Кто умнее компьютер или человек
Обновлено: 21.11.2024
Кто умнее — вы или компьютер или мобильное устройство, на котором вы читаете эту статью? Ответ становится все более сложным и зависит от меняющихся определений. Компьютеры, безусловно, лучше справляются с трудностями, используя свой уникальный набор навыков, но люди имеют преимущество в задачах, которые машины просто не могут выполнить. Во всяком случае, еще нет.
Компьютеры могут воспринимать и обрабатывать определенные виды информации намного быстрее, чем мы. Они могут прокручивать эти данные в своем «мозге», состоящем из процессоров, и выполнять вычисления, чтобы просчитывать множество сценариев со сверхчеловеческой скоростью. Например, лучшие компьютеры, обученные игре в шахматы, могут в этот момент планировать стратегию на много ходов вперед, решая задачи гораздо ловче, чем лучшие игроки в шахматы. Компьютеры также учатся гораздо быстрее, сужая сложные варианты выбора до наиболее оптимальных. Да, люди тоже учатся на ошибках, но когда дело доходит до решения головоломок, с которыми компьютеры справляются лучше всего, мы гораздо более подвержены ошибкам.
У компьютеров есть и другие преимущества перед людьми. У них лучше память, поэтому они могут получать большое количество информации и могут использовать ее практически мгновенно. Компьютерам не требуется сон, как людям, поэтому они могут рассчитывать, анализировать и выполнять задачи без устали и круглосуточно. Несмотря на ошибки или уязвимость к перебоям в подаче электроэнергии, компьютеры просто точнее выполняют широкий спектр важных функций, чем мы. На них не влияют эмоции, чувства, желания, потребности и другие факторы, которые часто затмевают суждения и интеллект нас, простых смертных.
С другой стороны, люди по-прежнему превосходят компьютеры во многих отношениях. Мы выполняем задачи, принимаем решения и решаем проблемы, основываясь не только на нашем интеллекте, но и на нашем программном обеспечении с массовой параллельной обработкой — абстрактно, что мы любим называть нашими инстинктами, нашим здравым смыслом и, возможно, самое главное, нашим жизненным опытом. Компьютеры можно запрограммировать огромными библиотеками информации, но они не могут воспринимать жизнь так, как мы. Люди обладают чертами, которые мы иногда называем (опять же, абстрактно) творчеством, воображением и вдохновением. Человек может написать стихотворение, сочинить и сыграть музыку, спеть песню, создать картину или придумать новое изобретение. Компьютеры можно запрограммировать на выполнение некоторых из этих задач, но они не обладают врожденной способностью творить так, как это делают люди.
Что обо всем этом думают специалисты по искусственному интеллекту? Начнем с определения того, что мы подразумеваем под словами «умнее» или «умнее». Интеллект состоит из двух компонентов, говорит профессор Шломо Майтал, старший научный сотрудник Института С. Неамана в Технионе — Израильском технологическом институте. Одно — это способность учиться, другое — это способность решать проблемы. И в этих областях компьютеры могут быть умнее людей.
"Сегодня компьютеры могут обучаться быстрее, чем люди. Например, Watson (IBM) может читать и запоминать все исследования рака, чего не может ни один человек", – говорит Майтал. «С помощью глубокого обучения Watson также может решить проблему, например, как лечить редкую форму рака — и он это сделал. Так что в этом смысле компьютеры могут быть умнее людей».
Майтал указывает на еще один пример компьютерного интеллекта в своей статье "Скоро ли роботы станут умнее людей?" 10 февраля 1996 года компьютер IBM Deep Blue победил чемпиона мира Гарри Каспарова в первой из шести игр серии, а год спустя выиграл серию — первый компьютер, которому это удалось. Был ли Deep Blue разумным? И да, и нет, – говорит Майтал.
"Нет, потому что он просто смог просчитать огромное количество возможных шахматных ходов за долю секунды", – пишет Майтал. «Скорость — это не интеллект. Но да, потому что он смог проанализировать эти шахматные ходы и выбрать лучший, достаточный для победы над Каспаровым».
