Изменится ли разум человека от соседства с компьютером
Бросьте в меня камень, если вы никогда не слышали этого сравнения: «Мозг человека — это компьютер». Эта простая метафора вызывает холивары во всем мире, сталкивает лбами интеллектуалов и, возможно, стала причиной нескольких инсультов. Одни утверждают, что человеческое мышление не может уложиться в бинарные рамки компьютерной программы. Другие — что, невзирая на свое богатство, наше мышление остается пусть превосходным, но процессором. Но и сторонники, и противники забывают о главном: спорят они не о метафоре, а о гипотезе.
Алгоритмичен ли наш мозг?
Вот мы и докопались до сути вопроса: мозг не работает дискретными шагами . Мозг — это система динамических непрекращающихся процессов. Белковые молекулы внутри нейрона постоянно гоняют туда-сюда ионы калия и натрия, а сам нейрон работает как заряженный конденсатор.
Ничего пошагового в таких процессах нет: электрические разряды и передача сигналов возникают не в отдельный момент времени.
Передача сигналов от нейрона к нейрону определяет, как мы ходим, видим, говорим, думаем, планируем, действуем. И если это происходит не алгоритмично, значит, мозг точно не компьютер, так ведь?
Не так быстро, друзья. Конечно, во многих аспектах мозг работает не как машина Тьюринга: у него нет бесконечного рулона бумаги и неограниченного времени для вычислений. Ну так и у электронного компьютера тоже нет. Даже пока вы ждете загрузки системных обновлений.
Но гипотеза, что мозг работает подобно компьютеру, ставит перед нами интересные вопросы. Например, может ли передача сигнала между нейронами быть в чем-то схожа с алгоритмом? Или можно ли описать процессы в мозге с помощью алгоритма?
Если работа мозга приближена к алгоритмической, мы можем использовать знания компьютерных наук для его изучения. Если же нет, нам необходимо искать новые подходы, не связанные с вычислительными алгоритмами.
Итоги
Размышляя над тем, кто умнее – человек или машина – не стоит забывать, что компьютеры созданы для улучшения нашей жизни, как тот же IBM Watson, который помогает бороться со смертельным заболеванием.
Ряд задач, которые компьютеры выполняют лучше человека, постепенно становится шире. Наша работа – помогать им учиться, ведь жизнь – это не соревнование, а сотрудничество.
И компьютеры будут нам отвечать тем же, становясь все более незаменимыми помощниками людей и, надеюсь, без того, чтобы машины начали диктовать свои условия нам, «хомо сапиенсам», «людям разумным»!
В чем человек лучше компьютера?
С другой стороны, люди кое в чем превосходят машины. Мы выполняем задачи, основываясь не только на интеллекте, но и на таких абстрактных понятиях, как разум и жизненный опыт.
Компьютеры получают информацию из электронных библиотек. Тем не менее, они не способны переработать ее так, чтобы на выходе получился жизненный опыт, подобный человеческому.
Каждому из нас хорошо известно, что именно свой опыт дается нам порой очень не просто. Хоть и говорят, что хорошо бы учиться на чужих ошибках, но по факту приходится, в основном, учиться на собственных.
Люди обладают и другими абстрактными чертами – творчеством, вдохновением, воображением. Человек может
- сочинить стихотворение,
- написать и сыграть музыку,
- спеть песню,
- нарисовать картину.
С некоторыми из этих задач справятся и компьютеры, но врожденной способности к творчеству у них нет. Об этом образно писал А.С.Пушкин в 1829 году (классики всегда актуальны, в том числе, в эпоху компьютера и интернета):
О сколько нам открытий чудных
Готовят просвещенья дух
И Опыт, сын ошибок трудных,
И Гений, парадоксов друг,
И Случай, бог изобретатель.
Что компьютер делает лучше человека
Продвинутые шахматные программы могут всего за доли секунды рассчитать все возможные игровые комбинации и выстроить наиболее удачную стратегию. Что касается людей, то при выполнении подобных задач мы ошибаемся гораздо чаще.
Компьютеры имеют и другие преимущества. Их память надежнее, она вмещает огромное количество информации.
