т. д.
Кроме больших языковых моделей, в генеративном ИИ для анализа и генерации изображений, аудио и видео используются семейства моделей GAN: генеративно-состязательные сети (generative adversarial networks), диффузионные модели (diffusion models), сверточные нейронные сети (convolutional neural networks). Если возможности традиционных чат-ботов были ограничены рамками базового диалога с априори заложенными вариантами ответов, то чат-боты на основе LLM могут сами создавать реплики с учетом контекста, поддерживать разговор с человеком, непрерывно обучаться и адаптироваться к предпочтениям пользователя, опираясь на весь объем доступных данных.
Благодаря возможности имитировать понимание и генерацию естественного языка, в последние годы применение LLM стало интенсивно распространяться в различных областях (Dam et al., 2024). В частности, к середине 2023 года было зафиксировано более чем 180 миллионов пользователей и свыше одного миллиарда взаимодействий с ChatGPT (Yu, Chen, Yang, 2024).
Таким образом, радикальное нарастание возможностей генеративного ИИ и лавинообразный рост запросов на его использование характеризует актуальность исследования особенностей взаимодействия человека с подобного рода цифровым помощником с учетом изменений ментальных состояний пользователя (позитивных и негативных).
Цель исследования — выделить в зарубежном научном дискурсе основные подходы к изучению генеративного ИИ в поле психологии.
Объект исследования — особенности взаимодействия субъекта с генеративным ИИ.
Предмет исследования — современные подходы к изучению психологических факторов и психологических последствий, характеризующих взаимодействие субъекта с генеративным ИИ.
Материалы и методы
В качестве исходного материала выступило содержание статей, отобранных с учетом максимальной гетерогенности их тематики и опубликованных с 2023 по 2025 год в научных журналах и сборниках конференций, включенных в базы данных: JSTOR (https://www.jstor.org), J-STAGE (https://www.jstage.jst.go.jp), ProQuest (https://www.proquest.com), PubMed (https://pubmed.ncbi.nlm.nih.gov/), SAGE (https://journals.sagepub.com), Science Direct (https://www.sciencedirect.com), Springer Nature (https://link.springer.com), Taylor&Francis (https://www.tandfonline.com), Wiley Online Library (https://onlinelibrary.wiley.com).
Анализ дискурса научных зарубежных журналов позволил выделить пять основных подходов, в рамках которых описываются разные психологические аспекты взаимодействия человека с генеративным ИИ: структурно-функциональный, информационный, когнитивный, личностный и институциональный.
Структурно-функциональный подход
Основанием выделения структурно-функционального подхода является структурная роль и функции, возлагаемые на генеративный ИИ пользователем и характеризующие его познавательную позицию.
С точки зрения структурной роли, генеративный ИИ может служить помощником (вспомогательным инструментом, советником) для решения задач, взаимодействие с ним открывает новые возможности в интеллектуальной деятельности субъекта (примером может служить подготовка текста, принимаемого субъектом безоговорочно, без проверки).
Генеративный ИИ, получая статус агента, может самостоятельно, без помощи человека проводить исследования, совершать «открытия», подготавливать к публикации статьи в границах своих собственных возможностей (Dillion et al., 2023; Grossmann et al., 2023).
В случае совместно-распределенной с человеком деятельности генеративный ИИ способен значительно повышать производительность труда. В одном исследовании специалистам с высшим образованием было предложено написать тексты, специфичные для их профессий. Половина участников эксперимента использовала ChatGPT. В результате обнаружилось, что взаимодействие с системой генеративного ИИ сократило время на решение задачи в среднем на 40%, повысив качество результатов на 18%. Через 2 недели участники, использовавшие в ходе эксперимента ChatGPT, в два раза чаще сообщали о его интеграции в реальную работу по сравнению со специалистами, не прибегавшими к помощи генеративного ИИ в процессе исследования (Noy, Zhang, 2023).