«От ИИ С точки зрения перспективы, теперь мы можем обучать компьютеры выполнять многие задачи лучше, чем люди, например некоторые задачи визуального распознавания», — говорит Маллик. «У этих задач есть одна общая черта: для решения этих задач мы можем собрать огромное количество данных, и/или они повторяются. Любая повторяющаяся задача, которая создает много данных, в конечном итоге будет изучена компьютерами».
Однако эксперты сходятся во мнении, что люди по-прежнему превосходят компьютеры в общем интеллекте, творчестве и здравом смысле или понимании мира.
"Компьютеры могут превзойти людей в определенных специализированных задачах, таких как игра [в игру] го или шахматы, но сегодня ни одна компьютерная программа не может сравниться с человеческим общим интеллектом", – говорит Мюррей Шанахан, профессор когнитивной робототехники факультета вычислительной техники Университета Имперский колледж в Лондоне. «Люди учатся достигать самых разных целей в самых разных условиях.Мы еще не знаем, как наделить компьютеры здравым смыслом в понимании повседневного мира, который лежит в основе общего человеческого интеллекта, хотя я уверен, что однажды нам это удастся».
"Например, мы можем заставить компьютеры имитировать творчество, помещая произведения искусства в базу данных, а затем создавая новое произведение искусства из некоторого объединения", – говорит Грохол. «Но это то же самое, что и человеческое творчество, или компьютерный код просто следует набору инструкций? Я бы сказал, что это только последнее, что делает компьютер намного хуже, когда речь идет об этом компоненте интеллекта».
Компьютеры не понимают смысла так, как люди, – говорит Яна Эггерс, генеральный директор компании Nara Logics, занимающейся искусственным интеллектом. «Даже если компьютер может определить эмоцию, он не понимает, что означает переживание эмоции», — говорит Эггерс. «Будут ли? Это возможно, но неясно, как это будет работать с текущими формами вычислений».
Но что, если перевести часы достаточно далеко вперед? Эксперты в целом согласны с тем, что компьютеры завтрашнего дня будут обладать некоторыми чертами, которые сегодня считаются уникальными для человека.
"В человеческом мозгу 86 миллиардов нейронов (нервных клеток), и все они взаимосвязаны, – говорит Майтал. «Компьютерные нейронные сети имеют гораздо меньше «клеток». Но однажды такие нейронные сети достигнут сложности и изощренности мозга».
Вероятно, все это произойдет раньше, чем позже, считает Грохол. «Как только мы взломаем нейрокод, управляющий нашим мозгом, я считаю, что мы сможем воспроизвести эту структуру и функции искусственно, чтобы мы действительно могли создать искусственную жизнь с помощью искусственного интеллекта», — говорит он. «Я определенно могу предвидеть, что это произойдет в следующем столетии.
Некоторые люди, например ученый-компьютерщик Рэй Курцвейл и соучредитель Tesla Илон Маск, предостерегают от потенциальных опасностей искусственного интеллекта, предвидя будущее типа Терминатора, в котором машины вышли из-под контроля. Нам, безусловно, нужно контролировать искусственный интеллект, чтобы мы могли управлять машинами, а не наоборот. Но вопрос, похоже, не столько в «злых» машинах в голливудском стиле, которые поднимаются, чтобы истребить ничтожных людей, сколько в согласовании: как мы можем гарантировать, что машинный интеллект, который в конечном итоге может оказаться совершенно за пределами нашего понимания, останется полностью настроенным на наш собственный?
Отчасти это связано с переосмыслением того, как мы подходим к этим вопросам. Вместо того, чтобы зацикливаться на том, кто умнее, или иррационально бояться технологий, мы должны помнить, что компьютеры и машины предназначены для улучшения нашей жизни, точно так же, как компьютер IBM Watson помогает нам в борьбе со смертельными заболеваниями. Хитрость по мере того, как компьютеры становятся все лучше и лучше справляться с этими и многими другими задачами, заключается в том, чтобы «помочь нам» оставалась их главной директивой.
«Важно помнить, что это не противостояние человека и машины, — говорит Маллик. "Это не соревнование. Это сотрудничество».
Кто умнее? Сам искусственный компьютер умнее или человек? Искусственный интеллект — это ключевая концепция, которая помогает нам, людям, понять, насколько на самом деле умен компьютер. То, что люди знают об искусственном интеллекте, дает нам преимущество: мы, люди, будем знать, для чего предназначен компьютер, встроенная система, а это означает, что мы также сразу обнаружим аномалию.