Вообще-то, честно говоря, человеческая память вмещает в себя несравненно намного больше информации, чем любой компьютер, но она так устроена, что далеко не вся запрятанная в ней информация может быть использована в нужный момент.
А вот компьютеры не страдают таким недостатком, и в любой момент готовы использовать всю заложенную в их память информацию.
Если не принимать во внимание возможные баги (ошибки) и системные сбои, компьютерные расчеты характеризуются высокой степенью точностью.
Больная метафора
Чтобы аргументированно рассуждать о мозге как компьютере, для начала нужно определиться с тем, что мы называем компьютером. Давайте пойдем от противного: от того, чем компьютер не является.
Компьютер — это точно не коробочка под вашим столом, не ноутбук на ваших коленях и не смартфон в ваших руках. Микрочипы, оперативная память и кэш — это лишь элементы компьютера. Если воспринимать его как пластиковую коробку с электронной начинкой, то, конечно, вы смело можете сказать, что мозг — точно не компьютер. Ну хотя бы потому, что серое вещество после вашего выключения не может служить жестким диском, и к вашей памяти ни у кого не будет доступа. Так вот, эту ошибку восприятия компьютера как коробочки с различными функциональными элементами совершают многие противники нашей метафоры.
Другие решительные противники сравнения мозга с компьютером часто вспоминают о том, что компьютерная метафора — лишь очередной пункт в целой серии исторических технологических сравнений. С чем только мозг не сравнивали после очередного технологического прорыва — и с гидросистемой, и с телеграфом, и с телефонным коммутатором… Теперь вот настал черед компьютера.
Так в чем же их ошибка? Дело в том, что сравнение мозга с компьютером — это не про технологии совсем. Сравнение берет начало из формального определения компьютера, которое впервые дал в 1936 году Алан Тьюринг . Для справки: в 1945 году Джон фон Нейман разработал архитектуру современного компьютера. А сами современные компьютеры появились только в 50-х годах прошлого века.
Историки до сих пор спорят о том, что же можно считать первым компьютером. Но сходятся они в одном: до 1936-го компьютеров не было. Размышления Тьюринга по большому счету касались не вычислительных систем, а человека: он изучал способности к решению задач, к вычислениям, к построению логической последовательности. Компьютеру было дано формальное определение еще до того, как он появился.
Даже не вспоминайте машины Бэббиджа. Его разностная машина была только феноменальным калькулятором, а аналитическую машину ему так и не удалось построить. Кроме того, обе они были механическими. Хотя да, разработки Бэббиджа помогли сформировать идею электронных вычислительных машин.
А что, если мы перевернем метафору и скажем, что компьютер работает как мозг? Вернемся к фон Нейману. Этот ученый, разрабатывая архитектуру компьютера, опирался на гипотетическую модель функционирования мозга Маккаллока и Питтса. Эти два ученых предполагали, что нейроны мозга могут либо посылать электрический «разряд», либо не посылать.
Иными словами, в их понимании нейрон зашифровывает информацию бинарным кодом: либо 1 («посылать»), либо 0 («не посылать»).
Это умозаключение позволяло предполагать, что группы нейронов действовали согласно формальной логике, что очень полезно для различного рода вычислений. Фон Нейман был прекрасно знаком с Маккаллоком, читал его работы и смог использовать его идею бинарной логики для создания компьютерной архитектуры.
Так что можно сказать, что компьютерные науки опираются на науку о мозге. Что, кстати, вовсе не означает, что мозг и компьютер работают схожим образом. Фон Нейману просто приглянулась простая аналогия работы нейронов, но по факту она не учитывает базовые принципы их функционирования.
К примеру, на самом деле нейроны посылают сигналы постоянно, а не с перерывами, а значит, о бинарной логике речи быть не может.
И фон Нейман честно говорит о том, что компьютер работает не так, как мозг).
Да, наша голова работает по алгоритмам
Есть только два способа проверить версию об алгоритмичности нашего мозга. Первый: мы предполагаем, по какому алгоритму действуют животные, а потом проверяем, соответствует ли активность нейронов предложенному алгоритму. Второй: мы измеряем активность нейронов во время поведенческого действия, а затем смотрим, какой алгоритм может соответствовать этому действию.
