Интеллект человека: Общая психопатология | Обучение | РОП

Содержание

Общая психопатология | Обучение | РОП

Интеллект (от лат. intellectus — понимание, познание) — обобщенная характеристика познавательных (когнитивных, умственных) способностей; способность к приобретению и эффективному использованию знаний.

Когда в быту говорят об уме того или иного человека (он умный либо, напротив, неумный), мы в целом хорошо понимаем, что это может означать, несмотря на то что существование индивидуальных различий в умственных способностях вряд ли у кого-либо вызывает сомнение, но само понятие умственных способностей (интеллекта) до сих пор является предметом дискуссий в научной среде. Можно ли говорить о некой единой, общей умственной способности, или интеллект лишь совокупность независимых познавательных функций? Можно ли достоверно оценить интеллектуальный уровень? На эти вопросы до сих пор нет однозначного ответа.

Использование специальных тестов для оценки интеллекта началось в конце XIX — начале XX в. Первоначальная задача заключалась в оценке уровня развития детей для того, чтобы определять программы их дальнейшего обучения в школе с учетом индивидуальных особенностей. В качестве меры развития интеллекта было предложено рассматривать соотношение реального хронологического возраста ребенка и его «умственного возраста». Умственный возраст определялся по выполнению заданий, которые дети того или иного возраста обычно в состоянии решить. Несовпадение умственного и хронологического возрастов считалось показателем либо умственной отсталости (умственный возраст ниже хронологического), либо умственной одаренности (умственный возраст выше хронологического). Тогда же был предложен коэффициент интеллекта (intelligence quotient, IQ): (умственный возраст/хронологический возраст) × 100%.

В последующем было разработано большое количество тестов интеллекта, как для детей, так и для взрослых. Самый известный из них тест Векслера, который существует в детском и взрослом варианте.

IQ стал определяться как соотношение балла, полученного испытуемым в том или ином тесте интеллекта, к среднему баллу по данному тесту среди тех, кто уже проходил этот тест, умноженное на 100. Соответственно, IQ=100 — соответствует средней успешности решения данного теста среди всех обследованных, меньше 100 — менее успешному результату, более 100 — более успешному результату. Как большинство биологических и физиологических параметров (например, масса тела, рост и пр.), показатели интеллекта в популяции имеют практически нормальное распределение (см. рисунок). При этом патологией может считаться значимое отклонение (в данном случае — снижение) по сравнению со средним. Так, для большинства тестов интеллекта результаты, лежащие в пределах двух стандартных отклонений от среднего (т.е. от 70 до 130), имеют 95,5% испытуемых.


Большинство тестов интеллекта являются по своей сути батареями разнообразных заданий, направленных на оценку целого спектра различных умственных способностей испытуемых. Например, тест Векслера для взрослых имеет 11 заданий, организованных в две субшкалы: вербальный интеллект (включает задания на общую осведомленность, арифметические вычисления, запоминание последовательности цифр, словарный запас) и невербальный интеллект (включает задания на кодовую замену — шифрование, завершение картинок, конструирование изображений из кубиков, определение сюжетной последовательности картинок, складывание фигур).

Результаты выполнения заданий, направленных на разные когнитивные способности, обычно имеют между собой корреляционную связь средней силы (около 0,5). Наличие этой связи позволяет некоторым ученым говорить о существовании некой общей интеллектуальной способности, которую можно определить с помощью теста и выразить в виде одного параметра (IQ). С другой стороны, отсутствие более сильной корреляционной связи между результатами позволяет другим ученым считать, что существует целый ряд когнитивных способностей, которые относительно независимы друг от друга. В работах разных исследователей приводятся разные подходы к выделению таких самостоятельных когнитивных способностей и разное их общее число (от 2 до 120).

Основываясь на своем собственном жизненном опыте, пожалуй, каждый из нас может согласиться с тем, что истина находится где-то посередине между этими полярными точками зрения. С одной стороны, со школьной скамьи мы знаем, что есть люди в целом более успешно справляющиеся с решением интеллектуальных задач, а есть люди менее успешно справляющиеся с этими заданиями. С другой стороны, способности каждого человека индивидуальны: кто-то более способен к одному виду заданий (например, математическим), кто-то к другому (например, художественным, связанным с манипулированием мысленными образами).

Кроме того, помимо врожденных, биологических особенностей, интеллектуальное развитие во многом определяется и социальными условиями, в которых растет ребенок, тем обучением, которое он проходит.

Таким образом, рассматривая оценку умственных способностей, можно выделить несколько уровней, на которых такая оценка может проводиться:

  • Предпосылки интеллекта — те базовые психические процессы, которые определяют общую успешность интеллектуальной деятельности: внимание, память, мышление, речь, скорость психических процессов и пр.
  • Кристаллизованный интеллект («база знаний») — результат образования и различных социальных влияний, приобретенных в ходе развития знаний и навыков; оценивается тестами на запас слов, чтение, счет, учет социальных нормативов и пр.
  • Свободный (подвижный, текучий) интеллект — представляет собой интеллект в наиболее узком смысле этого понятия как способность решать мыслительные задачи, в большей степени характеризует биологические возможности нервной системы, чем полученное образование. Оценивается тестами на выявление закономерности в ряду фигур и цифр, пространственные операции и т.д. Для оценки свободного интеллекта разработаны так называемые культурно-независимые тесты интеллекта (например, «Культурно-независимый тест интеллекта» Кеттелла, «Стандратные прогрессивные матрицы» Равена и пр.)

Определение уровня интеллекта с помощью тестов интеллекта имеет ряд недостатков (фрагментарность, узкая специализация заданий, из которых состоят тесты, невозможность полностью избежать культуральных различий, личностных особенностей, невозможность учесть успешность испытуемых в реальных видах деятельности, вероятность искажения результатов в связи с натренированностью в решении заданий теста, плохая оценка одаренности, так как часто талантливые люди плохо справляются с тестами и пр.), но обладает значимым преимуществом — относительной объективностью и возможностью сопоставлять полученные в ходе решения заданий тестов результаты. Тем не менее ввиду вышеизложенных недостатков часто говорят, что результаты тестов являются оценкой не интеллекта в целом, а «психометрического интеллекта», т.е. способности решать задания тестов интеллекта.

Кроме оценки интеллекта с помощью тестов возможна и клиническая оценка интеллекта, когда в ходе клинической беседы с больным интеллект оценивается по описанным выше уровням:

  1. Состояние психических процессов, которые можно рассматривать в качестве предпосылок интеллекта. Например, выраженные нарушения памяти или внимания могут приводить к полной неспособности решать мыслительные задачи, приобретению и использованию имевшихся прежде знаний и навыков. В случае подобных стойких и необратимых нарушений этих психических функций диагностируется слабоумие (см. далее).
  2. База знаний. Оцениваются особенности того обучения, которое получил пациент, его успеваемость. Если оно было недостаточно, то необходимо оценить независимый вклад социально-психологических факторов и интеллектуальной неспособности справляться с программой обучения. Оцениваются сохранность приобретенных знаний, эрудированность пациента в общих вопросах, грамотность речи, беглость чтения, счета и пр. Также оцениваются профессиональные и бытовые навыки, их репертуар, успешность выполнения.
  3. Интеллект в собственном смысле — способность пациента решать сложные умственные задачи, его способность к абстрактному мышлению, нахождению решений в нестандартных ситуациях и пр. В ходе клинической беседы оценивается способность давать объяснение пословицам и поговоркам (от простых до сложных и неоднозначных), быстро находить ответы на непривычные вопросы («что тяжелее: 1 кг пуха или 1 кг железа?», «сколько берегов у озера?» и пр.)

Оценка интеллекта шире, чем оценка особенностей мышления как психического процесса. Можно провести аналогию с понятиями разума и рассудка в философии или понятиями классической (формальной) и неклассических логик. Оценивая мышление, мы оцениваем «рассудок» — способность рассуждать логически стройно, непротиворечиво. Аристотель — основатель классической (формальной) логики — вывел основные логические законы, которые должны соблюдаться при логически правильном рассуждении, в том числе закон исключения третьего (истина или ложь, «третьего не дано»), что подразумевает однозначные толкования рассматриваемых ситуаций (существует или не существует, прав или неправ и т.д.). Оценивая интеллект, речь скорее идет о понятии «разума» как высшей формы мышления в философии, которому доступна взвешенная оценка противоречий, синтезирующая творческая деятельность, которая раскрывает сущность действительности, и пр. Современные неклассические логики — трех- (истина, ложь, неизвестно) и многомерные логики (вероятностные) — также занимаются исследованием областей, недоступных классической логике, так как признают возможность противоречий в объективном мире.

Например, если человек разговаривает по телефону и собеседник его спрашивает, что он сейчас делает, то с точки зрения формальной логики правильным ответом будет — «разговариваю по телефону». Так обычно отвечают дети приблизительно 3-летнего возраста, и с точки зрения оценки непротиворечивости мышления это было бы правильным ответом, хотя и неполным, чрезмерно конкретным. Подрастая, ребенок начинает привыкать к тому, что, задавая такой вопрос, собеседник обычно имеет в виду более общую ситуацию, чем ту, которая относится к конкретной минуте. Соответственно, ребенок более старшего возраста и взрослый, отвечая на подобный вопрос, рассказал бы, например, что он «сейчас» читает, смотрит телевизор или готовит ужин (не сейчас в буквальном, конкретном смысле слова, а сейчас в смысле на протяжении некоего промежутка времени перед звонком и после него). С точки зрения формальной логики этот ответ неправилен, так как одновременно и говорить по телефону, и, например, читать невозможно, но с точки зрения разума как раз этот ответ является наиболее правильным и ожидаемым. Понятно, что, отвечая таким «разумным» образом, человек «знает» на каком-то имплицитном, неосознанном уровне и логически правильный ответ, но абстрагируется от него.

Экспресс-оценкой способности к такому отвлеченному пониманию смыслов обычно являются задания на интерпретацию пословиц и поговорок. Например:

  • Одна голова хорошо, а две лучше.
  • Проще пареной репы.
  • Не все то золото, что блестит.
  • Яблоко от яблони недалеко падает.

Кроме того, оценивая интеллект, оценивают количество уровней «рефлексии» (отраженных смыслов), которыми в состоянии оперировать человек. Например, один человек, садясь в пригородную электричку, может быть доволен тем, что он в нее сел и теперь поедет к месту назначения. Другой человек дополнительно задумается о том, что лучше при этом выбрать немоторный вагон — так как там тише и комфортнее ехать. Третий, понимая первые два уровня оценки этой ситуации, может задуматься о том, что лучше как раз наоборот — сесть в моторный вагон, так как там будет свободнее (раз есть люди, которые думают, что в немоторном ехать лучше) и т.д.

Или, например, разные уровни рефлексии, связанные в большей мере с развитием профессиональных навыков, чем с собственно интеллектом: большинство студентов, проходящих цикл психиатрии, во время курации задумываются только о том, что конкретно они должны выяснить у пациента (поэтому вопросы формулируются напрямую, например, «употребляете ли вы алкоголь?»). Молодые врачи, получив некоторый опыт общения с пациентами, начинают в большей степени обращать внимание на то, как они должны задать вопрос пациенту, чтобы получить достоверную информацию (например, с учетом частых случаев, когда пациенты стараются приуменьшить размеры своей алкоголизации при расспросах об употреблении алкоголя «в лоб», эти вопросы лучше делать более «завуалированными» и «близкими» для пациентов. К примеру, изначально как бы проверяя память: «А вы не помните, что сколько в магазине стоит? А водка сколько стоит? А какую вы любите? А сколько можете выпить?» и т.д.). В дальнейшем, по мере накопления опыта, все большее внимание врачи начинают уделять наблюдению за тем, как пациент ответил на тот или иной вопрос (какие эмоции у него возникают и пр.).

Для решения сложных интеллектуальных задач обычно необходимо одновременно учитывать множество уровней таких смыслов. Чем больше их доступно человеку, чем больше факторов он способен взвешивать и учитывать, принимая эффективные решения, тем выше его интеллектуальные способности.

Таким образом, оценивая мышление как психический процесс, мы оцениваем способность рассуждать логически правильно на конкретном уровне, оценивая интеллект, мы оцениваем способность размышлять на более сложном, абстрактном уровне, те уровни абстракции, которые доступны данному человеку.


Что такое интеллект и можно ли получить его по наследству — Нож

Интеллект — только часть разума: разум есть у всех, а интеллект отличает людей друг от друга, это часть нашей индивидуальности. Исследуют его сразу в нескольких направлениях: о чем мы говорим, когда говорим об интеллекте? как мы пытаемся измерить это «что-то»? насколько сильно «оно» нас отличает друг от друга? где в головном мозге прячется? Наследуем ли мы его от родителей или можем его развивать?

Строго говоря, интеллект — не свойство, а сумма свойств: способность осознать, понять, обдумать, запомнить, потом вспомнить, сделать вывод, экстраполировать или связать с чем-то абсолютно другим…

Человек, который хорошо всё это умеет, может стать ученым или продажным политиком, но для начала — научиться читать.

Что такое интеллект

Теория интеллекта, которую наука применяет сейчас, базово появилась более 100 лет назад.

Англичанин Чарльз Спирмен эмпирически высчитал, что люди, которые преуспевают в одном виде задач на интеллект, обычно хороши и в других.

Эти виды задач на интеллект по Спирмену — s-фактор, special — фактор специфических способностей: логика, пространственное мышление и т. д. А «интеллект в целом» он окрестил g-фактором, от “general”. Сам по себе g-фактор не измеряют, он — статистическая закономерность, расположенная на перекрестье когнитивных навыков; как оказалось, между ними очень высокая корреляция. То есть если человек в одном из когнитивных навыков бог, он и в других неплохо себя покажет. Измерение корреляции от −1 до 1, то есть коэффициент ранговой корреляции тоже изобрел Спирмен.

Некоторые ученые ворчат, что это как-то слишком просто, но последующие исследования по большей части соглашаются с идеей о g-факторе. Например, в 2004 году ученые применили вывод Спирмена к данным 436 людей, прошедших три разных серии тестов на интеллект, и получили корреляцию когнитивных навыков почти в единицу величиной.

В XX веке Реймонд Бернард Кеттел и Джон Леонард Хорн разрабатывают теорию «подвижного и кристаллизированного интеллектов», Gf—Gc. Подвижный интеллект — это способности в чистом виде: умение наблюдать, обобщать, обучаться, делать выводы… Кристаллизированный — накопленные знания и опыт. Вместе они, с точки зрения Кеттела и Хорна, составляют тот самый g-фактор.

Похожую схему предлагает Пауль Балтес, исследуя, как можно компенсировать умственное старение. Он выделяет механизмы интеллекта «когнитивные», биологические (например, зрительная и моторная память) — и «прагмативные» (образование, умение читать, писать и понимать речь). Первые полностью зависят от биологии, но их возрастное угасание помогут заместить вторые.

По Балтесу, старость — не причина весело упасть в маразм; «прагмативные» механизмы можно задействовать, компенсируя упадок «когнитивных». Он приводит в пример машинисток: те, что постарше, медленнее печатают, если им диктовать по букве… но быстрее читают текст, который нужно напечатать. В итоге разницы в процессе работы — никакой.

Еще немного размышлений о природе интеллекта подвез Джон Кэррол. Он предположил, что интеллект — это трехэтажная конструкция, пирамида, которую венчает фактор g. По существу, Кэррол разработал единую иерархию интеллекта.

Согласно его теории, в фактор g входит восемь «широких» когнитивных способностей. Две из них, подвижный и кристаллизированный интеллекты Кеттела и Хорна, мы уже знаем. А есть еще шесть. Среди них, например, визуальное восприятие, высокая способность к поиску, высокая скорость обработки информации. В основание пирамиды интеллекта легли «узкие» способности, которых невероятно много. Так, для высокой скорости обработки информации «узкие» способности — это скорость восприятия, скорость и свобода чтения и письма.

Сейчас CHC-теория, интегрированная теория Кеттела с Хорном и Кэррола (CHC = Кеттел — Хорн — Кэррол) — базовая теория интеллекта. И при этом не единственная. Например, в модели g-VPR на один слой больше, чем в теории Кэррола.

По мнению авторов, стоит выделить способности вербальные, к восприятию и к трактовке изображений, а из них уже следуют «широкие» когнитивные способности. При этом корреляция между этими тремя не так сильна: человек может показывать высокие способности в одном и низкие в двух других.

Есть еще теория множественных интеллектов Говарда Гарднера. Он отрицает g-фактор, а взамен насчитывает восемь «интеллектов». В них входит, например, народный русский интеллект — внутриличностный: способность к рефлексии и самоанализу. Позже Гарднер застенчиво предложил добавить еще девятый — экзистенциальный — интеллект. Это умение размышлять о бытии и ничто, дар философа или хотя бы директора по стратегии.

Как передают интеллект

Нет и не может быть одного-единственного гена, который кодировал бы интеллект и в теории мог бы передаваться или не передаваться ребенку от родителей. Да, интеллект — полигенный признак. Его составляющие, когнитивные навыки, тоже. Ткнуть пальцем и крикнуть: «Во, интеллект!» — не выйдет. Мы видим лишь частности: так, наблюдается связь между скоростью восприятия и IQ через общие генетические признаки. А ген FNBP1L связывают с и детским, и со взрослым интеллектом.

Наследуемость интеллекта изучали на семьях, на близнецах, на сиблингах (братьях и сестрах), в частности на усыновленных, а теперь еще на огромных массивах данных. Так, исследование интеллекта 2011 года было проведено на данных 3511 взрослых. Было изучено 549 692 снипа — однонуклеотидного полиморфизма (то есть отличия в ДНК в размере в один нуклеотид).

По итогам исследования 40 % вариаций «кристаллизированного» и 51 % вариаций «подвижного» интеллектов действительно связано с генетикой, то есть интеллектуальные различия частично обусловлены вариациями генов.

При этом авторы полагают, что индивидуальные эффекты конкретных снипов слишком малы, чтобы быть значимыми на уровне геномов, поэтому для их выявления нужна очень, очень большая выборка. Ученые всё ближе подбираются к ней. Так, в исследовании 2018 года исследуется уже 248 482 человека; 187 новых геномных локусов, 538 генов, связанных с интеллектом… Роскошно.

На протяжении жизни интеллект плюс-минус стабилен, если сделать поправку на маразм — спасибо исследованию интеллекта, которое испытуемые прошли дважды, в 11 лет и в 77.

Уровень наследуемости интеллекта при этом линейно варьируется из года в год: от 20 % наследуемости в детстве до 60 % во взрослом и 40 % в подростковом возрасте. С возрастом наши генетические различия всё сильнее определяют наш интеллект, а влияние окружающей среды сходит на нет.

Раньше в науке преобладал взгляд, по которому ребенка формировало окружение, какое бы ни дали. Теперь ученые полагают, что мы, становясь старше, начинаем сами создавать для себя среду, которая коррелирует с генетическими наклонностями, и интеллектуально меняться в соответствии с ней.

Раньше считалось, что, если профессоренка растить в хлеву среди поросят, точно вырастет кабан. Теперь выходит, что профессоренок, взрослея, будет устраивать вокруг университет, хотя ни разу аспиранта-то не видел.

То, что ты унаследовал от родителей, стало твоим собственным, лично выбранным.

Высокий интеллект напрямую связан с образованием. Образование, в свою очередь, — со здоровьем и жизнью: хуже образованные люди умирают раньше. А высокий интеллект и надежность обещают долголетие.

Параллельно умнеет всё человечество, это называется «эффектом Флинна». Именно Джеймс Флинн открыл, что за период с 1932 до 1978 года средний американец поумнел на 13,8 пункта IQ, а затем проверил, как с этим в других странах. Оказалось, тоже растет. Или рос тогда: сейчас эксперты предполагают, что в XXI веке IQ будет развиваться неравномерно. В регионах, где этот показатель в среднем невысок, он вырастет на 6–7 пунктов, но на Западе прибавит не больше одного, а в США вообще упадет на 0,45 пункта.

Как ваяют интеллект

Гены могут сказаться на интеллекте и неожиданным образом: получил от родителей наследственную склонность к алкоголю — при неудачном раскладе реализовал ее — пропил все мозги. Но валить всё на мамку не надо. Наследственность — это еще не всё.

Играет роль в формировании интеллекта и еда. Например, Ричард Линн, исследуя эффект Флинна, объяснял его доступностью пищи: беременные и дети питаются лучше, чем раньше, — вот IQ и увеличивается. Верно и обратное.

В тесте на интеллект дети, родившиеся с недовесом, по четырем из пяти параметров теста показали результаты хуже обычных детей. Ребенок действительно должен есть, чтобы развиваться. Бабушка была права!

А вот по грудному вскармливанию пока непонятно. В одном из исследований дети с аллелью G в гене FADS2 не показали прироста IQ от материнского молока, а у младенцев с аллелью C он вырос. Но последующие исследования роль FADS2 и вообще грудного вскармливания в развитии интеллекта не подтверждают.

Исследуя влияние питания грудью на IQ, исследователи делают поправку на образование матери. Дело в том, что это сам по себе значимый фактор (здесь и далее предлагается не забывать о сильной положительной корреляции образования и интеллекта). Пару лет назад газеты даже утверждали, что именно от материнского интеллекта зависит интеллект ребенка. Относилось это в основном к мальчикам. Мол, гены, отвечающие за интеллект, расположены на X-хромосоме, а дети получают ее от матери. Раз девочки наследуют X от мамы и X от папы, а у мальчиков X только от мамы, мальчики ровно так же умны, как их мамы. Новость оказалась фейком.

Но то, кто родители ребенка и как они живут, действительно важно для его интеллекта. Образование матерей сказывается на школьных успехах детей. Это распространяется не исключительно на мать, но на значимого взрослого — того, который в основном возится с младенцем.

Влияет на развитие когнитивных навыков ребенка время, которое мать проводит с ним в детстве. Отражается на интеллекте, образовании и успехах образование родителей — причем отражается в течение всей жизни. Исследование начала века Бетти Харт и Тодда Рисли о «тридцатимиллионном разрыве» утверждает: дети из бедных семей к трем годам слышали в среднем на 30 000 000 слов меньше, чем дети из обеспеченных семей. Наш словарь — это и словарь наших родителей… но наследственность тут ни при чем.

Мы могли бы верить в тренировки когнитивных навыков, но пока не видно, чтобы они давали однозначный результат. Кроме одного: к 2020 году индустрия приложений и программ по «тренировке мозгов» превысит 6 млрд долларов.

Так что если кто хочет раскладывать пасьянсы, пусть раскладывает. А тот, кто хочет запомнить что-то, пусть это учит, а не надеется на свой опыт раскладывания пасьянсов: специальные игры тренируют только навык игры, разгадывание судоку — только навык разгадывания судоку и т. д.

Как рассматривают интеллект

В своих исследованиях Флинн использовал тест Стэнфорда — Бине. Это первый тест на измерение интеллекта. Альфред Бине разработал его для проверки школьников. Усовершенствовал тест Лев Термен из Стэнфорда, отсюда и название. Бине рассчитывал, что можно будет вовремя скомпенсировать детей с недостаточным развитием и вернуть в стандартные классы, а вот Термен был пессимистичен и надеялся отделить асоциальные элементы от прочих. Он обрисовывает детей, которым потребуются специальные классы и методики, как «все трудные случаи: слабоумные, физически неполноценные, просто отсталые, прогульщики». Он же замечает, что тесты на интеллект позволяют определить связь умственной отсталости с деликвентностью и заранее оградить общество от таких детей.

Делинквентное поведение — антиобщественное противоправное поведение, наносящее вред как отдельным гражданам, так и обществу в целом.

Тревога Термена за бедное общество, которое обидят глупые дети, демонстрирует потенциальную проблему всех исследований IQ разом.

Вот мы поймем всё об интеллекте. Мы будем точно его измерять, будем знать его природу. Эти знания помогут работать как с одаренностью, так и с умственными нарушениями. Или разрушить мир, каким мы его знаем.

С одной стороны, условные ультраконсерваторы смогут подхватить на знамя евгенику. Как позитивную — размножать умных, так и негативную — превентивно давить глупых. А не то мы, мол, получим мир «Идиократии».

С другой, общество не так давно согласилось принимать в расчет генетику. Исследователи Роберт Пломин и Йан Дж. Дири пишут:

«Битва за возможность утверждать, что различия между людьми наследуются, не так давно отгремела в психиатрии, чуть позже в психологии и до сих пор продолжается в сферах вроде образования».