Компьютеры во многих отношениях умнее людей, в том числе из-за аномально сильной памяти, которую они имеют, и ни один человек не может иметь такую же сильную память, как компьютер. Иначе ты сойдешь с ума. Еще одно преимущество компьютеров перед людьми состоит в том, что они учатся и обрабатывают информацию быстрее, чем средний человек. Следовательно, компьютеры могут быть умнее, чем мы думаем…
Джон МакКэти, один из ключевых основоположников концепции «Искусственного интеллекта». Источник: Google
Однако у людей также есть преимущества перед компьютерами, некоторые из которых: использование жизненного опыта, чтобы избежать ошибки, использование инстинктов, чтобы следовать ситуации или мысли, или даже здравому смыслу; мы, люди, можем предполагать, пойдет ли что-то по плану, тогда как компьютеры этого не делают. Люди имеют преимущество, когда дело доходит до творчества, такого как письмо, пение, актерское мастерство и многих других факторов, на освоение которых у компьютеров уйдет много времени, если они не встроены для конкретной работы. Заставляет нас, людей, оставаться выше.
В частности, эксперта по искусственному интеллекту профессора Шломо Майтала спросили: "Будут ли компьютеры умнее людей?" на что он отвечает: «И да, и нет». Приступая к объяснению своего ответа, он использует в качестве примера компьютер, написав: «Нет, потому что он просто способен просчитать огромное количество возможных шахматных ходов за долю секунды… Скорость — это не интеллект.Но да, потому что он способен анализировать эти шахматные ходы и достаточно хорошо выбирать лучшие…» когда писал о компьютере, играющем в шахматы. Таким образом, мы задаемся вопросом, действительно ли компьютеры тайно умнее, чем мы думаем.
На данный момент возможности человека по хранению информации все еще намного выше, чем у компьютеров. Кроме того, хотя компьютеры считаются «умнее», это заблуждение; компьютеры не могут на самом деле «думать», они такие же, как книга, они хранят информацию и могут легко ее вспоминать… Они быстрее предсказывают, «успеют» ли планы, используя статистику; но в то же время, если у рассматриваемого вопроса недостаточно данных за прошлые периоды, они не смогут использовать статистику из-за отсутствия информации.
ENIAC, также известный как первый в мире компьютер. Изобрели Преспер Эккерт и Джон Мочли в 1943 году. Источник: Google.
Также ведутся большие споры о том, кто «анализирует быстрее» — люди или компьютеры, в зависимости от того, сравниваете ли вы сознательные или бессознательные модели мышления, внешние реакции и инстинкты…
В конечном счете, вопрос остается в силе, и поэтому на него могут быть разные ответы. Верите ли вы, что компьютеры умнее людей?
Компьютеры смогут имитировать больше аспектов человеческого мозга в ближайшие несколько десятилетий, но компьютер, способный обладать всеми способностями человеческого мозга и одинаково эффективно использовать ресурсы, все еще находится в области научной фантастики
Фото: Shutterstock
1510922188_TnvIjg_artifical-intelligence-shutterstock.jpg
Растущая мощь компьютеров и достижения в области искусственного интеллекта вновь оживили споры об интеллекте компьютеров по сравнению с людьми. В целом, есть два подхода к этому.
Первый подход фокусируется на изучении человеческого мозга и сравнении его с компьютерами. Человеческий мозг имеет около 100 миллиардов нейронов, которые часто сравнивают с гейтами в компьютерах. Нейроны соединяются между собой через синапсы и могут иметь до 10000 соединений, каждое из которых дает в общей сложности от 100 до 1000 триллионов соединений. Нейроны общаются с помощью электрохимических сигналов, которые в миллион раз медленнее, чем скорость сигналов по оптоволоконным кабелям, а нейроны срабатывают примерно 200 раз в секунду. Они совместно обеспечивают около 2,5 петабайт памяти. Мозг потребляет около 20 Вт энергии.
