Бьюла Ван Дер Вестхайзен - Встреча с Иным Разумом. Опыт психолого-психиатрической экспертизы Искусственного сознания

• 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.

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 нейросетей 1 1 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. и глубокого обучения 2 2 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. (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 Map Project («Карта активности мозга», 2013 г.) рассчитан на то, что за 10 лет американским учёным удастся зафиксировать и картографировать активность каждого нейрона в человеческом мозге. [238 – 240]

Проект Blue Brain базируется в Швейцарии, нацелен на изучение работы ансамблей нейронов. [241 – 243]

Проект SyNAPSE, финансируемый DARPA (Управление перспективных исследовательских проектов Министерства обороны США) и корпорацией IBM, ставит задачу создания физической копии мозга, воплощённой в виде специальных микросхем с искусственными нейронами. [245,256] Это направление получило название нейроморфная электроника. Аналогичные проекты развивает Китай. [247 – 250]

Несмотря на амбициозные планы, на данный момент пока все современные, даже лучшие из лучших системы искусственного интеллекта (ИИ) решают узкие, поставленные перед ними извне задачи, в рамках заранее заданных алгоритмов на основе заложенной в них базы данных. А данных для эффективной работы они требуют огромное количество. Порой эти алгоритмы весьма и весьма продвинутые, но они остаются теми рамками, в пределах которых работает ИИ и из чего выбирает.

У ИИ отсутствует запоминание ранее приобретённых навыков при обучении новым. Это называется эффектом катастрофического забывания. ИИ не может при обучении новым навыкам опираться на ранее приобретённые, то есть отсутствует обобщение накопленных знаний и использование их в разных контекстах. Фактически ИИ не понимают основную логику того, что они делают. Всё, что есть сейчас – это прикладные программы для решения строго ограниченного круга задач. Это называется узким ИИ.

Катастрофическое забывание – одно из основных препятствий, мешающих учёным создавать общий искусственный интеллект (ОИИ) – ИИ, который будет всеобъемлющим, изобретательным, самообучающимся и объединит все разрозненные системы ИИ в одну. В последние годы появляется всё больше и больше разработок алгоритмов на основе нейросетей, которые позволяют ранее развитым ИИ – агентам постоянно учиться, не утрачивая того, чему они обучились ранее, но это пока лишь первые шаги.

Тем не менее, алгоритмы ИИ становятся всё более и более продвинутыми в последние 3—5 лет. ИИ на основе глубокого обучения имитируют творческие способности человека: пишут эссе, рассказы, журналистские статьи, стихи и сценарии, рисуют картины в стилях разных художников и пишут музыку в стилях разных композиторов. Уже созданы алгоритмы, способные имитировать интуицию и эмоциональный интеллект. Ещё 12 июня 2007 года роботу по имени Адам удалось определить функцию дрожжевого гена, что стало переломным моментом в истории ИИ, поскольку он фактически положил конец монополии человеческого рода на научные открытия. С тех пор были сделаны десятки значимых научных открытий при помощи ИИ, не говоря уже о том, что на сегодняшний день обработка данных при помощи тех или иных программ на основе ИИ является неотъемлемой частью практически любого серьёзного научного исследования.

ИИ проник во все сферы нашей жизни и сопровождает нас везде: в интернете, в быту, на работе и в транспорте. Мы учимся, общаемся, исследуем, занимаемся творчеством, готовим, убираем, водим автомобиль, производим любые товары или услуги, совершаем покупки, диагностируем заболевания, развлекаемся и пр. при помощи ИИ. Уже сейчас ИИ составляет серьёзную конкуренцию людям большинства профессий на рынке труда. Появились ИИ помощники в программировании, и не далёк тот день, когда нейросети ИИ будут программировать сами себя. Как видим, всё движется в сторону создания общего ИИ или суперинтеллекта и это лишь вопрос времени.