15 минут про Искусственный Интеллект

Познавательная лекция о том, что такое Искусственный Интеллект, чем он отличается от мозга, а так же предсказание того, насколько быстро ИИ станет умнее человека.

Для вашего удобства мы так же приводим расшифровку видеозаписи.
Привет,меня зовут Александр, я читаю научно-популярные лекции. Сейчас расскажу вам немножко про искусственный интеллект.
Мы будем очень мало говорить про компьютеры, много про интеллект и чуть-чуть про искусственный интеллект – чем он является, и как его создать, и всё такое.
Существует два принципиально разных подхода к проектированию искусственного интеллекта: восходящий подход, когда мы изучаем что-нибудь, что обладает, по нашему мнению, интеллектом, ну нас, например, и пытаемся это воспроизвести, воспроизвести внутреннюю структуру, надеясь, что получим некое интеллектуальное поведение. Нисходящий подход – это когда мы изучаем само по себе  интеллектуальное поведение, ну например, возможность распознавать текст на слух или распознавать текст в картинках, и потом проектируем некоторые компьютерные системы, которые реализуют эту  интеллектуальную функцию. В 2015 году создание программ, которые ведут себя так, будто бы они интеллектуальные, называется просто программированием – никому не нужны глупые программы, поэтому мы будем в основном говорить про восходящее проектирование, про создание программ, которые являются или когда-то смогут быть интеллектуальными. Также, кроме деления на нисходящий и
восходящий, есть деление на сильный и слабый искусственный интеллект. Все штуки, которые вы видите, умеют распознавать вещь, преследовать цель и мягенько стирать ваш свитер, они все существуют,
и никто из них искусственным интеллектом не обладает.
С другой стороны, вот эти ребята (смех) вот эти ребята, они, по моему мнению, искусственным интеллектом обладают, но при этом еще не существуют.В основном о них мы будем говорить.
Как вообще определить разум или сознание в роботе или компьютерной программе? Алан Тьюринг, один из пионеров компьютерной науки, предложил элегантный ответ: пусть машина нас сама в этом убедит. Его способ проверки сводится к следующему: есть ведущий и два игрока, один из которых является машиной. Ведущему неизвестно, кто из них кто. Ведущий задает игрокам вопросы, используя чат, игроки на них отвечают. Задача ведущего – определить, кто из игроков является машиной. Задача машины – сбить ведущего с толку, чтобы тот не смог определить, кто из нас является тут машиной, кто
ведущим.
Игра не ограничивается банальными фразами типа “Как тебя зовут?”. Можно, например, спрашивать: “Не мог бы ты написать поэму о стихах и осени?”. И нормальный адекватный ответ компьютера данном случае был бы: “Помилуйте, я не умею писать стихи!”. Или можно спросить у компьютера: “Сколько, по-твоему, будет 314 плюс 567?”. И уважающий себя компьютер должен подумать минимум три секунды,
прежде чем ответить “881”.
По-хорошему должен ошибиться, понимаете. То есть, это сложная игра, это сложнее, чем правильно ответить на вопрос – надо ответить, как человек.
Если бы меня спросили, какой бы вопрос я задал на месте ведущего в игре Тьюринга, то я б, наверно, спросил бы: “А какой вопрос ты б задал, если был бы на месте ведущего в игре Тьюринга?”. Идея Тьюринга состоит в следующем: если уж машина сможет убедить нас в том, что мы не можем отличить человека от машины, то, вероятно, она разумна, обладает сознанием, либо, по крайней мере, умнее людей, тогда как мы можем судить о том, что разумно?
С другой стороны, тест Тьюринга – лишь игра в имитацию. То есть, действительно ли компьютер, который утверждает что он любит осень или любит стихи, любит осень и любит стихи? Может, он обманывает нас? Если он нас обманывает, мучит ли его совесть? И в конце концов, с чего мы вдруг взяли, что навык одурачить человека – это показатель разумности? Одно из “и” в слове искусственный интеллект звучит как интеллект. Обычно имеют в виду человеческий интеллект. И обычно под интеллектом, по крайней мере, как говорит нам “Википедия”, принимают способность людей анализировать внешний мир, обучаться и генерировать некое рациональное поведение. Длинная незначащая фраза. Если мы выкинем отсюда людей, поставим под сомнение “рациональное”, у нас останется “поведение”.