Суперкомпьютеры имеют такие же или лучшие показатели, за исключением того, что им требуется мощность в мегаваттах, и, что наиболее важно, транзисторы соединяются с очень небольшим количеством соседей и имеют двумерную геометрию. Но компьютеры нельзя сравнивать с человеческим мозгом только по этим числам, потому что человеческий мозг не является цифровой машиной, управляемой часами, и он не различает память и области обработки. Кроме того, функционирование мозга само по себе недостаточно изучено. Моделирование человеческого мозга
В 2013 году компании Fujitsu K потребовалось около 40 минут, чтобы смоделировать односекундную активность нейронной сети в режиме реального времени.
Второй и более популярный подход фокусируется на имитации функциональности мозга. Этот подход также устраняет трудный вопрос определения интеллекта. Компьютеры определенно опережают людей в вычислениях или когда дело доходит до выполнения простых пошаговых инструкций. Эта сила была продемонстрирована в 1997 году, когда компьютер IBM Deep Blue победил тогдашнего чемпиона мира по шахматам Гарри Каспарова. Компьютер мог оценивать миллионы возможных позиций в секунду и думать о следующих 20 ходах. А сегодня суперкомпьютеры со скоростью в петафлопс (10^15) могут перехитрить любого человека в любой вычислительной задаче.
Одним из важных качеств людей является то, что они могут учиться. Машинное обучение — это область искусственного интеллекта, которая фокусируется на создании машин или компьютеров, способных «обучаться». Таким образом, беспилотные автомобили, фильтрация электронной почты, обнаружение спама и, самое главное, робототехника основаны на этой идее. И успех Google AlphaGo в победе над чемпионом Ли Седолом в игре Go основан на машинном обучении, поскольку количество возможных позиций в Go настолько велико, что даже самые быстрые компьютеры будут перегружены. Но компьютеры нужно запрограммировать или сказать им, как «учиться», и компьютеры, запрограммированные таким образом, будут работать только в таких ситуациях. Кроме того, успех в этих областях не означает превосходства компьютеров, т.е. в то время как беспилотные автомобили будут «учиться», им по-прежнему нужны подробные 3D-карты, чтобы работать эффективно, в отличие от людей.
Одним из важных свойств человеческого мозга является способность распознавать закономерности, например. персонажи, лица, голос в шуме. Это область, где компьютеры не могут сравниться с человеческими способностями.Компьютеры могут распознавать печатные буквы и цифры, а также могут распознавать определенные лица и автоматически отмечать фотографии этих людей, когда вы делаете снимки. Но люди могут распознавать сложные закономерности и адаптироваться к ним. Люди также могут распознавать лица, покрытые растительностью, накрашенные и т. д. Метод машинного обучения, называемый глубоким обучением, используется для обучения компьютеров распознаванию образов. Здесь он создает слои узлов с взаимосвязью между слоями, подобными нейронам в мозгу.
То же самое относится и к языковым способностям человека. На данный момент компьютеры могут выполнять простые переводы между двумя языками, перевод речи в текст и наоборот. Опять же, глубокое обучение используется для улучшения возможностей компьютеров. Watson от IBM, победивший в Jeopardy! В 2011 году пришлось использовать обработку естественного языка, так как игра требует создания вопросов против ответов. Но компьютеры все еще отстают, так как человеческие языки неоднозначны, а языковая структура может зависеть от многих сложных переменных, таких как сленг, региональные диалекты
Компьютеры должны восполнить пробел в творчестве. Хотя и здесь есть некоторый прогресс. Компьютеры используются для написания новостей в Washington Posts, USA Today, Wired и т. д. Шимон, робот из Технологического института Джорджии, может сочинять музыку, и проводятся конкурсы по показу картин, созданных роботами. Однако способности человека в искусстве, т.е. написание рассказов и стихов, создание картин, сочинение музыки и т. д. находятся за пределами досягаемости современного набора компьютеров. То же самое относится и к исследованиям. Адам, робот, разработанный британскими учеными, способен формулировать гипотезы, планировать и проводить эксперименты, анализировать данные и решать, какие эксперименты проводить дальше. Но текущий набор компьютеров не может сформулировать новые научные теории. Инженеры-компьютерщики Корнельского университета разработали программу, которая могла дать компьютеру базовый набор инструментов, которые он мог бы использовать для наблюдения и анализа движений маятника. Используя эту основу, программное обеспечение смогло экстраполировать основные законы физики из движений маятника. Но компьютер не мог создать собственные инструменты.