В 1960-е годы научная среда в очередной раз обсуждает, чтó всё-таки формирует человека, окружающий мир или наследственность. В 1969 году Артур Дженсен публикует в Harvard Educational Review статью об IQ и школьной программе раннего образования. В ней он последовательно заявляет, что:

  1. Интеллект наследуется.
  2. В среднем афроамериканцы хуже показывают себя в тестах на абстрактное мышление и невербальных тестах, даже тех, что позиционируются «свободными от культурных предрассудков».
  3. Никто еще экспериментально не доказал, что интеллектуальные способности белого и черного детей можно уравнять, если обеспечить им равное образование и окружение.
  4. И вообще у афроамериканских детей хорошего социального статуса IQ в среднем на 2,6 пункта ниже, чем у белых детей низкого социального статуса, то есть дело не в бедности.

В общем, Дженсен погулял на всё. Тогда, конечно, не сейчас, но шины ему прокололи, угрозы отправляли, уволить требовали. Хотя он и говорил, что его неверно поняли. Артур Дженсен ошибся. Он воспользовался неверными источниками данных.

Но ученые, исследующие интеллект, всё еще ходят по тонкому льду: можно найти такое, от чего не отмахаться фенотипической тряпкой. Неважно, будет результат ангажирован группой А, группой Б или, может, корпорации пожертвовали на исследование пачку долларов — и его выводы вдруг оказались в 4–8 раз выгоднее для них, чем в независимых исследованиях.

Научный журналист Оливия Голдхилл цитирует Саскию Селзам, исследователя поведенческой генетики в Королевском колледже (Лондон):

«С точки зрения „левых“ все рождаются одинаковыми, и каждый может достигнуть того же, чего достигли другие. Генетические исследования показывают, что это не так».

Среда заедает или гены гнилые? Казалось бы, нет разницы, кто виноват, мы и так знаем, что делать: создавать благоприятную среду, ведь генетическая склонность к чему угодно — не приговор, а повышенная вероятность. Но там, где мы говорим об интеллекте, мы говорим о равенстве. Заслуживают ли одни люди больше шансов, чем другие? Почему я так стараюсь, а он всё равно умнее? Мама, мне поставили два, но я не дура, правда, не дура.

Интеллект остается самой лучшей, драгоценнейшей человеческой индивидуальностью. А правят им эмоции.

В прошлом году тролли из Иллинойского университета в Чикаго провели исследование, дав консерваторам и либералам почитать научные исследования с цифрами, но без их интерпретации. Оказалось, что консерваторы и либералы проделали один и тот же фокус: сделали выводы в пользу своих убеждений и отринули те, что противоречат им.

Мы думаем то, во что верим, и верим в то, что думаем. Да еще передаем это своим детям.

5 видов интеллекта, которые не поддаются стандартным тестам

Содержание статьи

Каждый человек умен по-своему. Кроме умственных способностей существуют и другие сферы человеческого интеллекта, которые пока еще не научились тестировать. Поэтому не стоит делать преждевременных выводов, основываясь только на привычных показателях IQ, психологических текстах или диагностике профессиональных навыков. Структура нашего мышления намного шире и разнообразнее, чем мы можем себе представить.

Музыкальный интеллект

Принято считать, что умение чувствовать музыку, ее ритм и тембр — это талант, но никак не умственный навык. Но если мы можем оценивать словарный запас или ораторские способности, то почему тогда не причислить к ним музыкальные умения.

Пространственный интеллект

Умение ориентироваться в пространстве является важным навыков, помогающим в работе архитекторов, дизайнеров, ученых, археологов и во многих других профессиях. Поэтому это также является основным критерием, по которому можно оценить ваши умственные способности.

Пройдите онлайн-курсы бесплатно и откройте для себя новые возможности Начать изучение

Телесно-кинестетический интеллект

Мнение о том, что все спортсмены недалекие, является ошибочным. Координация движений и моторика напрямую связаны с работой интеллекта. Это умение четко управлять всем телом или частью своего тела. Работа скульптору, гончара, швеи является не только физической, но и умственной.

Межличностный интеллект

Данная классификация отдаленно напоминает эмоциональный интеллект. Это понятие о том, как вы понимаете других людей, ведете коммуникации, умеете мотивировать. Это важный навык для руководителей или лидеров, которые постоянно работают с командой. Поэтому его также стоит причислить его к своим достоинствам.

Личностный интеллект

В современном мире мы можем сами определять свое будущее. Для этого очень важно развивать личностный интеллект, осознанность, изучать свои сильные и слабые стороны. Развитие данного вида интеллекта является одной из важных задач для каждого человека. И если вы сумели себя познать и найти свое призвание в жизни, то это также является показателем вашего интеллекта.

Harvard Business Review Россия

Главный герой культового сериала «Доктор Хаус» — циничный, острый на язык, непробиваемый тип, да еще и не дурак выпить. Но все это не мешает ему быть гениальным диагностиком: порой он готов закрыть глаза на мораль и даже нарушить закон, но неизменно точно определяет причину болезни. Как-то не в силах сразу поставить диагноз, доктор нашел себе советчика — больничного уборщика. Этот «не испорченный» медицинскими знаниями человек за десять долларов предлагал гениальные в своей простоте версии — и приближал Хауса к разгадке. Правда, очень скоро провидческий дар уборщика иссяк, он начал нести ахинею, и Хаус от его «услуг» отказался. Но свою роль этот человек сыграл. Профессиональная виртуозность Хауса — ничто иное, как проявление его высокого интеллекта. Именно интеллект помогает нам решать нестандартные задачи. Или не помогает — если он низок. О том, как устроен интеллект и сколько его «нужно» руководителю, редактору «HBR — Россия» Дмитрию Фалалееву рассказал доктор психологических наук, заведующий лабораторией психологии и психофизиологии творчества Института психологии РАН Дмитрий Ушаков.

— Давайте начнем с определения. Что вообще такое интеллект?

— С одной стороны, это очень сложное понятие. С другой, если уж совсем упрощать, интеллект — это то, что в повседневной жизни называют умом.

— Роли интеллекта уделяют много внимания в научной литературе, теперь вот и в деловой. Оправданно?

— Ну по крайней мере это самый сильный из известных нам предсказателей профессионального успеха. Другие — личностные свойства, мотивация, креативность и т.д. — гораздо слабее. Если говорить о роли интеллекта в профессии, то есть две закономерности. Первая вполне простая и естественная: чем сложнее профессия, тем выше значение интеллекта. Разумеется, интеллект не помешает и дворнику, но для него это не так важно, как, предположим, для биржевого аналитика. Вторая закономерность менее очевидна: чем больше человек взаимодействует с другими людьми, тем меньше роль интеллекта в его работе. Посмотрите, например, на политических деятелей: для них общение — ключевая вещь. И у них прослеживается очень интересная связь между успехом и уровнем интеллекта. При определенных обстоятельствах высокий интеллект не только не помогает политику, но может даже мешать. Почему? Чересчур умного политика группа, на которую он работает, с которой он общается, не понимает. Лидер непременно должен быть понятным тем, кого он ведет за собой. Если верить исследованиям, то оптимальный вариант — когда интеллект лидера чуть выше среднего показателя по его целевой аудитории. Скажем, у Джорджа Буша IQ — 110 баллов. Это больше, чем у среднего американского обывателя (100), но меньше, чем у среднего американского интеллигента (114). А вот IQ Билла Клинтона и Барака Обамы — вполне «интеллигентский». Но в момент избрания нынешнего американского президента все это не имело значения, поскольку IQ Буша позволял ему органично взаимодействовать с электоратом. Так что связь очень простая: как только интеллект лидера «зашкаливает», он отрывается от народа, падает — и он уже не просекает ситуацию, не успевает реагировать.

— Это правило применимо к лидерам вне политики?

— Общая закономерность такова: в тех сферах, где общения с людьми слишком много, высокий интеллект не просто не нужен — он может даже повредить. Хотя, понимая эту связь, «завышенный» интеллект можно попытаться «нивелировать». Как, например, это делает Жириновский: человек с хорошим образованием и явно высоким интеллектом, он умело работает на свою по большей части маргинальную целевую группу. Кстати, бизнес-лидеры тоже много взаимодействуют с людьми. Одно дело, если это общение с равными, и совсем другое, если речь идет о коллективе завода: слишком умный руководитель не станет «своим» для рабочих. Так или иначе, два эти параметра — интеллектуальная сложность работы и ее насыщенность общением — определяют успех интеллектуала в профессии.

— А насколько надежны популярные тесты на IQ?  — Ну, скажем, профессиональная годность программиста зависит от интеллекта на 50%. И тесты позволяют измерить уровень IQ. А будь они ненадежны, то не смогли бы обеспечить такую высокую степень предсказаний.

— То есть тестам доверять можно?

— Если они могут предсказать успех с пятидесятипроцентной вероятностью, почему нет? Правда, надо иметь ввиду, что есть еще и вторая половина успеха, и она зависит от множества факторов: где родился, какое образование получил, инвалид — неинвалид, какой ребенок в семье и т.д. и т.п.

— Может, есть и более прямые связи между интеллектом и успехом?

— Одна любопытная связь точно есть. В США в свое время проводили исследование, которое показало, что корреляция между уровнем интеллекта человека и его доходами становится тем больше, чем он старше. В молодости человек с высоким интеллектом зарабатывает меньше, чем его ровесник, но с возрастом картина меняется с точностью до наоборот — интеллектуал начинает получать больше. По моим ощущениям, мы сейчас движемся в ту же сторону, хотя я, увы, не могу доказать это на цифрах.

— Влияет ли на интеллект наследственность?

— Да, и очень сильно. Есть такой раздел науки — психогенетика, он изучает зависимость различных психических функций от наследственности. Так вот, наследуемость интеллекта, по разным оценкам, — 50—80%. Как вы понимаете, это очень много. Оставшиеся 20—50% — это влияние среды. Тоже много, но роль генов иногда может еще и расти. Скажем, в тех случаях, когда у детей много шансов реализовать свой интеллектуальный потенциал. Чем шире их возможности, чем меньше социальные различия, тем сильнее в итоге интеллект зависит от наследственности. Здесь, к слову сказать, очень много интересных взаимосвязей. Про то, что чаще всего у единственного ребенка высокий интеллект или что у взрослой матери больше шансов родить вундеркинда, знают многие. Но есть и менее известные вещи: например, что самый высокий интеллект в семье будет у старшего ребенка, и этот показатель будет снижаться с каждым последующим ребенком. То есть в среднестатистической семье самый низкий IQ будет у младшего. Но зато он, наравне с первенцем, будет наиболее творческой личностью.

— А можно сознательно влиять на уровень интеллекта?

— Можно. Правда, эта область еще слишком мало изучена. — Что влияет на интеллект, особенно взрослого человека? — Это интересно не только вам. Сейчас на Западе вкладывают очень большие деньги в программы так называемого когнитивного обучения. Но при всех стараниях результаты пока очень скромные.

— Почему? И что это за программы?

— Они основаны на одной и той же идее: решение задач якобы помогает повысить уровень интеллекта. Неважно, о каких задачах идет речь, математических или из реальной жизни. Но я думаю, что этот посыл непродуктивен. Научить человека решать задачи, даже самые сложные, можно, но только на интеллект это никак не влияет. Просто теперь он умеет решать определенный класс задач, вот и все — применить этот навык в другой деятельности он не сумеет. В свое время считалось, что на интеллекте благотворно сказывается игра в шахматы. Уже ясно, что это не так. Наверное, хороший шахматист быстрее других добьется успехов в шашках или го, но значит ли это, что он будет эффективен в бизнесе? Едва ли. Более того, объем интеллектуальных ресурсов человека ограничен. Если мы направили усилия на то, чтобы овладеть шахматами или биржевой торговлей, то на что-то другое ресурсов нам может и не хватить. Потому-то часто и получается, что великие шахматисты оказываются, мягко говоря, не так уж и умны.

— Получается, развить интеллект нельзя, только навыки?

— Я бы не был так категоричен. Просто я считаю, что попытка развить интеллект с помощью решения задач бесперспективна. Мне кажется, что развитие интеллекта и перемалывание информации — вещи несовместные. Я бы проанализировал то, как влияет на IQ ребенка его семья, например, отношение к нему родителей, эмоциональный фон. Говорить более конкретно об этом я пока не хотел бы, но копать надо в эту сторону.

— То есть в сторону педагогики, а не математики?

— Пожалуй, что так. — Я уже понял, что наука пока плохо понимает, что влияет на интеллект человека. Но можно ли хотя бы понять, к какому возрасту «наслаивается» большая его часть? — Метафора с наслаиванием, конечно, красивая, но неточная. Даже если мы говорим о наследственной части интеллекта, то ее процент на разных этапах жизни неодинаков. Как это ни парадоксально, с возрастом та доля интеллекта, за которую отвечают гены, увеличивается.

— И до какого возраста?

— Примерно до 80 лет. Есть два объяснения этого парадокса. Первое дают западные коллеги: это феномен генно-средового взаимодействия. По истечении времени роль среды в жизни человека становится меньше, потому что он все активнее подстраивает ее под себя — так, чтобы среда сама поддерживала его уровень интеллекта. А раз уменьшается значение среды — значит, растет роль генов. У меня, правда, иная версия. Я построил математическую модель, суть которой в следующем. Систему мышления человек приобретает в ходе жизни, она не дана ему с рождения. По мере этого процесса происходит взаимодействие среды и человека, и чем больше таких актов соприкосновения, тем сильнее проявляется наследственный потенциал. В том числе и интеллектуальный.

— Значит, практический опыт может благотворно влиять на IQ?

— Пожалуй.

— Развивать интеллект проблематично, но при этом можно тренировать навыки. Но в чем тогда практическая польза интеллекта? Ведь я могу просто работать над нужными мне навыками, и все.

— Есть интеллект, а есть компетентность. Вы видите разницу между умным человеком и великим ученым? Входя в профессиональную сферу, человек на основе своего интеллекта строит «машину мышления», которая помогает ему в этой самой сфере думать. И чем выше у человека интеллект, тем умнее его «машина». То есть от уровня IQ зависит профессиональный успех. Кроме того, интеллект отвечает за то, с какой скоростью вы будете осваивать новые навыки. Интеллект вам необходим, чтобы научиться, а вот когда научились — все, уже не нужен.

— Еще, как я понял, он помогает в нештатных ситуациях.

— Да, именно. Это как игра в преферанс: в большинстве случаев ум не особенно-то и требуется, но время от времени случаются такие хитрые ситуации, когда выиграть помогает именно интеллект. Если говорить упрощенно, то уровень IQ определяет способность думать в принципе. В разных областях мы мыслим по-разному, и высокий интеллект особенно явно проявляется в тех сферах, про которые мы ничего не знаем.

— Давайте вернемся к случаям, когда интеллект может навредить. Есть такая версия, что люди в бизнесе условно делятся на два типа: decision maker’ы и аналитики. У аналитиков высокий интеллект, что, якобы, мешает им принимать решения быстро, у decision maker’ов — обратная ситуация. Можете прокомментировать?

— Тут дело не в интеллекте, а в интуиции. Похожую ситуацию на примере шахмат рассматривал известный психолог, нобелевский лауреат Герберт Саймон. Интуицию он объяснял так: в сознании человека хранится некое количество готовых паттернов, шаблонов. У хорошего шахматиста их очень много, потому что, играя, он запоминает кучу комбинаций. А во время игры нужные шаблоны могут всплывать неосознанно. То же самое будет и в бизнесе: с опытом у человека накапливаются паттерны. Очень часто именно они помогают ему принимать решение. Это и есть тот самый decision maker. А пока человек не «обзавелся» шаблонами, он пытается решать задачу с помощью логики. Так что разделение по принципу «интеллектуал — неинтеллектуал» неверно, правильнее говорить «неопытный — опытный». Decision maker’ы — люди, способные интуитивно принимать те решения, для которых другим требуется логика, вот и все.

— Вы посвящаете много времени изучению творчества. Скажите, есть ли связь между интеллектом и креативностью?

— Если вы говорите о классическом книжном понимании креативности, которую можно измерить с помощью тестов, то я могу дать вам очень четкий ответ. Корреляция между интеллектом и креативностью равна 0,174. То есть она есть, но очень слабая. Но если мы берем реальную, жизненную креативность, то она тесно связана с интеллектом. Правда, все зависит от сферы деятельности.

— То есть?

— Когда некоторое время назад измеряли IQ у группы ведущих американских ученых-новаторов, этот показатель у них зашкаливал. А вот у художников или поэтов такого быть не может — это другой тип креативности. Креативность в «интеллектуальных» профессиях сильно связана с IQ, в чисто творческих — не очень.

— Нас, пожалуй, больше интересуют «интеллектуальные». И из ваших слов я делаю вывод, что в них на креативность, как и на интеллект, воздействовать нельзя.

— Ну почему, можно. Есть даже классические приемы. Известно, скажем, что креативность «заразна». Анализ жизни нобелевских лауреатов показал, что в молодые годы все они были учениками выдающихся людей, часто тоже нобелевских лауреатов. Так что, постоянно находясь рядом с творческим человеком, можно и свое творческое начало подпитать.

— А стимулировать творческое мышление можно?

— В принципе такие системы есть. Тот же самый мозговой штурм, например. Креативность достигается за счет того, что никто никого не критикует: можно без страха высказать любую, даже самую глупую идею. Кстати, не все это знают, но лучше, если во время штурма люди говорят поочередно. В противном случае всегда найдется человек, который задавит остальных. Существует еще такая система приемов, как синектика. Смысл ее в том, чтобы «подбросить» случайную мысль — это приведет к неожиданному решению. Внесение элемента случайности вообще сильный инструмент, если вы хотите активизировать нестандартное мышление. Ну например, можно взять журнал, открыть его на произвольной странице и, прочитав какое-то слово, попытаться понять, какие ассоциации оно вызывает. По идее, это может натолкнуть на нестандартную идею.

— Я где-то прочитал, что интеллект, якобы, связан даже со здоровьем. Глупость?

— Почему же, в последние годы наметилась такая тенденция. Современная медицина довольно сложная штука, и, чтобы быть здоровым, надо не только понимать, какие лекарства когда принимать, но и к какому врачу идти и в каком случае. Может, звучит и странно, но на Западе для страховых компаний это целая проблема. Исследования показали, что расходы на медицину у людей с низким уровнем IQ в три раза выше, чем у людей со средним показателем. Объясняется это просто: люди не понимают, как лечиться, к какому специалисту обращаться. Вспомните сами: лет двадцать назад в больнице человеку говорили «все, здоров» и с чистой совестью отпускали домой. Сейчас он оттуда выходит с кипой бумажек, справок, направлений, каких-то рецептов — со всем этим надо разбираться. Поэтому в повседневной жизни интеллект играет все большую роль.

Учёные рассказали, влияет ли уровень IQ на успех в жизни — Российская газета

Извечный спор, кто лучше всего устраивается в жизни, отличники или троечники. Тот, кто бесконечно что-то штудирует все школьные годы или тот, кто позволяет себе особо не напрягаться.

От чего зависит IQ? У кого самый высокий уровень интеллекта? И можно ли представителей какой-то нации считать самыми умными? Об этом и многом другом в интервью «РГ» с заведующим кафедрой клинической психологии и психофизиологии, руководителем Лаборатории мозга УрФУ, профессором Сергеем Киселевым.

Замерь и радуйся?

Сергей Юрьевич, а что значит — иметь высокий уровень IQ? Такого человека можно считать автоматически выдающимся хотя бы в своей области?

Сергей Киселев: Увы, нет. Можно иметь зашкаливающий уровень IQ и абсолютно не состояться в жизни. И напротив, можно быть человеком со средним уровнем замеряемого интеллекта, но при этом быть довольно успешным в какой-то определенной нише.

Что такое IQ? Это уровень интеллекта, то есть некий набор способностей, которые нам удалось выявить и замерить благодаря определенному тесту. Причем методик замера очень много. Самые известные и распространенные — тесты Векслера, Айзенка. Они существуют уже несколько десятилетий.

Каждый может измерить уровень своего интеллекта и порадоваться, если он высок. Но только и всего. На самом деле в психологии нет общепринятого понимания, что такое интеллект, как его замерять, и стоит ли вообще это делать.

Сейчас все большее распространение получает идея практического интеллекта, выдвинутая американским психологом Стернбергом. В сущности, что такое 150, 160 баллов при измерении IQ традиционным способом? По большому счету, эти данные мало о чем говорят. Стернберг же предлагает взять за основу данные, характеризующие главное — насколько человек успешен и смог реализоваться в той среде, в которой он живет.

То есть классический пример — это троечник с невысоким уровнем IQ, вдруг после школы ставший успешным предпринимателем?

Сергей Киселев: Да, у этого предпринимателя явно высокий уровень практического интеллекта и, вполне возможно, средний, а может оказаться даже низкий уровень интеллекта, если его замерить по традиционной методике, скажем, Векслера. Просто в школе этот троечник не мог в полной мере раскрыть свой потенциал, но, попав в другую среду, максимально реализовал все возможности практического интеллекта.

Примеры, к слову, могут быть самыми разными. Вот, скажем, президент Буш. У него, как известно, был не самый высокий уровень традиционного IQ, что не мешало многим над ним откровенно подшучивать, а вот практический интеллект считается довольно высоким.

Интеллект меняется с возрастом?

Сергей Киселев: Практически нет, интеллект обусловлен генетически. И если одного и того же человека протестировать в 18, 25, 40 лет, уровень его IQ будет одним и тем же. Просто сами тесты составляются с учетом возраста.

Кто умнее — китайцы или американцы?

А общий уровень IQ населения в развитых и слаборазвитых странах отличается? Ну, скажем, среднестатистического американца и островитянина на Гаити?

Сергей Киселев: Вот в чем заключается проблема: когда мы пытаемся измерять едиными традиционными тестами уровень интеллекта представителей различных национальностей, то они могут просто не работать. Скажем, когда методику Векслера решили использовать в Китае, то неожиданно оказалось, что там почти все как один показали невероятно высокий результат по уровню невербальных способностей, то есть тонкого понимания интонации, образов — общения без слов. Просто у китайцев особый склад ума, именно такие задачки им очень легко даются с детства, в отличие, скажем, от человека с классическим европейским мышлением.

Но никакого секрета тут нет. Просто у китайцев другой тип развития мозга, у них в большей степени развито правое полушарие. Что обусловлено исторически: в Китае вид письменности — иероглифы. А за каждым иероглифом стоит целый блок понятий, важно, в какой очередности они выстроены, что уже само по себе заставляет мыслить с подтекстом, образами… Многое в их речи играет не само произнесенное слово, а то, с какой именно интонацией оно сказано. Одно и то же понятие, но употребленное с разной интонацией, может иметь противоположное значение. Одним и тем же словом можно, при желании, похвалить или оскорбить.

В Китае и Европе разный культурный код в принципе. Поэтому некорректно сравнивать интеллект европейца и китайца. Это все равно что сравнивать интеллект кошки и собаки. Это разные миры, иные типы взаимодействия с окружающей средой. И, следовательно, несравнимые понятия. Поэтому некорректно в принципе сравнивать уровень интеллекта представителей разных стран.

Ну и потом, что значит быть интеллектуалом и успешным человеком, к примеру, в США? Нужны определенные свойства мозговой деятельности, набор навыков, компетенций. Но все эти умения и высокий уровень IQ будут практически не нужны, попади этот человек в какую-нибудь африканскую страну, где приходится бегать за животными. Там востребован другой тип интеллекта, который определяется той средой, в которой живут африканцы.

Ну а качество жизни, питания в стране сказывается на развитии интеллекта?

Сергей Киселев: Разве что как некий видовой компонент. При более богатом питании мозг развивается более адекватно. А если есть недостатки в пище, то могут произойти сбои, аномалии. Чтобы проследить влияние этого фактора, нужно брать значительный исторический период, анализировать, ибо интеллект — это все-таки большей частью то, что передается нам с генами.

Фабрика гениев

Китайцы, как известно, запустили настоящую «фабрику гениев». На базе Института геномики они создали специальный центр, где ведутся исследования в области интеллекта человека. У них глобальная цель — повысить совокупный IQ нации на 5-15 пунктов, и добиться таким образом еще больших успехов в экономике. Для этого ученые Поднебесной тщательно исследуют геном людей с высокими интеллектуальными способностями.

Как вы относитесь к идее китайцев?

Сергей Киселев: Замечательно отношусь, любые научные исследования в области интеллекта можно только приветствовать. Другой вопрос, удастся ли им добиться желаемого результата. Дело в том, что интеллект — это все-таки результат деятельности всего мозга. А мозг — невероятно сложная структура, на успехи и провалы его деятельности влияют в совокупности тысячи, десятки тысяч факторов. Можно, конечно, провести эксперимент: взять и один какой-то ген поменять на более успешный и посмотреть, что из этого получится, насколько поменяется интеллект человека. Но ведь это будет микроскопический вклад.

При этом вполне реально отобрать детей с высоким интеллектом, поместить их в особые условия, максимально способствующие развитию их способностей — некий аналог наших школ для особо одаренных детей. Это будет своего рода искусственный отбор. Да, очевидно, со временем это принесет результат. Ибо доказано, что на 60 процентов интеллект обусловлен генетикой и на 40 — средой, в которой развивается человек.

Доказано, что внешняя среда в иных случаях настолько сильно влияет на развитие, что может в принципе не позволить каким-то генам проявиться. Предположим, если давать ребенку, больному фенилкетонурией (редкое наследственное заболевание), только определенный вид пищи, у него не будет вырабатываться фермент, способствующий проявлению гена, вызывающего умственную отсталость. И, напротив, для талантливого от природы ребенка можно создать некую обогащенную среду, которая будет максимально способствовать выявлению его талантов. Предположим, можно развить речевые навыки человека, его математические способности, пространственные и т. д. Иными словами, «фабрика талантов и гениев» — это не такая уж фантастика.

Какая концепция ближе вам?

Сергей Киселев: Идеи Стернберга с его практическим интеллектом. Надо не шкалами измерять уровень интеллекта, а то, как человек приспосабливается к новой среде. Эйнштейн, как известно, в школе учился плохо, даже по математике. Но как только были созданы условия, как только он попал в другую среду, проявились все его гениальные способности. Казалось бы, если судить по результатам его научной деятельности, он был классическим «левополушарным» человеком. То есть прекрасным аналитиком, но он еще и музыку любил, играл на скрипке. А музыкальные способности — это, как известно, результат деятельности правого полушария.

Значит, у него оба полушария были развиты, и благодаря единству этих двух стратегий, особенностям анализа, целостному представлению все это позволило ему выйти на новый уровень понимания нашего мира. Ко всему, он попал в нужное время, когда в мире уже был определенный уровень накопленных знаний по математике. То есть сработал и фактор среды. И все это в совокупности позволило проявиться всей полноте таланта Эйнштейна.

Достигло ли человечество пика интеллекта, и что будет дальше

  • Дэвид Робсон
  • BBC Future

Автор фото, Getty Images

Будет ли наш коэффициент интеллекта и дальше расти? Или мы на пороге начала упадка наших умственных способностей? И почему высокий IQ не помогает человечеству решать самые насущные проблемы? Может быть, требуется что-то другое?

Возможно, вы не обращали на это внимания, но мы живем в интеллектуальный золотой век.

С тех пор как более 100 лет назад был изобретен тест на интеллектуальные способности, наш IQ постепенно и неуклонно рос.

Даже среднестатистический современный человек мог бы выглядеть гением по сравнению с кем-то из тех, кто родился век назад — в 1919-м. Этот феномен известен науке как эффект Флинна.

Но — внимание! — это, кажется, не продлится долго. Самые последние данные говорят о том, что тенденция замедляется и, возможно, даже дает обратный ход. Это означает, что мы прошли вершину.

Но неужели пик умственных способностей действительно позади? И если это так, то что последующий упадок может означать для будущего человечества?

Попробуем взглянуть для начала на древние истоки человеческого интеллекта. Например, сканы ископаемых черепов показывают, что мозг первых прямоходящих высших приматов, австралопитеков, был объемом около 400 кубических сантиметров — примерно треть от нормального размера мозга современного человека.

Такой размер, кстати, нам дорого обходится. Мозг современных людей потребляет около 20% всей энергии организма и, по идее, должен что-то давать нам взамен тех калорий, которые мы на него тратим.

У такого роста мозга может быть множество причин. Согласно наиболее общепринятой теории, это было ответом на возрастающие требования, которые предъявляла человеку жизнь в коллективе.

Автор фото, Getty Images

Подпись к фото,

Образцы пещерного искусства свидетельствуют об удивительном уровне интеллекта людей того времени

Начиная с австралопитека и дальше, наши предки объединялись во все большие и большие группы — поначалу, возможно, для того, чтобы было легче защититься от хищников.

Кроме того, такая жизнь позволяла людям объединять ресурсы и успешней преодолевать риски постоянно меняющихся обстоятельств — в том числе и совместно растить детей.

Но, как знает каждый из нас из собственного опыта, порой жить с другими — это тяжелый труд: вам приходится изучать характер каждого, его предпочтения и антипатии, пытаться понять, можно ли доверять тому, что тебе рассказывает конкретный человек, и т.д.

А когда вы участвуете в таких совместных мероприятиях, как, предположим, охота, вы должны быть способны следить за тем, что делает каждый член вашей группы, чтобы координировать действия.

Сегодня для человека непонимание общества может быть причиной смущения. Для наших предков это было вопросом жизни и смерти.

Но помимо всех этих трудностей членство в больших социальных группах давало людям возможность делиться идеями и пользоваться изобретениями друг друга, в результате чего развивались технологии и культура (например, появлялись новые орудия для охоты).

А чтобы всё это работало, необходимы способности наблюдать и учиться у других — что приводило к дальнейшему их развитию.

Примерно 400 000 лет назад мозг Homo heidelbergensis (гейдельбергского человека) достиг размера около 1200 кубических сантиметров — немногим меньше, чем мозг современного человека (1300 куб.см).

Когда наши предки примерно 70 тыс. лет назад покинули Африку, они уже были достаточно умны для того, чтобы адаптироваться к жизни в почти любом уголке планеты.

Потрясающие рисунки на стенах пещер свидетельствуют о том, что люди были вполне способны задаваться серьезнейшими космологическими вопросами — в том числе и таким: откуда мы взялись?

Автор фото, Getty Images

Подпись к фото,

Средние результаты тестов IQ в 1920-х были ниже, чем сегодня

Мало кто из экспертов считает, что самые последние изменения в IQ — это результат генетической эволюции — рост слишком быстрый в течение короткого промежутка времени (считается, что эволюционные изменения генов занимают тысячи лет).

В конце концов, ученые придумали «коэффициент умственных способностей» всего лишь 100 лет назад. И успех этого теста базируется на том, что многие наши способности коррелируются.

То есть наша способность к пространственному мышлению или к распознаванию образов привязана к математическим способностям или способностям связно излагать мысли и так далее. По этой причине считают, что IQ отражает «общее умственное развитие» — нечто вроде базового интеллекта.

Хотя тесты на IQ часто критикуют, серьезный объем исследований показывает: полученный коэффициент может быть полезным индикатором того, каких результатов вы достигнете, выполняя разные задачи.

Особенно хорошо результаты этого теста прогнозируют успехи в учебе (что неудивительно, поскольку тест изначально разрабатывался для применения в школах), но также и то, насколько быстро вы сможете учиться новым рабочим навыкам.

Конечно, это не совершенный инструмент, множество других факторов влияет на конечный успех, но в общем результаты теста на IQ отражают реальную разницу между способностями разных людей учиться и обрабатывать сложную информацию.

Рост IQ, судя по всему, начался в первой половине XX века, но только относительно недавно психологи стали обращать серьезное внимание на этот феномен.

Когда исследователь Джеймс Флинн изучил результаты тестов на протяжении прошлого столетия, он обнаружил устойчивый рост — около трех баллов за каждое десятилетие. В итоге сегодня в некоторых странах рост составил 30 баллов.

И хотя о причинах эффекта Флинна можно спорить, все-таки это многочисленные факторы окружающей среды, а не генетические изменения.

Автор фото, Getty Images

Подпись к фото,

По сравнению с прошлым веком рост людей увеличился, но это произошло не из-за перемен в генетике

Возможно, будет понятнее, если сравнить это с изменением роста людей: например, нынче мы на 11 см выше, чем в XIX веке. Но это вовсе не означает, что изменились наши гены — просто мы стали здоровее.

Действительно, некоторые из факторов несут ответственность за перемены и в IQ, и в росте. Выросший уровень медицины, сокращение распространения детских инфекционных заболеваний, лучшее питание — все это помогает и нашему телу, и нашему мозгу.

В обществе за последний век произошли грандиозные перемены — прежде всего в интеллектуальной среде. Теперь с раннего возраста у ребенка развиваются способности к абстрактному мышлению и рассуждениям.

В сфере образования, например, большинство детей учатся мыслить в абстрактных категориях.

Мы полагаемся на все более абстрактное мышление и в вопросах современных технологий. Возьмите, к примеру, компьютеры и все эти символы, которые нам приходится понимать, чтобы выполнять даже самые простейшие задачи.

Мы растем погруженными в такого типа мышление, которое помогает развивать способности, вполне достаточные для того, чтобы отлично справиться с заданиями теста на IQ.

Что бы ни было причиной эффекта Флинна, уже есть подтверждения тому, что, похоже, мы в конце «золотого века» — рост IQ замедлился, а кое-где даже пошел в обратную сторону.

Например, в Финляндии, Норвегии и Дании поворотным моментом была середина 1990-х, после чего среднестатистический коэффициент интеллекта падал примерно на 0,2 балла в год. Таким образом разрыв между поколениями может составить до 7 баллов.

Автор фото, Getty Images

Подпись к фото,

Начнет ли IQ всего человечества снижаться?

Отчасти потому, что эта тенденция возникла совсем недавно, ее объяснить еще трудней, чем эффект Флинна. Одна из причин, возможно, — система образования стимулирует менее, чем раньше — или, по крайней мере, стимулирует развитие не тех способностей.

Например, некоторые тесты на IQ применялись, чтобы оценить, как люди считают в уме — но, как верно заметил Оле Рогеберг из Университета Осло (Норвегия), нынешние школьники и студенты считают на калькуляторе, который есть в любом смартфоне.

И теперь уже ясно, что наша культура формирует наш интеллект непостижимым образом.

Пока ученые продолжают распутывать головоломку причин этих тенденций, полезно задаться вопросом: какое значение для общества в целом имеют эти перемены в коэффициенте интеллекта?

Принесли ли нам последствия эффекта Флинна те дивиденды, на которые мы надеялись? И если нет — то почему?

Людям, наверное, сейчас легче разобраться в сложном смартфоне и других технологических инновациях, чем это было в начале XX века. Но в плане нашего поведения как общества в целом — вам нравится то, что эти дополнительные 30 баллов [в тестах на IQ] дали нам? Президентские выборы в США 2016 года были, пожалуй, одними из самых незрелых и легкомысленных в нашей истории… Более того, повышенный IQ не принес решений важнейших проблем страны или мира, среди которых — углубляющаяся пропасть неравенства в доходах, повсеместная нищета, изменения климата, загрязнение окружающей среды, насилие, смерти от отравления опиоидами.

Стернберг здесь, возможно, излишне пессимистичен. Например, медицина достигла больших успехов на пути искоренения таких проблем, как высокая детская смертность, а от нищеты мир хоть и не избавился, но в глобальном масштабе она сократилась.

И это мы еще не упоминаем о невероятных преимуществах, которые нам принесли научно-технические достижения, связанные с высокой интеллектуальностью рабочей силы.

Однако Стернберг не одинок, когда задается вопросом: действительно ли эффект Флинна можно рассматривать как нечто, представляющее собой серьезное улучшение наших умственных способностей?

Сам Джеймс Флинн утверждал, что весь прогресс, вероятно, сводится к развитию лишь некоторых, вполне определенных умственных способностей.

Точно так же, как различные физические упражнения могут развивать различные мышцы, но не улучшать общее состояние здоровья, так и мы упражняем лишь некоторые способности к абстрактному мышлению, что совершенно не обязательно настолько же улучшает и познавательные способности в целом.

А между тем, некоторые из тех, других, забытых способностей могут быть важнейшими для улучшения мира в будущем.

Автор фото, Getty Images

Подпись к фото,

Креативность — это больше, чем просто художественная выразительность

Возьмем склонность к творчеству, так называемую креативность. Когда такие исследователи, как Стернберг, обсуждают ее, они говорят не просто о склонности к художественной выразительности, но о более приземленных навыках.

Насколько легко вы можете сгенерировать новаторские решения проблемы? И насколько хороша ваша способность к «контрфактуальному», гипотетическому мышлению — способность учитывать последствия различных, не всегда очевидных сценариев развития событий?

Интеллект, безусловно, должен помочь нам действовать более «креативно», однако что-то не заметно особого подъема в творческих решениях по мере того, как рос наш IQ.

Что бы ни было причиной эффекта Флинна, оно не подтолкнуло нас мыслить по-новому и оригинально.

Есть и вопрос разумности, рациональности — насколько хорошо вы способны выбирать оптимальные решения, взвешивая все доводы и отметая не относящуюся к делу информацию.

Вам может показаться, что чем выше у человека уровень интеллекта, тем рациональней его решения. Но все не так просто.

Хотя более высокий коэффициент интеллекта коррелирует с такими способностями, как математическая грамотность (что важно для понимания вероятностей и взвешивания рисков), есть еще множество элементов принятия разумных решений, которые не объяснишь с помощью высокого или низкого интеллекта.

Простой пример: высокий IQ ничем не поможет, если вам кажется, что продукт, на котором написано «на 95% свободен от жира», здоровее, чем продукт с надписью «5% жира». Даже самых умных людей можно сбить с толку утверждениями, умышленно вводящими в заблуждение.

Люди с высоким IQ точно так же склонны верить только той информации, которая не противоречит их сложившимся взглядам, и игнорируют ту, которая им не нравится. И когда мы говорим о политике, это превращается в серьезную проблему.

Не спасает высокий интеллект и от тенденции бросать большие ресурсы на поддержку заведомо провальных проектов, даже если более разумным было бы прекратить финансирование — и это серьезная проблема уже для бизнеса. (Вспомним, как долго французское и британское правительства продолжали финансирование лайнеров «Конкорд», когда уже было ясно, что весь проект — это коммерческий провал.)

Высокоинтеллектуальные люди действуют почти ничем не лучше других, когда надо отказаться от краткосрочных выгод ради долгосрочных благ, которые обеспечат вам комфортабельное существование в будущем.

Помимо сопротивляемости подобным искушениям существует множество общекритических способностей мыслить — например, умение подвергнуть сомнению собственные предположения, понять, где не хватает информации, и взглянуть на альтернативные объяснения происходящего, прежде чем делать выводы.

Все эти способности имеют решающее значение для правильного мышления, но они не особенно согласуются с коэффициентом интеллекта и совершенно не обязательно возникают с наличием высшего образования.

В одном из исследований, проведенном в США, обнаружилось, что ученые степени почти никак не улучшают способность мыслить критически.

Имея в виду все сказанное, можно понять, почему рост IQ не сопровождался точно таким же удивительным прогрессом во всех областях принятия решений.

Как я пишу в своей книге на эту тему, отсутствие рациональности и критического мышления объясняет, почему финансовые мошенничества по-прежнему распространены и почему миллионы людей тратят огромные деньги на шарлатанов от медицины и их снадобья, рискуя здоровьем.

В нашем обществе все это приводит к ошибкам врачей, к несправедливым приговорам в судах. И даже к мировым финансовым кризисам и таким экологическим катастрофам, как разлив нефти после аварии на буровой платформе Deepwater Horizon.

Играет это роль и в распространении так называемых фейковых новостей, и в политической поляризации в обществе по таким вопросам, как изменения климата — что мешает нам вовремя, пока еще не поздно, выработать правильное решение.

Автор фото, Getty Images

Подпись к фото,

Как нам избежать таких катастроф, как разлив нефти после аварии на платформе Deepwater Horizon, если мы не способны мыслить критически?

Оглядываясь на историю человечества, можно увидеть, как наш мозг учился жить в постепенно усложняющемся обществе. И современная жизнь, хотя и позволяет нам мыслить более абстрактными категориями, судя по всему, не излечила нас от склонности к иррациональным решениям.

Мы считали, что умные люди с течением жизни естественным образом учатся принимать правильные решения — но теперь ясно, что это не так.

Если заглянуть в будущее, «обратный эффект Флинна» и потенциальное снижение среднестатистического IQ, безусловно, могут привести к тому, что нам придется проанализировать, как мы используем свои мозги. Предотвращение дальнейшего снижения IQ должно стать приоритетной задачей на будущее.

Впрочем, мы могли бы предпринять более согласованные усилия, чтобы улучшить и те «другие» важные способности, которые автоматически не гарантируются высоким коэффициентом интеллекта.

Нам теперь известно, что этим способностям мышления можно научить, но это требует осознанного, тщательного и осторожного подхода.

Например, многообещающие исследования того, как решения принимают врачи, дают основания полагать, что распространенных когнитивных ошибок можно избежать, если научить врачей более продуманно относиться к процессу принятия решений. И это может спасти несчетное количество жизней.

Но почему бы не учить этому еще в школе? Ванди Брюйне де Брюйн, сейчас работающая в бизнес-школе Университета Лидса, и ее коллеги продемонстрировали, что обсуждение ошибок в принятии решений можно включить, например, в учебную программу по истории для старшеклассников.

Это не только улучшило показатели школьников в последующем тесте на рациональность мышления, но и усилило их интерес к изучению исторических фактов.

Другие пытаются возродить преподавание критического мышления в школах и университетах. Например, дискуссия о распространенных теориях заговоров учит студентов принципам правильного мышления — как заметить и вычленить распространенные логические ошибки и как взвешенно оценить доказательства.

Благодаря таким урокам учащиеся вырабатывают более скептический подход к ложной информации в целом, в том числе и к фейковым новостям.

Эти истории — лишь намек на то, что можно сделать, если рациональному и критическому мышлению будет уделено столько же внимания, сколько обычно уделяется другим умственным способностям.

В идеале мы могли бы затем наблюдать резкий рост в умении рационально мыслить и даже в мудрости — в сочетании с эффектом Флинна.

И тогда временный провал в результатах тестов на IQ будет означать не конец интеллектуальной золотой эры, а ее начало.

Дэвид Робсон — журналист BBC Future. Частично эта статья основана на материалах, использованных им для книги «Ловушка интеллекта. Почему умные люди делают глупые ошибки» (The Intelligence Trap: Why Smart People Make Dumb Mistakes).

Прочитать оригинал статьи на английском языке можно на сайте BBC Future.

Зачем успешному человеку нужен digital-интеллект

Говоря о характеристиках успешного человека, мы часто используем такое понятие, как интеллект. В середине XX в. стало популярным измерять интеллект, высчитывая его коэффициент (IQ) — фактически это количественная оценка уровня интеллекта человека. Психология не стояла на месте, и постепенно пришло понимание, что лишь формальным интеллектом ограничиваться нельзя. В 90-х гг. XX в. произошла очередная «революция», в результате которой на свет появилась идея эмоционального интеллекта (EI), описывающая способность человека осознавать свои эмоции и проявлять эмпатию к другим людям. Сегодня я все чаще вижу людей с высоким IQ и EI, не способных эффективно работать, так как их знание, а точнее, незнание и неумение пользоваться виртуальным миром, социальными сетями и другими digital-инструментами является серьезным ограничением в новой реальности. Похоже, на поверхность выходит еще одно качество помимо формального и эмоционального интеллекта, которое я стал называть digital-интеллектом.

Стремительное развитие технологии на рубеже веков, которое продолжается и по сей день, задало новые условия для жизни и работы людей: мы стали жить в digital-мире. Все чаще слышны слова «неопределенность», «изменчивость», «неоднозначность», «лавинообразный поток информации». Умение работать с этой частью реальности, способность мыслить и принимать решения в условиях неопределенности, выстраивать сетевую коммуникацию за рамками или сквозь возрастные, культурные или географические границы, расширять возможности физического мира за счет мира виртуального — это то, что можно назвать digital-интеллектом. Именно этот вид интеллекта в очень большой степени определяет эффективность человека в современном мире.

Digital-интеллект включает три составляющие:

— digital-мышление. Информация стала более доступной, но при этом она избыточна, даже «токсична». Раньше ключевой навык был в том, чтобы информацию получить, сейчас — чтобы в ней разобраться, вычленить ее из потока и оценить адекватность источника. Определить по верхушке, тот это айсберг, который нужен в данный момент, или не тот, — важное умение, определяющее digital-мышление.

— digital-коммуникация — умение выстраивать сети социальных контактов и получать одобрение людей через взаимодействие в новом формате. Уже не раз я замечал, что люди, которых я знаю лично, совершенно отличаются своим поведением в сети от того, что было естественно от них ожидать в офлайне: они по-другому раскрываются, могут быть более яркими, харизматичными, эффективнее решать в digital-формате стоящие перед ними задачи.

— digital-развитие — умение постоянно обучаться, подпитываться в онлайн-среде. Современные самообучающиеся информационные системы постоянно получают обратную связь от пользователей, от других систем, тем самым самосовершенствуясь. Так же и человек, живя в этом мире, должен постоянно самосовершенствоваться с точки зрения все большего использования новых технологий.

Я уверен, что день за днем значимость digital-интеллекта будет лавинообразно возрастать и этот вид интеллекта станет неотъемлемым требованием к сотрудникам. Как следствие, надо будет настраивать систему отбора людей и систему обучения. И это вопрос ближайших 2-3 лет.

границ | Человек против искусственного интеллекта

Введение: Искусственный и человеческий интеллект, миры различий

Общий искусственный интеллект на уровне человека

Последние достижения в области информационных технологий и ИИ могут способствовать большей координации и интеграции между людьми и технологиями. Поэтому довольно большое внимание было уделено разработке Human-Aware AI, который нацелен на AI, который в качестве «члена команды» адаптируется к когнитивным возможностям и ограничениям членов команды.Также такие метафоры, как «товарищ», «партнер», «альтер-эго», «умный сотрудник», «приятель» и «взаимопонимание» подчеркивают высокую степень сотрудничества, сходства и равенства в «гибридных командах». Когда партнеры ИИ, осознающие человека, действуют как «человеческие соавторы», они должны уметь ощущать, понимать и реагировать на широкий спектр сложных человеческих поведенческих качеств, таких как внимание, мотивация, эмоции, творчество, планирование или аргументация (например, Krämer et al., 2012; van den Bosch, Bronkhorst, 2018; van den Bosch et al., 2019). Следовательно, эти «ИИ-партнеры» или «товарищи по команде» должны быть наделены человеческими (или гуманоидными) когнитивными способностями, обеспечивающими взаимопонимание и сотрудничество (то есть «человеческое осознание»).

Однако независимо от того, насколько интеллектуальными и автономными агентами ИИ станут в определенных отношениях, по крайней мере, в обозримом будущем, они, вероятно, останутся бессознательными машинами или устройствами специального назначения, которые поддерживают людей в конкретных, сложных задачах. Как цифровые машины они оснащены совершенно другой операционной системой (цифровой и биологической) и, соответственно, с другими когнитивными качествами и способностями, чем биологические существа, такие как люди и другие животные (Moravec, 1988; Klein et al., 2004; Korteling et al., 2018a; Шнейдерман, 2020а). В общем, цифровые агенты для рассуждения и решения проблем только очень поверхностно сравниваются со своими биологическими аналогами (например, Boden, 2017; Shneiderman, 2020b). Помня об этом, становится все более и более важным, чтобы специалисты-люди, работающие с передовыми системами ИИ (например, в военных или политических группах), разработали правильную ментальную модель о различных когнитивных способностях систем ИИ по отношению к человеческому познанию. Этот вопрос станет все более актуальным, когда системы ИИ станут более совершенными и будут развертываться с более высокой степенью автономности.Таким образом, в данной статье делается попытка внести некоторую ясность и понимание фундаментальных характеристик, различий и особенностей человеческого / биологического и искусственного / цифрового интеллекта. В последнем разделе представлена ​​глобальная структура для создания образовательного контента на основе этой «интеллектуальной осведомленности». Это может быть использовано для разработки образовательных и обучающих программ для людей, которым в ближайшем и далеком будущем придется использовать передовые системы искусственного интеллекта или «сотрудничать с ними».