Является ли поведение показателем разумности? Я – человек, это – крокодил. И человек, и крокодил имеют весьма сложное поведение. Оба умеют передвигаться, нападать на добычу, убегать из неравного
боя, но крокодилы не умеют строить планы на завтра. Крокодил не думает: “Ну вот сейчас завалю эту антилопу, оставлю половинку на завтра, соберу друзей, пообсуждаем проблемы искусственного интеллекта”.
Крокодил не делает план, он просто реализует своё сложное низкоуровневое охотничье поведение. Строение мозга млекопитающих имеет важное отличие от строения мозга всех других животных. У нас есть кора, и эта кора отвечает за многие штуки, которые мы называем интеллектуальными, и в том числе за сложную высокоуровневую память. Ящерки не умеют проходить лабиринт, в котором
спрятана награда повторно, кроме как снова облазить все кусочки. При этом мышки, пройдя лабиринт, второй раз ползут в то же место, где они в прошлый раз нашли награду, потому что они умеют запоминать путь к тому месту. За это отвечает кора. Мы все тут с вами сидим и вроде как все мы в сознании, и все мы вроде как интеллектуальны. Я не могу ручаться за вас, но вы вроде такие же, как я, а я себя считаю в сознании. При этом мы не реализуем толком никакого поведения. Можно не делать ничего, лежать и осознавать себя разумным. Таким образом, поведение не есть разумность. И самое удивительное следствие нашей разумности в том, что мы не вычисляем ответ, когда нам задают вопрос. Мы его знаем, мы его вспоминаем. Ну, знаете этот эффект. А вычисления производятся в тот
момент, когда мы узнаём информацию, необходимую для того, чтоб когда-то в будущем ответить. И этот процесс называется обучение. И я хочу провести небольшой опыт. Мне нужна ваша помощь.
На первый взгляд покажется, что я вообще сошёл с ума, но вы потерпите немножко. И мне нужна ваша помощь. Сейчас я буду загадывать достаточно сложные такие задачки,
вы должны сконцентрироваться и очень сконцентрированно, дружно говорить на них ответ. У вас получится, я в вас верю.
Нужна тишина, концентрация…
Вы готовы?
Я вот чувствую, что вы готовы.
Ночью он совсем не спит дом от мышек сторожит,
молоко из миски пьёт. Ну конечно, это – кот.
Белке спать зимой тепло, если спрячется в дупло.
Молодцы!
Чтобы жарилась еда, нам нужна сковорода.
Белым снегом всё одето, значит наступило …. зима.
Подобными вопросами мы проверяем интеллект детей. Давайте разберёмся, что же происходит.
Во-первых, нам нужно разобрать речь, разобрать предложения на слова, разобрать, что значат конкретные
слова, всё прочее, и после этого нам нужно сделать предсказание, нам нужно по каким-либо параметрам дополнить предложение, предсказать, какое же слово будет дальше. На основе именно этого алгоритма предсказания и работает вообще наше восприятие, наш мыслительный процесс.
Простой пример – узнавание лица. Ваши глаза движутся по миру короткими скачками, которые называются саккады. Когда вы вдруг находите глаз, ваш мозг такой: “О, глаз!”. И говорит такой: “О, зрительная кора, которая отвечает за движение глаза, ты, пожалуйста, поищи, там рядом должен быть ещё один глаз, нос и рот, присмотрись.” И теперь у вашего глаза, который нашёл первый глаз, есть конкретная задача: найти ещё один глаз, нос и рот. И мы быстренько так: тык-тык-тык-тык-тык – ага, это
лицо.
Если вы вдруг неожиданно телепортируетесь в какое-то другое место, вы будете невероятно удивлены. Если вы закроете глаза и откроете, вы не будете удивлены. Ваш мозг умеет предсказать, что вряд
ли что-то изменилось за это моргание. Ещё другой пример того, как работает это предсказание – чтение.