Наука пробовала и тот, и другой подход. Давайте начнем с того, который сперва изучает поведение. Мы уже достаточно много знаем о поведении животных (к миру которых и сами принадлежим).
Существует тонна экспериментов, в которых мы просим субъекта сделать выбор между двумя предметами.
Один из самых популярных выглядит так: мы показываем людям набор хаотично двигающихся точек, однако среди этих точек есть несколько таких, которые передвигаются в одном и том же направлении (влево или вправо). Далее мы просим участников эксперимента найти эти точки и сказать, в каком направлении они двигаются. Участник смотрит на экран, наблюдает за точками, а потом выдает ответ.
Небольшие изменения условий в таких заданиях позволяет выявить уникальные модели поведенческих реакций и возникновения ошибок. К примеру, количество ошибок возрастает обратно пропорционально количеству точек, двигающихся в одном направлении: чем меньше точек, тем больше ошибок. Это очень простая математическая модель, в которой для решения задания нужно, во-первых, определить наличие одинакового направления, а затем определить само направление (где одно направление противоречит другому). Это типичный алгоритм принятия решений.
Ну что ж, раз мы пришли к алгоритму, влияющему на поведение, самое время определить, что же происходит в мозге во время принятия решения.
В мозге обезьян, принимающих решения, можно увидеть несколько видов активности: нарастание активности, связанной с верным выбором, и спад активности, связанной с неверным.
В научно-исследовательской лаборатории Майкла Шадлена показали, что каждый скачок активности точно соответствует шагам алгоритма принятия решений, то есть активность нейронов повторяет алгоритм , с которым мы столкнулись при наблюдении за поведением.
Есть и примеры экспериментов, которые идут от обратного: сначала изучение нейронной активности, а затем — подбор алгоритма, который ей соответствует. Самый известный — дофаминовая теория получения вознаграждения . Автор теории, профессор Вольфрам Шульц, продемонстрировал, как вырабатывается дофамин в ответ на поощрение. Ученый зарегистрировал несколько потрясающих наблюдений.
Например, дофаминовая активность была замечена только при неожиданной награде. Как только нейроны «понимали», при каких условиях выдается награда, выброса дофамина не следовало.
На основе экспериментальных данных Шульца две независимые группы ученых (Рид Монтаг и Петер Даян и Джим Хук и Анди Барто) предположили, что нейроны при выработке дофамина используют алгоритмы теории обучения с подкреплением.
Алгоритмы этой теории работают так: есть несколько вариантов действий. Решение принимается на основе предполагаемых последствий от выбора того или иного действия. После принятия решения вычисляется разница между предполагаемыми последствиями и реальным исходом. Если последствия соответствовали предполагаемым, ошибки не было, значит, поведение не нуждается в корректировке. Если исход получился лучше предполагаемого (позитивная ошибка), ценность этого варианта возрастает. Если исход получился хуже предполагаемого (негативная ошибка), ценность варианта падает. Такое подкрепление создает канал обратной связи с окружающим миром и приводит к дальнейшим изменениям в поведении.
Согласно данным Шульца, дофаминовые нейроны дают обратную связь по всем трем вариантам исходов: и при отсутствии ошибки, и при положительной, и при отрицательной. Удивительно, как совпали дискретные шаги алгоритма и активность нейронов в мозге.
В действительности не так уж и удивительно. Теория обучения подкреплением основывалась на десятилетних исследованиях поведения животных при дрессировке, а затем ее данные использовались при разработке компьютерных программ для обучения. Так что логика появления подобной связи такова: поведение => появление компьютерных алгоритмов => более глубокие наблюдения за поведением => исследование нейронной активности, которая естественным образом совпала с алгоритмами.
Вы можете спросить: а как же успех глубоких нейросетей в работе с процессами, которые считались типично человеческими, например классификации изображений? Что ж, обычные нейросети в основе своей несут дискретные алгоритмы. Глубокие нейросети имеют целые дискретные слои, каждый из которых соединен со следующим и передает ему информацию. В человеческом мозге дискретных слоев нет.
Существует еще одна версия: несмотря на то, что в биологическом смысле мозг работает беспрерывно, проделываемые им операции все же дискретны.