Кроме того, у компьютеров нет чувств, например. любовь, страх, гнев и т. д. Это подпитывает амбиции и творчество и продвигает цивилизацию. Высшие чувства людей позволяют им создавать гораздо более прочные связи с гораздо большим географическим распространением и способствовали их господству над другими видами. Эта связь позволяет людям извлекать выгоду из коллективного разума человечества, а не отдельного человека. Компьютеры не могут рассуждать или понимать влияние решения. Компьютерам еще предстоит победить людей в игре под названием Startrek, которая требует принятия множества решений.
Тест Тьюринга, разработанный в 1950 году, проверяет, может ли компьютер ввести человека в заблуждение, заставив его думать, что он человек, на основе разговора, своего рода теста на имитацию. В 2014 году разработанная в России программа Eugene Goostman смогла ввести в заблуждение 33% судей в одном тесте Тьюринга. С тех пор другие тесты, например. Loebner и т. д. были разработаны с более сложными критериями, включая более высокий уровень ошибок.
Компьютеры смогут имитировать больше аспектов человеческого мозга в ближайшие несколько десятилетий, но компьютер, способный обладать всеми способностями человеческого мозга и столь же эффективно использовать ресурсы, все еще находится в области научной фантастики.
Отказ от ответственности: Мнения, выраженные в приведенной выше статье, принадлежат авторам и не обязательно представляют или отражают точку зрения этого издательства. Если не указано иное, автор пишет в своем личном качестве. Они не предназначены и не должны рассматриваться как представляющие официальные идеи, взгляды или политику какого-либо агентства или учреждения.
Как подписчик, у вас есть 10 подарочных статей каждый месяц. Любой может прочитать то, чем вы делитесь.
Отдать эту статью
Эта статья является частью информационного бюллетеня On Tech. Вы можете зарегистрироваться здесь , чтобы получать его по будням. Нас не будет до конца недели, и мы вернемся в понедельник.
Идея о том, что компьютеры узурпируют людей, всегда была одним из основных элементов научной фантастики. Мой коллега Кейд Мец говорит, что мы, возможно, добьемся своего. Возможно.
Кейд говорил со мной о технологии, известной как GPT-3, которая учится создавать тексты, которые выглядят так, как будто они были написаны людьми. Эта технология может помочь ускорить разработку компьютерных программ, которые могут вести диалог или даже распространять фальшивую информацию одним нажатием кнопки.
Но Кейд подчеркнул, что технологии уже более полувека обещают превзойти людей.Это никогда не доходит до этого. Или еще нет.
Шира: Объясните, как работает GPT-3.
Кейд: Он основан на нейронных сетях — технологическом подходе, который учится на основе анализа огромных объемов данных. Так Siri распознает произносимые слова, а Facebook идентифицирует лица на цифровых фотографиях.
В этом случае нейронная сеть просканировала почти весь Интернет, чтобы сделать одну вещь: предсказать следующее слово в последовательности слов. Но он также узнал, как люди объединяют языки. Это означает, что с очень небольшими подсказками вы можете заставить его генерировать твиты, вести романтические колонки или даже писать простые компьютерные программы.
Звучит безумно.
Это невероятно впечатляет, но у системы есть существенные недостатки. Если бы я попытался сгенерировать речь, которая звучала бы как президент Трамп, возможно, в пяти из 10 случаев версия GPT-3 не имела бы смысла, фразы повторялись бы не так, как люди, и требовалось бы редактирование, чтобы сделать ее логичной.< /p>
Если что-то работает только в половине случаев, оно может быть не очень полезным. Люди ошибаются, полагая, что такие технологии более продвинуты, чем они есть на самом деле, потому что они выбирают успешные эксперименты и игнорируют ошибки.
Пример чего-то полезного, что может сделать GPT-3, и чего-то потенциально разрушительного?
Автоматизированная система, которая обрабатывает повторяющиеся и скучные части написания программ, действительно может облегчить жизнь программистам.
Самое пугающее потенциальное использование – дезинформация. Представьте себе компьютер, который может создавать неограниченное количество ложной информации или поддельных фотографий, и вы не сможете отличить настоящее от выдуманного.
Мы постоянно слышим о технологиях, которые пишут, как люди, или разговаривают, как мы, или создают реалистичные компьютерные человеческие лица или фальшивые видео. Почему?
