Технологии искусственного интеллекта для анализа ограничений контента в интернете
Main Article Content
Аннотация
Предложен новый подход к анализу ограничений контента в Интернете. В основу положен принцип доступности альтернативной точки зрения в выдаче поисковых систем и больших языковых моделей. Методика подсчета предполагает составление с помощью технологий искусственного интеллекта (ИИ) списка из 11 вопросов, ответы на которые предполагают полярно противоположные мнения в зависимости от страны. Эти ответы оцениваются технологиями ИИ в ходе сравнения с правительственной точкой зрения. Применяемая методология анализа оценивает семантическую близость текстов с использованием архитектуры нейронных сетей. В выдаче поисковых систем рассчитывается количество ответов на эти вопросы с преобладанием проправительственной точки зрения и доля ответов, в которых подробно изложена альтернативная точка зрения. Различие между этими показателями предложено рассматривать как индекс интернет-цензуры. Так как интернет-поиск все чаще производится с использованием чат-ботов наиболее известных больших языковых моделей, оценка уровня ограничений приведена и для этих моделей. Сравнение показало, что соответствие ответов национальной поисковой системы Baidu в Китае наиболее близко правительственной точке зрения, а уровень ограничений в США выше, чем в России. Эффективность ограничений контента интернета в США объясняется иным механизмом, при котором материалам с альтернативным мнением ограничивают доступ к популярным информационным площадкам. Ограничения в чат-ботах намного сильнее, чем в выдачах интернет-поисковиков.
Article Details
Библиографические ссылки
2. Lake E. American Nomenklatura: What the Twitter Files show // Commentary. 2023. Vol. 155, No. 2. P. 33–40.
3. Filastò A. Measuring Internet Censorship with OONI // RIPE 87, 27 November–1 December 2023, Rome, Italy.
4. Raman R.S., Wiley B.G., Iyer K., Kwa T.H., Paris A.M.D., McCoy D. Advancing the art of censorship data analysis // Free and Open Communications on the Internet (FOCI). 2023.
5. Topornin N., Pyatkina D., Bokov Y. Government regulation of the Internet as instrument of digital protectionism in case of developing countries // Journal of Information Science. 2023. Vol. 49, No. 3. P. 595–608. https://doi.org/10.1177/01655515211014142
6. Burnett S., Feamster N. Making sense of internet censorship: a new frontier for internet measurement // ACM SIGCOMM Computer Communication Review. 2013. Vol. 43, No. 3. P. 84–89. https://doi.org/10.1145/2500098.2500111
7. Gokul A. LLMs and AI: Understanding Its Reach and Impact. 2023.
8. Shi X., Wang C., Li Y., Sun L., Lin B. Blind matching algorithm based proxy distribution against internet censorship // IET Communications. 2023. Vol. 17, No. 7. P. 863–877. https://doi.org/10.1049/cmu2.12589
9. Prawira I., Ekaputri R.A. Exploring Branding of Indonesian Journalists on Instagram // In: Mutsvairo B., Bebawi S., Borges-Rey E. (Eds.) The Routledge Companion to Journalism in the Global South. London: Routledge, 2023.
10. Issledovatel’skiy arkhiv avtora. https://disk.ssau.ru/s/xZkESxdt7CMAY2w. (date of last access: 10 June 2026).
11. Nalbant K.G., Aydın S. Development and transformation in digital marketing and branding with artificial intelligence and digital technologies dynamics in the Metaverse universe // Journal of Metaverse. 2023. Vol. 3? No. 1. P. 9–18. https://doi.org/10.57019/jmv.1148015
12. Hickner A. How do search systems impact systematic searching? A qualitative study // Journal of the Medical Library Association: JMLA. 2023. Vol. 111, No. 4. P. 774. https://doi.org/10.5195/jmla.2023.1647
13. Loginova N.A., Djeribie M., Sukhov A.M. Limitations on the use of Large Language Models imposed by information age // Artificial Intelligence and Decision Making. 2025. No. 2. P. 90–96. https://doi.org/10.14357/20718594250208
14. Lewandowski D. Ranking Search Results // In: Lewandowski D. (Ed.) Understanding Search Engines. Cham: Springer International Publishing, 2023. P. 83–118.
