Можно ли воспроизвести человеческое мышление техническими средствами?

Математик и криптограф Алан Тьюринг считал, что сам термин «мышление» слишком философски нагружен. Поэтому он предложил прагматичную замену — игру в имитацию, известную сегодня как «тест Тьюринга».

Если человек ведёт переписку одновременно с человеком и машиной, не зная, кто есть кто, и не может отличить их ответы, значит, машина успешно имитирует человеческое поведение. В таком случае, именно в прикладном смысле, вопрос «мыслит ли она?» теряет значение — важнее, что её поведение неотличимо от человеческого.

Этим подходом мы вдохновились, встав на путь создания AI-персон для тестирования креатива. О том, как они имитируют поведение людей, дают обратную связь и почему им можно верить, завтра расскажет сооснователь Fair Lab Илья Литницкий на конференции BOOST в Сколково.

Boost 2025: может ли машина мыслить и зачем брендам цифровые двойники?
На конференции Boost сооснователь платформы Fair Lab Илья Литницкий рассказал о проблемах классического ресерча креативов и объяснил, как AI-персоны помогают брендам тестировать идеи быстрее и глубже. На основе его выступления мы собрали серию карточек с ключевыми тезисами.

Заметки о конференции Boost в целом читайте в канале GREAT.

Может ли машина мыслить?

Вдохновляясь подходом Алана Тьюринга, команда Fair Lab пришла к выводу: неважно, что мы думаем о «мышлении» машины. Главное — если её поведение неотличимо от человеческого, значит, она может имитировать суждения человека.

Что такое AI-персоны и как они создаются

AI-персона — это сложная модель с установками, привычками и стилем мышления реального потребителя. Она не пересказывает ролик, а реагирует как «живой человек» с заданным опытом.

4 шага создания AI-персоны

1. Базовый соцдем профиль (когнитивная основа через LLM).
2. Социологическая разметка (ценности, паттерны, установки).
3. Контекстные фильтры (данные бренда + исследования).
4. Валидация (внутренняя проверка логики персоны).

Какой фидбек дают AI-персоны

Мы научили их быть не комплементарными, а честными и даже неудобными.

Они умеют:
— аргументировать реакцию («люблю простое без лишней философии»),
— улавливать подтексты («слишком рекламно», «непонятно»),
— оценивать понятность, привлекательность, релевантность, уникальность и намерение купить,
— отвечать на открытые вопросы, помогая глубже понять ожидания аудитории.

Как AI-персоны оценивают креативы

Процесс:
1. Заполняем бриф (что хотим протестировать);
2. Создаем выборку AI-персон;
3. Они «смотрят» сценарий/ролик/описание продукта;
4. Отвечают как реальные люди — с оценками и развёрнутым фидбеком;
Итог — отчёт с цифрами, текстами и инсайтами.

Как мы стали резидентом «Сколково» и чему нас научил этот путь
Зачем нам статус, что оказалось самым сложным и что помогло справиться.

Последние три месяца, помимо запуска платформы, мы занимались получением статуса резидента «Сколково». Решили поделиться этим опытом и, возможно, помочь тем, кто в самом начале пути.

Зачем нам резидентство

Мы провели десятки презентаций проекта и столкнулись со скепсисом: люди не всегда доверяли ответам AI-персон, несмотря на совпадение в 95% случаев с ответами реальных людей.

Для нас резидентство было возможностью пройти независимую научную экспертизу, подтвердить технологию, методику, её достоверность, инновационность нашего проекта. Кроме того, статус даёт налоговые льготы, доступ к грантам и сообществу экспертов, что позволяет инвестировать в разработку и находить партнёров.

Какие этапы мы прошли

Процесс занял почти три месяца и состоял из двух этапов.

Первый — «предварительная экспертиза». Мы показывали аналитику рынка, проблему, которую решаем, и главное — детально расписывали технологию: архитектуру системы, стек, вопросы кибербезопасности. Именно этот блок занял больше всего сил.

Второй — подача на сам статус участника. Здесь важно было расписать цели, сроки, дорожную карту и юридические детали. По сути, это полноценная упаковка проекта с фокусом на то, как именно технология будет развиваться и внедряться.

Что оказалось самым сложным

Просто и понятно описать сложную методологию. Первый этап мы прошли только со второго раза. Технический блок вопросов не вызвал сложностей, а вот «схему коммерциализации» пришлось дорабатывать и объяснять подробнее.

Что помогло справиться

Опыт команды и постоянная обратная связь от коллег. Мы много раз переписывали тексты, пока мы не нашли баланс между глубиной описания методологии и ясностью подачи.

В итоге

Статус участника «Сколково» получают только проекты с инновационной технологией и реальным коммерческим потенциалом. Для нас это не просто галочка, а официальное признание ценности нашей разработки и её перспектив.

Часто задаваемые вопросы про сервис и Ai-персон

В ноябре мы много рассказывали о Fair Lab: выступали на форумах, писали в медиа, проводили демо-сессии. И заметили, что нам снова и снова задают одни и те же вопросы. Собрали самые частые и отвечаем на них здесь.

Какие нейросети вы используете?

Мы задействуем не одну модель, а каскад современных больших языковых моделей (LLM).
Каждая отвечает за свою часть работы:
— интерпретирует входные данные,
— формирует ответы,
— проверяет логику,
— проводит анализ и собирает отчет.

Чем Fair Lab отличается от «самостоятельно настроенного» GPT-чата?