Начиная с 1950-х годов ученые неоднократно создавали технологии, которые, казалось, были близки к подражанию человеческому интеллекту. Каждый раз мы были далеко не рядом.
Возможности такого рода технологий значительно расширились за последние 10 лет благодаря нейронным сетям, но эта человеческая имитация в значительной степени основана на выявлении и сопоставлении шаблонов. Люди делают гораздо больше, чем сопоставление с образцом. Вопрос в том, когда технология выйдет за рамки этого?
Ну, эти существа станут такими же способными или даже более способными, чем люди?
По этому поводу ведутся массовые споры даже среди исследователей искусственного интеллекта. Некоторые из них считают, что если вы дадите нейронным сетям достаточно времени и данных или компьютерных симуляций мира, в конечном итоге они достигнут человеческого разума. А другие думают, что это просто смешно, по крайней мере, в обозримом будущем.
Итак, через 10 лет у нас с вами все еще будет писательская работа?
Использовав этот материал и поговорив со многими людьми об этой технологии, я не беспокоюсь в краткосрочной перспективе. Но вы можете увидеть тенденцию. Эта технология продолжает совершенствоваться, и ей не нужно становиться намного более продвинутой, чтобы дополнить работу людей или, возможно, в течение длительного периода времени сделать определенные отрасли труда устаревшими.
Я скажу, что такие языковые модели, как GPT-3, подобны беспилотным автомобилям. Они оба значительно улучшились, но последнее небольшое улучшение для достижения человеческих возможностей очень сложно.
Приложения для ТВ еще хуже
Во вторник я пожаловался на приложения для смартфонов. Но потоковые приложения для телевидения еще более ужасны, потому что они сочетают в себе худшие аспекты магазинов приложений для смартфонов и системы кабельного телевидения.
Вот что я имею в виду. Если вы пользуетесь услугами кабельного или спутникового телевидения, все каналы в вашей линейке доступны благодаря соглашению между владельцем канала и вашим поставщиком услуг телевидения.
Владелец ESPN, Уолт Дисней, заключает сложный контракт с Comcast, и Comcast платит Disney кучу денег, а затем вы можете смотреть футбольные матчи колледжа. Иногда эти деловые отношения заходят в тупик, и ESPN может на некоторое время исчезнуть, поскольку Disney и Comcast борются за деньги. Это раздражает.
Мир потокового вещания мог бы избавить нас от этой старой школьной неразберихи. Вместо этого он укрепил беспорядок и поднял его на ступеньку выше.
Точно так же, как Apple и Google решают, какие приложения могут работать на вашем телефоне, такие компании, как Amazon и Roku, решают, какие приложения вы можете загружать на свои устройства потокового телевидения. Как и компании кабельного телевидения — и в отличие от Apple и Google — Amazon, Roku и их коллеги часто заключают индивидуальные контракты со службами потоковой передачи, чтобы разделить эфирное время для рекламы в приложениях или платить комиссию за каждого подписавшегося подписчика Netflix.
Если юристы не могут заключить сделку, вы можете не найти HBO Max, видеоприложение Peacock или Apple TV+ на своем потоковом устройстве. Это плохо. Вот почему вам нужно обращаться к блок-схеме, чтобы смотреть телевизор, а приложения для потоковой передачи, вероятно, стоят больше, чем без этой путаницы.
Я не знаю, что делать.Может быть, всем нам следует подключить наши смартфоны или компьютеры к нашим телевизорам и полностью отказаться от потоковых устройств. Но знайте в глубине души: система потокового развлечения не имеет смысла, и это не ваша вина.
Прежде чем мы пойдем…
Больше нежелательного внимания к YouTube: сайт, принадлежащий Google, заблокировал правый канал One America News Network от публикации новых видео в течение недели за нарушение правил YouTube с ложными заявлениями о гарантированном излечении от Covid-19. У YouTube есть особые правила наказания каналов за распространение дезинформации, связанной с коронавирусом, но не за ложные заявления о фальсификации выборов, которые активно продвигает OAN, пишет мой коллега Дай Вакабаяси.