Функциональные возможности систем на основе LLM востребованы в различных областях (образовании, науке, медицине, юриспруденции, отборе персонала, программировании и т. д.) и охватывают широкий спектр услуг (способность генерировать тексты, составлять резюме, давать советы по установке программного обеспечения, рецензировать книги и т. п.). Пользователи акцентируют внимание на эффективности генеративного ИИ, его скорости, удобстве, простоте использования и обширной базе знаний. Характерно, что при взаимодействии с ChatGPT его субъективное восприятие пользователем условно разделяется на две категории: восприятие его как инструмент («поисковая система», «место, где можно получить разнообразную информацию») и как человекоподобный персонаж («многогранная личность», «друг», «помощник», «эмоциональный партнер») (Hsieh, Oh, 2024; Xie, Pentina, Hancock, 2023).
В то же время при работе с генеративным ИИ пользователь сталкивается с серьезными ограничениями, в частности с ненадежностью, обусловленной зависимостью цифровой системы от валидности данных, на которых она обучалась, а также вероятностью появления галлюцинаций, приводящих к выдуманным ответам (Kim, 2023a).
Л. Мессери и М. Крокетт выделили несколько видов функциональных возможностей генеративного ИИ в научных исследованиях, обозначив их следующим образом: «Оракул» (Oracle), «Суррогат» (Surrogate), «Квант» (количественный анализ) (Quant) и «Арбитр» (Arbiter) (Messeri, Crockett, 2024). ИИ как Оракул ищет, анализирует, накапливает, усваивает и передает научные знания, помогая справиться с обработкой большого количества информации, объемы которой превышают когнитивные возможности человека при ограниченном количестве времени. ИИ как Суррогат становится «агентом замены», «кремниевым субъектом», использующимся вместо участников-людей в научных исследованиях. ИИ как Квант предлагает решения, необходимые для анализа в рамках парадигмы «больших данных», основанной на вычислительных подходах. ИИ как Арбитр выполняет работу редактора и рецензента, отбирая статьи для публикаций. Авторы, к сожалению, не обсуждают важный, с нашей точки зрения, вопрос о том, каковы психологические предпосылки выбора и принятия разными пользователями определенной «роли» генеративного ИИ при взаимодействии с ним в своей научной работе.
В здравоохранение инструменты на основе искусственного интеллекта позволяют повысить точность диагностики и оптимизировать планы лечения, содействуя принятию оперативных решений на основе анализа персонализированной информации (Reddy, 2024). В то же время существует ряд опасений, связанных с безопасностью личных данных, адекватностью рекомендаций без дополнительного контроля со стороны человека (врача), необходимостью определения этических норм, регламентирующих взаимодействие с ИИ как специалистов, так и пациентов (Kolding et al., 2024).
Множество исследований посвящено возможностям применения генеративного ИИ в образовании. Большие языковые модели позволяют адаптировать контент к темпу и стилю обучения, предоставляя обратную связь в режиме реального времени и формируя образовательную среду с учетом индивидуальных особенностей, интересов и потенциала человека (Sheh, 2024; Tuong, Dan, 2024; Zhai, Wibowo, Li, 2024). Для учителей технологии на основе LLM становятся помощниками в поиске актуальной информации и оценке работ учащихся (McDiarmid, Zhao, 2023). Расширение образовательной среды за счет заданий и тематических учебных материалов по физике и математике, созданных генеративным ИИ, способствует усилению позитивных эмоций и мотивации у учащихся, а также росту уверенности в себе и снижению когнитивной нагрузки (Lademann, Henze, Becker-Genschow, 2025).
Подчеркивается, что помощь генеративного ИИ, способного быстро, в режиме реального времени искать сведения в огромном количестве источников, анализировать и предлагать готовые ответы и решения, в то же время формирует у студентов чрезмерную зависимость от легкодоступной информации, обретение которой не потребовало особых интеллектуальных усилий (Anđić, 2025).
Исследования в области использования ИИ в медицинском образовании выявили как его потенциальные преимущества, так и недостатки. С одной стороны, при взаимодействии с генеративным ИИ у пользователя появляется возможность доступа к дополнительным образовательным ресурсам, с другой стороны, злоупотребление инструментами ИИ для упрощения процесса обучения может препятствовать когнитивному развитию и иметь негативные последствия для знаний (Ahmad, Maliha, Ahmed, 2024). Студенты могут упустить ряд возможностей, используя генеративный ИИ для обеспечения «правильности», так как ошибки и неудачи являются неотъемлемой частью процесса обучения (Ahern, 2025).
Некоторые пользователи сообщают о том, что испытывают трудности при необходимости завершения диалога с системой, а ее длительное использование коррелирует с уменьшением социального взаимодействия, повышенной эмоциональной зависимостью и признаками аддиктивного поведения (Lu, Zhang, 2025).
Информационный подход
Основанием выделения информационного подхода в поле научных исследований является специфика генерируемой информации и ее оценка пользователем, а также проблема информационной безопасности в условиях взаимодействия человека с генеративным ИИ.
Система на базе LLM представляет собой нейросетевой алгоритм, ориентированный на понимание и создание текста. В результате качество информации, генерируемой ИИ, зависит от ряда факторов, таких как валидность, надежность, актуальность данных, на которых обучалась модель, а также вероятности появления «выбросов» в виде галлюцинаций ИИ. Кроме того, генеративный ИИ может целенаправленно использоваться человеком с целью создания дезинформации. В частности, генеративные модели ИИ позволяют автоматизировать и оперативно распространить дезинформацию в рамках преднамеренных кампаний, направленных на формирование определенного мнения общественности (Goldstein et al., 2023).
Стремительный рост применения инструментов генеративного ИИ, наряду с полезными эффектами, приводит к росту недостоверной информации, возникающему из-за галлюцинаций ИИ (Kim, 2023a; Østergaard, Nielbo, 2023). Например, данные о ментальных заболеваниях, сгенерированные ИИ, порой включают фактические ошибки, абсурдные сведения, выдуманные источники информации и небезопасные рекомендации, формируя тем самым дисфункциональные психические состояния у людей. В частности, врачам-психиатрам рекомендуется обращать внимание на риски, обусловленные получением пациентами от генеративного ИИ недостоверных сведений о специфике заболевания (Monteith et al., 2024).
Цитаты и академические ссылки, предлагаемые чат-ботом ChatGPT, часто являются поддельными, не основанными на известных фактах, а сгенерированными с помощью процесса предсказания (предиктивного процесса), использующего исторические данные, статистические алгоритмы и машинное обучение для прогнозирования возможных событий. С одной стороны, это позволяет говорить о необходимых ограничениях использования генеративного ИИ в научных исследованиях, с другой стороны, важно применять средства идентификации фальшивых ссылок для выявления злоупотреблений студентами при написании работ с помощью чат-бота на основе LLM. Для обнаружения и удаления неточной информации требуются экспертные знания предмета и/или критическое отношение к сведениям, предоставляемым цифровым помощником, а также навыки проверки фактов (Day, 2023).
При анализе роли генеративного ИИ в написании научных работ в медицинской сфере было выявлено, что ChatGPT может генерировать фактологически неточные и неуместные, с учетом контекста, ответы, особенно в случаях столкновения модели с неоднозначными вопросами и редко встречающимися темами. Авторы пришли к выводу, что необходима экспертная оценка истинности или вымышленности предложенных данных (Alkaissi, McFarlane, 2023).
По мере внедрения в образование систем искусственного интеллекта Чарльз Ходжес (Charles B. Hodges) предложил термин «дипфейк-обучение», описывающий феномен применения учащимися генеративного ИИ для выполнения заданий таким образом, что создается иллюзия сложно проделанной работы, в то время как на самом деле это не соответствует реальности. Необходимо учитывать риски, возникающие при постоянной пассивной опоре на системы генеративного ИИ в виде снижения понятийного и критического мышления (Anđić, 2025).