С применением систем искусственного интеллекта с возрастающей автономностью все больше и больше исследователей считают необходимость энергичного решения реальных сложных проблем «человеческого уровня интеллекта» и, в более широком смысле, общего искусственного интеллекта , или AGI, (e.грамм. Goertzel et al., 2014). Я уже предлагал много разных определений A (G) (например, Russell and Norvig, 2014 для обзора). Многие из них сводятся к: технологии, содержащей или предполагающей (человекоподобный) интеллект , (например, Kurzweil, 1990). Это проблематично. В большинстве определений используется термин «интеллект» как существенный элемент самого определения, что делает определение тавтологическим. Во-вторых, идея о том, что A (G) I должна быть человекоподобной , кажется необоснованной.По крайней мере, в естественной среде существует множество других форм и проявлений очень сложного и разумного поведения, которые сильно отличаются от конкретных когнитивных способностей человека (см. Обзор в Grind, 1997). Наконец, подобно тому, что также часто встречается в области биологии, эти определения A (G) I используют интеллект человека в качестве центральной основы или аналогии для рассуждений о — менее знакомом — феномене A (G) I (Coley and Таннер, 2012). Из-за множества различий между лежащим в основе субстратом и архитектурой биологического и искусственного интеллекта этот антропоцентрический способ рассуждения , вероятно, необоснован.По этим причинам мы предлагаем (неантропоцентрическое) определение «интеллекта» как: « способность реализовывать сложные цели » (Тегмарк, 2017). Эти цели могут относиться к узким, ограниченным задачам (узкий ИИ) или к широким областям задач (AGI). Основываясь на этом определении и на определении AGI, предложенном Bieger et al. (2014) и Grind (1997), здесь мы определяем AGI как: « Небиологических возможностей для автономного и эффективного достижения сложных целей в широком диапазоне сред».Системы AGI должны быть способны автоматически и эффективно определять и извлекать наиболее важные функции для их работы и обучения в широком диапазоне задач и контекстов. Соответствующее исследование AGI отличается от обычного исследования AI тем, что касается универсальности и целостности интеллекта, а также тем, что инженерная практика проводится в соответствии с системой, сравнимой с человеческим разумом в определенном смысле (Bieger et al., 2014).

Будет интересно создавать копии самих себя, которые могут итеративно учиться посредством взаимодействия с партнерами и, таким образом, стать способными сотрудничать на основе общих целей, взаимопонимания и адаптации (например.Г. Брэдшоу и др., 2012; Джонсон и др., 2014). Это было бы очень полезно, например, когда высокий уровень социального интеллекта ИИ будет способствовать более адекватному взаимодействию с людьми, например, в сфере здравоохранения или в развлекательных целях (Wyrobek et al., 2008). Истинное сотрудничество на основе общих целей и взаимопонимания обязательно подразумевает некую форму общего гуманоидного интеллекта. Пока это остается целью на далекую перспективу. В данной статье мы аргументируем, почему для большинства приложений также может быть не очень практичным или необходимым (и, вероятно, немного вводящим в заблуждение) энергично нацеливаться или предвосхищать системы, обладающие «человеческими» AGI или «человеческими» способностями или качествами. .Тот факт, что люди обладают общим интеллектом, не означает, что новые неорганические формы общего интеллекта должны соответствовать критериям человеческого интеллекта. В связи с этим в настоящей статье рассматривается то, как мы думаем о (естественном и искусственном) интеллекте в связи с наиболее вероятными потенциалами (и реальными предстоящими проблемами) ИИ в краткосрочной и среднесрочной перспективе. Это даст пищу для размышлений в ожидании будущего, которое трудно предсказать для такой динамичной области, как ИИ.

Что такое «настоящий интеллект»?

В нашем стремлении к созданию систем AGI, обладающих гуманоидным интеллектом, неявно заложена предпосылка о том, что человеческий (общий) интеллект является «настоящей» формой интеллекта. Это даже уже косвенно сформулировано в термине «искусственный интеллект», как если бы он не был полностью реальным, то есть реальным, как неискусственный (биологический) интеллект. Действительно, как люди, мы знаем себя как сущности с самым высоким интеллектом, когда-либо наблюдавшимся во Вселенной.И, как продолжение этого, нам нравится видеть себя разумными существами, способными решать широкий спектр сложных проблем при любых обстоятельствах, используя наш опыт и интуицию, дополненные правилами логики, анализа решений и статистики. Поэтому неудивительно, что нам трудно принять идею о том, что мы могли бы быть немного менее умными, чем мы постоянно говорим себе, то есть «следующее оскорбление для человечества» (van Belkom, 2019). Дело доходит до того, что быстрый прогресс в области искусственного интеллекта сопровождается повторяющимся переопределением того, что следует считать «настоящим (общим) интеллектом».Концептуализация интеллекта, то есть способность автономно и эффективно достигать сложных целей, затем постоянно корректируется и дополнительно ограничивается: «теми вещами, которые могут делать только люди». В соответствии с этим ИИ определяется как «исследование того, как заставить компьютеры делать вещи, в которых на данный момент люди лучше» (Rich and Knight, 1991; Rich et al., 2009). Это включает в себя обдумывание творческих решений, гибкое использование контекстной и базовой информации, использование интуиции и чувств, способность действительно «думать и понимать» или включение эмоций в (этические) соображения.Затем они упоминаются как конкретные элементы реального интеллекта (например, Bergstein, 2017). Например, директор Facebook по искусственному интеллекту и представитель в этой области Янн ЛеКун на конференции в Массачусетском технологическом институте, посвященной будущему работы , упомянул, что машины все еще далеки от «сущности интеллекта». Это включает в себя способность понимать физический мир достаточно хорошо, чтобы делать прогнозы об основных его аспектах — наблюдать за одной вещью, а затем использовать базовые знания, чтобы выяснить, какие другие вещи также должны быть правдой.Другими словами, машины не обладают здравым смыслом (Bergstein, 2017), как подводные лодки, которые не умеют плавать (van Belkom, 2019). Когда исключительные человеческие способности становятся нашей ключевой точкой навигации на горизонте, мы можем упустить некоторые важные проблемы, которые могут потребовать нашего внимания в первую очередь.

Чтобы прояснить этот момент, мы сначала дадим некоторое представление об основной природе человеческого и искусственного интеллекта. Это необходимо для подтверждения адекватной осведомленности об интеллекте ( Intelligence Awareness ), а также адекватных исследований и образования, предвосхищающих разработку и применение A (G) I.На данный момент это основано на трех основных понятиях, которые могут (и должны) получить дальнейшее развитие в ближайшем будущем.

• Что касается познавательных задач, мы, вероятно, менее умны, чем мы думаем. Так почему же мы должны сосредоточиться на человеческих -подобных AGI?

• Возможно множество различных форм интеллекта, поэтому общий интеллект не обязательно совпадает с общим интеллектом гуманоидов (или «ОИИ на человеческом уровне»).

• AGI часто не нужен; Многие сложные проблемы также можно эффективно решать, используя несколько узких ИИ. 1

Возможно, мы не так умны, как думаем

Насколько мы умны на самом деле? Ответ на этот вопрос в значительной степени определяется точкой зрения, с которой рассматривается этот вопрос, и, следовательно, выбранными мерами и критериями разведки. Например, мы могли бы сравнить природу и возможности человеческого интеллекта с другими видами животных. В этом случае мы кажемся очень умными. Благодаря нашим огромным способностям к обучению, мы располагаем самым обширным арсеналом когнитивных способностей 2 для автономного решения сложных задач и достижения сложных целей.Таким образом мы можем решать огромное количество арифметических, концептуальных, пространственных, экономических, социально-организационных, политических и др. Задач. Приматы, которые лишь незначительно отличаются от нас в генетическом отношении, в этом отношении далеко от нас. Таким образом, мы можем законно квалифицировать людей по сравнению с другими известными нам видами животных как высокоинтеллектуальные.

Ограниченная когнитивная способность

Однако мы также можем выйти за рамки этой « относительной межвидовой перспективы» и попытаться квалифицировать наш интеллект в более абсолютных терминах, т.е.е., используя шкалу от нуля до того, что физически возможно. Например, мы могли бы рассматривать вычислительные возможности человеческого мозга как физической системы (Bostrom, 2014; Tegmark, 2017). Среди ученых, занимающихся искусственным интеллектом, преобладает мнение, что интеллект — это, в конечном счете, вопрос информации и вычислений, а не плоти, крови и атомов углерода. В принципе, не существует физического закона, препятствующего построению физических систем (состоящих из кварков и атомов, таких как наш мозг) с гораздо большей вычислительной мощностью и интеллектом, чем человеческий мозг.Это означало бы, что нет непреодолимой физической причины, по которой машины однажды не могут стать намного умнее нас во всех возможных отношениях (Тегмарк, 2017). Таким образом, наш интеллект на относительно выше по сравнению с другими животными, но в абсолютном выражении он может быть очень ограничен в своих физических вычислительных возможностях, хотя только из-за ограниченного размера нашего мозга и максимально возможного количества нейронов и глиальных клеток (например, Кале, 1979).

Для дальнейшего определения и оценки нашего собственного (биологического) интеллекта мы также можем обсудить эволюцию и природу наших способностей биологического мышления.Как биологическая нейронная сеть из плоти и крови, необходимая для выживания, наш мозг прошел процесс эволюционной оптимизации, который длился более миллиарда лет. За этот длительный период он превратился в высокоэффективную и действенную систему для регулирования основных биологических функций и выполнения перцептивно-моторных задач и задач распознавания образов, таких как сбор пищи, борьба и бегство, а также спаривание. Почти на протяжении всей нашей эволюции нейронные сети нашего мозга были дополнительно оптимизированы для этих основных биологических и перцептивных моторных процессов, которые также лежат в основе наших повседневных практических навыков, таких как приготовление пищи, садоводство или работа по дому.Возможно, из-за полученного опыта в решении таких задач мы можем забыть, что эти процессы характеризуются чрезвычайно высокой вычислительной сложностью (например, Moravec, 1988). Например, когда мы завязываем шнурки, миллионы сигналов проходят через большое количество различных сенсорных систем, от тел сухожилий и мышечных веретен в наших конечностях до сетчатки, отолитовых органов и полукруглых каналов в голове. (например, Brodal, 1981). Этот огромный объем информации от множества различных перцепционно-моторных систем непрерывно, параллельно, без усилий и даже без сознательного внимания обрабатывается в нейронных сетях нашего мозга (Minsky, 1986; Moravec, 1988; Grind, 1997).Чтобы достичь этого, мозг имеет ряд универсальных (неотъемлемых) рабочих механизмов, таких как ассоциативное и ассоциативное обучение (Shatz, 1992; Bar, 2007), потенцирование и содействие (Katz and Miledi, 1968; Bao et al., 1997), насыщение и латеральное торможение (Isaacson, Scanziani, 2011; Korteling et al., 2018a).

Эти виды основных биологических и перцептивно-моторных способностей развивались и закладывались в течение многих миллионов лет. Намного позже в нашей эволюции — на самом деле совсем недавно — наши когнитивные способности и рациональные функции начали развиваться.Этим когнитивным способностям или способностям, вероятно, менее 100 тысяч лет, что можно квалифицировать как «эмбриональные» на временной шкале эволюции (например, Petraglia and Korisettar, 1998; McBrearty and Brooks, 2000; Henshilwood and Marean, 2003). ). Вдобавок этот очень тонкий слой человеческих достижений обязательно был построен на «древнем» нейронном интеллекте для выполнения основных функций выживания. Итак, наши «высшие» когнитивные способности развиваются из и с помощью этих (нейро) биологических механизмов регуляции (Damasio, 1994; Korteling and Toet, 2020).В результате неудивительно, что возможности нашего мозга для выполнения этих недавних когнитивных функций все еще довольно ограничены. Эти ограничения проявляются по-разному, например:

— Объем когнитивной информации, которую мы можем сознательно обработать (наша рабочая память, продолжительность или внимание), очень ограничен (Simon, 1955). Пропускная способность нашей рабочей памяти составляет примерно 10–50 бит в секунду (Тегмарк, 2017).

— Большинство когнитивных задач, таких как чтение текста или вычисления, требуют нашего полного внимания, и нам обычно требуется много времени для их выполнения.Мобильные калькуляторы могут выполнять в миллионы раз более сложные вычисления, чем мы (Тегмарк, 2017).

— Хотя мы можем обрабатывать большое количество информации параллельно, мы не можем одновременно выполнять когнитивные задачи, требующие обдумывания и внимания, т. Е. «Многозадачность» (Korteling, 1994; Rogers and Monsell, 1995; Rubinstein, Meyer, and Evans, 2001).

‐Приобретенные когнитивные знания и навыки людей (память) со временем теряют тенденцию, гораздо больше, чем перцептивно-моторные навыки.Из-за этого ограниченного «удержания» информации мы легко забываем значительную часть того, что мы узнали (Wingfield and Byrnes, 1981).

Укоренившиеся когнитивные предубеждения

Ограниченные возможности обработки когнитивных задач — не единственный фактор, определяющий наш когнитивный интеллект. За исключением общей ограниченной способности обработки, обработка когнитивной информации человека демонстрирует систематические искажения. Они проявляются во многих когнитивных искажениях (Tversky and Kahneman, 1973, Tversky and Kahneman, 1974).Когнитивные искажения — это систематические, повсеместно встречающиеся тенденции, склонности или предрасположенности, которые искажают или искажают информационные процессы таким образом, что их результат становится неточным, субоптимальным или просто неправильным (например, Lichtenstein and Slovic, 1971; Tversky and Kahneman, 1981). Многие предубеждения возникают практически одинаково во многих различных ситуациях принятия решений (Shafir and LeBoeuf, 2002; Kahneman, 2011; Toet et al., 2016). В литературе представлены описания и демонстрации более 200 предубеждений. Эти тенденции в значительной степени неявны и бессознательны и кажутся вполне естественными и самоочевидными, когда мы осознаем эти когнитивные наклонности (Пронин и др., 2002; Risen, 2015; Korteling et al., 2018b). Вот почему их часто называют «интуитивными» (Kahneman, Klein, 2009) или «иррациональными» (Shafir, LeBoeuf, 2002). Предвзятые рассуждения могут привести к вполне приемлемым результатам в естественных или повседневных ситуациях, особенно если принять во внимание временные затраты на рассуждения (Simon, 1955; Gigerenzer and Gaissmaier, 2011). Однако люди часто отклоняются от рациональности и / или принципов логики, расчетов и вероятности нежелательными способами (Tversky and Kahneman, 1974; Shafir and LeBoeuf, 2002), что приводит к неоптимальным решениям с точки зрения затраченного времени и усилий (затрат). доступная информация и ожидаемые выгоды.

Смещения в значительной степени вызваны присущими (или структурными) характеристиками и механизмами мозга как нейронной сети (Korteling et al., 2018a; Korteling and Toet, 2020). По сути, эти механизмы — такие как ассоциация, содействие, адаптация или латеральное торможение — приводят к модификации исходных или доступных данных и их обработке (например, взвешиванию их важности). Например, латеральное торможение — это универсальный нервный процесс, приводящий к усилению различий в нервной активности (усиление контраста), что очень полезно для перцептивно-моторных функций, поддержания физической целостности и аллостаза (т.е. функции биологического выживания). Для этих функций наша нервная система была оптимизирована на протяжении миллионов лет. Однако «высшие» когнитивные функции, такие как концептуальное мышление, вероятностное рассуждение или расчет, были развиты в эволюции совсем недавно. Этим функциям, вероятно, меньше 100 тысяч лет, и поэтому их можно квалифицировать как «эмбриональные» на временной шкале эволюции (например, McBrearty and Brooks, 2000; Henshilwood and Marean, 2003; Petraglia and Korisettar, 2003).Вдобавок эволюция не могла развить эти новые когнитивные функции с нуля, а вместо этого должна была выстроить этот эмбриональный и тонкий слой человеческих достижений из своего «древнего» нейронного наследия для основных функций биологического выживания (Moravec, 1988). Поскольку когнитивные функции обычно требуют точного расчета и надлежащего взвешивания данных, преобразования данных, такие как латеральное торможение, могут легко привести к систематическим искажениям (т. Е. Смещениям) в обработке когнитивной информации. Примерами большого количества смещений, вызванных внутренними свойствами биологических нейронных сетей, являются: смещение привязки (смещение решений к ранее полученной информации, Furnham and Boo, 2011; Tversky and Kahneman, 1973, Tversky and Kahneman, 1974), смещение ретроспективного анализа. (тенденция ошибочно воспринимать события как неизбежные или более вероятные, если они уже произошли, Hoffrage et al., 2000; Roese and Vohs, 2012) смещения доступности (оценка частоты, важности или вероятности события по легкости, с которой соответствующие случаи приходят в голову, Tversky and Kahnemann, 1973; Tversky and Kahneman, 1974) и смещения подтверждения ( тенденция выбирать, интерпретировать и запоминать информацию таким образом, чтобы подтверждать предубеждения, взгляды и ожидания, Nickerson, 1998). В дополнение к этим внутренним (структурным) ограничениям (биологических) нейронных сетей, предубеждения могут также происходить из функциональных эволюционных принципов, способствовавших выживанию наших предков, которые, как охотники-собиратели, жили небольшими, сплоченными группами (Haselton et al., 2005; Туби и Космидес, 2005). Когнитивные искажения могут быть вызваны несоответствием между эволюционно рационализированной «эвристикой» («эволюционная рациональность»: Haselton et al., 2009) и текущим контекстом или окружающей средой (Tooby and Cosmides, 2005). С этой точки зрения, та же эвристика, которая оптимизировала шансы на выживание наших предков в их (естественной) среде, может привести к неадаптивному (предвзятому) поведению, когда они используются в наших текущих (искусственных) условиях. Пристрастия, которые рассматривались как примеры такого несоответствия, — это предвзятость действия (предпочтение действия, даже если для этого нет рационального оправдания, Baron and Ritov, 2004; Patt and Zeckhauser, 2000), социальное доказательство (тенденция отражать или копировать действия и мнения других, Чалдини, 1984), Трагедия общественного достояния (приоритет личных интересов над общим благом общества, Хардин, 1968) и предвзятость Ингруп (предпочтение своей собственной группы над другими, Тейлор и Дориа, 1981).

Этот зашитый (нейронно врожденный и / или эволюционно укоренившийся) характер предвзятого мышления делает маловероятным, что простые и простые методы, такие как обучающие вмешательства или курсы повышения осведомленности, будут очень эффективными для устранения предубеждений. Эта трудность смягчения предвзятости действительно подтверждается литературой (Korteling et al., 2021).

Общий интеллект — это не то же самое, что интеллект человека

Фундаментальные различия между биологическим и искусственным интеллектом

Мы часто думаем и размышляем об интеллекте, имея в виду антропоцентрическую концепцию нашего собственного интеллекта как очевидную и недвусмысленную ссылку.Мы склонны использовать эту концепцию в качестве основы для рассуждений о других, менее известных явлениях интеллекта, таких как другие формы биологического и искусственного интеллекта (Coley and Tanner, 2012). Это может привести к интересным вопросам и идеям. Примером может служить обсуждение того, как и когда будет достигнута точка «интеллекта на человеческом уровне». Например, Аккерманн. (2018) пишет: «До достижения суперинтеллекта общий ИИ означает, что машина будет иметь те же когнитивные способности, что и человек».Итак, исследователи подробно обсуждают момент времени, когда мы достигнем общего ИИ (например, Goertzel, 2007; Müller and Bostrom, 2016). Мы полагаем, что подобные вопросы не совсем по цели. Существует (в принципе) множество различных возможных типов (общего) интеллекта, из которых человекоподобный интеллект является лишь одним из них. Это означает, например, что развитие ИИ определяется ограничениями физики и технологий, а не биологической эволюцией.Таким образом, точно так же, как разум гипотетического инопланетного посетителя нашей планеты Земля, вероятно, будет иметь иную (не) органическую структуру с другими характеристиками, сильными и слабыми сторонами, чем человеческие жители, это также применимо к искусственным формам (в целом ) интеллект. Ниже мы кратко суммируем несколько фундаментальных различий между человеческим и искусственным интеллектом (Bostrom, 2014):

‐ Базовая структура: Биологический (углеродный) интеллект основан на нейронном «программном обеспечении», которое принципиально отличается от искусственного (основанного на кремнии) интеллекта.В отличие от биологического влажного ПО, в кремниевых или цифровых системах «оборудование» и «программное обеспечение» не зависят друг от друга (Kosslyn and Koenig, 1992). Когда биологическая система усвоила новый навык, он будет привязан к самой системе. Напротив, если система ИИ приобрела определенный навык, составляющие алгоритмы могут быть напрямую скопированы во все другие аналогичные цифровые системы.

‐Speed: сигналы от систем искусственного интеллекта распространяются почти со скоростью света. У людей скорость проводимости нервов составляет не более 120 м / с, что чрезвычайно медленно в масштабе времени компьютеров (Siegel and Sapru, 2005).

‐Взаимодействие и коммуникация: люди не могут напрямую общаться друг с другом. Они общаются с помощью языка и жестов с ограниченной пропускной способностью. Это медленнее и сложнее, чем обмен данными между системами ИИ, которые могут быть напрямую связаны друг с другом. Благодаря этому прямому соединению они также могут сотрудничать на основе интегрированных алгоритмов.

‐ Обновляемость и масштабируемость: системы искусственного интеллекта почти не имеют ограничений в отношении их обновления или масштабирования и / или перенастройки, чтобы у них были правильные алгоритмы, а также возможности обработки и хранения данных, необходимые для выполнения задач. они должны выполнить.Эта способность к быстрому структурному расширению и немедленному совершенствованию вряд ли применима к людям.

— Напротив, биология делает многое с небольшим: органический мозг в миллионы раз потребляет больше энергии, чем компьютеры. Человеческий мозг потребляет меньше энергии, чем лампочка, тогда как суперкомпьютер с сопоставимой вычислительной производительностью потребляет достаточно электроэнергии, чтобы обеспечить энергией целую деревню (Fischetti, 2011).

Подобные различия в базовой структуре, скорости, возможности подключения, обновляемости, масштабируемости и энергопотреблении обязательно приведут к разным качествам и ограничениям между человеческим и искусственным интеллектом.Наша скорость реакции на простые стимулы, например, во много тысяч раз ниже, чем у искусственных систем. Компьютерные системы очень легко могут быть напрямую связаны друг с другом и как таковые могут быть частью одной интегрированной системы. Это означает, что системы искусственного интеллекта не должны рассматриваться как отдельные сущности, которые могут легко работать вместе друг с другом или иметь взаимные недопонимания. И если две системы ИИ задействованы в задаче, они имеют минимальный риск ошибиться из-за недопонимания (подумайте о беспилотных транспортных средствах, приближающихся к перекрестку).В конце концов, они являются внутренне связанными частями одной и той же системы и одного и того же алгоритма (Герла и др., 2014).

Сложность и парадокс Моравека

Потому что биологические, углеродные, мозговые и цифровые, кремниевые компьютеры оптимизированы для совершенно разных видов задач (например, Moravec, 1988; Korteling et al., 2018b), человеческих и искусственных. интеллект показывает фундаментальные и, вероятно, далеко идущие различия. Из-за этих различий использование собственного разума в качестве основы, модели или аналогии для рассуждений об ИИ может ввести в заблуждение.Это может привести к ошибочным представлениям, например, о предполагаемых способностях людей и ИИ выполнять сложные задачи. В результате недостатки, касающиеся возможностей обработки информации, часто появляются в психологической литературе, в которой термины «сложность» и «трудность» задач используются взаимозаменяемо (см., Например, Wood et al., 1987; McDowd and Craik, 1988). Затем сложность задачи оценивается антропоцентрическим образом, то есть по степени, в которой мы, люди, можем ее выполнить или овладеть ею. Итак, мы используем сложность для выполнения или освоения задачи как меру ее сложности , а производительность задачи (скорость, ошибки) как меру навыков и интеллекта исполнителя задачи.Хотя иногда это может быть приемлемо в психологических исследованиях, это может вводить в заблуждение, если мы стремимся понять интеллект систем ИИ. Нам гораздо труднее перемножить два случайных числа из шести цифр, чем узнать друга на фотографии. Но когда дело доходит до счета или арифметических операций, компьютеры в тысячи раз быстрее и лучше, в то время как те же самые системы только недавно предприняли шаги по распознаванию изображений (что удалось только тогда, когда была внедрена технология глубокого обучения, основанная на некоторых принципах биологических нейронных сетей. развитый).В целом: когнитивные задачи, которые относительно сложны для человеческого мозга (и которые мы поэтому считаем сложными субъективно), не обязательно должны быть вычислительно сложными (например, с точки зрения объективной арифметики, логики и абстрактных операций). И наоборот: задачи, которые относительно просты для мозга (распознавание паттернов, перцептивно-моторные задачи, хорошо обученные задачи), не обязательно должны быть простыми в вычислительном отношении. Это явление, легкое для древней нейронной «технологии» людей и сложное для современной цифровой технологии компьютеров (и наоборот), было названо парадоксом Моравца . Ханс Моравец (1988) писал: «Сравнительно легко заставить компьютеры показывать результаты на уровне взрослых в тестах интеллекта или игре в шашки, и трудно или невозможно дать им навыки годовалого ребенка, когда дело касается восприятия и мобильности. . »

Превосходный перцепционно-моторный интеллект человека

Парадокс Моравека подразумевает, что биологические нейронные сети интеллектуальны по-разному, чем искусственные нейронные сети. Интеллект не ограничивается проблемами или целями, которые мы, люди, обладающие биологическим интеллектом, считаем трудными (Grind, 1997).Интеллект, определяемый как способность реализовывать сложные цели или решать сложные проблемы, — это гораздо больше. Согласно Моравеку (1988), рассуждение высокого уровня требует очень небольшого количества вычислений, но низкоуровневые перцепционно-моторные навыки требуют огромных вычислительных ресурсов. Если мы выразим сложность проблемы в терминах количества элементарных вычислений, необходимых для ее решения, то наш биологический перцептивный двигательный интеллект на намного превосходит нашего когнитивного интеллекта.Наш органический перцептивно-моторный интеллект особенно хорош в ассоциативной обработке инвариантов («паттернов») более высокого порядка в окружающей информации. Они более сложны в вычислительном отношении и содержат больше информации, чем простые отдельные элементы (Гибсон, 1966, Гибсон, 1979). Примером наших превосходных перцепционно-моторных способностей является эффект превосходства объекта : мы воспринимаем и интерпретируем целые объекты быстрее и эффективнее, чем (более простые) отдельные элементы, составляющие эти объекты (Weisstein and Harris, 1974; McClelland, 1978 ; Williams, Weisstein, 1978; Pomerantz, 1981).Таким образом, буквы также воспринимаются более точно, когда они представлены как часть слова, чем когда они представлены изолированно, то есть эффект превосходства слова (например, Reicher, 1969; Wheeler, 1970). Таким образом, сложность задачи не обязательно указывает на присущую ей сложность . Как выразился Моравец (1988): «Мы все потрясающие олимпийцы в области восприятия и моторики, настолько хороши, что делаем сложный вид легким. Однако абстрактная мысль — это новый трюк, которому, возможно, меньше 100 тысяч лет.Мы еще не освоили. Это не так уж и сложно; просто так кажется, когда мы это делаем ».

Предположение о человекоподобном AGI

Итак, если бы существовали системы искусственного интеллекта с общим интеллектом, которые можно было бы использовать для широкого круга сложных задач и задач, эти машины AGI, вероятно, имели бы совершенно другой профиль интеллекта, включая другие когнитивные качества, чем у человека (Goertzel, 2007). Это будет даже так, если нам удастся создать агентов ИИ, которые демонстрируют подобное поведение, как мы, и если они смогут адаптироваться к нашему образу мышления и решению проблем, чтобы способствовать объединению людей и ИИ.Если мы не решим намеренно ухудшить возможности систем ИИ (что было бы не очень умно), базовые возможности и способности человека и машин в отношении сбора и обработки информации, анализа данных, вероятностных рассуждений, логики, объема памяти. и т. д. останутся непохожими. Из-за этих различий мы должны сосредоточиться на системах, которые эффективно дополняют нас и делают систему искусственного интеллекта человека сильнее и эффективнее. Вместо того, чтобы заниматься искусственным интеллектом человеческого уровня, было бы более выгодно сосредоточиться на автономных машинах и (поддерживающих) системах, которые заполняют или расширяют многочисленные пробелы в когнитивном интеллекте человека.Например, в то время как люди вынуждены — из-за медлительности и других ограничений биологического мозга — мыслить эвристически в терминах целей, добродетелей, правил и норм, выраженных (нечетким) языком, ИИ уже создал отличные возможности для обработки и расчета непосредственно на очень сложные данные. Следовательно, или выполнение конкретных (узких) когнитивных задач (логических, аналитических, вычислительных) современный цифровой интеллект может быть более эффективным и действенным, чем биологический интеллект. Таким образом, ИИ может помочь найти лучшие ответы на сложные проблемы, используя большие объемы данных, последовательные наборы этических принципов и целей, вероятностные и логические рассуждения (например,грамм. Korteling et al., 2018b). Таким образом, мы предполагаем, что в конечном итоге разработка систем искусственного интеллекта для поддержки принятия решений человеком может оказаться наиболее эффективным способом, ведущим к принятию лучших решений или разработке лучших решений сложных проблем. Таким образом, сотрудничество и разделение задач между людьми и системами ИИ должно в первую очередь определяться их взаимно специфическими качествами. Например, задачи или компоненты задач, которые обращаются к способностям, в которых превосходят системы ИИ, должны будут меньше (или менее полно) освоены людьми, поэтому, вероятно, потребуется меньше обучения.Системы искусственного интеллекта уже намного лучше людей в логически и арифметически правильном сборе (выборе) и обработке (взвешивании, расстановке приоритетов, анализе, объединении) больших объемов данных. Делают это быстро, точно и надежно. Они также более стабильны (последовательны), чем люди, не испытывают стресса и эмоций, обладают большой настойчивостью и гораздо лучше сохраняют знания и навыки, чем люди. Как машина, они служат людям полностью и без каких-либо «личных интересов» или «собственных скрытых целей».«Основываясь на этих качествах, системы искусственного интеллекта могут эффективно брать на себя задачи или компоненты задач от людей. Тем не менее, по-прежнему важно, чтобы люди продолжали выполнять эти задачи до определенной степени, чтобы они могли взять на себя задачи или предпринять соответствующие действия в случае отказа системы машины.

В целом, люди лучше, чем системы искусственного интеллекта, подходят для гораздо более широкого спектра когнитивных и социальных задач в широком разнообразии (непредвиденных) обстоятельств и событий (Korteling et al., 2018b). В настоящее время люди также лучше справляются с социально-психосоциальным взаимодействием.Например, системам искусственного интеллекта сложно интерпретировать человеческий язык и символы. Для этого требуется очень обширная система отсчета, которой, по крайней мере, до сих пор и в ближайшем будущем, трудно достичь с помощью ИИ. В результате всех этих различий люди по-прежнему лучше реагируют (как гибкая команда) на неожиданные и непредсказуемые ситуации и творчески придумывают возможности и решения для открытых и плохо определенных задач, а также для широкого круга различных и, возможно, неожиданных, обстоятельства.Людям придется дополнительно использовать свои особые человеческие качества (то есть то, в чем люди относительно хороши) и тренироваться для повышения соответствующих компетенций. Кроме того, члены команды должны научиться хорошо справляться с общими ограничениями ИИ. Благодаря такому правильному разделению задач, основанному на конкретных качествах и ограничениях людей и систем искусственного интеллекта, человеческие предубеждения при принятии решений можно обойти и можно ожидать более высокой производительности. Это означает, что усиление команды интеллектуальными машинами, имеющими меньше когнитивных ограничений и предубеждений, может иметь большую прибавочную стоимость, чем стремление к сотрудничеству между людьми и ИИ, у которых развились такие же (человеческие) предубеждения.Хотя для сотрудничества в командах с системами ИИ может потребоваться дополнительное обучение, чтобы эффективно справляться с этим несоответствием смещения, эта неоднородность, вероятно, будет лучше и безопаснее. Это также открывает возможность сочетания высоких уровней значимого человеческого контроля и высоких уровней автоматизации, что, вероятно, приведет к созданию наиболее эффективных и безопасных систем искусственного интеллекта человека (Elands et al., 2019; Shneiderman, 2020a). Вкратце: человеческий интеллект не является золотым стандартом для общего интеллекта; Вместо того, чтобы нацеливаться на человекоподобных AGI, стремление к AGI должно, таким образом, сосредоточиться на эффективном цифровом / кремниевом AGI в сочетании с оптимальной конфигурацией и распределением задач.

Объясняемость и доверие

Достижения, связанные с искусственным обучением, или, в частности, с глубоким (подкрепляющим) обучением, были революционными. Глубокое обучение моделирует сеть, напоминающую многоуровневые нейронные сети нашего мозга. Основываясь на больших объемах данных, сеть учится распознавать закономерности и связи с высоким уровнем точности, а затем связывать их с курсами действий, не зная лежащих в основе причинных связей. Это означает, что трудно обеспечить ИИ с глубоким обучением некоторую прозрачность в том, как и почему он сделал конкретный выбор, например, выразив внятное (для людей) рассуждение о процессе принятия решения, как это делаем мы, ( е.грамм. Белком, 2019). Кроме того, рассуждения о решениях, как это делают люди, — очень гибкий и произвольный процесс (по крайней мере, у людей). Люди, как правило, не осведомлены о своих неявных познаниях или отношениях и, следовательно, не могут адекватно сообщить о них. Поэтому многим людям довольно сложно интроспективно анализировать свои психические состояния, поскольку они являются сознательными, и прикреплять результаты этого анализа к словесным ярлыкам и описаниям (например, Nosek et al. (2011). Во-первых, человеческий мозг едва ли показывает, как он создает сознательные мысли (например,грамм. Фельдман-Баррет, 2017). На самом деле он создает иллюзию того, что его продукты раскрывают его внутреннее устройство. Другими словами: наши сознательные мысли ничего не говорят нам о том, как эти мысли возникли. Также нет субъективного маркера, который отличал бы правильные рассуждения от ошибочных (Kahneman, Klein, 2009). Таким образом, лицо, принимающее решения, не имеет возможности отличить правильные мысли, исходящие от подлинных знаний и опыта, и неправильные, вытекающие из несоответствующих нейроэволюционных процессов, тенденций и первичных интуиций.Итак, здесь мы могли бы задать вопрос: не более ли надежнее иметь настоящий черный ящик, чем слушать рассказывающий о них? Кроме того, согласно Werkhoven et al. (2018), требующие объяснимой наблюдаемости или прозрачности (Belkom, 2019; van den Bosch et al., 2019), могут привести к тому, что системы искусственного интеллекта будут ограничивать свою потенциальную пользу для человеческого общества тем, что может быть понято людьми.

Конечно, мы не должны слепо доверять результатам, генерируемым ИИ. Как и в других областях сложных технологий, (например,грамм. Modeling & Simulation), системы ИИ должны быть проверены (соответствуют спецификациям) и утверждены (соответствуют целям системы) в отношении целей, для которых система была разработана. В целом, когда система должным образом верифицирована и валидирована, ее можно считать безопасной, надежной и пригодной для использования. Поэтому он заслуживает нашего доверия по (логически) понятным и объективным причинам (хотя ошибки все же могут случаться). Точно так же люди доверяют характеристикам самолетов и сотовых телефонов, несмотря на то, что мы почти полностью игнорируем их сложные внутренние процессы.Подобно нашему собственному мозгу, искусственные нейронные сети принципиально непрозрачны (Nosek et al., 2011; Feldman-Barret, 2017). Следовательно, доверие к ИИ должно в первую очередь основываться на его объективных характеристиках. Это формирует более важную основу, чем обеспечение доверия на основе субъективных (обманчивых) впечатлений, историй или изображений, направленных на убеждение и обращение к пользователю. На основе эмпирических проверочных исследований разработчики и пользователи могут явно проверить, насколько хорошо система работает с набором ценностей и целей, для которых была разработана машина.В какой-то момент люди могут захотеть верить, что цели могут быть достигнуты за счет меньших затрат и лучших результатов, когда мы принимаем решения, даже если они могут быть менее прозрачными для людей (Werkhoven et al., 2018).

Влияние технологии множественного узкого ИИ

AGI как Святой Грааль

AGI, как и общий интеллект человека, будет иметь много очевидных преимуществ по сравнению с узким (ограниченным, слабым, специализированным) ИИ. Система AGI была бы намного более гибкой и адаптивной. На основе общих процессов обучения и рассуждений он мог бы автономно понять, как можно решить несколько проблем во всех видах различных областей в зависимости от их контекста (например,грамм. Курцвейл, 2005). Системы AGI также требуют гораздо меньшего вмешательства человека, чтобы уладить различные незакрепленные части между частичными элементами, аспектами и перспективами в сложных ситуациях. AGI действительно понимает проблемы и способен рассматривать их с разных точек зрения (как люди — в идеале — тоже могут это делать). Характерной чертой нынешних (узких) инструментов ИИ является то, что они обладают навыками в очень конкретной задаче, где они часто могут выполнять на сверхчеловеческих уровнях (например, Goertzel, 2007; Silver et al., 2017).Эти конкретные задачи четко определены и структурированы. Узкие системы ИИ менее подходят или совершенно не подходят для задач или сред задач, которые предлагают небольшую структуру, последовательность, правила или рекомендации, в которых могут происходить всевозможные неожиданные, редкие или необычные события (например, чрезвычайные ситуации). Знание установленных процедур и следование им обычно не приводит к правильным решениям в этих различных обстоятельствах. В контексте (непредвиденных) изменений целей или обстоятельств адекватность существующего ИИ значительно снижается, поскольку он не может рассуждать с общей точки зрения и соответствующим образом адаптироваться (Lake et al., 2017; Горовиц, 2018). Как и в случае с узкими системами искусственного интеллекта, тогда необходимы люди, которые будут контролировать эти отклонения, чтобы обеспечить гибкую и адаптивную производительность системы. Поэтому поиски AGI можно рассматривать как поиски своего рода святого Грааля.

Множественный узкий ИИ сейчас наиболее актуален!

Потенциально высокие перспективы AGI, однако, не означают, что AGI будет наиболее важным фактором в будущих исследованиях и разработках в области искусственного интеллекта, по крайней мере, в краткосрочной и среднесрочной перспективе. Размышляя о больших потенциальных преимуществах общего интеллекта, мы склонны рассматривать узкие приложения искусственного интеллекта как отдельные объекты, которые вполне могут быть проиграны более широким AGI, который предположительно может справиться со всем.Но так же, как наш современный мир быстро развивался благодаря разнообразию конкретных (ограниченных) технологических инноваций, на системном уровне весь и широкий спектр появляющихся приложений ИИ также будет иметь революционное технологическое и социальное воздействие (Peeters et al., 2020) . Это будет особенно актуально для будущего мира больших данных, в котором все будет подключено ко всему через Интернет вещей . Таким образом, будет намного выгоднее и выгоднее разрабатывать и создавать (не похожие на человека) варианты ИИ, которые будут отличаться в областях, где люди по своей природе ограничены.Кажется не слишком надуманным предположить, что несколько вариантов узких приложений ИИ также постепенно становятся более взаимосвязанными. Таким образом, можно ожидать развития все более широкой области интегрированных приложений ИИ. Кроме того, уже можно обучить языковую модель AI (Generative Pre-Training Transformer3, GPT-3) с гигантским набором данных, а затем обучить ее различным задачам на основе нескольких примеров — обучение за один или несколько шагов. GPT-3 (разработанный OpenAI) может делать это с задачами, связанными с языком, но нет причин, по которым это невозможно с изображением и звуком или с комбинациями этих трех (Brown, 2020).

Кроме того, парадокс Моравека подразумевает, что развитие «партнеров» ИИ со многими видами человеческих (-уровневых) качеств будет очень трудно получить, в то время как их добавленная стоимость (т.е. за пределами человеческих возможностей) будет относительно низкий. Наиболее плодотворные приложения искусственного интеллекта будут в основном включать дополнения человеческих ограничений и ограничений. Учитывая нынешние стимулы для конкурентного технологического прогресса, множественные формы (связанных) узких систем ИИ будут основным фактором воздействия ИИ на наше общество в краткосрочной и среднесрочной перспективе.В ближайшем будущем это может означать, что приложения искусственного интеллекта останутся очень отличными от человеческих агентов и во многих аспектах почти не сравнимы с ними. Это, вероятно, будет правдой, даже если гипотетическое совпадение общего искусственного интеллекта (AGI) с человеческим познанием будет достигнуто в будущем в долгосрочной перспективе. Интеллект — понятие многомерное (количественное, качественное). Все измерения ИИ разворачиваются и растут по своему собственному пути со своей собственной динамикой. Следовательно, с течением времени все большее количество конкретных (узких) возможностей ИИ может постепенно совпадать, обгонять и превосходить когнитивные способности человека.Учитывая огромные преимущества ИИ, например, в области доступности данных и возможностей обработки данных, реализация AGI, вероятно, в то же время во многих отношениях превзойдет человеческий интеллект. Это означает, что гипотетический момент времени сопоставления человеческих и искусственных когнитивных способностей, то есть ОИИ человеческого уровня, вероятно, будет трудно определить значимым образом (Goertzel, 2007). 3

Итак, когда ИИ по-настоящему поймет нас как «друга», «партнера», «альтер-эго» или «приятеля», как мы это делаем, когда сотрудничаем с другими людьми как с людьми, он превзойдет нас во многих областях. в то же время Моравец (1998).У него будет совершенно другой профиль способностей и способностей, и поэтому будет непросто по-настоящему понять, как он «думает» и приходит к своим решениям. Тем временем, однако, по мере того, как возможности роботов расширяются и переходят от простых инструментов к более интегрированным системам, важно соответствующим образом откалибровать наши ожидания и представления о роботах. Таким образом, нам нужно будет повысить нашу осведомленность и понимание относительно непрерывного развития и развития множества форм (интегрированных) систем искусственного интеллекта.Это касается, например, многогранности интеллекта. Разные типы агентов могут иметь разные комбинации интеллекта самого разного уровня. Агент с общим интеллектом может, например, быть наделен превосходными способностями в области распознавания образов и навигации, вычислений и логических рассуждений, в то же время будучи скучным в области социального взаимодействия и целенаправленного решения проблем. Это осознание многомерной природы интеллекта также касается того, как мы должны иметь дело с антропоморфизмом ( и извлекают выгоду).Это человеческая тенденция во взаимодействии человека с роботом характеризовать нечеловеческие артефакты, которые внешне похожи на нас как обладающие человеческими чертами, эмоциями и намерениями (например, Kiesler and Hinds, 2004; Fink, 2012; Haring et al. ., 2018). Понимание этих проблем человеческого фактора имеет решающее значение для оптимизации полезности, производительности и безопасности систем искусственного интеллекта человека (Peeters et al., 2020).

С этой точки зрения вопрос о том, будет ли реализован «AGI на человеческом уровне», на данный момент не является наиболее актуальным.По мнению большинства ученых в области искусственного интеллекта, это обязательно произойдет, и ключевой вопрос не в том, произойдет ли это, а в КОГДА (например, Müller and Bostrom, 2016). Однако на системном уровне несколько узких приложений искусственного интеллекта, вероятно, обгонят человеческий интеллект во все более широком диапазоне областей.

Выводы и основы

Настоящая статья сосредоточена на обеспечении большей ясности и понимания фундаментальных характеристик, различий и особенностей человеческого и искусственного интеллекта.Сначала мы представили идеи и аргументы, чтобы расширить и дифференцировать нашу концепцию интеллекта, будь то человеческий или искусственный. Центральным в этой более широкой и многогранной концепции интеллекта является представление о том, что интеллект сам по себе является вопросом информации и вычислений, независимо от его физического субстрата. Однако природа этого физического субстрата (биологический / углеродный или цифровой / кремний) в значительной степени будет определять его потенциальную оболочку когнитивных способностей и ограничений.Органические когнитивные способности людей были развиты совсем недавно в ходе эволюции человечества. Эти «эмбриональные» способности были построены на основе аппарата биологической нейронной сети, оптимизированного для аллостаза и (сложных) моторных функций восприятия. Поэтому человеческое познание характеризуется различными структурными ограничениями и искажениями в способности обрабатывать определенные формы небиологической информации. Биологические нейронные сети, например, не очень способны выполнять арифметические вычисления, для которых мой карманный калькулятор подходит в миллионы раз лучше.Эти врожденные и укоренившиеся ограничения, обусловленные биологическим и эволюционным происхождением человеческого интеллекта, можно назвать «жестко запрограммированными».

В соответствии с парадоксом Моравича , мы утверждали, что разумное поведение — это нечто большее, чем , которое мы, как homo sapiens, находим трудным. Поэтому не следует путать сложность задачи (субъективную, антропоцентрическую) со сложностью задачи (объективной). Вместо этого мы выступали за разностороннюю концептуализацию интеллекта и признание его множества возможных форм и составов.Это подразумевает большое разнообразие типов биологического или других форм высокого (общего) интеллекта с широким диапазоном возможных профилей интеллекта и когнитивных качеств (которые могут или не могут превосходить наши во многих отношениях). Это позволит нам лучше понять наиболее вероятные возможности приложений искусственного интеллекта в краткосрочной и среднесрочной перспективе. Например, с этой точки зрения наше основное внимание в исследованиях должно быть сосредоточено на тех компонентах спектра интеллекта, которые относительно сложны для человеческого мозга и относительно легки для машин.Это в первую очередь включает когнитивный компонент , требующий вычислений, арифметического анализа, статистики, вычисления вероятностей, анализа данных, логических рассуждений, запоминания и так далее.

В соответствии с этим мы выступаем за более скромный взгляд на наш человеческий, общий интеллект. Это также означает, что ОИИ человеческого уровня не следует рассматривать как «золотой стандарт» интеллекта (которому следует уделять первоочередное внимание). Из-за множества фундаментальных различий между естественным и искусственным интеллектом, человекоподобный ОИИ будет очень трудно реализовать (а также с относительно ограниченной добавленной стоимостью).В случае, если ОИИ будет реализован в (далеком) будущем, он, вероятно, будет иметь совершенно другой профиль когнитивных способностей и способностей, чем мы, люди. Когда такой ОИИ зашел так далеко, что сможет «сотрудничать», как человек, в то же время будет вероятно, что во многих отношениях он уже может функционировать на гораздо более высоких уровнях по сравнению с тем, на что мы способны. В настоящее время, однако, будет не очень реалистично и полезно нацеливаться на ОИИ, который включает в себя широкий спектр человеческих перцептивно-моторных и когнитивных способностей.Вместо этого наиболее прибыльные приложения ИИ в краткосрочной и среднесрочной перспективе, вероятно, будут основаны на нескольких узких системах ИИ. Эти многочисленные узкие приложения ИИ могут догнать человеческий интеллект во все более широком диапазоне областей.

С этой точки зрения мы выступаем за то, чтобы не слишком подробно останавливаться на вопросе AGI, сможет ли ИИ перехитрить нас, забрать нашу работу или как наделить его всеми видами человеческих способностей, и когда это произойдет. Учитывая нынешнее состояние дел, может быть целесообразно больше сосредоточиться на всей системе множественных инноваций ИИ с людьми как решающим связующим и контролирующим фактором.Это также подразумевает установление и формализацию юридических границ и надлежащих (эффективных, этических, безопасных) целей для систем искусственного интеллекта (Elands et al., 2019; Aliman, 2020). Таким образом, этот человеческий фактор (законодатель, пользователь, «сотрудник») должен иметь хорошее представление о характеристиках и возможностях биологического и искусственного интеллекта (для всех видов задач и условий работы). Как на рабочем месте, так и при разработке политики наиболее плодотворными приложениями ИИ будут дополнять и компенсировать присущие человеку биологические и когнитивные ограничения.По этой причине основные вопросы касаются того, как его использовать с умом? Для каких задач и при каких условиях решения можно безопасно отдать на усмотрение ИИ, а когда требуется человеческое суждение? Как мы можем извлечь выгоду из сильных сторон человеческого интеллекта и как эффективно развернуть системы искусственного интеллекта, чтобы дополнить и компенсировать внутренние ограничения человеческого познания. См. Последние обзоры (Hoffman and Johnson, 2019; Shneiderman, 2020a; Shneiderman, 2020b).

Вкратце: независимо от того, насколько интеллектуальными автономными агентами ИИ станут в определенных отношениях, по крайней мере в обозримом будущем, они останутся бессознательными машинами.У этих машин принципиально другая операционная система (биологическая и цифровая) с соответственно другими когнитивными способностями и качествами, чем у людей и других животных. Итак, прежде чем может начаться надлежащее «командное сотрудничество», члены команды должны будут понять эти виды различий, то есть, чем человеческая обработка информации и интеллект отличаются от — многих возможных и конкретных вариантов — систем ИИ. Только когда люди разовьют эти «межвидовые» различия, они смогут эффективно использовать потенциальные преимущества ИИ в (будущих) командах человек-ИИ.Учитывая высокую гибкость, универсальность и адаптивность людей по отношению к системам ИИ, тогда первой проблемой становится то, как обеспечить адаптацию человека к более жестким возможностям ИИ? 4 Другими словами: как мы можем правильно понять разницу между человеческим и искусственным интеллектом?