Fair Lab — это не отдельные ролевые ответы, а управляемая исследовательская среда. Персоны здесь создаются по продуманной логике, проходят проверку, отвечают по единому сценарию и не противоречат себе при повторных опросах. В обычном GPT-чате можно вручную сгенерить одну–две персоны, максимум несколько, а Fair Lab создаёт сотни цифровых респондентов с единым стандартом качества и собирает все ответы в единую аналитику и дашборд.

Где хранятся данные о продукте и насколько это безопасно?

— данные клиентов хранятся в личных кабинетах и изолированы от других пользователей
— все обращения к моделям проходят через API
— клиентские данные не используются для дообучения моделей.

Если у вас есть ещё вопросы
про Fair Lab — присылайте их в личные сообщения канала. Мы продолжим разбирать самые частые из них здесь.

Конец социологии?

Социология наука мне не посторонняя. Семь лет назад даже диссертацию по ней писал (Телевидение и аудитория — факторы взаимодействия), но до защиты не дошло, бизнес поглотил в пучине хлопот, погорел на ВАКовских статьях. Но предмет можно сказать родственный. И вот в этой науке мы десятилетиями исходили из незыблемой истины, — чтобы понять людей, нужно спрашивать людей. Вся социология держалась на вере, что только живой человек может честно рассказать, чего он хочет и как думает.

Но так ли это на самом деле? Подумайте, насколько искренни мы в ответах на вопросы исследователей. Мы часто устаём и отвечаем на автопилоте, нам лень вдумываться — и мы выбираем вариант «просто чтобы отвязались». Мы стремимся выглядеть лучше, чем есть на самом деле, и говорим то, что считается «правильным». А ещё мы боимся осуждения и невольно подстраиваемся под ожидания собеседника.

В итоге вместо правды получаем набор социально одобряемых штампов. И на основе этих искажённых «правд» компании принимают решения, которые стоят миллионы рублей. А теперь представьте идеального респондента. Он никогда не устаёт, не врёт и не юлит, не пытается произвести впечатление, полностью лишён эго и предрассудков. Звучит как фантастика? Нет, это уже реальность, ведь речь об AI‑респондентах.

В России появился проект FairLab, который я конечно сразу же потестировал. Это поведенческие модели, «воспитанные» на реальных данных, они не ограничиваются повторением заученных фраз, а реагируют на стимулы подобно живым людям, формируют собственное мнение и способны аргументированно объяснить свой выбор.

Работает это следующим образом. Сначала вы подробно описываете свою целевую аудиторию — указываете возраст, интересы, привычки. Затем загружаете материалы для тестирования, это может быть слоган, дизайн или сценарий ролика. Я грузил матрицу персонажа, нашей ИИ героини, блогера, которую мы создали для одного большого бренда. В результате вы получаете детальный отчёт — быстро, недорого и, как уверяют разработчики, предельно честно.

По данным создателей проекта, ответы AI‑аудитории практически совпадают с реакциями реальных людей, этот факт подтвердили проведённые валидационные тесты. AI‑респонденты отвечают настолько развёрнуто, что это куда интереснее, чем читать уклончивые ответы реальных людей. И все это супер быстро, у меня пришло 7000 ответов буквально через день.

Возвращаясь в заголовок, выскажусь так. Речь конечно не идёт о смерти социологии — напротив, мы наблюдаем её эволюцию, происходит важный переход от простого сбора данных к симуляции поведения, и это открывает поистине безграничные возможности. Теперь можно тестировать сотни идей вместо двух‑трёх, получать инсайты, которые раньше оставались скрытыми из‑за человеческого фактора, принимать решения быстрее, опираясь на «чистые» реакции модели.

Конечно, остаются важные вопросы. Насколько точны эти симуляции? Где проходят границы этики? Можно ли полностью доверять цифровому двойнику? Но сам факт, что мы научились создавать виртуального потребителя, который оказывается честнее реального, — уже настоящая революция. А дальше будем как я часто говорю "следить за эфиром".

Если хотите попробовать инструмент, вам сюда. Для моих подписчиков ребята по промокоду PARFUN сделают один бесплатный тест на платформе до 15 декабря, рекомендую, это правда очень любопытно.

Как индустрия поддерживает Fair Lab

В ноябре мы запустили нашу исследовательскую платформу с цифровыми респондентами. И почти сразу откликнулись медиа, отраслевые форумы, коллеги из других агентств и рассказали о нашем сервисе. Частью этих постов мы уже делились, еще о части — расскажем прям сейчас. Этот пост благодарности за поддержку!

1. Медиа HotDigital
Влад Ситников из HotDigital рассказал о запуске Fair Lab в своём медиа и сам успел потестировать. Для нас это важная фиксация значимости нашей работы.

2. Конференция «На уровне концепции»
Осенью один из основателей Fair Lab Виктор Донюков выступил в Новосибирске на мероприятии «На уровне концепции» и публично рассказал о проекте с цифровыми респондентами.
А недавно команда конференции выпустила пост о запуске сервиса и ценности его для индустрии.

3. АКАР
Ассоциация опубликовала новость о запуске Fair Lab и подробно рассказала, как устроен сервис и чем он может быть полезен брендам и агентствам.

Спасибо всем, кто рассказывает о нас на конференциях, тестирует, пишет тексты и задаёт вопросы. Благодаря вам Fair Lab встраивается в процессы отрасли, ускоряет исследования и улучшают рекламу.