Политическая система как модель машинного обучения



Дождиков А.В.
Политическая система как модель машинного обучения // Технологии социально-гуманитарных исследований. 2024. № 2 (6). С. 9-24.
ISSN 2949-2599
РИНЦ: https://www.elibrary.ru/item.asp?id=67873159

Размещена на сайте: 03.12.24

Текст статьи/выпуска на сайте журнала URL: https://lunn.ru/sites/default/files/media/upr_NIR/izd_NGLU/TSGI/zhurnal_2_6_tehnologii.pdf (дата обращения 03.12.2024)


Ссылка при цитировании:

Дождиков А.В. Политическая система как модель машинного обучения // Технологии социально-гуманитарных исследований. 2024. № 2 (6). С. 9-24.
Dozhdikov A.V. Political System as a Machine Learning Model. Technologies of Socio-Humanitarian Research. 2024. No. 2 (6). Pp. 9-24.

Аннотация

Статья посвящена вопросам «апгрейда» теоретических моделей политической системы с учетом достижений количественных методов и подходов из естественных наук в условиях повышения требований к скорости и качеству принимаемых политических решений. Классические модели Д. Истона, Г. Алмонда и К. Дойча рассмотрены в контексте обучения модели принятия политических решений, на основе поставляемых размеченных данных (выборок) через процедуры обратной связи и политической коммуникации. Автором исследована проблема баланса политических традиций и инноваций. Инновации (валидационная выборка) в процессе работы политической машины принятия решений становятся традициями (тренинговая выборка). Диспропорция валидационной выборки предопределяет «недообучение», а значит, ошибки и кризисное развитие политической системы. Результат - дезинтеграция или попадание в зависимость от внешней среды. Диспропорция тренинговой выборки в результате изоляционизма, консерватизма или подобной политики приводит к «переобучению» модели принятия решений, накоплению ошибок и прекращению развития с последующим кризисом. Балансировка традиций и инноваций осуществляется политической идеологией, цель которой - повышение точности принимаемых решений и адаптивности модели. Отмечена роль внутреннего хаоса нелинейной политической системы для подбора «гиперпараметров» модели. С теоретико-методологической точки зрения данный подход позволит: уточнить креативные функции элиты в конструировании смыслов и генерации выборок; моделировать процессы политической коммуникации в цифровом обществе; создавать динамические модели развития политической системы с учетом цикличности мировых геополитических процессов; формировать требования к политической идеологии, настраивающей «гиперпараметры» модели принятия решений и запускающей ее «апгрейд».

Ключевые слова:

политическая система машинное обучение политические традиции политические инновации модель политической системы эффективность политических решений политическая идеология искусственный интеллект политическая кибернетика political system machine learning political traditions political innovations model of the political system effectiveness of political decisions political ideology artificial intelligence political cybernetics

Рубрики:

Политические системы и процессы
Политическая теория



Возможно, вам будут интересны другие публикации: