Единое ничто. Эволюция мышления от древности до наших дней

Мы ограничимся коротким и общим описанием данного подхода к плюралистической каузальности, так как подробное изложение этой теории выходит за рамки данной книги. Здесь мы стремимся не исчерпывающе описать всю концепцию не-систем, а, скорее, подготовить почву для будущего обсуждения приемлемости и целесообразности такой концепции.

Искусственный интеллект. Некоторое замечание о перспективах его изучения

Под искусственным интеллектом (ИИ) сегодня принято понимать в основном системы машинного обучения. Именно они за счёт простоты использования и широты применения завоевали особенно много поклонников. Такие системы обучаются, чтобы решать самые разные задачи: распознавать образы, предсказывать будущее, классифицировать клиентов, писать газетные заметки, доказывать теоремы или даже мгновенно воплощать в жизнь творческие фантазии, преобразуя слова в картинки или видео. Будущее прогресса в этой области уже сегодня выглядит как научная фантастика. Так велики ожидания, и они уже начинают оправдываться.

Тем не менее такой вид ИИ никогда не станет разумным сам по себе. Для этого нет никаких онтологических оснований. Разум возник на нашей планете как результат адаптации к проблемным условиям окружающей среды. У человечества ещё не скоро возникнет необходимый уровень ресурсов, чтобы создать достаточно крупную проблемную среду, к которой передовые системы машинного обучения смогут сами адаптироваться и в которой смогут развиваться, эволюционировать. Такая среда должна по сложности соотноситься с нашей Вселенной. Но можно ли ускорить процесс? Наверное, можно, но дело в том, что разработчики ИИ пока не знают, чтó нужно привнести в устройство нейронной сети, чтó в ней улучшить, чтобы она начала хотеть, думать, рефлексировать и т. д. Всё это особенности живых и разумных организмов и довольно бессмысленно для ИИ, так как лежит далеко за рамками его категорий.

Однако есть кое-что, что мы определённо могли бы улучшить в нашем понимании ИИ уже сегодня. Речь идёт о преодолении разрыва в интерпретации, о котором ещё не принято говорить. Что это такое? Дело в том, что системы машинного обучения, основанные на принципе нейронных сетей, решают задачи с помощью слоистой модели. Разработчики создают программу, моделирующую поведение нейронной сети, которая имеет входной слой «нейронов», куда подаётся входящая информация, некоторое число промежуточных слоёв-операций, анализирующих входящий сигнал, и выходной слой, дающий результат анализа или решение, принятое сетью. Проблема интерпретации заключается в том, что разработчики весьма условно знают, с какими именно объектами работают анализирующие слои нейронной сети.

Например, одна из решаемых с помощью машинного обучения задач – это распознавание образов. На вход сети поступает информация обо всех пикселях картинки, то есть матрица данных изображения. На выходе сеть сообщает результат распознавания, и она может либо верно распознать образ, либо совершить ошибку. Например, это лицо актёра Бена Аффлека. Но принципиально, что промежуточные стадии анализа имеют дело с некоторыми компонентами образа этого актёра. Причём, сколько бы ни было слоёв, каждый слой нашёл бы для себя уточняющую деталь образа знаменитости. Но если попробовать человеческим «глазом» оценить эти промежуточные стадии анализа образа Бена Аффлека, это нам почти ничего не даст.

Человек сознательно и подсознательно анализирует образы по-разному. Сознательно мы говорим, что, вот, у человека такие-то глаза, такие-то волосы, скулы и т. д. Но подсознательно всё не так. Когда краем глаза мы видим знакомого человека и узнаём его, у нас нет возможности анализировать форму носа или разрез глаз. Подсознание действует примерно по тем же принципам, что и нейронная сеть. Более того, человеческий «анализатор» тоже состоит из слоёв. И хотя, в отличие от чётко структурированных слоёв модели нейронной сети, слои коры головного мозга сильно перепутаны и имеют не только вертикальные, но и горизонтальные связи, что беспрецедентно усложняет их математику, но это всё-таки слои. Поэтому наше подсознание, вероятно, распознаёт образы примерно так же, как и нейронная сеть.

Приведём небольшой отрывок из работы по нейронной структуре коры головного мозга, где можно проследить верхнеуровневую аналогию строения коры с устройством искусственной нейронной сети.