Framework for Intelligence Awareness Training

Что касается этого вопроса, то проблема Intelligence Awareness у специалистов-людей должна быть решена более решительно.Наряду с компьютерными инструментами для распространения соответствующей информации осведомленности (Collazos et al., 2019) в человеко-машинных системах это требует более качественного образования и обучения тому, как иметь дело с совершенно новыми и разными характеристиками, особенностями и возможностями систем ИИ. . Это включает, например, правильное понимание основных характеристик, возможностей и ограничений свойств когнитивной системы ИИ без антропоцентрических и / или антропоморфных заблуждений. В целом, этот «Intelligence Awareness» очень важен для лучшего понимания, исследования и решения разнообразных возможностей и проблем машинного интеллекта.Эту практическую задачу, связанную с человеческим фактором, можно, например, решить путем разработки новых, целевых и легко настраиваемых (адаптивных) форм обучения и среды обучения для систем искусственного интеллекта человека. Эти гибкие формы обучения и среды (например, симуляции и игры) должны быть нацелены на развитие знаний, понимания и практических навыков, касающихся специфических, нечеловеческих характеристик, способностей и ограничений систем ИИ и того, как с ними справляться в практических ситуациях. Людям придется понимать критические факторы, определяющие цели, производительность и выбор ИИ? Что в некоторых случаях может даже включать простое представление о том, что ИИ волнует не меньше, чем производительность вашего молочного коктейля в вашем холодильнике.Они должны узнать, когда и при каких условиях решения можно безопасно передать ИИ, а когда необходимо или необходимо человеческое суждение? И еще в целом: как он «думает» и решает? Актуальность такого рода знаний, навыков и практик станет только больше, когда повысится степень автономности (и универсальности) передовых систем искусственного интеллекта.

Как выглядит такая учебная программа Intelligence Awareness ? Он должен включать как минимум модуль по когнитивным характеристикам ИИ.Это в основном предмет, аналогичный тем предметам, которые также включены в учебные программы по познанию человека . Этот обширный модуль «Когнитивная наука об ИИ» может включать ряд подтем, начиная с пересмотра концепции «интеллекта», лишенной антропоцентрических и антропоморфных недоразумений. Кроме того, этот модуль должен быть направлен на предоставление знаний о структуре и работе операционной системы ИИ или «разуме ИИ». За этим могут следовать такие предметы, как: восприятие и интерпретация информации ИИ, познание ИИ (память, обработка информации, решение проблем, предубеждения), работа с возможностями и ограничениями ИИ в «человеческих» областях, таких как творчество, адаптивность, автономия, рефлексия. и (самосознание), имея дело с целевыми функциями (оценка действий по соотношению затрат и выгод), этикой ИИ и безопасностью ИИ.Кроме того, такая учебная программа должна включать технические модули, дающие представление о работе операционной системы ИИ. Из-за огромной скорости, с которой развиваются технология и приложения ИИ, содержание такой учебной программы также очень динамично и постоянно развивается на основе технического прогресса. Это означает, что учебный план, средства обучения и среда должны быть гибкими, основанными на опыте и адаптируемыми, что делает рабочую форму серьезной игры идеально подходящей.Ниже мы представляем глобальную основу для разработки новых образовательных программ по осведомленности об ИИ. Эти подтемы выходят за рамки обучения, чтобы эффективно «работать», «управлять» или взаимодействовать с конкретными приложениями ИИ (т. Е. Обычное взаимодействие человека с машиной):

— Понимание основных системных характеристик ИИ («мозг ИИ»). Понимание специфических качеств и ограничений ИИ по сравнению с человеческим интеллектом.

‐Понимание сложности задач и окружающей среды с точки зрения систем искусственного интеллекта.

‐Понимание проблемы предубеждений в человеческом познании по сравнению с предубеждениями в ИИ.

‐Понимание проблем, связанных с контролем ИИ, предсказуемостью поведения ИИ (решений), построением доверия, поддержанием осведомленности о ситуации (самоуспокоенность), динамическим распределением задач (например, принятием на себя задач друг друга) и ответственностью (подотчетность).

‐Как бороться с возможностями и ограничениями ИИ в области «творчества», адаптируемости ИИ, «экологической осведомленности» и обобщения знаний.

— Обучение работе с ограничениями восприятия и познания, а также с возможными ошибками ИИ, которые может быть трудно понять.

-Доверие к работе ИИ (возможно, несмотря на ограниченную прозрачность или способность «объяснять») на основе проверки и подтверждения.

— Научиться справляться с нашей естественной склонностью к антропоцентризму и антропоморфизму («теория разума»), когда мы рассуждаем о взаимодействии человека и робота.

-Как извлечь выгоду из возможностей ИИ, чтобы справиться с внутренними ограничениями обработки информации человеком (и наоборот).

‐Понимание специфических характеристик и качеств системы человек-машина и способность решать, когда, для чего и как интегрированная комбинация человеческих и искусственных способностей может обеспечить наилучший общий потенциал системы.

В заключение: из-за огромной скорости, с которой развиваются технология и приложения ИИ, нам нужна более универсальная концептуализация интеллекта и признание его множества возможных форм и комбинаций. Пересмотренная концепция интеллекта включает также хорошее понимание основных характеристик, возможностей и ограничений различных (биологических, искусственных) свойств когнитивной системы без антропоцентрических и / или антропоморфных заблуждений.Эта «интеллектуальная осведомленность» очень важна для лучшего понимания и решения разнообразных возможностей и проблем машинного интеллекта, например, чтобы решить, когда использовать или развертывать ИИ в зависимости от задач и их контекста. Поэтому рекомендуется разработка образовательных программ с новыми, целевыми и легко настраиваемыми формами обучения и средами обучения для систем искусственного интеллекта человека. Дальнейшая работа должна быть сосредоточена на обучающих инструментах, методах и содержании, которые являются достаточно гибкими и адаптируемыми, чтобы быть в состоянии идти в ногу с быстрыми изменениями в области ИИ и с широким спектром целевых групп и целей обучения.

Вклад авторов

Литературный поиск, анализ, концептуальная работа и написание рукописи были выполнены JEK. Все перечисленные авторы внесли существенный, прямой и интеллектуальный вклад в работу и одобрили ее к публикации.

Конфликт интересов

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Авторы выражают благодарность Дж.ван Диггелен, L.J.H.M. Кестеру за их полезный вклад в эту рукопись. Настоящий документ явился результатом 1) программы BIHUNT (Behavioral Impact of NIC Teaming, V1719), финансируемой Министерством обороны Нидерландов, и программы Wise Policy Making, финансируемой Нидерландской организацией прикладных научных исследований (TNO).

Сноски

1 Узкий ИИ можно определить как создание систем, отображающих интеллект в отношении конкретных, строго ограниченных задач, таких как игра в шахматы, распознавание лиц, автономная навигация или передвижение (Goertzel et al., 2014).

2 Когнитивные способности включают в себя осознанное, концептуальное или аналитическое мышление (например, расчет, статистика, анализ, рассуждения, абстракция)

3 Если, конечно, ИИ не будет намеренно ограничен или понижен до уровня человеческого функционирования.

4 Рядом с вопросом о человеко-ориентированном ИИ, т.е. настройке ИИ на когнитивные характеристики человека.

Литература

Алиман, Н-М. (2020). Гибридные когнитивно-эмоциональные стратегии безопасности ИИ .Кандидатская диссертация . Утрехт, Нидерланды: Утрехтский университет. DOI: 10.33540 / 203

CrossRef Полный текст

Бао, Дж. Х., Кандел, Э. Р. и Хокинс, Р. Д. (1997). Участие пре- и постсинаптических механизмов в посттетанической потенциации в синапсах аплизии. Наука 275, 969–973. DOI: 10.1126 / science.275.5302.969Dane

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Барон Дж. И Ритов И. (2004). Предвзятость упущения, индивидуальные различия и нормальность. Организационное поведение. Гм. Decis. Процесс. 94, 74–85. doi: 10.1016 / j.obhdp.2004.03.003

CrossRef Полный текст | Google Scholar

Belkom, R. v. (2019). Duikboten zwemmen niet: de zoektocht naar intelligent machines. Den Haag: Stichting Toekomstbeeld der Techniek (STT).

Google Scholar

Бигер, Дж. Б., Ториссон, К. Р., и Гарретт, Д. (2014). «Повышение уровня ИИ: обучение имеет значение», , 7-я международная конференция, AGI 2014, квебек-сити, Квебек, Канада, 1–4 августа 2014 г., материалы .Редакторы Б. Гертцель, Л. Орсо и Й. Снайдер (Берлин, Германия: Springer). doi: 10.1007 / 978-3-319-09274-4

CrossRef Полный текст | Google Scholar

Bostrom, N. (2014). Сверхразум: пути, опасности, стратегии . Оксфорд Соединенное Королевство: Издательство Оксфордского университета.

Брэдшоу, Дж. М., Дигнум, В., Йонкер, К. М., и Серхейс, М. (2012). Введение в спецвыпуск о совместной работе человека-агента-робота. IEEE Intell. Syst. 27, 8–13. DOI: 10.1109 / MIS.2012.37

CrossRef Полный текст | Google Scholar

Brodal, A. (1981). Неврологическая анатомия применительно к клинической медицине . Нью-Йорк, штат Нью-Йорк, США: Oxford University Press.

Браун, Т. Б. (2020). Языковые модели изучают мало, arXiv 2005, 14165v4.

Google Scholar

Чалдини Р. Д. (1984). Влияние: психология убеждения . Нью-Йорк, штат Нью-Йорк, США: Харпер.

Коли, Дж. Д., и Таннер, К. Д. (2012). Общие истоки различных заблуждений: когнитивные принципы и развитие биологического мышления. CBE Life Sci. Educ. 11 (3), 209–215. doi: 10.1187 / cbe.12-06-0074

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Collazos, C. A., Gutierrez, F. L., Gallardo, J., Ortega, M., Fardoun, H. M., and Molina, A. I. (2019). Описательная теория осведомленности для разработки группового программного обеспечения. J. Окружающий интеллект Humanized Comput. 10, 4789–4818.doi: 10.1007 / s12652-018-1165-9

CrossRef Полный текст | Google Scholar

Дамасио, А. Р. (1994). Ошибка Декарта: эмоции, разум и человеческий мозг . Нью-Йорк, штат Нью-Йорк, США: Сыновья Дж. П. Патнэма.

Эландс, П., Хейзинг Кестер, А. Л., Оггеро, С., и Петерс, М. (2019). Управление этическим и эффективным поведением интеллектуальных систем: новая структура для значимого человеческого контроля в военном контексте. Militaire Spectator 188 (6), 302–313.

Google Scholar

Фельдман-Баррет, Л. (2017). Как возникают эмоции: тайная жизнь мозга . Бостон, Массачусетс, США: Houghton Mifflin Harcourt.

Финк Дж. (2012). «Антропоморфизм и человеческое подобие в конструкции роботов и взаимодействии человека и робота», в Социальная робототехника. ICSR 2012 . Конспект лекций по информатике . Редакторы С. С. Ге, О. Хатиб, Дж. Дж. Кабибихан, Р. Симмонс и М. А. Уильямс (Берлин, Германия: Springer), 7621.doi: 10.1007 / 978-3-642-34103-8_20

CrossRef Полный текст | Google Scholar

Фернхэм А. и Бу Х. С. (2011). Обзор литературы об эффекте привязки. Дж. Социоэкономика 40, 35–42. doi: 10.1016 / j.socec.2010.10.008

CrossRef Полный текст | Google Scholar

Герла М., Ли Э. К. и Пау Г. (2014). Интернет транспортных средств: от интеллектуальной сети до автономных автомобилей и автомобильных облаков. WF-IoT 12, 241–246. doi: 10.1177 / 1550147716665500

CrossRef Полный текст | Google Scholar

Гибсон, Дж.Дж. (1979). Экологический подход к визуальному восприятию . Бостон, Массачусетс, США: Houghton Mifflin.

Гибсон, Дж. Дж. (1966). Чувства, рассматриваемые как системы восприятия . Бостон, Массачусетс, США: Houghton Mifflin.

Герцель Б. (2007). Общий искусственный интеллект человеческого уровня и возможность технологической сингулярности: реакция на высказывание Рэя Курцвейла, что сингулярность близка, и критика Курцвейла Макдермоттом. Артиф. Разведка 171 (18), 1161–1173.doi: 10.1016 / j.artint.2007.10.011

CrossRef Полный текст | Google Scholar

Goertzel, B., Orseau, L., and Snaider, J. (Editors). (2014). Предисловие. 7-я международная конференция, AGI 2014 г. Квебек, Квебек, Канада, 1–4 августа 2014 г. Материалы Springer.

CrossRef Полный текст | Google Scholar

Hardin, G. (1968). Трагедия общества. Проблема народонаселения не имеет технического решения; это требует фундаментального расширения морали. Наука 162, 1243–1248.DOI: 10.1126 / science.162.3859.1243

Google Scholar

Харинг, К. С., Ватанабе, К., Велонаки, М., Тозелл, К. К., и Финомор, В. (2018). Ffab — систематическая ошибка атрибуции функции формы при взаимодействии человека и робота. IEEE Trans. Cogn. Dev. Syst. 10 (4), 843–851. doi: 10.1109 / TCDS.2018.2851569

CrossRef Полный текст | Google Scholar

Haselton, M. G., Bryant, G. A., Wilke, A., Frederick, D. A., Galperin, A., Frankenhuis, W. E., et al. (2009). Адаптивная рациональность: эволюционный взгляд на когнитивную предвзятость. Soc. Cogn. 27, 733–762. doi: 10.1521 / soco.2009.27.5.733

CrossRef Полный текст | Google Scholar

Haselton, M. G., Nettle, D., and Andrews, P. W. (2005). «Эволюция когнитивных предубеждений» в Справочник по эволюционной психологии . Редактор Д. Басс (Хобокен, Нью-Джерси, США: John Wiley & Sons), 724–746.

Google Scholar

Хоффман Р. Р. и Джонсон М. (2019). «Поиск альтернатив« уровням автоматизации »и« распределению задач »в . Возможности человека в автоматизированных и автономных системах .Редакторы М. Мулуа и П. А. Хэнкок (Бока-Ратон, Флорида, США: CRC Press), 43–68.

CrossRef Полный текст | Google Scholar

Hoffrage, U., Hertwig, R., and Gigerenzer, G. (2000). Предвзятость в ретроспективе: побочный продукт обновления знаний? J. Exp. Psychol. Учиться. Mem. Cogn. 26, 566–581. doi: 10.1037 / 0278-7393.26.3.566

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Джонсон, М., Брэдшоу, Дж. М., Фельтович, П. Дж., Йонкер, К. М., ван Римсдейк, М.Б., и Сьерхейс, М. (2014). Коактивный дизайн: проектирование поддержки взаимозависимости в совместной деятельности. J. Взаимодействие человека и робота 3 (1), 43–69. doi: 10.5898 / JHRI.3.1.Johnson

CrossRef Полный текст | Google Scholar

Kahle, W. (1979). Band 3: nervensysteme und Sinnesorgane , в Taschenatlas de anatomie. Штуттгарт . Редакторы В. Кале, Х. Леонхардт и В. Платцер (Нью-Йорк, Нью-Йорк, США: Thieme Verlag).

Канеман Д. (2011). Мыслить быстро и медленно . Нью-Йорк, штат Нью-Йорк, США: Фаррар, Штраус и Жиру.

Кислер, С., и Хайндс, П. (2004). Введение в этот специальный выпуск о взаимодействии человека и робота. Int J Hum-Comput. Int. 19 (1), 1–8. doi: 10.1080 / 07370024.2004.9667337

CrossRef Полный текст | Google Scholar

Кляйн, Г., Вудс, Д. Д., Брэдшоу, Дж. М., Хоффман, Р. Р., и Фельтович, П. Дж. (2004). Десять задач, которые помогут сделать автоматизацию «командным игроком» в совместной деятельности человека и агента. IEEE Intell. Syst. 19 (6), 91–95. doi: 10.1109 / MIS.2004.74

CrossRef Полный текст | Google Scholar

Korteling, J. E., and Toet, A. (2020). Когнитивные предубеждения. в Энциклопедия поведенческой нейробиологии . 2-е издание (Амстердам-Эдинбург: Elsevier Science) doi: 10.1016 / B978-0-12-809324-5.24105-9

CrossRef Полный текст | Google Scholar

Korteling, J. E., van de Boer-Visschedijk, G.C., Boswinkel, R.A., and Boonekamp, ​​R.C. (2018b). Эффектен ван де Инзет от Нечеловеческих интеллектуальных сотрудников в операциях и обучении [V1719]. Отчет TNO 2018 R11654. Состерберг: TNO Defense Safety and Security , Soesterberg, Нидерланды: TNO, Soesterberg.

Google Scholar

Korteling, J. E., Gerritsma, J., and Toet, A. (2021). Сохранение и передача вмешательств по смягчению когнитивных предубеждений: систематическое исследование литературы. Фронт. Psychol. 1–20. DOI: 10.13140 / RG.2.2.27981.56800

Google Scholar

Кослин, С. М., и Кениг, О. (1992). Wet Mind: новая когнитивная нейробиология .Нью-Йорк, Нью-Йорк, США: Свободная пресса.

Кремер Н. К., фон дер Пюттен А. и Эймлер С. (2012). «Теория взаимодействия человек-агент и человек-робот: сходства и отличия от взаимодействия человека и человека», в Взаимодействие человека и компьютера: взгляд агентства . Исследования в области вычислительного интеллекта . Редакторы М. Закариас и Дж. В. де Оливейра (Берлин, Германия: Springer), 396, 215–240. doi: 10.1007 / 978-3-642-25691-2_9

CrossRef Полный текст | Google Scholar

Kurzweil, R.(2005). Сингулярность около . Нью-Йорк, штат Нью-Йорк, США: Viking press.

Курцвейл Р. (1990). Эпоха интеллектуальных машин . Кембридж, Массачусетс, США: MIT Press.

Лейк, Б. М., Ульман, Т. Д., Тененбаум, Дж. Б., и Гершман, С. Дж. (2017). Создание машин, которые учатся и думают, как люди. Behav. Brain Sci. 40, е253. doi: 10.1017 / S0140525X16001837

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Lichtenstein, S., и Slovic, P. (1971). Изменение предпочтения между ставками и выбором при принятии решений по азартным играм. J. Exp. Psychol. 89, 46–55. doi: 10.1037 / h0031207

CrossRef Полный текст | Google Scholar

McBrearty, S., and Brooks, A. (2000). Революция, которой не было: новая интерпретация происхождения современного человеческого поведения. J. Hum. Evol. 39 (5), 453–563. doi: 10.1006 / jhev.2000.0435

PubMed Аннотация | CrossRef Полный текст | Google Scholar

McDowd, J.М. и Крейк Ф. И. М. (1988). Влияние старения и сложности задачи на выполнение разделенного внимания. J. Exp. Psychol. Гм. Восприятие. Выполните . 14, 267–280.

Минский М. (1986). Общество разума . Лондон, Соединенное Королевство: Саймон и Шустер.

Моравец, Х. (1988). Разумные дети . Кембридж, Массачусетс, США: Издательство Гарвардского университета.

Мюллер, В. К., Бостром, Н. (2016). Будущий прогресс в искусственном интеллекте: обзор мнения экспертов. Фундаментальные вопросы искусственного интеллекта . Чам, Швейцария: Springer. doi: 10.1007 / 978-3-319-26485-1

CrossRef Полный текст | Google Scholar

Никерсон Р. С. (1998). Предвзятость подтверждения: широко распространенное явление во многих обличьях. Rev. Gen. Psychol. 2, 175–220. doi: 10.1037 / 1089-2680.2.2.175

CrossRef Полный текст | Google Scholar

Patt, A., and Zeckhauser, R. (2000). Предвзятость действий и экологические решения. J. Неопределенный риск. 21, 45–72. doi: 10.1023 / a: 1026517309871

CrossRef Полный текст | Google Scholar

Peeters, M. M., van Diggelen, J., van Den Bosch, K., Bronkhorst, A., Neerincx, M. A., Schraagen, J. M., et al. (2020). Гибридный коллективный разум в обществе человека и искусственного интеллекта. AI и общество 38, 217– (238.) Doi: 10.1007 / s00146-020-01005-y

CrossRef Полный текст | Google Scholar

Petraglia, M. D., and Korisettar, R. (1998). Раннее поведение человека в глобальном контексте .Оксфордшир, Великобритания: Рутледж.

Померанц, Дж. (1981). «Перцептивная организация в обработке информации» в Перцептивная организация . Редакторы М. Кубови и Дж. Померанц (Хиллсдейл, Нью-Джерси, США: Лоуренс Эрлбаум).

Google Scholar

Пронин, Э., Лин, Д. Ю. и Росс, Л. (2002). Слепое пятно предвзятости: восприятие предвзятости в себе по сравнению с другими. Персональный. Soc. Psychol. Бык. 28, 369–381. doi: 10.1177 / 0146167202286008

CrossRef Полный текст | Google Scholar

Rich, E., и Найт, К. (1991). Искусственный интеллект . 2-е издание. Нью-Йорк, штат Нью-Йорк, США: Макгроу-Хилл.

Рич Э., Найт К. и Наир С. Б. (2009). Искусственный интеллект . 3-е изд. Нью-Дели, Индия: Тата МакГроу-Хилл.

Роджерс Р. Д. и Монселл С. (1995). Затраты на предсказуемое переключение между простыми познавательными задачами. J. Exp. Psychol. Gen. 124, 207e231. doi: 10.1037 / 0096-3445.124.2.207

CrossRef Полный текст | Google Scholar

Рубинштейн, Дж.С., Мейер, Д. Э., и Эванс, Дж. Э. (2001). Исполнительный контроль когнитивных процессов при переключении задач. J. Exp. Psychol. Гм. Percept Perform. 27, 763–797. doi: 10.1037 // 0096-1523.27.4.763

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Рассел С. и Норвиг П. (2014). Искусственный интеллект: современный подход . 3-е изд. Харлоу, Соединенное Королевство: Pearson Education.

Шнейдерман, Б. (2020а). Уроки дизайна, извлеченные из двух великих целей ИИ: эмуляция человека и полезные приложения. IEEE Trans. Tech. Soc. 1, 73–82. doi: 10.1109 / TTS.2020.29

CrossRef Полный текст | Google Scholar

Шнейдерман, Б. (2020b). Искусственный интеллект, ориентированный на человека: надежный, безопасный и заслуживающий доверия. Внутр. J. Взаимодействие человека и компьютера 36 (6), 495–504. doi: 10.1080 / 10447318.2020.1741118

CrossRef Полный текст | Google Scholar

Siegel, A., and Sapru, H. N. (2005). Основы нейробиологии . Филедельфия, Пенсильвания, США: Липпинкотт Уильямс и Уилкинс.

Сильвер, Д., Шриттвизер, Дж., Симонян, К., Антоноглу, И., Хуанг, А., Гез, А., и др. (2017). Освоение игры в го без человеческого знания. Nature 550 (7676), 354. doi: 10.1038 / nature24270

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тейлор Д. М. и Дориа Дж. Р. (1981). Предубеждение в атрибуции, связанное с самообслуживанием и служением группе. J. Soc. Psychol. 113, 201–211. doi: 10.1080 / 00224545.1981.91

CrossRef Полный текст | Google Scholar

Тегмарк, М.(2017). Life 3.0: быть человеком в эпоху искусственного интеллекта . Нью-Йорк, Нью-Йорк, США: Книга о борзых, изданная А.А. Кнопф.

Тоэт А., Брауэр А. М., ван ден Бош К. и Кортелинг Дж. Э. (2016). Влияние личностных характеристик на предрасположенность к предвзятым решениям: исследование литературы. Внутр. J. Humanities Soc. Sci. 8, 1–17.

Туби Дж. И Космидес Л. (2005). «Концептуальные основы эволюционной психологии» в Справочник по эволюционной психологии .Редактор Д. Басс (Хобокен, Нью-Джерси, США: John Wiley & Sons), 5–67.

Google Scholar

Тверски А. и Канеман Д. (1973). Доступность: эвристика для оценки частоты и вероятности. Cogn. Psychol. 5, 207–232. doi: 10.1016 / 0010-0285 (73) -9

CrossRef Полный текст | Google Scholar

van den Bosch, K., and Bronkhorst, K. (2018). Сотрудничество человека и искусственного интеллекта на благо принятия военных решений. Состерберг, Нидерланды: TNO.

