Введение. Статья посвящена актуальным философским проблемам постнеклассической науки, связанным с анализом интеллектуальных систем на основе машинного обучения, и содержит сравнительный анализ конструктивистского и реалистического подходов для выявления эвристического потенциала радикального конструктивизма в построении гибкой функциональной архитектуры ИИ.

Методология и источники. В основу исследования положен сравнительный анализ реалистического и конструктивистского подходов, методологический аппарат которого включает принципы операциональной замкнутости и когнитивного конструирования реальности, разработанные в трудах Э. фон Глазерсфельда, Ж. Пиаже и их последователей. Центральным тезисом выступает трактовка знания не как отражения объективной реальности, а как конструкции, критерием которой является функциональная пригодность для решения задач, что находит отражение в современных концепциях машинного обучения, таких как обучение с подкреплением.

Результаты и обсуждение. Продемонстрировано, что ключевые принципы конструктивизма – операциональная природа знания, итеративное построение когнитивных структур и прагматический критерий жизнеспособности – предлагают пути решения проблем ИИ, таких как проблема «черного ящика», статичность моделей и контекстуальная зависимость данных, через переосмысление машинного обучения как процесса активного построения функциональных репрезентаций и смещения акцента с точности на функциональную адекватность в конкретных прикладных контекстах.

Заключение. Разработанные положения радикального конструктивизма помогают переосмыслить природу данных и моделей в машинном обучении, а также открывают перспективы для более глубокого анализа требований к итеративным и адаптивным архитектурам обучения и развитию систем с искусственным интеллектом.