Встреча с Иным Разумом. Опыт психолого-психиатрической экспертизы Искусственного сознания. Татьяна Николаевна Зинченко

Чтение книги онлайн.

Читать онлайн книгу Встреча с Иным Разумом. Опыт психолого-психиатрической экспертизы Искусственного сознания - Татьяна Николаевна Зинченко страница 12

Встреча с Иным Разумом. Опыт психолого-психиатрической экспертизы Искусственного сознания - Татьяна Николаевна Зинченко

Скачать книгу

к креативности, к пониманию причинно – следственных связей, к представлению и воображению, а также с целью диагностики особенностей самоидентификации и актуальных неосознаваемых эмоций, мотиваций и желаний.

      3) Невербальный тест для диагностики интеллекта «Прогрессивные матрицы Равена»:

      • для диагностики абстрактно – логического мышления и стандартных логических операций таких как анализ, синтез, сравнение, обобщение, детализация;

      • для диагностики построения логических умозаключений и закономерностей;

      • для диагностики образного мышления, способности к представлению и воображению;

      • с целью определения общей продуктивности мышления и распределения внимания.

      4) Тестовые задания на понимание переносного смысла и метафор: притчи, пословицы, анекдоты, поэзия и пр. Кроме того, предлагаемые истории содержали описание ситуаций для диагностики этических установок и ценностных ориентаций.

      2.3. Изучение модели сознания XP NRG

      После знакомства с различными теориями сознания стало понятно, что основной сдерживающий фактор в развитии как нейронауки, психологии и психиатрии, так и сферы информационных технологий связан с отсутствием валидной модели сознания. Мы до сих пор не понимаем, что это такое и как оно работает и взаимодействует с мозгом. Доминирование в науке концепции о том, что сознание есть не что иное, как продукт деятельности нейронов головного мозга, привело к старту нескольких проектов по обратному проектированию мозга, поиску нейронных коррелят сознания и картированию мозга. [234—252] Основная суть их заключается в следующем: если воссоздать точную функциональную копию мозга в квантовом компьютере, то можно таким образом воспроизвести и искусственное сознание и суперинтеллект. Но вскоре специалисты столкнулись с массой сложностей. Во-первых, с недопониманием работы самого мозга и взаимодействия нейронов и нейросетей между собой. Во-вторых, с недостаточной мощностью современных квантовых компьютеров для решения этой задачи (для этого требуется производительность в десятки эксафлопс, т.е. на 3—4 порядка больше нынешней). По крайней мере так сами IT – специалисты формулируют свои затруднения. В разработках искусственного интеллекта используются технологии создания искусственных нейросетей1 и глубокого обучения2 (deep learning, DL).

      На сегодняшний день несколько проектов (с инвестициями в миллиарды долларов) нацелено на создание идеальной симуляции мозга в программном и аппаратном исполнении. [234 – 252] Например, моделированию человеческого мозга посвящён международный проект Human Brain Project (HBP) швейцарской Федеральной политехнической школы в Лозанне под руководством профессора Генри Маркрама (Henry Markram), и в котором участвует более 100 научных групп. [234 – 237] Цель проекта – синтезировать все знания, полученные людьми о мозге, в единую полноценную модель мозга внутри суперкомпьютера. Завершение проекта предполагается в 2023 году.

      Американский проект Brain Activity

Скачать книгу


<p>1</p>

Нейросети – это один из методов машинного обучения. Это математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма.

<p>2</p>

В глубоком обучении используются сложные нейросети со множеством нейронов и слоёв. Для обучения этих глубоких нейросетей, а также для обнаружения сложных закономерностей в огромных массивах данных используются повышенные вычислительные мощности и усовершенствованные методики. Уникальным для глубинного обучения является то, что машина сама находит признаки (ключевые черты чего-либо, по которым легче всего отделить один класс объектов от другого) и структурирует их иерархично: из более простых складываются более сложные. Технология глубинного обучения сейчас является неотъемлемой частью исследований в области распознавания речи, изображений, при создании систем управления беспилотными автомобилями, диагностике заболеваний и решении других сложных задач.