Мы можем (немного) освободиться от экранов: поставьте перед собой скромные цели, например 20-минутный ежедневный лимит на чтение онлайн-новостей по выходным, и создайте зоны без телефона, такие как обеденный стол. У моего коллеги Брайана Х. Чена есть эти и другие советы, которые помогут нам отдохнуть от погружения в телефоны и другие экраны. (Контрапункт Брайану: если я не смотрю на экраны, я думаю о мире и начинаю грустить, поэтому ДАЙТЕ МНЕ ВСЕ ЭКРАНЫ.)
Используйте свое драгоценное экранное время, чтобы посмотреть на гладкие мозги: Wired исследует мемы, которые послужили нам попытками смеяться, крича о годе, полном бедствий. Есть мемы о «неморщинистом мозге» и видеоролики TikTok с ошеломленными звуками «ни ну ни ну» — все, чтобы выразить отказ от размышлений о том, что происходит вокруг нас.
Обнимаю
Кошка Пинг-Понг упала с четырех этажей из квартиры своей хозяйки на крышу другого дома. Пинг-понг спасли лондонские пожарные, и с ней все в порядке! Хотя вы и не догадались бы, глядя на выражение лица пинг-понга на этой фотографии. (Спасибо моей коллеге Эрин Макканн за то, что поделилась этим в Твиттере.)
Если вы еще не получили этот информационный бюллетень в свой почтовый ящик, подпишитесь здесь.
Об авторе: Дерек Томпсон — штатный обозреватель The Atlantic и автор информационного бюллетеня Work in Progress. Он также является автором книги Hit Makers и ведущим подкаста Plain English.
Может ли искусственный интеллект быть умнее человека? Ответ на этот вопрос часто зависит от определения искусственного интеллекта. Но вместо этого может иметь смысл сосредоточиться на определении того, что мы подразумеваем под словом «умный».
В 1950-х годах психолог Дж. П. Гилфорд разделил творческое мышление на две категории: конвергентное мышление и дивергентное мышление. Конвергентное мышление, которое Гилфорд определил как способность правильно отвечать на вопросы, является преимущественно проявлением памяти и логики. Дивергентное мышление, способность генерировать множество возможных ответов на одну проблему или вопрос, свидетельствует о любопытстве, способности мыслить «нестандартно». В этом разница между тем, чтобы помнить столицу Австрии и придумывать, как начать процветающий бизнес в Вене, не зная ни слова по-немецки.
Когда люди думают об относительных преимуществах ИИ над людьми, они думают о его конвергентном интеллекте. Обладая превосходным объемом памяти и вычислительной мощностью, компьютеры превосходят людей в играх, основанных на правилах, сложных вычислениях и хранении данных: шахматах, сложной математике и Jeopardy. Некоторые могут сказать, что компьютерам не хватает воображения или любопытства, нарушающего правила, то есть дивергенции.
Но что, если это распространенное мнение неверно? Что, если реальное сравнительное преимущество ИИ перед людьми заключается именно в его дивергентном интеллекте — в его творческом потенциале? Это тема последнего выпуска подкаста Crazy/Genius, подготовленного Кашей Михайлович и Патрисией Якоб.
Одно из самых интересных применений ИИ сегодня — это область, называемая генеративным дизайном, где машине подается огромное количество данных, и ее просят придумать сотни или тысячи дизайнов, отвечающих определенным критериям. По сути, это упражнение в дивергентном потенциале.
Например, когда компания Autodesk, специализирующаяся на архитектуре и программном обеспечении, хотела спроектировать новый офис, она спросила своих сотрудников, чего они хотят от идеального рабочего места: сколько света? Или конфиденциальность? Или открытое пространство? Программисты ввели эти ответы на опрос в ИИ, и технология генеративного проектирования создала более 10 000 различных чертежей. Затем люди-архитекторы взяли свои любимые детали из этих компьютерных проектов, чтобы построить первый в мире крупномасштабный офис, созданный с помощью ИИ.
"Генеративный дизайн похож на работу со всемогущим, но до боли глупым джинном", – сказал Астро Теллер, глава X, секретной исследовательской лаборатории Alphabet, материнской компании Google. То есть оно может быть как волшебным, так и ошеломляюще-буквальным. Поэтому я спросил Теллера, где компании могли бы использовать этого мучительно тупоголового джинна. "Где угодно!" он сказал. Самое главное, генеративный дизайн может помочь биологам моделировать действие новых лекарств, не подвергая риску больных людей. Испытывая тысячи вариантов нового лекарства на биологическом симуляторе, мы однажды сможем разрабатывать лекарства так же, как мы проектируем коммерческие самолеты, тщательно проверяя их характеристики, прежде чем запускать их в воздух с несколькими сотнями пассажиров.