Может ли машина иметь разум?
В настоящее время мы можем обучить компьютеры выполнять те задачи, которые трудны или практически невозможны для человека: например, визуальное распознавание, которое предполагает обработку огромного количества данных и бесконечный ряд повторяющихся операций.
Однако эксперты соглашаются с тем, что в общем понимании разума, творчества и сознания люди стоят выше компьютера.
Мы может создать программу-креативщика, загрузить в нее базу данных, состоящую из произведений искусства, и получить на выходе новую уникальную работу. Но это не творчество в том смысле, в каком мы привыкли его понимать, а лишь его имитация. Точнее, это будет работа программного кода, который следует заложенным инструкциям. Разумом это точно назвать нельзя.
Как только мы разгадаем нейрокод, управляющий клетками нашего мозга, мы сможем создать искусственный аналог этой структуры, и тогда искусственный интеллект перейдет на новый уровень.
Это позволит нам уйти от уже изрядно «поднадоевшей» фон-Неймановской архитектуры компьютеров, на которой человечество пока «безнадежно застряло». И вот тогда… видятся, кажется, безграничные перспективы.
Но «воз пока и ныне там», нейрокод мы не знаем, и когда расшифруем, не ясно. Те же компьютеры с их миллиардами операций в секунду, увы, пока не могут нам помочь в расшифровке этого кода.
Некоторые ученые, в частности, Илон Маск, предупреждают о потенциальных опасностях искусственного интеллекта, которые приведут к чему-то вроде восстания машин. Ведь на практике машинный интеллект может оказаться за пределами нашего понимания, и тогда мы не сможем узнать, совпадают наши с компьютером ценности или расходятся.
Хотя, какие могут у машины быть проблемы с людьми? Нежелание нам помогать? А чем еще они могут заниматься, кроме как быть полезными помощниками? Трудно пока себе это представить.
Может, конечно, лень станет главной проблемой этих сверх компьютеров, ведь, как известно, лень – это ко всему прочему еще и двигатель прогресса.
Однако на эту тему можно философствовать сколько угодно, и это будут только самые общие рассуждения, не более того, при нашем текущем уровне понимания данной проблемы.
Нет, наша голова не работает по алгоритмам
Вроде бы набрали много свидетельств алгоритмической работы нашего мозга.
Вообще-то, большая часть нейронаук основывается на его алгоритмичности: какую публикацию ни открой — мозг все время что-то вычисляет и рассчитывает.
Влиятельный исследователь Дэвид Марр ставит вопрос так: ищем алгоритмы, а потом ищем часть мозга, которая запускает их. Но есть и те, кто задает вопрос иначе: если не алгоритмы, то что?
На него тоже есть ответ. Нам известно огромное количество действий, которыми мозг управляет без алгоритмов. Мы ходим, бегаем и ползаем, не вовлекая алгоритмической деятельности. При этих повторяющихся сокращениях разных групп мышц регистрируются такие же повторяющиеся всплески активности целых групп взаимосвязанных нейронов — они самостоятельно управляют движениями мышц.
Подобные нейронные цепочки возникают в мозге каждый раз, когда в теле происходят ритмичные процессы (хотя работой сердца управляет собственная фиксированная цепочка) — когда мы жуем, плаваем, дышим.
А что с единичными движениями? Например, когда мы поднимаем руку, чтобы взять стакан. Движение не повторяющееся, но и алгоритмов для его выполнения не требуется. При таких движениях происходит серия быстрой смены активности в нейронах зоны моторной коры, ответственной за руку. Они передают сигнал спинному мозгу, который передает его мышцам. Что здесь за алгоритм?
Здесь можно возразить: ну конечно, это всего лишь движения! Сложные процессы вроде памяти, планирования и мышления должны требовать вычислительных мощностей, а не просто динамической обработки.
Вообще-то, даже сложные процессы могут обойтись простой динамикой.
Вот механическое решение для работы памяти. Нам уже несколько десятилетий известно, что простое воспоминание может сохраняться и воспроизводиться активностью простой цепочки нейронов в ответ на определенные вводные данные. С их помощью запах поджаренного хлеба может вызывать в нас сложное воспоминание о визите к бабушке в далеком детстве.
