себе. Игра не получается, если игрок «тянет на себя одеяло», переигрывает или не пасует мяч другим игрокам. Только, если большинство участников сосредоточено на общем предмете игры или общей теме беседы, возможно наилучшее творческое понимание [6].
В увлечении виртуальной игрой человек любит, ненавидит, дружит и враждует с искусственными персонажами. Они могут собираться в группы, как в жизни, дружить с кем-то и против кого-то, коллективно исключить мешающего, «нелюбимого» игрока. Социальная жизнь перемещается таким образом в виртуальный мир. Фактически, с усложнением игры возрастает и мощь «искусственного интеллекта» и его влияние на человека. Похоже, мы снова имеем дело с двумя «встречными» тенденциями: ростом и усложнением «искусственного интеллекта» и «ослаблением» реальной активности человека. А ведь исследования показывают, что люди, используя искусственные возможности, еще не научились использовать полностью свой собственный мозг. Т.В. Черниговская начинает беседу с молодыми учеными, которые приходят к ней «заниматься мозгом»: «В голове у нас сложнейшая нейронная сеть, которую невозможно себе представить. Если вытянуть в одну линию все нейроны, которые находятся в голове – не у Энштейна, а у обычного человека, – получится страшная цифра 2,8 млн. км» [2, 9]. Когда мы перекладываем на машину свои трудности и таким образом облегчаем себе жизнь, мы забываем, что эволюционное развитие человечества шло как раз через трудности. И именно препятствия приводили к качественным эволюционным скачкам.
Что же нам делать? Остался ли одним из возможных путей для нашего развития путь совершенствования собственных возможностей, использования собственных ресурсов? Ведь, хотя обученная машина и переигрывает шахматиста или игрока в покер, обучение машин происходит принципиально иначе, чем обучение людей. Элисон Гопник – профессор психологии и философии в Калифорнийском университете сравнивает обучение детей и обучение искусственного интеллекта [4]. Она выделяет два способа обучения: «восходящий» и «нисходящий» по аналогии эмпирического и рационального методов в истории философии. В первом случае обучение машины начинается похоже на чувственное восприятия мира человеком: «фотоны и колебания воздуха, которые воспринимаем все мы» [4, с. 61]. Информация попадает в компьютер в виде точек цифрового изображения или аудиозаписи звука. Затем из этих данных компьютер выделяет ряд элементов, которые можно обобщить и идентифицировать как единый объект окружающего мира. Этот восходящий подход связан с идеями английского эмпиризма и И.П. Павлова. Ученые придумали способ, позволяющий компьютерам находить закономерности в таких данных по принципу работы нейронов. Идея нейронной сети переживает изменения в настоящее время и успешно «работает» на коммерческие цели. По этому методу устроены Google и Facebook.
Элисон Гопник считает, что с увеличением объема перерабатываемой информации, с лучшими вычислительными возможностями «нейросетевые