ван ден Бош, К., и Bronkhorst, K. (2019). Шесть задач для совместного обучения человека и искусственного интеллекта. Адаптивные учебные системы 11597, 572–589. DOI: 10.1007 / 978-3-030-22341-0_45

Werkhoven, P., Neerincx, M., and Kester, L. (2018). Указывая автономным системам, что делать. Труды 36-й Европейской конференции по когнитивной эргономике, ECCE 2018, Утрехт, Нидерланды, 5–7 сентября 2018 г., стр. 1–8. doi: 10.1145 / 3232078.3232238

CrossRef Полный текст | Google Scholar

Уильямс, А., Вайсштейн, Н.(1978). Сегменты линии лучше воспринимаются в связном контексте, чем по отдельности: эффект линии объекта в визуальном восприятии. Mem. Cognit 6, 85–90. doi: 10.3758 / bf03197432

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вингфилд А. и Бирнс Д. (1981). Психология памяти человека . Нью-Йорк, штат Нью-Йорк, США: Academic Press.

Вуд Р. Э., Менто А. Дж. И Локк Э. А. (1987). Сложность задачи как модератор целевых эффектов: метаанализ. J. Appl. Psychol. 72 (3), 416–425. doi: 10.1037 / 0021-9010.72.3.416

CrossRef Полный текст | Google Scholar

Вайробек, К. А., Бергер, Э. Х., ван дер Лоос, Х. Ф. М. и Солсбери, Дж. К. (2008). К платформе разработки персональной робототехники: обоснование и дизайн искробезопасного персонального робота. Материалы Международной конференции IEEE по робототехнике и автоматизации 2008 г., Пасадена, Калифорния, США, 19-23 мая 2008 г. doi: 10.1109 / ROBOT.2008.4543527

CrossRef Полный текст | Google Scholar

AI не подходит для причуд человеческого интеллекта

Иногда мы можем вести себя как компьютеры, но чаще мы креативны, иррациональны и не всегда слишком сообразительны.

По крайней мере, с 1950-х годов идея о том, что вскоре можно будет создать машину, способную соответствовать всему объему и уровню достижений человеческого интеллекта, была встречена с равным количеством шумихи и истерии. Теперь нам удалось создать машины, которые могут решать конкретные довольно узкие задачи — «умные» машины, которые могут диагностировать болезни, водить машины, понимать речь и побеждать нас в шахматах, — но общий интеллект остается неуловимым.

Давайте избавимся от этого: усовершенствования машинного интеллекта не приведут к безудержным революциям, управляемым машинами.Они могут изменить вид работы, которую выполняют люди, но они не означают конца человеческого существования. Робоапокалипсиса не будет.

Основное внимание при тестировании интеллекта и вычислительных подходах к разведке уделялось хорошо структурированным и формальным задачам. То есть проблемы, у которых есть четкая цель и набор возможных решений. Но мы, люди, творческие, иррациональные и непоследовательные. Сосредоточение внимания на этих хорошо структурированных проблемах может быть похоже на поиск потерянных ключей в наиболее ярком месте.Есть и другие проблемы, которые гораздо более типичны для человеческого интеллекта и заслуживают более пристального внимания.

Одна группа из них — это так называемые проблемы понимания. Проблемы понимания обычно не могут быть решены пошаговой процедурой, например алгоритмом, или, если они могут, процесс чрезвычайно утомителен. Напротив, проблемы понимания характеризуются своего рода реструктуризацией подхода решателя к проблеме. В задачах пути решателю дается представление, которое включает начальное состояние, целевое состояние и набор инструментов или операторов, которые можно применять для перемещения по представлению.В задачах инсайта решателю не дается ничего из этого.

Решая эту задачу, Архимед якобы побежал голым по улицам Сиракуз. Согласно легенде, Иеро II (270–215 гг. До н.э.), царь Сиракуз, подозревал, что вотивная корона, которую он приказал возложить на голову храмовой статуи, не содержала всего золота, которое предполагалось. Архимеду было поручено определить, не обманули ли Иеро. Он знал, что серебро менее плотно, чем золото, поэтому, если он мог измерить объем короны вместе с ее весом, он мог определить, было ли это чистое золото или смесь.Однако форма короны была неправильной, и Архимеду было трудно точно измерить ее объем обычными методами.

По словам Витрувия, написавшего об этом эпизоде ​​много лет спустя, Архимед во время поездки в римские бани понял, что чем больше его тело погружалось в воду, тем больше воды вытеснялось. Он использовал это понимание, чтобы понять, что он может использовать объем вытесненной воды как меру объема короны. Как только он достиг этого понимания, обнаружить, что корона на самом деле фальсифицирована, было легко.

Решая эту проблему, Архимед якобы заставил Архимеда бежать голым по улицам Сиракуз.

Фактический метод, который использовал Архимед, вероятно, был более сложным, чем этот, но эта история иллюстрирует общую схему проблем понимания. Неправильная форма коронки делала невозможным измерение ее объема традиционными методами. Как только Архимед понял, что плотность короны можно измерить другими методами, реальное решение оказалось простым.

При проблемах с путями решатель обычно может оценить, насколько близко текущее состояние системы к целевому состоянию. От этой оценки зависит большинство алгоритмов машинного обучения. В случае проблем с пониманием часто бывает трудно определить, был ли вообще достигнут какой-либо прогресс, пока проблема не будет по существу решена. Их часто ассоциируют с «эффектом Эврики» или «Ага! момент », внезапное осознание ранее непонятного решения.

Другой пример проблемы понимания — проблема носков.Вам говорят, что в ящике есть отдельные коричневые носки и черные носки в соотношении пять черных носков на каждые четыре коричневых носка. Сколько носков нужно вытащить из ящика, чтобы в нем была хотя бы одна пара любого цвета? Нарисовать два носка явно недостаточно, потому что они могут быть разных цветов.

Многие (образованные) люди подходят к этой проблеме как к вопросу выборки. Они пытаются понять, исходя из соотношения черных и коричневых носков, какой большой образец им понадобится, чтобы обязательно получить полную пару.Однако на самом деле соотношение цветов носков отвлекает. Независимо от того, какое соотношение, правильный ответ — вам нужно нарисовать три носка, чтобы обязательно получить подходящую пару. Вот почему:

При двух цветах розыгрыш трех носков гарантированно даст вам один из следующих результатов:

  • Черный, черный, черный — пара черных носков
  • Черный, черный, коричневый — пара черных носков
  • Черный, коричневый, коричневый — пара коричневых носков
  • Коричневый, коричневый, коричневый — пара коричневых носков

Соотношение черных и коричневых носков может повлиять на относительную вероятность каждого из этих четырех результатов, но только для этих четырех возможны, если выбраны три носка.Выбор даже не обязательно должен быть случайным. Как только мы понимаем, что есть только четыре возможных исхода, решение проблемы становится простым.

Проблемы Insight обычно формулируются таким образом, что их можно представить разными способами. Архимед был в тупике, пока думал об измерении объема короны с помощью линейки или подобного устройства. Люди, решающие задачу о носках, были в тупике до тех пор, пока они думали о проблеме как о проблеме, требующей оценки вероятности.То, как вы думаете о проблеме, то есть то, как вы представляете ее, может иметь решающее значение для ее решения.

Интересные задачи понимания обычно требуют использования относительно необычного представления. Проблема носков интересна, потому что для большинства из нас проблема, скорее всего, вызовет представление, сосредоточенное на соотношении 5: 4, но это отвлекающий маневр. Основным препятствием для решения подобных проблем является отказ от представления по умолчанию и принятие более продуктивного.После определения альтернативного представления остальная часть процесса решения проблемы может быть очень быстрой. Лабораторные версии задач инсайта обычно не требуют каких-либо специальных глубоких технических знаний. Большинство из них можно решить, получив одну или две идеи, которые меняют характер того, как решатель думает о проблеме.

Вот еще несколько примеров. Город Кенигсберг (ныне Калининград, Россия) был построен по обе стороны реки Прегель. Семь мостов соединили два острова и две стороны реки.Сможете ли вы пройтись по городу, пересекая семь мостов каждый ровно один раз? На карте ниже мосты отмечены серым цветом.

Эскиз мостов, соединяющих земельные участки в Кенигсберге. Сможете ли вы пересечь все семь мостов ровно один раз?

Кенигсберг разделен на четыре области. Каждый мост соединяет ровно два региона. За исключением начала или конца прогулки, каждый раз, когда кто-то входит в регион по мосту, он должен покинуть этот регион по мосту. Количество входов должно равняться количеству выходов из него, поэтому количество мостов, соприкасающихся с землей, должно быть четным, чтобы пересечь их все ровно один раз, потому что половина из них будет использоваться для входа в регион, а половина — использоваться, чтобы оставить это.Единственное возможное исключение — это регионы, где вы начинаете прогулку и где заканчиваете ее. Без повторения можно пройти только по городу, в котором ровно нет или ровно два региона с нечетным количеством мостов (один из которых начинается, а другой — финиш). В Кенигсберге каждый регион обслуживается нечетным количеством мостов, поэтому невозможно пройти по семи мостам ровно один раз.

Или как насчет этого: вот последовательность из четырех чисел: 8, 5, 4, 9. Предскажите следующие числа в этой последовательности.

Если у вас возникли проблемы, попробуйте записать названия цифр на английском языке:

Правильный ответ — 1, 7, 6.

Полная последовательность:

  • Восемь пять четыре девять один семь шесть три два нуль.

Они перечислены в алфавитном порядке их английских названий. Обычное представление ряда в виде цифр, упорядоченных в числовом порядке, должно быть заменено представлением, в котором имена на английском языке расположены в алфавитном порядке.

И еще одна проблема — проблема двух струн, которую исследовал психолог-экспериментатор Норман Раймонд Фредерик Майер в 1931 году.Представьте, что вы находитесь в комнате с двумя веревками, свисающими с потолка. Ваша задача связать их вместе. В комнате с вами и струнами — стол, гаечный ключ, отвертка и зажигалка. Струны расположены достаточно далеко друг от друга, поэтому вы не можете дотянуться до них обеих одновременно. Как связать эти нити вместе?

Проблему со струной можно решить, используя один из инструментов в качестве груза на конце одной из струн, чтобы вы могли повернуть его и поймать, удерживая вторую струну.Понимание заключается в признании того, что отвертку можно использовать не только для поворота винтов, но и как маятниковую гирю.

Относительно мало известно о том, как мы решаем задачи понимания. Эти проблемы обычно сложно изучить в лаборатории с большой глубиной, потому что трудно попросить людей описать шаги, которые они проходят для их решения. Все мы знаем, что люди не всегда ведут себя систематическим образом, предлагаемым логическим мышлением. Эти отклонения — не сбои или ошибки в человеческом мышлении, а важные особенности, обеспечивающие человеческий интеллект.

Причуды человеческого интеллекта

Обычно мы не уделяем много внимания формальным частям проблемы, особенно когда делаем рискованный выбор. Психологи Амос Тверски и Дэниел Канеман обнаружили, что люди делали разные выборы, когда им предлагали одни и те же альтернативы, в зависимости от того, как эти альтернативы были описаны.

Участников одного из исследований попросили представить, что стране угрожает новая болезнь, от которой, вероятно, умрут 600 человек.Им также сообщили, что для лечения этих людей были предложены две программы. И их попросили выбрать между двумя видами лечения. В первой версии им сказали:

Лечение A спасет 200 жизней, тогда как при лечении B существует 33-процентный шанс спасти все 600 человек и 66-процентный шанс никого не спасти.

Учитывая этот выбор, 72 процента участников выбрали лечение А. Уверенность в спасении 200 человек была предпочтительнее вероятности того, что все 600 будут потеряны.

Второй группе была предложена другая версия того же выбора:

На лечении A 400 человек умрут. При лечении B существует 33-процентная вероятность того, что никто не умрет, и 66-процентная вероятность, что все 600 человек умрут.

Во второй версии 22 процента участников выбрали лечение А. Если предположить, что люди верят, что числа в каждой альтернативе точны, лечение А идентично для обеих групп. Предположительно, 600 человек умрут, если не будет выбрано лечение.В первой версии 200 из этих людей будут спасены, а это означает, что 400 из них умрут. Во второй версии погибнет 400 человек, а это значит, что 200 из них будут спасены.

Лицо, принимающее рациональные решения, должно быть безразлично к этим двум альтернативам, хотя различия в предпочтениях людей были существенными. В первой версии подчеркивались положительные стороны альтернативы, а во второй — отрицательные. С большим отрывом люди предпочли положительную версию.

Психологи обнаружили, что люди делают разный выбор, когда им предлагаются одни и те же альтернативы, в зависимости от того, как они описываются.

Стоит отметить, что вариант B также был идентичен в обоих условиях. Ожидаемое количество людей, которые выживут при альтернативе B, также составляло 200, но эта альтернатива также включала неопределенность. Люди предпочитали определенный результат неопределенному, когда конкретный был оформлен в позитивном тоне, и предпочитали неопределенный вариант, когда конкретный был оформлен в негативном тоне.Структура или тон альтернатив контролировали готовность участников принять риск.

С рациональной точки зрения, влияние положительного и отрицательного кадрирования не имеет смысла. Формально эти альтернативы идентичны. Можно сказать, что это скорее пример человеческой глупости, чем человеческого разума. С другой стороны, эта ошибка может сказать нам что-то важное о том, как мы принимаем наши решения. И правильные, и неправильные решения принимаются одними и теми же мозгами / разумом / когнитивными процессами.

Возможно, очевидная иррациональность выбора, сделанного в отношении проблемы лечения, связана с ограничениями в том, как люди могут думать о проблеме за короткий промежуток времени. Кажется, что в одних областях познания люди обладают огромными способностями, а в других — явно ограниченными.

Например, наша способность распознавать изображения по памяти практически безгранична. В одной демонстрации этого явления людям показали 10 000 изображений по несколько секунд каждое. Затем им показали две картинки, одну из которых они видели, а другую — не видели.Они смогли правильно выбрать примерно в 83 процентах этих пар.

С другой стороны, когда психологи Раймонд Никерсон и Мэрилин Адамс попросили людей, живущих в Соединенных Штатах, нарисовать лицевую и оборотную стороны американского пенни, они обнаружили, что люди были в высшей степени неспособны запоминать то, что было на монете, которую они видели практически. ежедневно. Из восьми критических особенностей, выявленных Никерсоном и Адамсом, участники включили только три. Попробуйте и посмотрите, что у вас получится.Если вы думаете, что это произошло из-за низкой стоимости пенни или из-за того, что мы больше не используем монеты, попробуйте вспомнить другие распространенные предметы, например купюру на 1 или 20 долларов или вашу кредитную карту.

В отличие от компьютеров, мы относительно ограничены в том, что мы можем хранить в активной памяти за один раз. Размах цифр использовался в некоторых ранних тестах интеллекта. В тесте на размах цифр экзаменатор предоставляет тестируемому набор случайных цифр (например, 5, 1, 3, 2, 4, 8, 9), и он должен немедленно повторить их.Большинство здоровых взрослых людей могут повторить примерно семь цифр.

Типичное ограничение примерно семью элементами не ограничивается только числами. В 1956 году Джордж Миллер опубликовал статью под названием «Магическое число семь, плюс или минус два». В нем он отметил широкий диапазон памяти и категорий, в которых люди могли обрабатывать от пяти до девяти предметов без ошибок.

Миллер был одним из первых когнитивных психологов, которые заговорили о фрагментах памяти. Мы можем принять представления, которые позволят нам расширить количество элементов, которые мы можем иметь в виду.У других исследователей был человек, который мог запомнить до 81 цифры после продолжительной практики. Этот человек, которого опознали по инициалам, SF, увеличил объем своей памяти, организовав цифры в блоки, которые были связаны с известными ему фактами, такими как время гонок (он был заядлым бегуном) или даты.

Эти и другие психологические явления показывают, что у нас сложность нашего мышления и интеллектуальных процессов, которая не всегда в нашу пользу. Сделаем поспешные выводы. Нас легче убедить аргументами, которые мы предпочитаем быть правдой или которые представлены в том или ином контексте.Иногда мы ведем себя как компьютеры, но чаще мы небрежны и непоследовательны.

Иногда мы ведем себя как компьютеры, но чаще мы небрежны и непоследовательны.

Даниэль Канеман описывает человеческий разум как состоящий из двух систем, одна из которых является быстрой, относительно неточной и автоматической. Другой — медленный, преднамеренный, а когда наконец приходит к выводу, более точный. По его словам, первая система срабатывает, когда вы видите картинку и замечаете, что человек на ней злится и, скорее всего, закричит.Вторая система задействуется, когда вы пытаетесь решить задачу умножения типа 17 × 32. Признание гнева, по сути, возникает в нашем сознании без каких-либо очевидных усилий, но математическая задача требует целенаправленных усилий и, возможно, карандаша и бумаги (или Калькулятор).

Канеман может ошибаться, описывая их как две отдельные системы. Они могут быть частью континуума процессов, но я думаю, что он, несомненно, прав в отношении существования этих двух видов процессов в человеческом познании (и, возможно, промежуточных).То, что он называет второй системой, очень близко к тому, что я называю искусственным интеллектом. Это предполагает целенаправленные систематические усилия, требующие использования когнитивных изобретений.

Проблема биты и мяча показывает один способ взаимодействия двух типов процессов. Постарайтесь ответить на этот вопрос как можно быстрее. Допустим, покупка биту и мяча стоит 1,10 доллара. Бита стоит на 1 доллар дороже мяча. Сколько стоит мяч?

Большинство людей сначала ответят, что это стоит 10 центов.Однако, если подумать, это не может быть правильным, потому что тогда общая стоимость биты и мяча составила бы 1,20 доллара, а не 1,10 доллара. Один доллар всего на 90 центов больше, чем 10 центов. Правильный ответ: мяч стоит 5 центов. Тогда летучая мышь стоит 1,05 доллара, что в сумме составляет 1,10 доллара. Первоначальный автоматический ответ может быть отменен более осознанным анализом ситуации.

Вычислительный интеллект сосредоточен на работе, выполняемой преднамеренной системой, но автоматическая система может иметь такое же или большее значение.И это может быть сложнее эмулировать на компьютере. Такое быстрое обучение может иногда приводить к неуместным поспешным обобщениям (я всегда получаю сладкую вату в зоопарке), но оно также может быть важным инструментом, позволяющим людям научиться многим вещам без огромного количества примеров, которые требуются большинству систем машинного обучения. Поспешное обобщение исходит из одного или нескольких примеров, чтобы охватить, иногда ошибочно, целый класс предметов. Например, этнические предрассудки часто возникают из нескольких примеров (каждый из которых может быть результатом еще одной логической ошибки, называемой «предвзятость подтверждения») и распространяются на большие группы людей.

Не проходит и дня без призыва к какому-либо регулированию искусственного интеллекта либо потому, что он слишком глуп (например, распознавание лиц), либо слишком умен, чтобы ему можно было доверять. Но хорошая политика требует реалистичного представления о фактических возможностях компьютеров и о том, чем они могут стать. Если все, что необходимо системе машинного обучения, — это задействовать ее аналитические возможности, то машина, вероятно, превзойдет возможности людей, решающих аналогичные проблемы.Решение аналитических задач напрямую применимо к системам, которые получают свои возможности за счет оптимизации набора параметров. С другой стороны, если проблема требует дивергентного мышления, здравого смысла или творчества, тогда компьютеры еще какое-то время будут отставать от людей.

Как сказал Алан Тьюринг в 1950 году: «Мы можем видеть только небольшое расстояние впереди, но мы можем видеть там много того, что нужно сделать».


Герберт Л. Ройтблат — главный научный сотрудник Mimecast.Он является автором книги «Алгоритмов недостаточно: создание общего искусственного интеллекта», на основе которой эта статья адаптирована.

Неврология различий человеческого интеллекта

  • 1

    Джонсон В., Карозерс А. и Дири И. Дж. Половые различия в изменчивости общего интеллекта: новый взгляд на старый вопрос. Перспектива. Psychol. Sci. 3 , 518–531 (2008).

    PubMed Google ученый

  • 2

    Моффитт Т.Э., Каспи, А., Харкнесс, А. Р., Сильва, П. А. Естественная история изменения интеллектуальной деятельности: кто меняется? Сколько? Это имеет смысл? J. Child Psychol. Психиатрия 3 , 455–506 (1993).

    Google ученый

  • 3

    Дири, И. Дж., Уолли, Л. Дж., Леммон, Х., Кроуфорд, Дж. Р. и Старр, Дж. М. Стабильность индивидуальных различий в умственных способностях от детства до старости: продолжение Шотландского исследования психики 1932 года. Intelligence 28 , 49–55 (2000).

    Google ученый

  • 4

    Джонсон, У., МакГью, М. и Яконо, У. Г. Влияние генетики и окружающей среды на траектории академической успеваемости в подростковом возрасте. Dev. Psychol. 42 , 513–542 (2006).

    Google ученый

  • 5

    Дири, И. Дж., Стрэнд, С., Смит, П. и Фернандес, К.Интеллект и образовательные достижения. Intelligence 35 , 13–21 (2007).

    Google ученый

  • 6

    Стренце, Т. Интеллект и социально-экономический успех: метааналитический обзор лонгитюдных исследований. Intelligence 35 , 401–426 (2007).

    Google ученый

  • 7

    Готтфредсон Л. Почему г имеет значение: сложность повседневной жизни. Intelligence 24 , 79–132 (1997). Подробная документация результатов, касающихся общего интеллекта и результатов жизни, включая теоретическое изложение причин ассоциаций.

    Google ученый

  • 8

    Бэтти, Г. Д., Дири, И. Дж. И Готтфредсон, Л. С. Преморбид (ранняя жизнь) IQ и более поздний риск смертности: систематический обзор. Ann. Эпидемиол. 17 , 278–288 (2007).

    PubMed Google ученый

  • 9

    Бэтти, Г. Д. и др. IQ в позднем подростковом / раннем взрослом возрасте и смертность к среднему возрасту: когортное исследование одного миллиона шведских мужчин. Эпидемиология 20 , 100–109 (2009).

    PubMed Google ученый

  • 10

    Спирмен, К. Общий интеллект, объективно определенный и измеренный. Am. J. Psychol. 15 , 201–293 (1904).

    Google ученый

  • 11

    Кэрролл Дж. Б. Когнитивные способности человека: обзор факторных аналитических исследований . (Издательство Кембриджского университета, Кембридж, 1993). Тщательный повторный анализ более 460 матриц корреляции тестов когнитивных способностей, указывающих на трехуровневую иерархическую структуру интеллекта с фактором g наверху.

    Google ученый

  • 12

    Уважаемый И.Дж. Взгляд на человеческий интеллект: от психометрии к мозгу . (Oxford Univ. Press, Oxford, 2000).

    Google ученый

  • 13

    Дири И. Дж., Джонсон В. и Хулихан Л. М. Генетические основы человеческого интеллекта. Гум. Genet. 126 , 215–232 (2009). Подробный обзор количественной и молекулярно-генетической литературы по интеллекту, показывающий, что интеллект передается по наследству, хотя до сих пор не было обнаружено надежной связи с генетическим вариантом.

    PubMed PubMed Central Google ученый

  • 14

    МакДэниел, М.А. Люди с большим мозгом умнее: метаанализ взаимосвязи между объемом мозга in vivo и интеллектом. Разведка 33 , 337–346 (2005). Метаанализ взаимосвязи между структурными МРТ-измерениями полного размера мозга и интеллекта, показывающий устойчивую положительную взаимосвязь.

    Google ученый

  • 15

    Гальтон, Ф.Наследственность, талант и характер. Macmillan’s Magazine 12 , 157–166; 318–327 (1865).

    Google ученый

  • 16

    Пломин, Р., ДеФрис, Дж. К., МакКлерн, Г. Э. и Макгаффин, П. Поведенческая генетика 5-е изд (Уорт, Нью-Йорк, 2007).

    Google ученый

  • 17

    Johnson, W. et al. Влияние генетики и окружающей среды на модель вербально-перцепционного-образного вращения (VPR) структуры умственных способностей в Миннесотском исследовании разлученных близнецов. Разведка 35 , 542–562 (2007).

    Google ученый

  • 18

    Постума, Д., де Геус, Э. Дж. И Бумсма, Д. И. Скорость восприятия и IQ связаны через общие генетические факторы. Behav. Genet. 31 , 593–602 (2001).