А вот механическое решение для формирования прогноза. Наш мозг часто занимается прогнозированием. В этом процессе вознаграждение достаточно неопределенно: сдав отчеты вовремя, вы можете получить повышение, а можете и не получить.
Недавние исследования показали, как сеть нейронов, беспрерывно посылающих сигналы друг другу, занимаются прогнозированием. К примеру, определенная сеть нейронов решает судоку.
Есть механическое решение для почти любой задачи, связанной с вводными данными. Например, машины с неустойчивым состоянием (особый вид нейросети) представляют собой группу смоделированных нейронов, связанных между собой случайным образом и беспрерывно посылающих друг другу импульсы.
Кроме того, нейроны в этой модели разделяются на возбуждающие и тормозящие (последние не дают первым провести сигнал). Это важный момент, поскольку итоговая нейросеть работает в должной степени беспорядочно, а значит, самое легкое изменение во вводных данных вызовет абсолютно иную активность. По большому счету это означает, что любые вводные данные могут вызвать любую операцию.
Вопрос стоит так: каким образом эта сеть научится (эволюционно ли, либо с помощью обучения) строить нейронные связи нужным образом и выполнять требуемые действия? Это хороший вопрос, и на него пока нет ответа.
Влиятельный физик и математик Роджер Пенроуз посвятил две увесистые книги размышлениям о том, что мозг — это не компьютер. Но каким-то образом от этого простого утверждения он перешел к мысли о существовании квантового сознания, не допустив золотой середины. Ведь все может быть гораздо проще: мозг постоянно находится в движении, которое может подчиняться алгоритмам, а может и не подчиняться.
«Мозг как компьютер» — это не метафора, а гипотеза, которую вполне можно проверить. Чем ученые и занимаются прямо сейчас.
Ни одно исследование не сможет доказать, что вот эта определенная часть мозга работает по алгоритму Х. В науке так не бывает. Подтверждениями гипотезы служат многочисленные работы со всего мира, собираемые по крупицам. Так что точного ответа мы пока не знаем.
Считаю ли я мозг компьютером? Нет. Я готов оказаться неправым. Более того, я написал множество статей о том, как мозг реализует алгоритмы. Так что, как видите, я спокойно могу придерживаться двух точек зрения одновременно.
Подобная двойственность свойственна многим ученым: как только нужно выбрать между двумя полярно противоположными мнениями, становится ясно, что ни одно из них не может быть полностью верным.
Человеческий мозг просто создан для подобной двойственности. А может, это лишний раз доказывает, что он точно не компьютер?
почему то все говорят только о мыслях, объёме памяти и способности принимать решения.. .
но разве человек состоит только из мозга?
технологии развиваются с невероятной скоростью.. . мы и предположить не можем - до чего это может развить технические способности компьтеров.. . НО. именно технические. .
никогда компьтер не будет переживать из-за того, что любимый уже два часа не звонит. не будет умиляясь наблюдать за игрой ребёнка. не сумеет заболеть осенней светлой грустью, чтобы в результате написать нечто Пушкинское или как"Октябрь" Чайковского. .
. и на амбразуру не броситься, спасая жизнь другу. .
потому что машина способна только на логические поступки.. . обусловленые заложенной программой. никогда ей не превзойти человека. .
здесь другая проблема намечается - как бы человек не уподобился компьютеру в результате всех этих прогрессивных технологий. .
нынче полностью автоматизированные машины создают машины. Чисто человеческий труд применяется только потому, что тонкие пальцы и острые глаза заменить еще не удалось
В плане ума -никогда. Компьютер нельзя научить думать. Можно его научить создавать видимость работы ума. . не более того.
Если эта "видимость" не позволит определить с кем имеем дело с искусственным интеллектом или естественным. И если искусственный интеллект будет лучше решать (и уже решает- чемпион по шахматам сейчас компьютер) интеллектуальные задачи.
Попробуйте определить кто написал следующее четверостишие?
:
За окном угрюмый ветер завывает и ревёт,
И невольно возникает дум печальных хоровод.
Тихо сумрак заполняет тёмной комнаты углы.
Что там тускло так мерцает из кромешной чёрной мглы?
По моему Вы излишне категоричны в своём ответе.
Чудо Искусственный Интеллект (152158) В первой части ответа Вы говорите о теста Тьюринга, который проводится в течение 5 минут и не доказывает наличие интеллекта, а доказывает, что человек может создать программу (алгоритм) видимости такового. Компьютер - чемпион по шахматам? Это метод перебора(!), тут НЕТ никакого УМА или ИНТЕЛЛЕКТА. Самый мощный компьютер, просто перемалывает миллиард операций возможных ходов, пытаясь найти лучший. Это лишь доказывает, насколько сложно устроен мозг человека (а как он работает, людям еще НЕИЗВЕСТНО), что бросив взгляд на шахматную доску человек выбирает лучшую стратегию из миллиарда возможных. В 5 классе я написал программу на BASIC, где надо убегать от врага и собирать бонусы. Бегающий за тобой компьютерный враг - вот величайшее достижение интеллекта человека, но не компьютера. Вся программа - десяток строк, вот и весь интеллект компьютера.
Надеюсь, что машина никогда не получит интеллект.
Уже природа наделила человека интеллектом, и что он теперь с ней делает? Так же поступят и машины. Сужу не по "Териминаторам", "Матрицам", "Я - роботам" и прочим, а только по приведённому мною примеру.
Одинокий романтик Профи (502) Опять же, она её спасёт лишь в том случае, если у неё не будет интеллекта, а она будет дальше выполнять несколько десятков или сотен алгоритмов, заданных человеком. Если же число этих алгоритмов приблизится к миллиардам, как у человека, и её логика будет иметь "своё мнение", то ничего хорошего ждать не стоит.
Нет. Компьютеры хорошо могут вычислять, но не более. Самая важная деталь в том, что они не могут САМИ принимать какие-либо решения. В Америке сделали опыт с машиной, которая сама выбирает куда ехать.. только она весила несколько тонн и остановилась перед кустом)) Щас есть более менее лучше машины, но нельзя запрограммировать их бесконечно. Мозг человека в миллионы раз совершеннее. Просто компьютер делает что-то одно и лучше. До человека ему далеко.
1.Природа человека состоит в том, чтобы все время идти вперед- это мысль французского философа Паскаля. Как вы понимаете эту мысль?
2.Может ли компьютер превзойти человека в мышлении? Измениться ли разум человека от соседства компьютера?
3."В действительности же существуют только атомы и пустота." Это догатка Демокрита. Оказалось ли она верной? Что удалось уточнить современной науке?
1. Человек должен идти всё время вперёд, чтобы из червяка стать обезьяной, а из обезьяны стать человеком, умеющим скрывать свой природный срам культурной одеждой и культурным поведением.
2. Компьютер не сможет превзойти человека, до той поры, пока не приобретёт органы чувств, способные создавать различный набор ощущений, свойственный живому организму.
2. Да, говоря современным языком, это означает, что строение материи дискретно, но, кроме количественных свойств, материя демонстрируют и свои качественные свойства, а именно, способность элементов материи испытывать ощущения при движениях и столкновениях
идти вперед из Ада Иллюзии
компьютер-это рассудок, человек-разум
Демокрит не признавал реальной метафизики, ошибка.
1. Познание истины бесконечно
2.Не может .Мышление не материальная составляющая человека.
3.Нет. В современном мире применяются нанотехнологии. Приставка "нано", пришедшая из греческого языка ("нанос" по‑гречески ‑ гном), означает одну миллиардную долю. Один нанометр (нм) – одна миллиардная доля метра.
Самые сложные компьютеры, какие только можно себе представить, примитивны по сравнению с практически непостигаемым по своей сложности и гибкости человеческим мозгом, который обладает такими характеристиками благодаря сложнейшей, градуированной системе электрохимических сигналов.
Применение полезных изобретений, например машин и реактивных самолетов, обычно ограничено возможностями комплекта постоянных механизмов и электрических систем, которые разрабатывает и устанавливает человек. Мозг же — даже по самым скромным меркам — это очень гибкий биологический механизм, или система. Он может изменяться в зависимости от того, как его используют. Видимо, на развитие мозга в течение жизни влияют два основных фактора: что мы пропускаем в мозг через наши органы чувств и о чем мы думаем.
Паскаль ошибся, это идея, свойственная не всем людям, есть от природы консерваторы и ленивые.
Компьютеры развиваются, и уже превосходят человека во многом, разве что иллюзию души ему не создали, слуге это ни к чему.
Исследователи из Университета Джорджии провели эксперимент, в результате которого выяснили, что люди доверяют информации, полученной от компьютерных алгоритмов, больше, чем той, которую получают от других людей. При выполнении сложных задач большинство испытуемых обратились за помощью к так называемому делегированному интеллекту. Чем может обернуться для будущих поколений замена реальных знаний на автоматизированные – разбирался наш научный обозреватель Николай Гринько.
Фото: Москва 24/Роман Балаев
Выводы исследователей опубликованы в работе под названием "Люди больше полагаются на алгоритмы, чем на социальное влияние, когда задача становится более сложной". Группа ученых провела достаточно простой эксперимент. Полторы тысячи добровольцев попросили посчитать людей, изображенных на случайных фотографиях. На первых фото было по два-три человека, но постепенно количество людей увеличивалось. Испытуемый мог считать самостоятельно, а мог полагаться на подсказки двух типов: якобы полученные от других участников эксперимента и от компьютерного алгоритма.
На первых этапах добровольцы считали сами, но с увеличением количества объектов начинали все больше доверять человеческим подсказкам. Когда же персонажей на фото становилось совсем много, добровольцы массово принимали на веру подсказки алгоритма. Вывод, который ученые сделали по результатам исследования, таков: чем более сложная задача стоит перед человеком, тем охотнее он доверит ее решение машине, а не другому человеку.
Эксперимент лишь подтвердил мнение, которое многие исследователи озвучивают уже давно: мы действительно стали доверять компьютерам больше, чем окружающим людям, и больше, чем себе. Существуют даже термины "делегированный интеллект" и "делегированная память" и обозначают они довольно тревожные тенденции.
Что вы делаете, если вам нужно решить простой пример, например умножить 6 на 9? Большинство из нас для этого пользуется заученной еще в школе таблицей умножения, решая пример в уме. А что если одно из чисел будет двузначным, например при умножении 7 на 14? Кто-то и здесь старается решить пример самостоятельно, а кто-то сразу же открывает в смартфоне приложение "Калькулятор". Если же нужно перемножить два двузначных числа, например 23 и 91, то почти 100% людей даже не пытаются задумываться, а сразу ищут помощи у электронных устройств. Мало того, если гаджета или компьютера под рукой нет, никто не пытается решить пример "на бумажке", задача откладывается до тех пор, пока не появится доступ к вычислительному устройству. Это и называется "делегированным интеллектом".
Современный человек не нагружает собственный мозг, не запоминает почти ничего, поскольку ответ на любой вопрос можно найти в интернете. Любая повседневная задача может быть решена с помощью Сети. Мало того, даже собственную жизнь мы помним все хуже, больше полагаясь на фотографии, которые храним в смартфонах. Попытайтесь в деталях вспомнить свой прошлый отпуск. А теперь откройте фотографии, сделанные в это время, вы обнаружите, что ваш мозг хранит намного меньше информации об этом событии, чем ваш телефон.
Фото: портал мэра и правительства Москвы/Денисов Максим
В таком положении вещей таятся существенные опасности. Люди, как это ни прискорбно, глупеют. Сегодня в наших головах хранится во много раз меньше знаний и навыков, чем полвека назад. Школьники искренне не понимают, зачем нужно что-то учить, если доступ ко всем знаниям мира буквально лежит у тебя в кармане. Мы становимся зависимыми от технологий, и эта зависимость – критическая. Шотландский моряк Александр Селькирк, прототип Робинзона Крузо, проживший на необитаемом острове четыре с половиной года, смог выжить лишь потому, что обладал знаниями по астрономии, сельскому хозяйству, многим ремеслам и так далее – пусть и отрывочными. Наш с вами современник, оказавшись в подобной ситуации, вряд ли протянет больше двух недель.
