заслуг или вины между всеми действиями требует огромных вычислительных ресурсов и, скорее всего, невыполнимо для биологической системы обучения – ей потребовалось бы множество жизней для накопления достаточного опыта в различных ситуациях. Пионер искусственного интеллекта Джеффри Хинтон метко сказал по этому поводу: «Это как если бы каждый житель Соединенных Штатов пытался определить, продуктивно ли он провел рабочий день, наблюдая за ежедневными изменениями валового национального продукта». Опираясь на схожие аргументы, многие специалисты по когнитивным наукам и нейробиологи признают, что люди учатся намного эффективнее, – но, как и в случае с обучением через коррекцию ошибок, механизм этой эффективности остается загадкой. К чему мы пришли? Алгоритм обучения – это механистический процесс, в ходе которого нейронная сеть изменяет силу связей (веса) между своими элементами. Эволюция дает нам полезную отправную точку, но обучение на протяжении жизни системы также играет важную роль. В рамках нейросетевого подхода процесс изменения силы связей направляется входными данными и обратной связью от окружающей среды в сочетании с распространением сигналов, которые несут информацию о том, как именно следует изменять связи. Как мы увидели в этой главе, у разных алгоритмов обучения есть свои сильные и слабые стороны. Современные алгоритмы позволили создать искусственные сети, которые сравнялись с человеком или превзошли его во многих сложных задачах, однако ни один из известных сегодня алгоритмов обучения не воспроизводит в полной мере гибкость, адаптивность и эффективность процессов обучения человеческого мозга. Раскрытие вычислительных принципов, управляющих тем, как обширные нейронные сети мозга хранят знания, остается одной из величайших загадок, которую предстоит решать следующему поколению специалистов по вычислительной нейробиологии. В третьей части мы рассмотрели нейронные сети, которые не зависели от интеллекта разработчика, а учились изменять свои связи на основе опыта. Такие сети помогли нам лучше понять, как люди осмысливают окружающий мир. Они также наделили системы ИИ эмерджентными способностями, которые еще несколько лет назад было невозможно себе представить. В четвертой части мы рассмотрим, как нейронные сети могут углубить наше понимание разума и обеспечить создание интеллектуальных машин будущего. Мы также обсудим более широкие выводы, которые нейросетевой подход предлагает для осмысления человеческой природы.

Часть IV Расширение и применение нейросетевого подхода

Часть IV Расширение и применение нейросетевого подхода До сих пор в книге «Рождение разума» мы использовали нейронные сети для обоснования идеи о том, что наш разум возникает из взаимодействий между простыми вычислительными элементами. Но способны ли такие взаимодействия охватить все грани нашего разума? Ведь мы способны к логическому мышлению (Если из A следует Б и A истинно, то Б должно быть истинно) и математическим рассуждениям (Пять игрушек больше, чем четыре). У нас есть желания и потребности (Хочу мороженое прямо сейчас) и целенаправленные устремления (Нужно питаться правильно). И что самое поразительное – у нас есть сознание: яркий субъективный опыт осмысления себя и окружающего мира (Аромат розы дает определенное ощущение). Может ли нейросетевой подход углубить наше понимание этих аспектов разума? В главе 10 мы утверждаем: да, может. Если наши биологические нейронные сети способны воплощать эти процессы, то, возможно, искусственные нейронные сети в системах ИИ тоже могут обладать некоторыми из этих способностей. Мы также исследуем эту гипотезу в главе 10. Затем в главе 11 мы рассмотрим, какие выводы из изученного материала можно сделать для нас самих и для искусственного интеллекта. Сначала мы обсудим, чтó нейронные сети могут рассказать нам о том, как жить лучше, и покажем, что нейросетевое понимание разума имеет конкретные последствия для наших отношений с собой, другими людьми и машинами. Мы также рассмотрим, как понимание нейронных сетей человеческого мозга может привести к усовершенствованию систем ИИ в будущем. Глава 10 Наши эмерджентные мысли Однажды ранней весной Гаурав услышал постукивание в окно гостиной. Стук был негромким, но непрерывным, а потому привлекал внимание. Гаурав вышел на улицу посмотреть, что вызывает стук, но это не помогло – снаружи ничего не было слышно. Только простояв несколько минут совершенно неподвижно внутри комнаты, Гаурав понял: стучит птица – среднего размера, с ярко-оранжевой грудкой. Он опознал в ней странствующего дрозда. Но зачем птица стучит в окно? Неужели хочет проникнуть внутрь? Быстрый поиск в интернете показал: дрозд действительно атаковал. Но целью был не Гаурав. Птица нападала на другую птицу, которую видела в окне, – собственное отражение, – защищая свою территорию (рисунок 10.1). Каждую весну самец странствующего дрозда сосредоточен на строительстве гнезда и защите территории. Если ему удается обустроить безопасное жилище, его шансы привлечь самку возрастают. Но он должен постоянно быть начеку, чтобы