ОСТАННІЙ ПОДКАСТ
Підписуйся на найнауковішу розсилку!
І отримуй щотижневі новини науки і технологій

    Ми під'їдаємо крихти cookies за вами. Навіщо це нам?

    Читати

    Пардон за відволікалочку. Допоможи Куншт бути незалежним!

    Пардон за відволікалочку. Допоможи Куншт бути незалежним!

    Повідомлення успішно надіслано

    Для пошуку
    введіть назву запису
    Технології — 31.05.21
    ТЕКСТ: Станіслас Деан
    Ілюстрації: Каталіна Маєвська
    Ми любимо тексти без помилок. Якщо ви все ж таки щось знайшли, виділіть фрагмент і натисніть
    Ctrl+Enter.
    Чому нам не загрожує повстання штучного інтелекту? Уривок з книги «Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що»

    Сюжети про повстання роботів і штучного інтелекту вже давно лякають людство. А через активний розвиток технологій вони здаються ще реальнішими. Проте нейробіолог Станіслас Деан у книжці «Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що», яка вийшла у крафтовому видавництві «Лабораторія», доводить, що такий розвиток подій поки що можливий тільки у фантастичних фільмах і книгах.

    Найновіші досягнення штучного інтелекту можуть навести на думку, що ми нарешті зуміли скопіювати, а то й перевершити людські навчальні й інтелектуальні здібності. Деякі самопроголошені пророки ремствують, що от-от почнеться повстання машин. Але вони дуже далекі від істини. Більшість учених-когнітивістів захоплюються здобутками штучних нейронних мереж, але прекрасно розуміють, що машини досі вкрай обмежені. Правду кажучи, штучні нейронні мережі переважно націлені на операції, які наш мозок виконує несвідомо і миттєво. Наприклад, за десяті частки секунди сприймає, розпізнає, категоризує і розуміє зміст зображення. Проте можливості людського мозку цим не обмежуються. Він здатен протягом кількох секунд свідомо і прискіпливо вивчати зображення, сформулювати на його основі символьну репрезентацію явища або припущення про навколишній світ, а тоді за допомогою мови поділитися ними з іншими.

     

    Повільні, логічні, символьні операції залишаються (поки що) прерогативою нашого виду. Вони погано даються сучасним алгоритмам машинного навчання. Попри невпинний прогрес у сфері машинного перекладу і логічних операцій, у штучних нейронних мереж є суттєвий недолік. У процесі навчання для них усі дані мають однакову вагу, і вирішення проблеми зводиться до автоматичної класифікації. Людина з молотком усюди бачить цвяхи! А от мозок набагато гнучкіший. Він швидко розмежовує важливу і неважливу інформацію і видобуває загальні, логічні та чітко сформульовані принципи всюди, де це можливо.

     

    Чого бракує штучному інтелекту?

    Спробуємо з’ясувати, чого саме не вистачає штучному інтелекту, щоб ідентифікувати здібності, які дають унікальну перевагу нашому виду. Пропоную короткий і далеко не вичерпний список навчальних умінь, у яких навіть немовля випереджає сучасні штучні системи.

     

    Вивчення абстрактних понять. Найчастіше штучні нейронні мережі охоплюють лише перші етапи обробки інформації — аналіз зображення у зорових ділянках мозку, який займає від сили дві десятих секунди. Глибинні алгоритми, незважаючи на промовисту назву, насправді не такі вже й глибинні. Йошуа Бенджіо, один з творців глибинного навчання, зазначає, що замість формувати абстрактні поняття вищого рівня, ці алгоритми часто зациклюються на поверхневих статистичних закономірностях. Щоб розпізнати об’єкт, вони покладаються на примітивні деталі, як-от специфічний колір чи форма. Тому незначна зміна призводить до колапсу системи. Згорткові нейронні мережі не здатні осягнути суть об’єкта. Їм важко збагнути, що стілець залишається стільцем, байдуже, чотири в нього ніжки чи одна, металевий він чи пластиковий. Схильність фокусуватися на поверхових ознаках часто підводить систему і спричиняє серйозні помилки. Інтернет рясніє порадами, як обдурити нейронну мережу: якщо на зображенні банана підправити кілька пікселів або вліпити стікер, машина вирішить, що перед нею тостер!

     

    Так, з людьми теж іноді трапляються казуси. Якщо зображення на мить майне перед очима, можна прийняти собаку за кота. Але дайте людині трохи більше часу, і вона виправиться. На відміну від комп’ютерів, ми здатні ставити свої висновки під сумнів і переводити увагу на аспекти, що вибиваються із початкового припущення.

     

    Повторний аналіз відбувається свідомо і раціонально із задіянням логічного й абстрактного мислення. Штучні нейронні мережі упустили важливий момент: навчаючись, люди не просто налаштовують фільтр для розпізнавання шаблонів, а формуют абстрактну модель світу. Наприклад, опановуючи читання, наш мозок утворює узагальнені уявлення про кожну літеру алфавіту, і завдяки їм ми згодом упізнаємо букви у різних варіаціях і можемо створювати нові.