Можно возразить, что кораблекрушения случаются очень редко и шанс оказаться на острове у современного человека исчезающе мал. Но еще один огромный минус "делегированного интеллекта" в том, что его инфраструктура невероятно хрупка. Мощная вспышка на солнце, падение метеорита, даже просто отключение электроэнергии – все это способно мгновенно лишить нас связи с внешней памятью. Произойди такое в планетарных масштабах – и неизвестно, сколько веков нам потребуется, чтобы хотя бы вернуться к сегодняшнему уровню развития.
Так что давайте читать умные книги, интересоваться наукой, искусством и хранить свою жизнь в собственной голове. Ну, или хотя бы запоминать отпуск, не делая тысячи фотографий. Это не так уж и сложно. Хотя…
Здоровая метафора
Ну так что же мы имеем в виду, когда называем мозг компьютером? Что означает компьютер в этой метафоре? Ответ примерно такой: мы имеем в виду машину, выполняющую алгоритм, то есть универсальную машину Тьюринга .
Итак, согласно этому определению, нам нужно несколько ключевых компонентов.
- Вводные данные, записанные в виде символов.
- Место для введения этих данных (по мнению Тьюринга, это должен быть огромный рулон бумаги).
- Набор инструкций (алгоритм) для перевода вводных данных в выходные данные.
Самое главное здесь, конечно, алгоритм — набор конкретных действий: они должны быть дискретными, то есть обособленными, например «делай А, затем Б, затем С». Действий может быть сколько угодно. К тому же их можно организовывать в цикл, например:
- Врезаться со всей дури в стену.
- Потереть голову.
- Повторить шаг (1).
Можно создавать действиям условия, но они всё равно останутся дискретными:
(1) если ГОЛОДЕН
(1b) купить шаверму
(2) если ХОЧУ ПИТЬ
(2b) купить воды
(3) иначе
(3b) «Покиньте магазин, молодой человек, вы задерживаете покупателей»
Заполняем пробелы — расширяем горизонты!
Если отвечать на вопрос, кто умнее: человек или компьютер, первое, что приходит в голову, – конечно, компьютеры способны получать и обрабатывать информацию намного быстрее нас (а именно, те самые миллионы операций в секунду).
Что такое интеллект?
Шломо Майталь (Shlomo Maital), профессор, старший научный сотрудник Израильского Технологического Института, утверждает, что интеллект состоит из двух основных компонентов.
- Один из них – способность учиться,
- второй – способность решать задачи.
В этих областях компьютеры могут быть определенно умнее людей.
Современные машины учатся гораздо быстрее человека. Например, компьютер IBM Watson может изучить и запомнить все имеющиеся исследования в сфере онкологии. Ни один человек не способен удержать в голове столько информации. С помощью методов глубокого анализа Watson может предложить схему лечения редкой формы рака – и она будет работать.
В статье «Будут ли роботы в ближайшее время умнее людей?» Майталь приводит еще один пример, указывающий на высокий уровень искусственного интеллекта. 10 февраля 1996 года компьютер Deep Blue от Microsoft победил чемпиона мира Гарри Каспарова в первом из шести туров, а спустя год одержал полную победу над чемпионом. Значит, компьютер все-таки умнее человека? «И да, и нет», – пишет профессор Майталь.
Нет, компьютер не умнее, потому что скорость – это все-таки не интеллект. Победа машины была обусловлена ее способностью за секунду рассчитать миллионы возможных ходов.
В то же время – да, компьютер умнее, потому что он смог правильно проанализировать эти ходы и выбрать те, которые в конечном итоге привели компьютер к победе над Каспаровым.
Но побеждают машины людей пока только там, где надо за короткий промежуток времени обработать как можно больше информации. И это не совсем аналогично термину «думать», это скорее «быстро-быстро перебирать ВСЕ возможные варианты», делать множество «тупых», порой бессмысленных операций, но очень-очень быстро в надежде, что где-то на миллиардной или триллионной (а то и на септильонной – 10 в 24 степени!) операции будет найдено подходящее решение.
По-настоящему «думать» пока может только человек, без вот этого, «суетливого» перебора. И не факт, что когда-нибудь компьютеры научатся «думать» в полном понимании смысла этого слова.
Читайте также: