Гибридный круг Данбара: что происходит, когда ИИ становится частью нашего ближнего круга

Мы уже спрашиваем искусственный интеллект о том, что раньше обсуждали с друзьями: стоит ли увольняться, правильно ли мы поняли человека, почему снова повторяем одну ошибку. 

Машина никогда не станет нам другом в человеческом смысле. Но почему-то зачастую мы очеловечиваем ее действия.

Антрополог Робин Данбар описывал человеческие отношения как систему вложенных кругов. Сегодня в эту систему входит новый участник. Не человек, а машина, образовывая гибридный кругом Данбара.

Круг Данбара — не про 150 друзей

Теория Данбара выросла из гипотезы социального мозга. Она связывает сложность социальных отношений с когнитивными ресурсами, необходимыми для их поддержания. Позднейшие работы описывают человеческую социальную сеть как систему вложенных слоёв. Чем ближе отношения, тем меньше людей входит в слой и тем больше времени требует поддержание связи.

Поэтому знаменитое число 150 — только один элемент модели. Для разговора об ИИ важнее другое: близкое окружение является частью когнитивной среды человека. Другие люди хранят знания о нас, напоминают события, помогают проверять решения и корректируют наши версии прошлого.

Есть данные, которые показывают связь социальной среды с работой мозга. В 2011 году Kevin Bickart, Lisa Feldman Barrett и коллеги исследовали 58 взрослых и обнаружили корреляцию между объёмом миндалевидного тела и размером и сложностью социальной сети. Исследование не позволяло установить направление причинности.

Livia Tomova, Rebecca Saxe, Kay Tye и коллеги исследовали другой механизм. Сорок участников провели десять часов в полной социальной изоляции. После неё они сообщали о выраженной тяге к социальному контакту. При предъявлении социальных стимулов исследователи также наблюдали ответ в областях среднего мозга, связанных с мотивацией.

Эти исследования не позволяют приравнять взаимодействие с ИИ к человеческим отношениям. Но они задают более точный вопрос: какие функции социального окружения система способна начать выполнять и что происходит, когда человек регулярно передаёт ей часть памяти, рефлексии и принятия решений?

Гибридный круг начинается не с близости, а с функции

В 1991 году Daniel Wegner, Ralph Erber и Paula Raymond исследовали свойства памяти у 59 романтических парах. Партнёры лучше справлялись с совместным запоминанием, когда могли опираться на уже сложившееся распределение знаний. Иными словами, человеку не обязательно помнить всё самому. Часть памяти может быть организована через знание о том, кто что помнит.

AI создаёт техническую возможность для похожего распределения когнитивной работы. Если система хранит историю проекта, восстанавливает предыдущий разговор и извлекает нужный контекст, пользователю уже не нужно удерживать всю информацию самостоятельно.

Такие архитектуры уже существуют. 

В MemGPT Charles Packer и коллеги предложили систему управления контекстом. Она распределяет информацию между несколькими уровнями памяти и переносит её между активным контекстом модели и внешним хранилищем. Такой механизм позволяет поддерживать длительные диалоги за пределами одного контекстного окна.

Здесь появляется важный сдвиг: внешняя память перестаёт быть пассивным хранилищем. Система сама участвует в выборе того, что использовать в разговоре с человеком.

Наше окружение также выполняет эту функцию. Люди помогают нам помнить, кто мы.

Jerome Bruner рассматривал нарратив как способ организации опыта. Семья, партнёры и друзья не просто присутствуют в нашей биографии. Они участвуют в её создании.

Машине необязательно быть человеком, чтобы вызывать эмпатию

Можно предположить, что социальный эффект AI возникает только из-за антропоморфизации. Однако исследования показывают более сложную картину.

В 2025 году Dunigan Folk, Steven Heine и Elizabeth Dunn провели два эксперимента с общей выборкой 1274 человека. Часть участников шесть минут разговаривала с чат-ботом о прошедшем месяце, другая часть описывала тот же период самостоятельно. После разговора с системой участники в среднем сообщали о большей социальной связанности. Эффект был сильнее у людей, склонных антропоморфизировать технологию.

Tobias Kleinert и коллеги исследовали ощущение близости в двух двойных слепых рандомизированных экспериментах с общей выборкой 492 человека. Участники проходили текстовую версию Fast Friends Procedure. Ответы собеседника были заранее созданы человеком или LLM.

Когда ответы AI представляли как человеческие, в эмоционально насыщенной части эксперимента они вызывали более сильное ощущение близости. Когда участники знали, что общаются с AI, эффект снижался.

Эти результаты не позволяют говорить о замене человеческих отношений. Они показывают другое: часть социальных эффектов может возникать в общении с системой даже тогда, когда её статус как машины известен пользователю.

Когда память начинает отвечать

В июне 2026 года Paul Smart, Robert Clowes, Joel Krueger и Michael Boniface описали LLM как новый класс технологий персональной памяти. В отличие от обычного цифрового архива, такая система может не только хранить информацию, но и активно участвовать в процессах памяти: запрашивать детали, выбирать релевантные эпизоды, возвращать их в диалог и помогать формировать связный нарратив. 

Авторы предполагают, что благодаря разговорному интерфейсу LLM могут влиять на память способом, который начинает напоминать роль человеческого социального компаньона. Тем самым размывается граница между технологической и социальной средой памяти. 

Пока нет оснований утверждать, что долговременное общение с AI уже меняет человеческую идентичность. Но техническое условие для такого влияния появляется: система не просто хранит прошлое, а участвует в том, что именно из прошлого возвращается человеку и в какой форме.

Система тоже меняет пользователя

Архитектуру AI проектируют люди. Они определяют память, персонализацию, стиль ответа и степень автономности системы. Но затем возникает обратный контур: свойства интерфейса начинают влиять на поведение пользователя.

Постоянная память может менять отношение к забыванию. Бесконечная итерация — к черновику. Мгновенный ответ — к паузе. Персонализация — к ожиданию внимания.

Долгосрочные эффекты этих изменений пока недостаточно изучены. Но дизайн AI уже нельзя рассматривать только как вопрос удобства. Если система становится постоянной частью повседневной среды, её архитектура может постепенно задавать нормы взаимодействия.

Мы проектируем систему. Затем система начинает участвовать в проектировании наших привычек.