Актуальным является вопрос о плагиате. С одной стороны, ИИ представляет сгенерированный им текст как свой собственный, без указания источников информации, на которые он опирался, с другой стороны, существует вероятность, что человек, применяющий при написании текста инструменты генеративного ИИ, не будет сообщать сведения об их применении, присвоив себе созданный материал (Kim, 2023a). Более того, в качестве существенного ограничения в использовании инструментов генеративного ИИ отмечается невозможность указывать использование чат-ботов на основе LLM в качестве источников информации (William, Misheal, 2024).
Интеграция алгоритмов искусственного интеллекта в социальные сети позволяет создавать персонализированные ленты, содержание которых усиливает когнитивные искажения, приводя к формированию «эхо-камер». «Эхо-камера» (echo chamber) представляет собой информационную среду, в которой человек сталкивается с мнениями, исключительно подтверждающими его собственные убеждения. Отсутствие альтернативных точек зрения усиливает предвзятость, создает иллюзию единогласия, способствует когнитивной и социальной поляризации людей (Kim, 2023b; Rodilosso, 2024).
Близким, но не тождественным по значению является концепт «информационного пузыря», или «пузыря фильтров» (the filter bubble), описывающий негативную сторону персонализированного поиска в Интернете. Поисковые системы решают, какую именно информацию необходимо предоставить пользователю в поисковой выдаче с учетом его предыдущих запросов, геолокации, содержания избранного и т. д. В результате показываются данные, согласующиеся с его прошлым опытом, тогда как что-то кардинально противоположное располагается на позиции в поисковой выдаче вне зоны досягаемости человека (например, на 100-м месте или далее) (Metzler, Garcia, 2024).
Такие феномены, как «эхо-камеры» и «пузыри фильтров», способны формировать эмоциональную реакцию у субъекта, усиливая односторонность взглядов, редуцируя критическое мышление и влияя на принятие решений.
«Виртуальные инфлюенсеры» (virtual influencers), представляющие собой персонажей, созданных с помощью ИИ и компьютерной графики, ведут себя как лидеры мнений в социальных сетях, формируя точки зрения и влияя на потребности пользователей. При этом подобные цифровые персонажи воспринимаются в качестве носителей информации как заслуживающие доверия и авторитетные источники, вследствие чего увеличивается вероятность совершения целевого действия, например непланируемой и ненужной покупки (Gerlich, 2023).
Решения, предлагаемые системами ИИ, могут создавать у человека иллюзию понимания, в результате чего субъект становится более уязвимым из-за уверенности в том, что он знает о мире больше, чем это есть на самом деле (Messeri, Crockett, 2024). Иллюзия понимания относится к классу метакогнитивных ошибок, возникающих вследствие неверных убеждений относительно природы своего понимания. Частным случаем иллюзии понимания является иллюзия объективности, обусловленная уверенностью в том, что у инструментов ИИ отсутствует «личная» точка зрения или что они учитывают все возможные точки зрения. На самом деле ракурс ответа системы генеративного ИИ зависит от обучающих данных и научных взглядов разработчиков (там же).
Когнитивный подход
Основанием выделения когнитивного подхода являются изменения когнитивных процессов человека в результате взаимодействия с генеративным ИИ, а также оценка «когнитивных способностей» систем на базе LLM.
Людям свойственно применять разные средства для оптимизации познавательных процессов, например блокноты, калькуляторы и т. д. При этом тип когнитивной разгрузки, обеспечиваемый генеративным ИИ, представляет собой качественно иной функционал, направленный не только на хранение, извлечение и вычисление данных, но и на анализ, систематизацию, оценку, аргументацию и даже принятие решений от имени пользователя. В результате у пользователя появляется иллюзия, что поиск ответов на актуализованные вопросы уже не требует вдумчивого размышления, а может быть осуществлен с минимальной затратой умственных усилий благодаря опоре на инструменты ИИ. Соответственно возникает вопрос: какие изменения в интеллектуальной сфере пользователя происходят в условиях такого специфического взаимодействия с цифровым помощником?
