Политогенез генеративных систем: концепция живого законодательства и адаптивной государственной архитектуры

В статье предложена концепция «генеративного управления» -новой парадигмы, в которой генеративные модели искусственного интеллекта (далее - ИИ) выступают посредниками, модераторами и симуляторами на всех стадиях государственного принятия решений. Обосновывается, что такое внедрение кардинально меняет представление о бюрократии, демократии, антикоррупционном контроле и международной дипломатии. Опираясь на междисциплинарный анализ - от теории делиберативной демократии до новейших практик «Habermas Machine» Google DeepMind и цифровых общественных платформ vTaiwan/Polis, - статья формулирует архитектуру многоуровневой ИИ-платформы, описывает алгоритмы коллективного моделирования политик, адаптивного законодательства и динамического общественного участия. Демонстрируется, как генеративные модели, соединенные с большими данными, могут снижать коррупцию, повышать прозрачность, ускорять цикл «инициатива → реализация → обратная связь» и делать общественные решения эмпирически обоснованными. Представлена дорожная карта внедрения (пилоты → масштабирование → международная кооперация) и критически рассмотрены риски (предвзятости, энергопотребление, «алгократия») с предложением юридических «конституций ИИ».

The article proposes the concept of "generative governance" - a new paradigm in which generative models of artificial intelligence (AI) act as mediators, moderators and simulators at all stages of public decision-making. It is substantiated that such implementation radically changes the understanding of bureaucracy, democracy, anti-corruption control and international diplomacy. Drawing on interdisciplinary analysis, ranging from deliberative democracy theory to Google DeepMind's "Habermas Machine" and the latest practices of digital public platforms such as vTaiwan and Polis, the article proposes the design of a multi-level AI platform. It also describes algorithms for the collective modelling of policies, adaptive legislation, and dynamic public participation. The author demonstrates how generative models combined with big data can reduce corruption, increase transparency, accelerate the cycle "initiative → implementation → feedback" and make public decisions empirically substantiated. A roadmap for implementation (pilots → scaling → international cooperation) is presented and risks (biases, energy consumption, “algocracy”) are critically examined with a proposal for legal “AI constitutions”.