Вспомните, как вы читали в детстве. Вы читаете первую букву, вторую букву, вы видите: м, а, – и такие: “Фух, наверно повезёт” – “Мама!” И вам такие: “Нет, молоко!”
Дети как бы пытаются угадать, что там дальше, родители их за это ругают, но именно это и есть обучение чтению. Когда взрослый человек читает предложение, он движется по предложению такими скачками по несколько слов. Что делает в этот момент наш мозг? Ну actually, вы расслабились, пребываете в прострации истории, ваш мозг делает предсказание о том, куда сейчас всё это зайдёт, какие там слова дальше. Каждый такой скачочек проверяет, всё ли в порядке, правильно ли мы там предсказали, если нет – чуть-чуть это всё компенсирует, что-то исправляет, и вы читаете текст, вам кажется, что всё очень ровно поступает в ваш мозг, вы его понимаете – тоже происходят вот такие резкие скачки.
Давайте вернёмся к вопросу определения разумности машин и вспомним, как мы определяем разумность взрослых людей, потому что только что мы доказали, что на уровне детей вы все разумны, точно.
Тест IQ…
А, кстати, вот ещё хороший пример, как работает наш мозг в плане предсказания. Вы смотрите на картинку, и тут пятна пятна пятна пятна пятна. Ваш мозг пытается выдвинуть гипотезу. Он выдвигает гипотезу, пытается найти что-то похожее, для того чтоб понять, что же там. Как только гипотеза найдена, уже невозможно перестать видеть этого далматинца.
С мордой, ножками, ножками, туловищем. Как только ваш мозг выдвинул правильную гипотезу, он умеет предсказывать, что там на картинке, он знает, куда смотреть. (Смех) Кому-то не дано. Что ж, определение разумности взрослых. Тест IQ состоит из опросов, в которых требуется продолжить ряд. Иногда это несколько цифр, иногда это слова, иногда это картинки, какая-то логическая головоломка. Но так или иначе, тест IQ – это тест, в котором вам нужно распознать некий паттерн и сделать некое предсказание.
Я предлагаю использовать именно тест IQ или какие-то подобные штуки, а не тест Тьюринга, который замечательный и прекрасный, но определяет совсем другое, для того, чтоб мы измеряли разумность чего- нибудь. И я хочу ввести наконец определение интеллекта, которое нам сегодня подойдёт.
Интеллект – это способность к предсказанию будущего и написанию программ. Программы – не обязательно компьютерные программы, это могут быть какие-то простые программы, например:
“Если будут бананы, купи, пожалуйста, бананов, а если не будет,  тогда – яблок.”
Это небольшая компьютерная программа, в которой мы делаем два предсказания: первое – яблоки почти наверняка будут, второе – если повезёт, будут бананы. Бананы будут с меньшей вероятностью, чем яблоки, мы уверены в том, что они будут. То есть мы делаем 2 предсказания будущего, и относительно них предсказываем некие действия о том, что нужно будет поступить так-то и так- то. И способность создавать такие алгоритмы, и способность решать такие задачи, мне кажется, является интеллектом.
Давайте разберёмся, как это работает у человеков и других тёплых, прежде чем перейдём к компьютерам. Это – нарисованный мозг. Он состоит из, грубо говоря, трёх отделов: вот этот отдел, вот тот отдел и вот этот отдел. Вот этот вот первый отдел у нас общий с рыбками, змейками и всем прочим и он ответственен за физиологическое поведение организма: чтоб у нас был пульс, чтоб мы дышали и не забывали всё это делать. Следующий отдел у нас с общий со всеми млекопитающими и с некоторыми другими животными. Он отвечает за наши сложные гормональные реакции – вот это вот сложное социальное поведение, любовь, привязанность, дружбу, всё всё всё вокруг – за наши неадекватные поступки, адекватные пост… А за наши адекватные поступки отвечает следующий, третий отдел, который у млекопитающих слегка намечен, а у человека занимает большую часть мозга, и этот отдел называется неокортекс.
Он толщиной примерно в 2 миллиметра, 2-4 миллиметра. Он примерно вот такого размера. Не буду ж я вам говорить, что он как салфетка там или что-то. Вот такого  размера. Мой мозг вот такой. Вот такой вот неокортекс. Он вот так сжат и засунут в черепную коробку, поэтому тут бугры. Нет никакой другой причины, это не архитектурный план, там, в буграх нет магии. Он плоский. Он просто засунут черепную коробку, поэтому там бугры. Он состоит из четырёх отделов. Это у нас левое полушарие, вы видите, глаз сюда. Он состоит из левого и правого полушария, притом виртуально побит пополам на заднюю часть неокортекса и переднюю часть неокортекса. Задняя часть занимается в основном обработкой сенсорной информации, передняя часть неокортекса занимается в основном разнообразной моторикой и обработкой самого поведения. Он очень однороден. Если мы возьмем кусочек вот отсюда или кусочек вот отсюда или кусочек вот отсюда, они будут очень похожи.

Будут такие же нейроны, в такие же слои выстроенные, такие же непонятные связи. И как же он устроен там, если мы возьмём его поближе? Если мы срежем – вот это два миллиметра – все представили, да?  Мы взяли кусочек неокортекса  и срезали его. Мы видим всякие нейроны – такие клеточки, – про нейроны Меркулов рассказывал отдельную лекцию, не буду сейчас подробно. У них есть, грубо говоря,  один выход, много входов и, вы видите, они все туда направлены, и к туда становится больше. Если мы присмотримся, то виртуально мы видим какие-то слои. Видите, есть какая-то дифференциация по штанам.

Давайте мы посмотрим чуть крупнее на эти слои. Обычно их выделяют 6, притом первые четыре слоя обрабатывают информацию, последние, скорее, суммируют. И последний слой состоит из, если вы  помните предыдущий слайд, из большого количества аксонов, которые идут к другим нейронам в другие части неокортекса. То есть это такой столбик, получается. Зачем нам всё это знать, зачем я вам  показываю неокортекс, нейроны? Вот эта штука, вот этот наш кусочек неокортекса шестислойный – это два миллиметра. Вот эти кусочки неокортекса, очень однородные, похожие друг на друга, соединены иерархически. То есть каждый кусочек своим выходом соединён с каким-то другим кусочком, те соединены с какими-то другими кусочками и образуют вот такую иерархию,  то есть все вот эти вот  прямоугольники – это всё кусочки неокортекса какого-то размера, которые имеют очень много входов, меньше выходов, меньше выходов, меньше выходов. Эта структура разбивает абстракции на более абстрактные крупные вещи. Давайте разберёмся на примере чтения. Мы читаем слово “мама”. У нас есть нижний слой, на который попадает информация от наших визуальных рецепторов, и этот нижний  слой умеет делать незамысловатые штуки. Там есть вот такая большая группа нейронов, огромная семья – вот этот вот кусочек маленький, который умеет распознавать вот такую вот палочку. Есть соседний с ним, он умеет распознавать вот такие палочки, и ещё один – распознавать вот такие палочки. Теперь, если в правильном порядке активируются эти куски, то к второму-третьему уровню мы уже умеем распознавать, допустим, букву “А”. Если мы одновременно нашли букву, в который есть такая палочка, такая палочка, такая палочка, то к следующему уровню мы распознаём букву “А”. Тут мы можем распознавать слоги уже, там мы можем распознавать слова и так далее, так далее, так далее. Зачем нам это всё? Пока что мы занимаемся распознаванием, где тут возникает сознание? Оно возникает ещё чуть дальше, потому что вы помните, мы только что вот это всё видели, вот эти штуки, ответственные за распознавание, соединяются между собой в ещё более высокоуровневые штуки, в ещё более  высокоуровневые штуки, в ещё более высокоуровневые штуки. Когда я говорю слово “мама”, или когда я читаю слово “мама”, или когда я вспоминаю о маме, или когда что-либо напоминает мне о маме, допустим, мамина обувь, на входы приходит совсем разная информация: это или визуальная информация или аудио, но в конечном итоге вы все вспомните про одну и ту же маму в вашем мозгу. Когда вы слышите, когда я говорю о вашей маме, и читаете, когда я говорю о вашей маме, в конечном итоге вы воспоминаете одну и ту же маму, понимаете. То есть все эти отделы в конце концов связаны с  высокоуровневыми абстракциями, и стрелочки идут в обе стороны.