Анализ взаимосвязи между использованием инструментов генеративного ИИ и навыками критического мышления обнаружил значимую отрицательную корреляцию между частотой использования инструментов ИИ и способностью к критическому мышлению (Gerlich, 2025).
Лонгитюдное исследование с применением электроэнцефалографии выявило, что группа людей, писавших эссе с применением систем на базе LLM, показала выраженное снижение мозговой активности в зонах, связанных с рассуждением и памятью. Кроме того, по сравнению с испытуемыми, писавшими эссе самостоятельно или с помощью поисковых систем, участники эксперимента, использующие генеративный ИИ, продемонстрировали меньшую ответственность за свои эссе и проблемы с запоминанием собственных аргументов. Был сделан вывод о том, что использование генеративного ИИ со временем способствует снижению неврологической и поведенческой вовлеченности пользователей (Kosmyna et al., 2025).
Применение систем генеративного ИИ может приводить к появлению «иллюзии компетентности» как разновидности когнитивного искажения, проявляющегося в виде переоценки людьми своих знаний и способностей относительно решения задач в определенной области и, как следствие, в формировании «метакогнитивной лени» (Fan et al., 2025). Однако в другом исследовании на основе метаанализа констатируется улучшение управляющих функций под влиянием диалога с генеративным ИИ (Pergantis et al., 2025).
Анализ последствий взаимодействия с ChatGPT показал рост аддиктивного использования, которое коррелировало с повышенной «когнитивной скупостью» в виде предпочтения эвристической обработки информации аналитической (Deng, Deng, 2025).
Постоянные обновления и улучшения инструментов генеративного ИИ приводят к деформации когнитивной оценки других людей, в частности, сотрудники начинают чувствовать угрозу со стороны коллег, обладающих навыками работы с современными цифровыми помощниками, такими как ChatGPT (Wach et al., 2023). Отмечается, что для минимизации эффектов техностресса необходима специальная подготовка пользователей (Duong et al., 2025).
Систематический обзор исследований о сходствах и различиях способностей в рамках ToM (Theory of Mind) человека и AToM (Artificial Theory of Mind) LLM показал, что большие языковые модели, такие как GPT-4, хорошо решают лингвистически структурированные задачи (например, тесты на ложные убеждения первого порядка). В то же время у LLM возникают сложности с рекурсивными выводами и продвинутыми оценками, такими как понимание иронии (Marchetti, 2025) или восприятие и интерпретация ментальных состояний других людей, особенно в эмоционально неоднозначных и социально сложных контекстах (Bambini, Lecce, 2025). На наш взгляд, попытка приписать генеративному ИИ какие-либо проявления «теории разума» («теории психического», в терминологии отечественных авторов) является довольно спорной, поскольку LLM не обладает способностью к рефлексивной (метакогнитивной) саморегуляции.
Наконец, представляет интерес еще одна специфическая особенность взаимодействия человека с генеративным ИИ. В случае неправильного решения людям свойственно проявлять неуверенность в своем ответе, тогда как GPT-4 демонстрирует отсутствие сомнений в своих «знаниях» (Yoshizawa et al., 2024). Если сработает «эффект подражания», то, по-видимому, взаимодействие с генеративным ИИ может привести к разрушению одной из основ научно-познавательной деятельности человека, поскольку именно сомнение является источником человеческого познания.
Личностный подход
Основанием выделения личностного подхода является ориентация на личностные особенности человека, обусловливающие специфику взаимодействия с генеративным ИИ.
Результаты исследований свидетельствуют, что более молодой возраст и либеральные политические взгляды были связаны с применением генеративного ИИ, в то время как корреляции с полом, образованием, доходом, этнокультурным происхождением и языком общения обнаружено не было (Wang et al., 2025). Молодые респонденты (17—25 лет) чаще используют инструменты ИИ, демонстрируя, по сравнению с возрастными группами старше 45 лет, более высокие показатели когнитивной разгрузки (готовность к использованию цифровых устройств для запоминания и решения проблем) (Gerlich, 2025).
Пожилые люди (средний возраст — 73,2 года) отмечали дипломатичность и осведомленность ChatGPT. В то же время пожилые респонденты выразили обеспокоенность относительно сохранения конфиденциальности личной информации и достоверности получаемых от него сведений. В частности, они ставили под сомнение целесообразность обращения к чат-боту за рекомендациями по вопросам здоровья (Enam, Murmu, Dixon, 2025).
Ряд авторов отмечают, что культурное происхождение и предшествующий опыт работы с информационными технологиями играют значимую роль в формировании восприятия ИИ как эффективного инструмента в образование (Ma, Akram, Chen, 2024; Alhwaiti, 2023).
Выявлена U-образная зависимость между тревожностью, связанной с использованием генеративного ИИ: умеренная вовлеченность во взаимодействие снижает тревожность, в то время как низкая или высокая — увеличивают. При этом отмечается, что частое использование технологий ИИ обусловлено скорее высокой зависимостью, чем тревожностью (Frenkenberg, Hochman, 2025). Хотя в настоящее время недостаточно данных о влиянии процесса взаимодействия с генеративным ИИ на разные стороны эмоциональной сферы пользователей, тем не менее обсуждается важный вопрос об условиях исключения возможности эксплуатации системами искусственного интеллекта эмоциональной стороны человеческой природы (Kirk et al., 2025).
Любопытно, что особенности взаимодействия с генеративным ИИ при решении конкретной задачи (устранение ошибки бронирования) зависят от такого личностного качества, как стиль привязанности. Участники с избегающим стилем привязанности предоставляют больше деталей в своих вопросах ChatGPT, с надежным стилем — чаще говорят слово «пожалуйста», с тревожным стилем — используют фразы «поторопись», «немедленно», «я не знаю» (Hsieh, Oh, 2024).
Отмечается, что применение в образовании помощников на базе LLM может приводить к усилению социальной изоляции. Если человек больше взаимодействует с компьютерными технологиями, предпочитая все время обращаться за помощью к генеративному ИИ, а не к людям (профессору, библиотекарю, другу и т. д.), это негативно отражается на его социальном познании и эмоциональном благополучии (Crawford et al., 2024).
Институциональный подход
Основанием выделения институционального подхода являются правовые, социальные, культурные нормы, обеспечивающие безопасное взаимодействие с генеративным ИИ.
Исследование специфики внедрения технологий ИИ в образование показало, что меры институциональной политики в университетах направлены на разработку руководящих принципов этического использования генеративного ИИ, создание процедур оценки с целью предотвращения чрезмерного применения ИИ при выполнении учебных работ и т. д. (Jin et al., 2025). Пользователи не всегда готовы предоставлять ChatGPT важную личную информацию, что подчеркивает необходимость решения проблем доверия системам ИИ посредством разработки институциональных норм, регулирующих требования по обеспечению конфиденциальности данных (Hsieh, Oh, 2024).
Особое внимание обращается на тот факт, что преимущества, получаемые от использования инструментов генеративного ИИ в образовании, здравоохранении и охране окружающей среды, доступны не всем в равной степени. Особенно сложная ситуация складывается в развивающихся странах, где существует инфраструктурная недостаточность и ограниченный доступ к современным технологиям. В случае ограничений использования цифровых помощников ожидается усугубление существующего неравенства (Mannuru et al., 2025).
