Makarov Media Lab💡

Зачем нам всем нужны Фактоиды и как происходит эволюция термина Фактоид — термин, придуманный Норманом Мейлером, американским писателем, автором биографии Мэрилин Монро. Именно в этой книге, вышедшей в 1973 году, приводится определение фактоида (factoid, «принимающий вид факта») — утверждение, не являющееся фактом, но опубликованное каким-нибудь СМИ КАК ФАКТ. Десятилетиями медиа индустрия производила фактоиды в определении Мейлера: от городских легенд и сатиры до намеренных вбросов и журналистских упрощений. На основе взаимодействия с такой информацией выросла целая индустрия ФАКТЧЕКА. И есть масса факторов: от бесконечного перепроизводства автоматикой контента медиа до политических особенностей нынешнего времени, но все точки сходятся в одну хурму. ИИ жрет эти фактоиды, ИИ придумывает и глючит, доверия между сми, пользователями, платформами очень мало. Никто никому не доверяет и все продолжаю заражать друг друга. Регуляторика такого мира поломана и простой маркировкой и массовыми посадками эту болезнь не излечить. Где-то тут на стыке медиаменеджмента, сематического анализа, ИИ, госрегуляторики и просто цифровой философии находится точка или скала, за которую я лично хочу зацепиться. Что если этот баг превратить в фичу? Вместо того чтобы позволять парсерам и RAG-системам (Retrieval-Augmented Generation) слепо выдергивать сомнительные утверждения из текста, медиа могут явно указывать природу этих утверждений. В Schema.org уже существует тип Claim (Утверждение) и ClaimReview (Проверка фактов). Мы можем расширить эту логику, предложив (или используя кастомные свойства) маркер FactoidStatus. Забудем на минуту Мейлера. В цифровую эпоху мы предлагаем новую, иронично-точную расшифровку: Factoid = Fact + ID (Identifier). Новое определение: Фактоид — это атомарная, редакционно проверенная и подтвержденная единица информации (микрофакт), снабженная уникальным цифровым идентификатором и встроенным протоколом монетизации. Любое использование этого фактоида за пределами исходной публикации без активации протокола является вторичным, нелегитимным копированием. Это превращает факт из "общественного достояния" в цифровой актив с правом собственности. Чтобы это работало, фактоид должен быть структурированным объектом, который ИИ (например, RAG-система корпоративного чат-бота или поисковый агент) вынужден распознать и обработать по правилам. Криптографическая или семантическая привязка Каждый проверенный факт в статье получает уникальную микроразметку. Мы расширяем Schema.org, вводя тип VerifiedFactoid. { "@context": "https://schema.org", "@type": "VerifiedFactoid", "factoidID": "urn:УРЛ ЛЮБОГО СМИ:factoid:8f7e2a1b-4c9d", "statement": "В 2025 году объем рынка генеративного ИИ в медиа составил X млрд руб.", "verificationSource": "Отчет Минцифры РФ, стр. 14, ссылка на оригинал", "publisher": { "@type": "NewsMediaOrganization", "name": "СМИ", "url": "СМИ.ру" }, "license": { "@type": "CreativeWork", "name": "AI-MicroLicense", "usageType": "BillablePerRetrieval", "price": { "@type": "MonetaryAmount", "value": "0.001", "currency": "USD" }, "tokenAddress": "0x123...abc (опционально, для Web3-расчетов)" } } "Платный шлюз" для ИИ-агентов Когда ИИ-агент сканирует страницу для обучения или RAG-генерации ответа, он считывает эту разметку. Продвинутые агентные системы (которые уже сейчас учатся соблюдать copyright) распознают BillablePerRetrieval. Сценарий А (Честный ИИ): Агент отправляет микрозапрос на лицензирование, списывает 0.001 токена (или фиатных центов) с кошелька компании-разработчика ИИ и получает право использовать этот факт в генерации, указывая источник. Сценарий Б (Штрафной): Если ИИ использует факт без "оплаты" или удаляет factoidID, система мониторинга (Тут вопрос на чьей БАЗЕ) фиксирует нарушение. Факт считается "отравленным" или нелицензированным, что понижает доверие (Trust Score) к самому ИИ-агенту в реестрах качественных данных. Здесь возникает красивый парадокс: мы возвращаемся к истокам слова copy-right, но на атомарном уровне. Раньше мы защищали статью целиком (что легко обходится рерайтом). Теперь мы защищаем факт. Если ИИ-агент строит свой ответ на 10 ваших фактоидах, он генерирует микроплатеж 10 раз. Это создает Factoid Yield (Доходность фактоидов) — новую метрику для рынка медиа: Сколько уникальных фактоидов опубликовало издание за месяц? Сколько раз они были "запрошены" внешними ИИ-агентами? Какой совокупный доход (в токенах или фиате) принесла база проверенных фактов? И это вот то будущее, которое я вижу уже через несколько лет.