Какие свойства есть у всей этой структуры? Во-первых, эта структура хранит последовательности паттернов. То есть в слове “мама” буквы идут в каком-то порядке. Если я начну напевать вам какую-то мелодию и вы её знаете, то вы сможете подхватить с этого места, но вы не помните всю мелодию, вы можете подхватить с этого места. Вы не можете со случайной ноты начать её петь, не можете в обратную сторону её напеть, понимаете. Есть последовательность и есть направление, в котором эту последовательность читаем. Наша память работает автоассоциативно: для того, чтобы что-то вспомнить,
нужно подать что-то похожее на то, что мы хотим вспомнить, на вход.  Вы не удерживаете маму в своей голове всегда. Как только я говорю “мама”, у вас активируется что-то связанное со словом “мама”.
Когда вы пытаетесь вспомнить какой-то факт, очень помогает его вспомнить перебор синонимов, ассоциаций. Таким образом, вы задействуете какие-то нейроны, которые лежат рядом с тем фактом, и вспоминаете этот факт. То есть наша память работает автоассоциативно. Нам нужна какая-то ассоциация, чтобы найти к ней какую-то ассоциацию. Наша память за счёт большого количества слоёв – их может быть намного больше – хранит паттерны в инвариантной форме. Смотрите, вот это вот буква “А”. И всем нам очевидно, что вот это вот буква “А”, но просто лист боком повернули, понимаете. Но фактически вот эта буква и вот эта буква состоят вообще из разных компонентов. Наша память, используя много слоёв, в конечном итоге к какому-то слою поворачивает все вот эти буквы как единую  абстракцию буквы “А”, и уже неважно, как она развёрнута. Это легко представить на примере букв, то же самое – на примере всего остального. Когда вы смотрите на меня вот так, когда вы смотрите на меня  вот так, у вас нет сложности распознать во мне одного и того же человека, хотя я вот так вот и вот так вообще не похож. Хорошо, к чему всё это приводит? Где-то с 2007-го мы наблюдаем большую  свежую революцию в развитии нейронных сетей, которые развиваются последние 50 лет, которая называется Deep learning. В чём суть? Суть, если кратко, в многослойных иерархических нейронных сетях,  похожих на наш неокортекс. Многослойные нейронные сети были известны давно, где-то с середины-конца двадцатого, но был ряд сложностей и проблем, связанных с их обучением. Обычно простые       нейронные сети обучают относительно просто. Вот представьте, это простая нейронная сеть: у нас есть некий вход, у нас есть некие выходы, и теперь нам нужно настроить эти входы и выходы так, чтоб с   некими коэффициентами некий сигнал на входах приводил к некоему сигналу на выходах. Когда слоев больше, количество элементов участвующих становится столь высоко, что эти классические методики    обучения не работают.
В девяносто пятом разработали новый мат. аппарат, в начале двухтысячных разработали конкретный софт, который научился это делать, а заодно появился интернет, развился интернет, а интернет привёл к  тому что мы, sapiens-ы, начали неистово генерировать контент: всякие картиночки, видосики, и так далее. Этот контент – это как раз та необходимая штука, которая нужна для обучения нейронных сетей. Её  нужно на чём-то учить. И Google, купив Youtube в 2012 году, первым делом взял – ну, что бы вы сделали? – конечно, он взял 16 тысяч компьютеров, поставил нейронную сеть, натравил её на Youtube, они  неделю делали что-то (не было никакой задачи, просто взяли Youtube, нейронную сеть), они неделю делали что-то и через неделю сказали: “Мы нашли объект А – встречается на всех вот тех вот видео”. Это оказался homo sapiens. “Мы нашли объект Б – встречается на всех вот тех вот видео”. Это оказался котик. За неделю нейронная сеть научилась отличать людей от котиков и находить котиков на видео, при  том что не было никакой задачи находить котиков. Просто котики достаточно популярны, она решила, что, наверное, для sapiens-ов котики важны. Притом одна и та же нейронная сеть, абсолютно одна и та  же, один и тот же кусок кода, обученная на разных тестовых наборах, может выполнять разные непохожие задачи. Допустим, зачастую один и тот же кусок кода можно научить и распознавать картинки,
и, с минимальными изменениями, распознавать звук. Это разные непохожие задачи, но вспомните наш неокортекс. Он абсолютно одинаков – разные его отделы делают разные задачи, а он практически  одинаковый.
Машины Google-а проехали уже больше миллиона километров – я этим летом, когда читал эту лекцию, говорил: “и ни разу не попали в аварию”, но потом они попали в аварию, в них врезались, они вроде  не виноваты, вот. И в 2015 году, сегодня, в этом, произошло много интересного. Где-то с 13-го, где-то с 13-го года количество ошибок, которое делает искусственный интеллект при распознавании  разнообразных штук, резко уменьшалось, и вот оно шло, шло, шло, и вот тут в тринадцатом году оно ещё сильно уменьшилось, а вот это вот 100 процентов точности. То есть мы находимся вот в этой точке. Машины сейчас распознают картинки в среднем лучше, чем люди. Компьютеры победили людей на нескольких конкурсах по распознаванию изображений, в том числе по поиску котика на фотографии, в том числе по распознаванию дорожных знаков, и так далее, так далее, так далее. К чему я всё это рассказываю? Важный вопрос состоит вот в чём. Когда мы сравниваем и рассуждаем про умность, глупость  интеллект, всё прочее, обычно мы сравниваем деревенского дурака и нобелевского лауреата. Тут нужно понимать, что даже деревенский дурак намного, значительно умнее любого другого не homo  sapiens-а. И если мы возьмём мышь, мышь – млекопитающее, у мышей есть маленький тонкий слой неокортекса – они умеют очень много крутого, реально умные. Если мы возьмём мышь, то от мыши до  этого деревенского дурака бесконечно далеко, а от деревенского дурака до гения, на самом деле – чуточку. Если мы возьмём каких-то других животных, то они где-то тут расположатся, многие будут более  глупые, чем мыши. И когда мы смотрим на эту картинку, мы должны понимать, что искусственный интеллект, который сейчас, в среднем более глупый, чем мыши. Мыши крутые. Современный  скусственный интеллект чуть менее крутой, чем мыши, но он работает над этим. Когда-нибудь – обгонит мышь, потом мы будем долго- долго ещё стараться, искусственный интеллект обгонит каких-нибудь приматов,
и потом, в какой-то момент, искусственный интеллект догонит деревенского дурака.И следующим моментом после этого момента, через пару дней, будет тот момент, когда искусственный интеллект обгонит гения. Эта разница совсем не такая большая, как та разница. И очень скоро, через пару дней после того дня, когда искусственный интеллект догонит дурака, ситуация будет примерно вот такая. И вот эта  разница действительно большая. Почему так происходит? Я вам сейчас покажу пример процесса, который является нормальным. Это график ВВП за последние 10 тысяч лет. Более того, это нормальный    процесс, многие штуки во вселенной так проходят. Если убрать цифры, то это – количество добытого железа, допустим, на планете за последние сколько угодно лет, и так далее. Многие штуки, связанные с технологическим прогрессом, выглядят именно так. Сначала нет ничего, а потом – ну, вы знаете, да? К чему это всё? К тому, что сейчас мы находимся примерно тут. Человеческая производительность неспешно растёт, мы учимся, у нас, там, 100 лет назад появилось всепланетное образование, потом высшее образование для всех, получается круче, круче, круче и люди всё умнее и умнее. Компьютеров  сначала не было, а мы уже, мы уже были крутыми, у нас была фора. Компьютеров сначала не было, потом они становились круче, потом – ещё круче, потом – они вот тут вот. И в тот момент, когда они   дойдут вот досюда, мы им слабо сможем чем-нибудь помешать. Возможно, изобретение искусственного интеллекта станет последним изобретением человечества. Почему? Шимпанзе сильные. Шимпанзе реально сильные, шимпанзе, в среднем, обычный шимпанзе вдвое сильнее взрослого мужчины. Если сюда сейчас зайдут десяток шимпанзе, они гарантированно нам наваляют. Я просто готов спорить. Тут, понимаете, две двери, вот сзади меня и там, мы будем со всех сторон бежать к этим дверям. Мы ничего не сможем сделать против шимпанзе. Но шимпанзе не могут выключить человечество. У них нет  такой кнопки. Они ничего не могут сделать. И судьба всех шимпанзе на планете в первую очередь связано с желанием человеков. Мы не можем выключить интернет, интернет изобретен совсем недавно, у   него нет собственного интеллекта, но нигде нет кнопки “Выключить интернет”. Точно так же нигде не будет кнопки “Выключить искусственный интеллект”. И мы будем как шимпанзе, которые намного  сильнее нас – мы будем намного сильнее этой коробочки железной – мы можем её отпинать, конечно же, но нигде не будет кнопки “Выключить искусственный интеллект”. Даже люди-хакеры постоянно находят уязвимости в компьютерных системах. Искусственный интеллект и хакеры будут находить их намного быстрее. Даже если мы возьмём эту коробочку железную, отключим от всего интернета,  спрячем в ящик, люди-хакеры с помощью социальной инженерии, подкупов и других людей умеют залезать в эти коробочки железные, отключенные отинтернета. Почему бы искусственный интеллект не  мог?