     

    Когнітивіст Дуґлас Гофстедтер якось сказав, що літера А — це справжній виклик для штучного інтелекту. Звісно, це ущипливе перебільшення, але в ньому є добряча частка правди. Людський мозок послуговується незрівнянним умінням абстрагувати навіть у рутинних обставинах. Завдяки цьому в нашому повсякденному житті з’явилося таке цікаве явище, як капча: сайт просить вас розпізнати рядок літер, щоб переконатися, що ви людина, а не машина. Кілька років капча залишалася неприступною фортецею для машин. Але комп’ютерні науки розвиваються швидко, й у 2017 році штучна система вперше навчилася розпізнавати капчу незгірше людей. Не дивно, що її алгоритм одразу в кількох аспектах наслідує людський мозок. Цей філігранний витвір навчився видобувати кістяк кожної літери, схоплювати внутрішню сутність А і за допомогою статистичного аналізу перевіряти, чи відповідає абстрактна ідея конкретному зображенню. Попри дуже складну структуру, комп’ютерний алгоритм придатний виключно для одного завдання — розшифрування капчі. Тим часом людський мозок використовує абстрагування в усіх сферах повсякденного життя.

     

    Навчання з ефективним використанням даних. Ніхто не заперечить, що сучасні нейронні мережі вчаться надто повільно. Щоб натренувати сякі-такі інтуїтивні знання в окремій сфері, їм потрібно тисячі, мільйони, а то й мільярди одиничних спостережень. Неповороткість машин доведено експериментально. Наприклад, нейронна мережа DeepMind досягає стерпного рівня гри на консолі Atari за дев’ятсот годин. Людині вистачає дві! Ще один приклад — вивчення мови. За оцінкою психолінгвіста Еммануеля Дюпу, за рік життя у французькій сім’ї дитина чує від п’ятисот до тисячі годин усного мовлення, і цього більш ніж достатньо, щоб опанувати говірку Декарта і підступні soixante-douze чи s’il vous plaît. А от діти народності чімане, яка населяє Болівійську Амазонію, за рік чують лише шістдесят годин усного мовлення, проте це не заважає їм досконало оволодіти рідною мовою. Зіставимо це з найкращими розробками Apple, Baidu і Google: щоб комп’ютерна система отримала дещицю лінгвальної компетентності, кількість даних доведеться збільшити мінімум у двадцять — максимум у тисячу разів. В ефективності навчання людському мозку немає рівних. Машини пожирають інформацію, а люди — використовують. Наш вид бере максимум з мінімуму даних.

     

    Соціальне навчання. З усіх видів, що населяють землю, тільки люди практикують добровільний обмін інформацією. Завдяки мові ми багато переймаємо від інших. Сучасним нейронним мережам таке і не снилося. Їхні знання у формі вагових коефіцієнтів тонким шаром розподілені по всій системі. Видобути цю імпліцитну інформацію і вибірково поділитися нею з іншими просто не реально. Людський мозок улаштований навпаки: інформація високого рівня (та, що потрапляє у свідомість) може бути передана назовні. Вербалізованість — невід’ємна характеристика усвідомлених знань. Тільки-но людина достатньо чітко розуміє якийсь феномен, ментальна формула резонує з мовою мислення, і ми можемо використовувати слова, щоб повідомити іншим. Умінню передавати великий обсяг знань через мінімум слів («Щоб потрапити на ринок, зверніть на маленьку вуличку справа від церкви») немає рівних ні у царстві тварин, ні у світі комп’ютерів.

     

    Навчання з одиничного досвіду. Вершина ефективності людського навчання — це здатність вивчити щось із першої спроби. Якщо я вигадаю нове дієслово, скажімо мурити, ви одразу зможете ним користуватися. Людський мозок не просто вбирає нову інформацію (штучні нейронні мережі теж уміють фіксувати епізодичні дані), а успішно вписує її у парадигму попередніх знань. Ви не просто запам’ятовуєте слово, а моментально розумієте, як його дієвідмінювати і вставляти у речення: Ви коли-небудь мурили? Я мурю щодня. А завтра муритимете? Муріння — це непросто. Коли я кажу Ходімо в суботу мурити!, ваш мозок залучає нове слово у систему символів і правил: це дієслово другої дієвідміни (Я мурю, ти муриш, вони мурять) недоконаного виду (що робити? — мурити; що зробити? — змурити). Навчатися — це вписувати нові знання в уже наявну схему.

     

    Про ще більше причин, чому мозок навчається краще, ніж штучний інтелект, можна прочитати у книжці.

     

    ТЕКСТ: Станіслас Деан
    Ілюстрації: Каталіна Маєвська
    Статті
    Наука
    Екологічно чиста отрута: уривок з книжки «Зоологічна екскурсія супермаркетом»

    Чому краще утриматися від «дикого» промислу морепродуктів, особливо у водоймах, де цвіте вода?

    Наука
    Передумови приходу диктаторів до влади: Італія, Німеччина, РФ

    Що стало передумовами приходу диктаторів до влади на прикладі фашистської Італії, нацистської Німеччини та путінської росії? Розповідає співавтор і ведучий каналу «Історія Без Міфів» Владлен Мараєв.

    Людина
    Як кожен з нас може подякувати військовим і допомогти їм з адаптацією

    Як змінюється світосприйняття військових і що ми можемо зробити, аби висловити їм вдячність і допомогти в адаптації до мирного життя?

    Біологія
    Не тільки в історії. Який слід залишить війна в наших генах

    Як війни, голод та важкі психологічні травми залишають слід у геномі людини й чи можемо ми на це якось повпливати?

    Космос
    Що таке сонячні плями і чи впливають вони на людей

    Чи можуть спалахи на Сонці та магнітні бурі провокувати погане самопочуття в людей?

    Ідеї
    Пропаганда у російському кіно

    Як кіно стало частиною пропагандистської та політичної ідеології росії та чи можна якось дати цьому раду?

    Повідомити про помилку

    Текст, який буде надіслано нашим редакторам: