Миллиарды рисунков раскрывают скрытые культурные различия в человеческих понятиях

Утверждения об универсальности человеческих понятий, о том, что люди в разных культурах представляют себе одни и те же вещи одинаково, обычно проверяли через язык: сравнивали, насколько похожи слова и их значения в разных языках. Но слова хороши как средство общения именно потому, что сжимают богатый и разнородный личный опыт в общие условности, а это может скрывать реальные индивидуальные и культурные различия в том, как понятия устроены в сознании человека. Авторы новой работы решили проверить универсальность понятий не через язык, а через зрительное воображение: они проанализировали 2,6 миллиарда рисунков распространённых понятий, сделанных людьми из 236 стран и территорий.

Оказалось, что одно и то же понятие на рисунках разных людей раскладывается на несколько устойчиво различающихся визуальных вариантов, и в этом разбросе видна скрытая информация о сходствах и различиях в устройстве понятий между культурами; это согласуется с более ранними работами о познании через зрительные образы. Сильнее всего расхождение проявляется для понятий, связанных с тактильным, осязательным взаимодействием, то есть с тем, что человек берёт в руки, трогает или иначе физически с этим взаимодействует. Из этого следует, что зрительный образ понятия отражает телесный, чувственный опыт человека в той же мере, что и словарное определение.

Авторы также построили векторные представления (эмбеддинги) отдельно по рисункам и по словам в разных языках и сравнили их геометрию. Она оказалась разной: языковые модели слов сжимают культурные различия, тогда как визуальные представления рисунков сохраняют гораздо более богатую смысловую и культурную структуру. Более того, оценки культурной близости между странами, построенные по рисункам, совпадают с общепризнанными в науке метриками культурных дистанций на 45% точнее, чем аналогичные оценки, построенные по тексту.

Общий вывод авторов: результаты говорят о том, что степень «универсальности» человеческих понятий может критически зависеть от того, каким способом их измерять, через слова или через зрительные образы. Крупномасштабные рисунки дают прямой и подробный, «высокого разрешения», способ увидеть, насколько понятия на самом деле различаются в телесном опыте и в культуре, точнее, чем анализ одних только слов.

Ключевые факты

Проанализировано 2,6 миллиарда рисунков распространённых понятий, сделанных людьми из 236 стран и территорий, взгляд на устройство понятий через зрительное, а не языковое воображение.
Одно и то же понятие на рисунках разных людей распадается на несколько устойчивых визуальных вариантов, в которых проявляются скрытые культурные различия, незаметные при сравнении одних слов.
Сильнее всего культурные различия проявляются в рисунках понятий, связанных с тактильным (осязательным) взаимодействием: рисунок отражает телесный опыт человека наравне со словарным определением.
Геометрия векторных представлений (эмбеддингов), построенных отдельно по рисункам и по словам в разных языках, расходится: язык сжимает культурные различия, а рисунки их сохраняют.
Культурная близость между странами, посчитанная по рисункам, совпадает с признанными метриками культурных дистанций на 45% точнее, чем оценки на основе текста.

Почему это важно

До сих пор утверждения об универсальности человеческих понятий, что люди в разных культурах мыслят об одних и тех же вещах одинаково, проверяли прежде всего через язык, сравнивая слова и их значения в разных культурах. Но слова, это сжатый, удобный способ передачи опыта: они сглаживают реальные различия в том, как понятие представлено в сознании конкретного человека. Работа показывает, что при смене инструмента измерения, переходе от слов к рисункам, картина культурного разнообразия человеческих понятий меняется радикально: там, где язык демонстрирует сходство, зрительные образы вскрывают скрытые различия. Это ставит под вопрос часть прежних выводов об универсальности человеческого мышления, сделанных только на основе языковых данных.

Кому это важно

В первую очередь, когнитивным психологам, лингвистам и антропологам, изучающим, насколько по-разному устроено мышление в разных культурах. Также это важно исследователям, которые строят модели-эмбеддинги (языковые и мультимодальные) и говорят о «универсальном» сходстве понятий между языками и культурами: работа показывает, что языковые модели могут сглаживать реальные культурные различия. И наконец, разработчикам продуктов и интерфейсов для глобальной аудитории, которым приходится подбирать образы и символы, понятные во всех целевых культурах.

Как это применить

Прямого продукта или инструмента исследование не предлагает, но из его выводов вытекают практические следствия. При оценке того, насколько похожи или различны культуры, стоит проверять результат не только по текстовым (языковым) данным, но и по визуальным: рисунки могут точнее отражать реальные различия. При разработке универсальных иконок и визуальных символов, особенно для понятий, связанных с осязанием и физическим манипулированием предметами, нельзя полагаться на то, что один и тот же визуальный образ будет понят одинаково во всех культурах: это стоит проверять отдельно для каждого целевого рынка. Разработчикам мультиязычных ИИ-систем работа подсказывает: сходство эмбеддингов слов между языками может создавать ложное впечатление «единообразия», которое не подтверждается на уровне зрительных образов.

Можно ли доверять

Материал, препринт на arXiv (раздел cs.CY, «Computers and Society», компьютерные науки и общество), опубликован 8 июля 2026 года; в тексте аннотации нет сведений о рецензировании или публикации в журнале. Масштаб данных, 2,6 миллиарда рисунков из 236 стран и территорий, необычно велик и сам по себе внушает доверие к статистической устойчивости результатов. Ключевое количественное утверждение (совпадение на 45% точнее текстовых оценок) выражено конкретной цифрой, что делает вывод проверяемым в принципе. При этом в аннотации не раскрыты методические детали, кто и как собирал рисунки, какая модель использовалась для построения эмбеддингов, как именно определялись «признанные культурные дистанции», поэтому оценить строгость методологии по одной аннотации нельзя; авторы работы и их принадлежность к организации в тексте также не указаны.

Риски и подводные камни

В доступном тексте не сказано, кто именно и как собирал рисунки, через какую платформу, приложение или сервис. Это важно: любой массовый, добровольно собранный визуальный набор данных рискует непропорционально отражать людей с доступом именно к этой платформе (например, к интернету и конкретному приложению), а не население каждой из 236 стран в целом. Само сравнение «рисунок против слова» по разным модальностям оставляет пространство для методических допущений, например, как именно выравнивались понятия между языками и какая модель эмбеддингов использовалась для слов и для рисунков. Кроме того, рисунок, это уже упрощённый, символический образ понятия, а не прямое измерение телесного опыта; поэтому вывод о том, что различия в рисунках напрямую отражают различия в «воплощённом опыте», это интерпретация авторов, а не прямое наблюдение.

«Культурная схожесть, выведенная из рисунков, совпадает с общепризнанными культурными дистанциями на 45% точнее, чем оценки, основанные на тексте.»

— из аннотации препринта на arXiv, июль 2026