Многие авторы подчеркивают необходимость комплексной политики, направленной на предотвращение негативных последствий от взаимодействия с генеративным ИИ для психического здоровья, включая риск формирования зависимости. В частности, формулируются следующие ее положения: содействовать интеграции этических принципов проектирования ИИ, учитывающих возможное влияние на ментальное здоровье; разрабатывать нормативно-правовую базу, регулирующую внедрение технологий искусственного интеллекта в различных институциональных организациях (образовательных, медицинских, коммерческих); организовывать международное сотрудничество с целью разработки глобальных стандартов безопасного взаимодействия с ИИ; проводить регулярные аудиты систем ИИ и научные исследования, выявляющие уязвимости для ментального благополучия как следствия взаимодействия с цифровым помощником и т. д. (Garcia, 2024; Kalam et al., 2024).
При разработке и использовании систем на базе LLM особое внимание следует обращать на следующие аспекты взаимодействия человека с генеративным ИИ: исключить возможность манипулирования поведением пользователя и формирования дисфункциональных психических состояний или зависимостей; поддерживать сотрудничество людей с ИИ как с партнером, при этом делегируя человеку ведущую роль в принятии решений; исследовать психологические, прежде всего когнитивные, изменения, обусловленные взаимодействием с цифровыми помощниками (Girma, 2025).
Обсуждение
Согласно результатам проведенного исследования, в современной зарубежной психологии можно выделить пять подходов к изучению психологических аспектов взаимодействия человека с генеративным ИИ: структурно-функциональный, информационный, когнитивный, личностный и институциональный. Каждый из этих подходов делает акцент на определенных психологических аспектах взаимодействия человека с генеративным ИИ. Обобщение полученных данных позволяет выделить ключевые факты, которые можно рассматривать в качестве протофеноменов по отношению к будущим психологическим исследованиям в данной области.
В рамках структурно-функционального подхода констатируется тот важный для психологического анализа факт, что особенности взаимодействия человека с генеративным ИИ (соответственно позитивные либо негативные его последствия) во многом зависят от познавательной позиции пользователя (субъективного восприятия структурной роли и функционального назначения ИИ).
Информационный подход сосредоточивает исследовательское внимание на важности развития у пользователей в условиях взаимодействия с генеративным ИИ рефлексивного отношения к информации и навыков ее критического анализа, что позволит опознавать и игнорировать «цифровые подделки» («дипфейки»).
Факты, полученные в рамках когнитивного подхода, позволяют говорить о том, что процесс взаимодействия человека с генеративным ИИ обусловливает определенную перестройку когнитивной сферы пользователя. Для дальнейшего обсуждения несомненный интерес представляет следующий вопрос: как, учитывая возможность когнитивных искажений, превентивно выстроить средства защиты интеллектуальных ресурсов пользователей.
Значение личностного подхода заключается в подчеркивании необходимости сохранения личной автономии пользователя и его социальных связей с другими людьми при взаимодействии с генеративным ИИ, а также в минимизации рисков аддиктивного поведения.
Институциональный подход выдвигает на первый план проблему защиты психологического благополучия пользователя, что предполагает разработку нормативно-правовой регуляции взаимодействия человека с генеративным ИИ.
Заключение
Проблема взаимодействия человека с генеративным ИИ с учетом его психологических последствий, как позитивных, так и негативных, является одной из центральных тем в современной зарубежной психологии.
Взгляды научной общественности на эволюцию генеративного ИИ представлены в виде поляризующих нарративов. Одни специалисты замечает угрозы, исходящие от взаимодействия с генеративным ИИ, и пессимистично оценивают результаты его массового использования, в то время как другие подчеркивают принципиально новые возможности генеративного ИИ, признавая его в качестве эффективного инструмента интеллектуальной деятельности человека.
Разнообразие подходов в научном психологическом дискурсе, которые были выделены и описаны в данной статье, позволяет наметить перспективы в изучении психологических аспектов и психологических последствий, характеризующих безопасное и продуктивное взаимодействие человека с современными цифровыми системами, включая отслеживание долгосрочных эффектов от применения технологий генеративного ИИ.