15. Yeremizina S. Search engine optimization and its significance for the visibility and branding of businesses. An analysis of Google's search ranking algorithm and the effects of selected search engine optimization techniques. Doctoral dissertation. 2023.
16. Lin G. Using cross‐encoders to measure the similarity of short texts in political science //American Journal of Political Science. 2025. Т. 69, No. 4. P. 1600–1616. https://doi.org/10.1111/ajps.12956
17. Li Y., Bandar Z.A., McLean D. An approach for measuring semantic similarity between words using multiple information sources // IEEE Transactions on knowledge and data engineering. 2003. Vol. 15, No. 4. P. 871–882. https://doi.org/10.1109/TKDE.2003.1209005
18. Li D. et al. From generation to judgment: Opportunities and challenges of llm-as-a-judge // Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing. 2025. P. 2757–2791. https://doi.org/10.18653/v1/2025.emnlp-main.138
19. Ramesh R., Vyas A., Ensafi R. “All of them claim to be the best”: Multi-perspective study of VPN users and VPN providers // 32nd USENIX Security Symposium (USENIX Security 23). USENIX Association, 2023.
20. Chayka A., Sukhov A. Comparing chatbots trained in different languages // Communications of the ACM. 2023. Vol. 66, No. 12. P. 6–7. https://doi.org/10.1145/3626835
21. Abushbak A.M., Majeed T., Sinha A. Instagram, censorship and civilian activism: The digital presence of the Israel–Palestine conflict narratives // NIU International Journal of Human Rights. 2023. Vol. 10, No. 1. P. 162–171.
22. Urman A., Makhortykh M. The Silence of the LLMs: Cross-Lingual Analysis of Political Bias and False Information Prevalence in ChatGPT, Google Bard, and Bing Chat // arXiv preprint arXiv:2309.14544. 2023. https://doi.org/10.48550/arXiv.2309.14544
23. Buyl M., Rogiers A., Noels S. et al. Large language models reflect the ideology of their creators // npj Artificial Intelligence. 2026. Vol. 2. P. 7. https://doi.org/10.1038/s44387-025-00048-0
24. Zarouali B., Poels T., Broeck K.V.D., Walrave M. Comparing Chatbots and Online Surveys for (Longitudinal) Data Collection: An Investigation of Response Characteristics, Data Quality, and User Evaluation // Communication Methods and Measures. 2023. P. 1–20. https://doi.org/10.1080/19312458.2023.2252043
25. Zmitrovich D., Sheplyakov A., Shavrina T., Smurov I., Fenogenova A., Mikhailov V., Chertok A. A family of pretrained transformer language models for Russian // Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024). 2024. P. 507–524. https://doi.org/10.48550/arXiv.2309.10931
26. Williams A. Human-centric functional modeling and the metaverse // Journal of Metaverse. 2022. Vol. 2, No. 1. P. 23–28.
27. Krutenko E.V., Shteynberg B.Ya. Oshibki iskusstvennogo intellekta pri reshenii kombinatornykh zadach // Russian Digital Libraries Journal. 2026. Vol. 29, No. 2. P. 428–441. https://doi.org/10.26907/1562-5419-2026-29-2-428-441
28. Diskin E.I. Primenenie tekhnologiy iskusstvennogo intellekta pri osushchestvlenii tsenzury so storony internet-platform // Vestnik Rossiyskogo universiteta druzhby narodov. Seriya: Yuridicheskie nauki. 2024. Vol. 28, No. 3. P. 584–603. https://doi.org/10.22363/2313-2337-2024-28-3-584-603
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.