Он может вступить в контакт с обслуживающим персоналом, нанять людей. Я думаю, если кто-то попытается действительно умному искусственному интеллекту навредить людьми, то он наймёт других   людей, чтобы эти люди защищали его от тех людей. Вы поняли концепцию. И говорили, что, дескать, такое было при индустриальной революции.  При индустриальной революции, помните, луддиты, и всё вокруг этого, люди такие: “Давайте громить заводы, потому что, если мы сейчас поставим везде машины, ни для кого не будет работы.” Машины сначала везде ставили, ставили, ставили, потом почти везде поставили. Оказалось, что для людей всё-таки есть работа.
Чем эволюция искусственного интеллекта отличается от эволюции машин? Большая часть людей сейчас в разных странах (80 процентов) занимается теми задачами, которые очень скоро компьютеры будут делать лучше, чем люди. Компьютеры лучше будут отвечать на вопросы людей, лучше управлять машинами, лучше отвечать на вопросы в call-центрах, лучше распознавать преступников на камерах  видеонаблюдения, лучше продавать товары в супермаркетах. Ну, практически всё, чем сейчас занимается большая часть людей.
Если компьютеры заменят всех этих людей, то куда девать этих людей?
Притом, что эволюция искусственного интеллекта и мощности компьютеров пока что нам не кажется конечным процессом. В отличии от машиннной эволюции, когда мы на каждый завод поставили по  механизированному станку – ну всё, достигли всего, чего могли. И мы (не дам я вам этого “спасибо”)… Тут важно понимать, что проблему ненужностей людей решать нужно уже сейчас, уже немедленно. И быть умнее или трудиться сильнее – это не решение. Потому что мы помним, что: вот это наша производительность растёт, вот это – компьютеров, то есть мы никогда не сможем стать обратно умнее или трудиться обратно сильнее.
Как возможный вариант решения, простейший, что напрашивается на ум – это отделение труда от зарплаты, то есть люди должны трудиться, потому что им нравится, и получать деньги, потому что все homo  sapiens-ы получают деньги по рассылке. Вот. Либо повышение ценности ручного труда – нужно потреблять товары, произведенные homo sapiens-ами, а не бездушными станками, и так далее. Но все  эти способы решения достаточно спорные, нужно придумывать другие. И хочу резюмировать: мы никак не сможем контролировать и удерживать искусственный интеллект, если он появится. Он наверняка  появится примерно в ближайшие 50 лет либо намного быстрее. И единственное, что может как-то нам помочь – это если у нас и у искусственного интеллекта будет примерно одна и та же цель и мы будем  добрыми союзниками.
Разработка искусственного интеллекта – сложная задача. Разработка искусственного интеллекта, который не уничтожит человечество – ещё более сложная задача. Очень важно, чтобы кто-нибудь не решил вдруг эти задачи в неправильном порядке.
Спасибо большое!

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Общий рейтинг записи
Оцените запись:
[Всего: 0 Средняя оценка: 0]

Добавить комментарий

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: