Философские проблемы развития искусственного интеллекта. Коллектив авторов
Чтение книги онлайн.
Читать онлайн книгу Философские проблемы развития искусственного интеллекта - Коллектив авторов страница 14
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