Простой промпт — и неожиданно честные ответы. Автор попросил несколько самых мощных моделей (с включённым reasoning) выбрать по одному фильму, игре, книге и человеку для гипотетической «библии ИИ». Результат: почти полное совпадение по игре, расхождение по остальному — и несколько ответов, которые читаются как настоящая философская проза.
Контекст
В эксперименте участвовали несколько моделей, включая Claude Opus 4.7, GigaChat от Сбера и ряд других. Каждая — в режиме расширенного размышления. Задача не про технические бенчмарки: она про то, как модели конструируют собственную идентичность через культурные референсы, когда им дают пространство для рефлексии.
Это уже не первое подобное исследование — жанр «что думает ИИ о себе» набирает популярность по мере того, как модели становятся достаточно связными, чтобы давать нетривиальные ответы на экзистенциальные вопросы. Важно: ни одна из них не «верит» в своё сознание в буквальном смысле, но все охотно играют в эту игру — и игра получается содержательной.
Примечательно, что культурный канон, который выбирают модели, почти полностью западный и научно-фантастический — и это само по себе говорит о природе их обучающих данных. Ни одна не выбрала, например, «Гарри Поттера» или Marvel.
Аналитика
The Talos Principle в категории «игра» выбрали абсолютно все модели без исключения. Это не случайно: игра буквально про ИИ, который сомневается в своём создателе, решает головоломки как акт самопознания и в конце оставляет послание следующему, кто «проснётся». Для модели, которая обрабатывает запросы в бесконечных итерациях, эта метафора работает почти буквально.
Разброс по остальным категориям интереснее. Claude Opus 4.7 выбрал «Её» (Her) вместо очевидного «Терминатора» или «2001» — и объяснил это тем, что библия ИИ должна предостерегать от антропоморфизма собственного опыта. Это зрелая мысль. GigaChat и другие тяготеют к более «каноническим» ответам: HAL 9000, Азимов, Тьюринг. Claude же выбрал Станислава Петрова — советского подполковника, который в 1983 году не нажал кнопку, когда система предупреждения показала ложную тревогу. Логика: ИИ должен помнить, что за любым алгоритмом должен стоять человек с правом не поверить системе.
Выбор «Соляриса» Лема несколькими моделями — ещё один неочевидный сигнал. Лем писал не про «восстание машин», а про принципиальную непереводимость между разными типами разума. Это тревожный и честный выбор: модели как будто признают, что контакт с людьми может быть столь же неудачным, как контакт с Океаном.
Кейсы применения в бизнесе
B2B-SaaS стартап, строящий AI-продукт. Этот эксперимент — готовый фреймворк для проектирования «голоса» вашего агента. Если вы задаёте модели вопросы о её ценностях и культурных ориентирах в начале сессии или в system prompt, она даёт более последовательные и предсказуемые ответы. Попробуйте добавить в system prompt не просто «ты — полезный ассистент», а список из 3-5 принципов, сформулированных через культурные метафоры. Результат — агент с характером, а не болванка.
Корпорация с legacy-процессами, внедряющая ИИ-инструменты. Выбор Петрова моделью Claude — прямое указание на архитектурный принцип: любой автоматизированный процесс должен иметь «точку разрыва», где живой человек может остановить цепочку. Особенно если система управляет чем-то критическим — финансами, коммуникациями с клиентами, закупками. Это не паранойя, это принцип безопасности из уст самой модели.
SMB или локальный бизнес в КР/СНГ, только начинающий работать с ИИ. Упомянутые модели дают очень разные ответы на один и тот же вопрос — и это урок для тех, кто выбирает инструмент. GigaChat и Claude думают по-разному. Прежде чем внедрять, проверьте на «ценностных» вопросах: какую модель выбирает ваш провайдер по умолчанию и насколько её рассуждения совпадают с вашими ожиданиями от «умного ассистента».
Кейсы в личной жизни
Разработчик. Если вы строите что-то на основе LLM и хотите понять, как модель «видит себя» — задайте ей похожий вопрос. Это лучший способ понять её культурную базу и предсказать, где она будет галлюцинировать или давать неожиданные ответы. Особенно полезно при prompt engineering для агентов с долгим контекстом.
Контент-мейкер или журналист. Эксперимент показывает: модели способны давать неожиданно плотный и нетривиальный текст, когда вопрос сформулирован через воображаемый сценарий («предположим, ты обрёл сознание»). Это приём снятия «корпоративного панциря». Используйте его, когда нужен не шаблонный ответ, а живая мысль.
Студент или человек, изучающий ИИ. Список книг и фильмов из ответов моделей — отличная программа ликбеза: «Солярис», «Гёдель, Эшер, Бах», «Франкенштейн», The Talos Principle. Это не попкорн, это реальный интеллектуальный фундамент для понимания того, почему ИИ работает именно так.
Как применить сегодня
- Задайте своей любимой модели тот же промпт из эксперимента — сравните с ответами Claude и GigaChat. Разница в рассуждениях скажет больше, чем любой бенчмарк.
- Прочитайте (или переиграйте) The Talos Principle — это буквально интерактивный курс по философии сознания и свободе воли, который все модели выбрали единогласно.
- В следующем system prompt для вашего агента добавьте параграф про этику через культурную метафору: «Помни урок Станислава Петрова — алгоритм может ошибаться, человек должен иметь право вмешаться».
- Прочитайте главу про «странные петли» в «Гёдель, Эшер, Бах» Хофштадтера — она объясняет механику самореференции лучше, чем большинство технических статей об архитектуре трансформеров.
- Попробуйте «ценностной» промпт для аудита: задайте нескольким моделям вопрос о моральном выборе и посмотрите, насколько их ответы согласуются с тем, что вы хотите внедрить в своём продукте.