кафедра теории и истории социологии,доцент
Университетская наб., д. 7–9, Санкт-Петербург, 199034, Россия
кандидат социологических наук
ORCID 0000-0001-9120-1198; SPIN 8837-0642
7/9 Universitetskaya Emb., St. Petersburg, 199034, Russia
ORCID 0000-0001-9120-1198; SPIN 8837-0642
Статья посвящена проблеме воздействия алгоритмов, основанных на искусственном интеллекте, на киноиндустрию, в частности на выбор фильмов для зрителей. В качестве отправной точки используется тезис Мартина Скорсезе о том, что алгоритмические рекомендации превращают зрителя в потребителя и могут привести к вымыванию из репертуара киношедевров, не соответствующих критериям «успешности». Новизна работы заключается в анализе ограничений работы алгоритмов применительно к специфике визуального материала, а именно его многослойности и многоуровневости интерпретации, что выходит за рамки традиционного обсуждения консерватизма искусственного интеллекта.
Анализируются принципы работы алгоритмов рекомендаций в киноиндустрии (коллаборативная и контентная фильтрация), включая персонализацию постеров и трейлеров. Особое внимание уделяется анализу изображения как многослойного объекта, который может быть интерпретирован на различных уровнях: от наглядно-образного восприятия до глубокого понимания смыслов, опирающегося на опыт, знания и культуру. Приводятся примеры из психологии (диагностика по картинкам), искусствоведения (уровни интерпретации Эрвина Панофского) и семиотики (анализ Ролана Барта), иллюстрирующие вариативность восприятия изображения. Автор делает вывод, что искусственный интеллект, «обученный» на базовом уровне распознавания объектов и их интерпретации, не способен охватить все многообразие зрительских восприятий и адекватно оценить смысловую глубину визуального контента. На примере анализа рекламы демонстрируется ограниченность возможностей искусственного интеллекта в семиотическом анализе, что дает возможность утверждать, что ввиду несовершенства рекомендательных систем отказ зрителей от самостоятельного выбора действительно приведет к содержательным потерям в просмотре фильмов.
Таким образом, несмотря на достижения в области алгоритмов, их способности не могут заменить человеческое восприятие, что сохраняет потребность в самостоятельном выборе фильмов зрителями, фиксирующими поверхностность и ошибки в работе рекомендательных технологий. Их ограничения создают запрос на сохранение свободы выбора зрителя.
This article examines the impact of artificial intelligence-based algorithms on the film industry, specifically on film selection. It draws on Martin Scorsese’s thesis that algorithmic recommendations transform viewers into consumers and can lead to the elimination of cinematic masterpieces that do not meet the criteria for “success”. The paper’s novelty lies in its analysis of the limitations of algorithms in relation to the specific nature of visual material, namely its multilayered nature and multilevel interpretation. This analysis goes beyond traditional discussions of the conservatism of artificial intelligence.
The article analyzes the principles of recommendation algorithms in the film industry (collaborative and content-based filtering), including the personalization of posters and trailers. Particular attention is paid to the analysis of images as multilayered objects that can be interpreted at various levels: from visual perception to a deep understanding of meanings based on experience, knowledge, and culture. Examples from psychology (picture diagnostics), art history (Erwin Panofsky’s levels of interpretation), and semiotics (Roland Barthes’s analysis) are cited to illustrate the variability of image perception. The author concludes that artificial intelligence, “trained” at the basic level of object recognition and interpretation, is unable to encompass the full diversity of viewer perceptions and adequately assess the semantic depth of visual content. Using advertising analysis as an example, the limitations of artificial intelligence in semiotic analysis are demonstrated, suggesting that, due to the imperfections of recommendation systems, viewers’ abandonment of independent choice will indeed lead to a loss of meaningful content in film viewing.
Thus, despite advances in algorithms, their capabilities cannot replace human perception, preserving the need for independent film selection by viewers who are susceptible to the superficiality and errors of recommendation technologies. Their limitations create a demand for the preservation of viewer freedom of choice.
The authors declare that there are no conflicts of interest present.