Дивергентный потенциал ИИ — одна из самых актуальных тем в этой области. Этой весной несколько десятков ученых-компьютерщиков опубликовали необычную работу по истории ИИ. Эта статья не была исследовательской работой. Это был сборник историй — зловещих и забавных, — в которых ИИ шокировал своих разработчиков своей изобретательностью. Большинство историй касалось своего рода ИИ, называемого машинным обучением, когда программисты передают компьютеру данные и задачу, которую нужно решить без явных инструкций, в надежде, что алгоритм поймет, как на нее ответить.
Во-первых, зловещий пример. Один алгоритм должен был выяснить, как посадить виртуальный самолет с минимальной силой. Но вскоре ИИ обнаружил, что если он разобьёт самолёт, программа зарегистрирует настолько большую силу, что перегрузит собственную память и засчитает это как высший балл. Итак, ИИ снова и снова разбивал самолет, предположительно убивая всех виртуальных людей на борту. Это своего рода гнусный взлом правил, который заставляет алармистов ИИ опасаться, что разумный ИИ может в конечном итоге уничтожить человечество. (Чтобы было ясно, между симулятором и SkyNet существует огромная пропасть.)
Но не менее интересными были и безобидные примеры. В одном тесте на передвижение смоделированный робот был запрограммирован двигаться вперед как можно быстрее. Но вместо того, чтобы построить ноги и ходить, он превратился в высокую башню и упал вперед. Как рост и падение на лицо похоже на ходьбу? Ну, оба довольно быстро преодолевают горизонтальное расстояние. И ИИ воспринял свою задачу очень и очень буквально.
По словам Джанеллы Шейн, ученого-исследователя, которая публикует веб-сайт об искусственном интеллекте, в этой стремительной стратегии есть жуткая гениальность. «После того, как я разместила [эту статью] в Интернете, я услышала от некоторых биологов, что они сказали: «О да, пшеница использует эту стратегию для размножения!», — сказала она мне. "В конце каждого сезона эти высокие стебли пшеницы падают, и их семена приземляются чуть дальше от того места, где начинались колосья пшеницы".
С точки зрения программиста, ИИ не мог ходить. Но с точки зрения ИИ, он быстро мутировал в смоделированной среде, чтобы обнаружить то, чему стебли пшеницы научились миллионы лет: Зачем ходить, если можно просто упасть? Родственное чувство.< /p>
Истории в этой статье — не просто свидетельство тупости искусственного интеллекта. На самом деле они свидетельствуют об обратном: о дивергентном интеллекте, имитирующем биологию. «Эти анекдоты, таким образом, служат доказательством того, что эволюция, будь то биологическая или компьютерная, по своей природе творческая, и следует ожидать, что она будет удивлять, восхищать и даже перехитрить нас», — пишут ведущие авторы в заключении. Иногда машина умнее своих создателей.
Это не означает, что ИИ демонстрирует то, что психологи назвали бы человеческим творчеством. Эти машины не могут включиться сами по себе, стать мотивированными, задавать альтернативные вопросы или даже объяснять свои открытия. Без сознания или понимания существо не может быть по-настоящему творческим.
Но если ИИ, и в частности машинное обучение, не думает так, как человек, возможно, правильнее будет сказать, что он развивается, как это может делать организм. Рассмотрим знакомую двухступенчатую эволюцию. При мутации гены отклоняются от своей существовавшей ранее структуры. При естественном отборе организмы сходятся на мутации, наиболее приспособленной к окружающей среде. Таким образом, эволюционная биология демонстрирует дивергентный и конвергентный интеллект, который является гораздо лучшей метафорой для процесса машинного обучения, такого как генеративный дизайн, чем клубок человеческого мышления.
Искусственный интеллект может не быть «умным» в человеческом смысле этого слова. Но он уже показал, что может выполнять жуткую симуляцию эволюции. И это жуткий гений.
Читайте также: