ИИ-неологизмы в английском, немецком, французском и русском языках // Филология и культура

Статья посвящена исследованию процессов словообразования в терминосфере искусственного интеллекта (ИИ) на материале четырех языков: английского, немецкого, французского и русского. Актуальность работы обусловлена стремительным развитием технологий ИИ, что ведет к появлению большого количества новых лексических единиц, требующих системного описания и унификации. Основная проблема, рассматриваемая в статье, заключается в выявлении общих закономерностей и национально-специфических особенностей формирования корпуса неологизмов в разноструктурных языках в условиях глобальной англоязычной экспансии. Целью работы является выявление продуктивных моделей словообразования ИИ-неологизмов в английском, немецком, французском и русском языках, а также установление степени влияния английского языка как языка-донора на формирование терминологических систем немецкого, французского и русского языков.
В результате исследования доказана ведущая роль английского языка как основного источника пополнения терминологии ИИ. Установлено, что среди ИИ-неологизмов, отобранных методом сплошной выборки на форумах и в словарях, посвящённых теме искусственного интеллекта, доминирующими способами терминообразования в английском языке являются семантический перенос и семантическое развитие общеупотребительной лексики, словосложение, а также аббревиация и блендинг. Выявлено, что немецкий, французский и русский языки преимущественно используют калькирование различных типов (словообразовательное, семантическое) для адаптации англоязычных терминов, однако в каждом из них наблюдаются и специфические пути формирования неологизмов (например, создание исконных композитов в немецком или использование суффиксации во французском). Отмечается, что значительная часть англоязычных акронимов функционирует во всех рассматриваемых языках без перевода, в исходном графическом облике. Полученные результаты вносят вклад в понимание современных тенденций развития терминологии и могут быть применены в теории и практике перевода, а также в лексикографической работе.

1. Аверкин А. Н. Объяснимый искусственный интеллект как часть искусственного интеллекта третьего поколения // Речевые технологии. 2023. 1. С. 4–10.

2. Большая российская энциклопедия. Искусственный интеллект. URL: https://bigenc.ru/c/iskusstvennyi-intellekt-ac9fb0 (дата обращения: 08.04.26)

3. Ларчев Д. В. Искусственный интеллект: понятие, признаки, классификация // Правовой альманах. 2024. 1. С. 29–34. URL: https://cyberleninka.ru/article/n/iskusstvennyy-intellekt-ponyatie-priznaki-klassifikatsiya (дата обращения: 04.04.26).

4. Нелюбин Л. Л. Толковый переводоведческий словарь. Калькирование // Толковый переводоведческий словарь. 2025. URL: https://gufo.me/dict/translatology/калькирование (дата обращения: 04.12.25)

5. Ефремова Т. Ф. Толковый словарь Ефремовой. Окказионализмы // Толковый словарь Ефремовой. URL: https://rus-yaz.niv.ru/doc/dictionary-efremova/fc/slovar-206-18.htm#zag-67549 (дата обращения: 13.04.26).

6. Степанова О. С. К определению понятия неологизм, классификация неологизмов // Филология, иностранные языки и медиакоммуникации : Материалы симпозиума в рамках XIX (LI) Международной научной конференции студентов, аспирантов и молодых ученых. 2024. 1. С. 305–308.

7. Воробьёва И. А. Понятие «неологизм», классификация неологизмов в английском языке // Вестник Хабаровского государственного университета экономики и права. 2019. 3. С. 158–166. URL: https://cyberleninka.ru/article/n/ponyatie-neologizmklassifikatsiya-neologizmov-v-angliyskom-yazyke (дата обращения: 04.04.26).

8. Шанский Н. М. Лексикология современного русского языка. Пособие для студентов пед. ин-тов. 2-е изд., испр. Москва: Просвещение, 1972. 368 с.

9. Languages42.ru. Семантические переносы. URL: https://languages42.ru/tutorials/assamese/semanticheskie-perenosy/ (дата обращения:19.10.2025).

10. GitHub. Memory / LangGraph. URL: https://langchain-ai.github.io/langgraph/concepts/memory/ (дата обращения: 20.10.2025).

11. Полный словарь терминов искусственного интеллекта: от AGI до LLM // SecurityLab.ru by Positive Technologies. URL: https://www.securitylab.ru/analytics/559721.php (дата обращения: 13.04.2026).

12. LLM Основа: токенизация и триангулирование [By Novita AI] // Novita.ai. URL: https://blogs.novita.ai/ru/llm-foundation-tokenizationtrianing/ (дата обращения: 13.04.26).

13. Peirce C. S. Prolegomena to an Apology for Pragmaticism // The Monist. 1906. Vol. 16, No. 4. Pp. 492–546.

14. Aho A.V., Ullman J.D. The Theory of Parsing, Translation, and Compiling. Vol. 1: Parsing. Englewood Cliffs, NJ: Prentice-Hall, 1972. 542 p.

15. Manning C.D., Schütze H. Foundations of Statistical Natural Language Processing. Cambridge, MA: MIT Press, 1999. 680 p.

16. Sennrich R., Haddow B., Birch A. Neural Machine Translation of Rare Words with Subword Units // Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (ACL 2016). Berlin, 2016. Pp. 1715–1725.

17. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge, MA: MIT Press, 2016. Chapter 1. 785 p.

18. Дообучение LLM под ваши задачи: файнтюнинг и RAG / Зачем нужен fine-tuning и дообучение LLM. URL: https://unistory.app/ru/blog/fine-tuning-llm/ (дата обращения: 05.02.2026).

19. Yandex Cloud. Большие языковые модели (LLM). URL: https://cloud.yandex.ru/ru/services/llm (дата обращения: 21.10.2025).

20. Cambridge Dictionary. URL: https://dictionary.cambridge.org/ (дата обращения: 21.10.2025)

21. Verdoliva L. Media Forensics and DeepFakes: An Overview // IEEE Journal of Selected Topics in Signal Processing. 2020. Vol. 14, No. 5. Pp. 910–932.