    CAS PubMed Google ученый

  • 19

    Posthuma, D. et al. Генетические корреляции между объемами мозга и измерениями WAIS-III вербального понимания, рабочей памяти, организации восприятия и скорости обработки. Twin Res. 6 , 131–139 (2003).

    PubMed Google ученый

  • 20

    Рийсдейк, Ф. В., Вернон, П. А. и Бумсма, Д. И. Применение иерархических генетических моделей к подтестам Raven и WAIS: исследование голландских близнецов. Behav. Genet. 32 , 199–210 (2002).

    PubMed Google ученый

  • 21

    Финкель Д., Педерсен Н.Л., МакГью, М. и МакКлерн, Г. Э. Наследование когнитивных способностей у взрослых близнецов: сравнение данных Миннесоты и Швеции. Behav. Genet. 25 , 421–431 (1995).

    CAS PubMed Google ученый

  • 22

    Маккартни, К., Харрис, М. Дж. И Берньери, Ф. Взросление и разлука: метаанализ развития близнецов. Psychol. Бык. 107 , 226–237 (1990).

    CAS PubMed Google ученый

  • 23

    МакГью М., Бушар, Т. Дж., Яконо, В. Г. и Ликкен, Д. Т. в журнале «Природа, воспитание и психология» (ред. Пломин, Р. и МакКлерн, Г. Э.) 59–76 (Американская психологическая ассоциация, Вашингтон, округ Колумбия, 1993).

    Google ученый

  • 24

    Уилсон Р.С. Синхронизация умственного развития: эпигенетическая перспектива. Наука 202 , 939–948 (1978).

    CAS PubMed Google ученый

  • 25

    Спинат, Ф., Рональд, А., Харлаар, Н., Прайс, Т. С. и Пломин, Р. Фенотип g в раннем возрасте: об этиологии общих когнитивных способностей в большой выборке детей-близнецов в возрасте 2–4 лет. Разведка 31 , 195–210 (2003).

    Google ученый

  • 26

    Эдмондс, К. Дж. И др. Время обследования и когнитивные способности близнецов в возрасте от 7 до 17 лет: возрастные изменения, наследственность и генетическая ковариантность. Разведка 36 , 210–225 (2008).

    Google ученый

  • 27

    Джейкобс, Н., ван Ос, Дж., Дером, К. и Тиери, Э. Наследование интеллекта. Twin Res. Гм. Genet. 10 , 11–14 (2007).

    Google ученый

  • 28

    Бартельс, М., Ритвельд, М. Дж. Х., Ван Баал, Г. К. М. и Бумсма, Д. И. Генетические факторы и влияние окружающей среды на развитие интеллекта. Behav. Genet. 32 , 237–249 (2002).

    CAS PubMed Google ученый

  • 29

    Hulshoff Pol, H.E. et al. Генетический вклад в морфологию и интеллект человеческого мозга. J. Neurosci. 26 , 10235–10242 (2006).

    PubMed PubMed Central Google ученый

  • 30

    Pennington, B.F. et al. Двойное исследование изменений размеров человеческого мозга. J. Cogn. Neurosci. 12 , 223–232 (2000).

    CAS PubMed Google ученый

  • 31

    Пепер, Дж. С., Брауэр, Р. М., Бумсма, Д. И., Кан, Р. С. и Хулшофф Пол, Х. Э. Генетические влияния на структуру мозга человека: обзор исследований изображений мозга близнецов. Гум. Brain Mapp. 28 , 464–473 (2007).

    PubMed Google ученый

  • 32

    Постхума, Д.и другие. Связь между объемом мозга и интеллектом имеет генетическое происхождение. Nature Neurosci. 5 , 83–84 (2002). Первая эмпирическая демонстрация с использованием дизайна исследования близнецов и структурной МРТ, что корреляция между размером мозга и интеллектом опосредована генетически.

    CAS PubMed Google ученый

  • 33

    Thompson, P. M. et al. Генетические влияния на структуру мозга. Nature Neurosci. 4 , 1253–1258 (2001).

    CAS PubMed PubMed Central Google ученый

  • 34

    Анохин, А.П., Мюллер, В., Линденбергер, У., Хит, А.С., Мейерс, Э. Генетические влияния на динамическую сложность колебаний мозга. Neurosci. Lett. 397 , 93–98 (2006).

    CAS PubMed PubMed Central Google ученый

  • 35

    Фридман Н.P. et al. Индивидуальные различия в управляющих функциях почти полностью имеют генетическое происхождение. J. Exp. Psychol. Gen. 137 , 201–225 (2008).

    PubMed PubMed Central Google ученый

  • 36

    Миллер Г. Ф. и Пенке Л. Эволюция человеческого интеллекта и коэффициент аддитивной генетической изменчивости в размере человеческого мозга. Intelligence 35 , 97–114 (2007).

    Google ученый

  • 37

    Шоу П.и другие. Интеллектуальные способности и корковое развитие у детей и подростков. Nature 440 , 676–679 (2006). Новаторское исследование, показывающее, что пластичность развития по толщине коры более сильная связь с интеллектом, чем толщина коры как таковая .

    CAS PubMed PubMed Central Google ученый

  • 38

    Соуэлл, Э. Р., Томпсон, П.М., Холмс, К. Дж., Джерниган, Т. Л. и Тога, А. У. In vivo доказательства пост-подросткового созревания мозга в лобных и полосатых областях. Nature Neurosci. 2 , 859–861 (1999).

    CAS PubMed Google ученый

  • 39

    Гедд, Дж. Н., Шмитт, Дж. Э. и Нил, М. С. Структурная магнитная томография головного мозга детских близнецов. Гум. Brain Mapp. 28 , 474–481 (2007).

    PubMed Google ученый

  • 40

    Ленрут, Р. К. и др. Различия в генетических и средовых воздействиях на кору головного мозга человека, связанные с развитием в детстве и подростковом возрасте. Гум. Brain Mapp. 30 , 163–174 (2009).

    PubMed Google ученый

  • 41

    Chelly, J., Khelfaoui, M., Francis, F., Cherif, B. & Bienvenu, T.Генетика и патофизиология умственной отсталости. Eur. J. Hum. Genet. 14 , 701–713 (2006).

    CAS PubMed Google ученый

  • 42

    Пэйтон, А. Влияние генетических исследований на наше понимание нормального когнитивного старения: 1995–2009 гг. Neuropsychol. Ред. 19 , 451–477 (2009).

    PubMed Google ученый

  • 43

    Уиздом, Н.М., Каллахан, Дж. Л. и Хокинс, К. А. Эффекты аполипопротеина Е на когнитивное функционирование без нарушений: метаанализ. Neurobiol. Aging , 12 марта 2009 г. (DOI: 10.1016 / j.neurobiolaging.2009.02.003).

    CAS PubMed Google ученый

  • 44

    Bu, G. Аполипопротеин E и его рецепторы при болезни Альцгеймера: пути, патогенез и терапия. Nature Rev. Neurosci. 10 , 333–344 (2009).

    CAS Google ученый

  • 45

    Barnett, J.H., Scoriels, L. & Munafo, M.R. Мета-анализ когнитивных эффектов полиморфизма Val158 / 108Met гена катехол- O -трансферазы. Biol. Психиатрия 64 , 137–144 (2008).

    CAS PubMed Google ученый

  • 46

    Гольдман Д., Вайнбергер Д. Р., Малхотра А. К. и Голдберг Т.E. Роль COMT Val158Met в познании. Biol. Психиатрия 65 , e1–2 (2009).

    PubMed Google ученый

  • 47

    Miyajima, F. et al. Полиморфизм нейротрофических факторов мозга Val66Met влияет на когнитивные способности у пожилых людей. Genes Brain Behav. 7 , 411–417 (2007).

    PubMed Google ученый

  • 48

    Потребность, А.C. et al. Полногеномное исследование общих SNP и CNV в когнитивной деятельности в CANTAB. Гум. Мол. Genet. 18 , 4650–4661 (2009).

    CAS PubMed PubMed Central Google ученый

  • 49

    Пенке, Л., Дениссен, Дж. Дж. А. и Миллер, Г. Ф. Эволюционная генетика личности. Eur. J. Pers. 21 , 549–587 (2007). Теоретический аргумент, что редкие варианты, накапливаемые из поколения в поколение (нагрузка мутаций), лежат в основе большей части генетической изменчивости интеллекта.

    Google ученый

  • 50

    Пенке, Л., Дениссен, Дж. Дж. А. и Миллер, Г. Ф. Эволюция, гены и междисциплинарные исследования личности. Eur. J. Pers. 21 , 639–665 (2007).

    Google ученый

  • 51

    Visscher, P. M. Оценка изменения роста человека. Nature Genet. 40 , 489–490 (2008).

    CAS Google ученый

  • 52

    Гальтон, Ф.Рост головы у студентов Кембриджского университета. Природа 38 , 14–15 (1888).

    Google ученый

  • 53

    Спицка, Э. А. Исследование мозга шести выдающихся ученых, принадлежащих к Американскому антропометрическому обществу: вместе с описанием черепа профессора Э. Д. Коупа. Пер. Являюсь. Филос. Soc. 21 , 175–308 (1907).

    Google ученый

  • 54

    Раштон, Дж.П. и Анкни, С. Д. Размер всего мозга и общие умственные способности: обзор. Внутр. J. Neurosci. 119 , 691–731 (2009).

    PubMed PubMed Central Google ученый

  • 55

    MacLullich, A. M. et al. Внутричерепная емкость и объем мозга связаны с познавательной способностью у здоровых пожилых мужчин. Неврология 59 , 169–174 (2002).

    CAS PubMed Google ученый

  • 56

    Вительсон, С.Ф., Береш, Х. и Кигар, Д. Л. Интеллект и размер мозга в 100 вскрытых мозгах: пол, латерализация и возрастные факторы. Мозг 129 , 386–398 (2006).

    CAS PubMed Google ученый

  • 57

    Andreasen, N.C. et al. Интеллект и структура мозга у нормальных людей. Am. J. Psychiatry 150 , 130–134 (1993).

    CAS PubMed Google ученый

  • 58

    Флэшмен, Л.А., Андреасен, Н. С., Флаум, М. и Суэйзи, В. В. Интеллект и региональные объемы мозга в нормальном контроле. Intelligence 25 , 149–160 (1997).

    Google ученый

  • 59

    Нарр, К. Л. и др. Связь между IQ и региональной толщиной серого вещества коры у здоровых взрослых. Cereb. Cortex 17 , 2163–2171 (2007).

    PubMed Google ученый

  • 60

    Юнг Р.Э. и Хайер, Р. Дж. Теория теменно-фронтальной интеграции (P-FIT) интеллекта: конвергентные данные нейровизуализации. Behav. Brain Sci. 30 , 135–154; обсуждение 154–187 (2007). Подробный обзор структурных нейровизуализационных коррелятов интеллекта, подтверждающий вывод о том, что, помимо лобных областей, сеть лобных и задних областей мозга участвует в общих когнитивных функциях.

    PubMed Google ученый

  • 61

    Колом, Р., Юнг, Р. Э. и Хайер, Р. Дж. Общий интеллект и объем памяти: доказательства общей нейроанатомической структуры. Cogn. Neuropsychol. 24 , 867–878 (2007).

    PubMed Google ученый

  • 62

    Colom, R. et al. Серое вещество коррелирует с жидким, кристаллизованным и пространственным интеллектом: тестирование модели P-FIT. Intelligence 37 , 124–135 (2009).

    Google ученый

  • 63

    Haier, R.J. et al. Серое вещество и факторы интеллекта: есть ли нейро- г ? Разведка 37 , 136–144 (2009).

    Google ученый

  • 64

    Karama, S. et al. Положительная связь между когнитивными способностями и толщиной коркового слоя в репрезентативной выборке здоровых детей в возрасте от 6 до 18 лет в США. Разведка 37 , 145–155 (2009).

    Google ученый

  • 65

    Цой Ю.Y. et al. Множественные основы человеческого интеллекта, выявленные по толщине коры и активации нейронов. J. Neurosci. 28 , 10323–10329 (2008).

    CAS PubMed PubMed Central Google ученый

  • 66

    Людерс, Э., Нарр, К. Л., Томпсон, П. М. и Тога, А. В. Нейроанатомические корреляты интеллекта. Разведка 37 , 156–163 (2009).

    PubMed PubMed Central Google ученый

  • 67

    Начев, П., Мах, Ю. Х. и Хусейн, М. Функциональная нейроанатомия: локус человеческого интеллекта. Curr. Биол. 19 , R418 – R420 (2009 г.).

    CAS PubMed Google ученый

  • 68

    Луо, Л. и О’Лири, Д. Д. М. Втягивание аксонов и дегенерация в процессе развития и болезни. Annu. Rev. Neurosci. 28 , 127–156 (2005).

    CAS Google ученый

  • 69

    Gläscher, J.и другие. Картирование нарушений когнитивных способностей, связанных с интеллектом. Нейрон 61 , 681–691 (2009). Первое исследование поражений мозга на основе интеллекта, основанное на большой выборке, которое позволило сделать более убедительные выводы о необходимости областей мозга для общих когнитивных функций, чем другие исследования структурной нейровизуализации.

    PubMed PubMed Central Google ученый

  • 70

    Спорнс, О., Кьялво, Д., Кайзер, М. и Хильгетаг, К. С. Организация, развитие и функции сложных сетей мозга. Trends Cogn. Sci. 8 , 418–425 (2004).

    Google ученый

  • 71

    Li, Y. et al. Анатомическая сеть мозга и интеллект. PLoS Comput. Биол. 5 , e1000395 (2009).

    PubMed PubMed Central Google ученый

  • 72

    Ахард, С., Сальвадор, Р., Уитчер, Б., Саклинг, Дж. И Буллмор, Э. Устойчивая низкочастотная функциональная сеть человеческого мозга в небольшом мире с тесно связанными корковыми узлами ассоциаций. J. Neurosci. 26 , 63–72 (2006).

    CAS PubMed PubMed Central Google ученый

  • 73

    Буллмор, Э. и Спорнс, О. Сложные сети мозга: теоретический анализ графов структурных и функциональных систем. Nature Rev.Neurosci. 10 , 186–198 (2009).

    CAS Google ученый

  • 74

    Фризони, Г. Б., Галлуцци, С., Пантони, Л. и Филиппи, М. Влияние поражений белого вещества на когнитивные функции у пожилых людей: небольшое, но обнаружимое. Nature Clin. Практик. Neurol. 3 , 620–627 (2007).

    Google ученый

  • 75

    Turken, A. et al. Скорость когнитивной обработки и структура путей белого вещества: конвергентные доказательства нормальных вариаций и исследований поражений. Neuroimage 42 , 1032–1044 (2008).

    PubMed PubMed Central Google ученый

  • 76

    Дири, И. Дж., Липер, С. А., Мюррей, А. Д., Стафф, Р. Т. и Уолли, Л. Дж. Нарушения белого вещества головного мозга и когнитивные изменения в течение всей жизни: 67-летний период наблюдения за Шотландским психиатрическим исследованием 1932 г. Psychol. Старение 18 , 140–148 (2003).

    PubMed Google ученый

  • 77

    Юнг Р.E. et al. Интеллектуальная визуализация с помощью протонной магнитно-резонансной спектроскопии. Разведка 37 , 192–198 (2009).

    PubMed PubMed Central Google ученый

  • 78

    Deary, I. J. et al. Целостность и познание белого вещества в детстве и старости. Неврология 66 , 505–512 (2006).

    CAS PubMed PubMed Central Google ученый

  • 79

    Schmithorst, V.Дж., Вилке, М., Дарзински, Б. Дж. И Холланд, С. К. Когнитивные функции коррелируют с архитектурой белого вещества в нормальной педиатрической популяции: исследование МРТ с тензором диффузии. Гум. Brain Mapp. 26 , 139–147 (2005).

    PubMed PubMed Central Google ученый

  • 80

    Chiang, M.C. et al. Генетика архитектуры мозговых волокон и интеллектуальных способностей. J. Neurosci. 29 , 2212–2224 (2009).

    CAS PubMed PubMed Central Google ученый

  • 81

    Чарльтон, Р. А., Макинтайр, Д. Дж., Хау, Ф. А., Моррис, Р. Г. и Маркус, Х. С. Взаимосвязь между метаболитами белого вещества мозга и познанием при нормальном старении: исследование GENIE. Brain Res. 1164 , 108–116 (2007).

    CAS PubMed PubMed Central Google ученый

  • 82

    Ю., С.и другие. Целостность тракта белого вещества и интеллект у пациентов с умственной отсталостью и здоровых взрослых. Neuroimage 40 , 1533–1541 (2008).

    PubMed Google ученый

  • 83

    Нойбауэр, А. К. и Финк, А. Интеллект и нейронная эффективность. Neurosci. Biobehav. Ред. 33 , 1004–1023 (2009). Подробный и критический обзор гипотезы нейронной эффективности интеллекта на основе данных функциональной нейровизуализации.

    PubMed Google ученый

  • 84

    Haier, R.J. et al. Скорость метаболизма глюкозы коры коррелирует с абстрактными рассуждениями и вниманием, изученными с помощью позитронно-эмиссионной томографии. Intelligence 12 , 199–217 (1988).

    Google ученый

  • 85

    van den Heuvel, M. P., Stam, C. J., Kahn, R. S. & Hulshoff Pol, H. E. Эффективность функциональных сетей мозга и интеллектуальная производительность. J. Neurosci. 29 , 7619–7624 (2009).

    CAS PubMed PubMed Central Google ученый

  • 86

    Song, M. et al. Спонтанная функциональная связь и интеллект мозга. Neuroimage 41 , 1168–1176 (2008).

    PubMed Google ученый

  • 87

    Haier, R.J., Jung, R.E., Yeo, R.A., Head, K. & Alkire, M.Т. Нейроанатомия общего интеллекта: половые вопросы. Neuroimage 25 , 320–327 (2005).

    PubMed Google ученый

  • 88

    Шмитхорст В. Дж. Половые различия в развитии в отношении нейроанатомической связи с интеллектом. Разведка 37 , 164–173 (2009).

    PubMed PubMed Central Google ученый

  • 89

    Нойбауэр, А.К., Грабнер, Р. Х., Финк, А. и Нойпер, К. Интеллект и нейронная эффективность: еще одно свидетельство влияния содержания задания и пола на взаимосвязь между мозгом и IQ. Brain Res. Cogn. Brain Res. 25 , 217–225 (2005).

    PubMed Google ученый

  • 90

    Джонсон, В. и Бушард, Т. Дж. Половые различия в умственных способностях: г маскирует измерения, на которых они лежат. Intelligence 35 , 23–39 (2007).

    Google ученый

  • 91

    Чен, X., Сачдев, П. С., Вен, В. и Анстейк, К. Дж. Половые различия в региональном сером веществе у здоровых людей в возрасте 44–48 лет: морфометрическое исследование на основе вокселей. Neuroimage 36 , 691–699 (2007).

    PubMed Google ученый

  • 92

    де Куртен-Майерс, Г. М. Кора головного мозга человека: гендерные различия в структуре и функциях. J. Neuropathol. Exp. Neurol. 58 , 217–226 (1999).

    CAS PubMed Google ученый

  • 93

    Luders, E. et al. Гендерные различия в корковой сложности. Nature Neurosci. 7 , 799–800 (2004).

    CAS PubMed Google ученый

  • 94

    Dykiert, D., Gale, C.G. & Deary, I.J. Являются ли очевидные половые различия в средних значениях IQ частично результатом ограничения выборки и увеличения мужской дисперсии? Intelligence 37 , 42–47 (2009).

    Google ученый

  • 95

    Пенке, Л. в Эволюция личности и индивидуальных различий (ред. Басс, Д. М. и Хоули, П. Х.) (Oxford Univ. Press, Нью-Йорк, в печати).

  • 96

    Джонсон, В. и Бушард, Т. Дж. Половые различия в умственных способностях: предлагаемый способ связать их со структурой и функцией мозга. Интеллект 35 , 197–209 (2007).

    Google ученый

  • 97

    Джонсон, В., Юнг, Р. Э., Колом, Р. и Хайер, Р. Дж. Когнитивные способности, не зависящие от IQ, коррелируют с региональной структурой мозга. Разведка 36 , 18–28 (2008).

    Google ученый

  • 98

    Парк Д. К. и Рейтер-Лоренц П. Адаптивный мозг: старение и нейрокогнитивные основы. Annu. Rev. Psychol. 60 , 173–196 (2009).

    PubMed PubMed Central Google ученый

  • 99

    Cabeza, R.Уменьшение полушарной асимметрии у пожилых людей: модель Гарольда. Psychol. Старение 17 , 85–100 (2002).

    PubMed PubMed Central Google ученый

  • 100

    Ломан Д. в Справочнике по разведке (изд. Штернберг, Р. Дж.) 285–340 (Cambridge Univ. Press, Нью-Йорк, 2000).

    Google ученый

  • 101

    Ярия, Г., Петридес, М., Дагер, А., Пайк, Б. и Бохбот, В. Д. Когнитивные стратегии, зависящие от гиппокампа и хвостатого ядра в навигации человека: изменчивость и изменение с практикой. J. Neurosci. 23 , 5945–5952 (2003).

    CAS PubMed PubMed Central Google ученый

  • 102

    Рипма, Б., Бергер, Дж. С., Генова, Х. М., Реббечи, Д. и Д’Эспозито, М. Разделение возрастных изменений когнитивной стратегии и нейронной эффективности с помощью связанной с событиями фМРТ. Cortex 41 , 582–594 (2005).

    PubMed Google ученый

  • 103

    Koten, J. W. et al. Генетический вклад в изменение когнитивной функции: исследование фМРТ у близнецов. Наука 323 , 1737–1740 (2009). Эмпирическая демонстрация наследственных индивидуальных различий в паттернах активации фМРТ, лежащих в основе различных когнитивных стратегий для решения задачи рабочей памяти при запоминании воздействия цифр.

    CAS PubMed Google ученый

  • 104

    Manolio, T. A. et al. Обнаружение недостающей наследственности сложных заболеваний. Природа 461 , 747–753 (2009).

    CAS PubMed PubMed Central Google ученый

  • 105

    Boring, E.G. Интеллект как тесты проверяют. Новая Республика 35 , 35–37 (1923).

    Google ученый

  • 106

    Готфредсон, Л.С. Основная наука об интеллекте: редакционная статья с 52 подписчиками, история и библиография. Intelligence 24 , 13–23 (1997).

    Google ученый

  • 107

    Джонсон, У. и Бушард, Т. Дж. Структура человеческого интеллекта: вербальная, перцептивная и вращение изображения (VPR) не является текучей и кристаллизованной. Разведка 33 , 393–416 (2005).

    Google ученый

  • 108

    Виссер, Б. А., Эштон, М. К. и Вернон, П. А. За пределами г : проверка теории множественного интеллекта. Intelligence 34 , 487–502 (2006).

    Google ученый

  • 109

    Хорн, Дж. Л. in Intelligence: Measurement, Theory, and Public Policy (ed.Линн, Р. Л.) 29–73 (Univ. Illinois Press, Urbana, 1989).

    Google ученый

  • 110

    Johnson, W., te Nijenhuis, J. & Bouchard, T. J. По-прежнему всего одна г : стабильные результаты пяти тестов батарей. Intelligence 32 , 81–95 (2008). Эмпирическая демонстрация того, что г не зависит от конкретных наборов когнитивных тестов, если тесты достаточно разнообразны.

    Google ученый

  • 111

    Гулд, С. Дж. Недостаточное измерение человека (Penguin, Harmondsworth, 1981).

    Google ученый

  • 112

    Бартоломью Д. Дж., Дири И. Дж. И Лоун М. Новая жизнь для модели интеллекта Томсона облигаций. Psychol. Ред. 116 , 567–579 (2009).

    PubMed Google ученый

  • 113

    ван дер Маас, Х.L. J. et al. Динамическая модель общего интеллекта: позитивное многообразие интеллекта через мутуализм. Psychol. Ред. 113 , 842–861 (2006).

    PubMed Google ученый

  • 114

    Бушар, Т. Дж. Генетическое влияние на человеческий интеллект (Спирмен г ): сколько? Ann. Гм. Биол. 36 , 527–544 (2009).

    PubMed Google ученый

  • 115

    Бушар, Т.Дж. И МакГью, М. Семейные исследования интеллекта: обзор. Наука 212 , 1055–1059 (1981).

    PubMed PubMed Central Google ученый

  • 116

    Turkheimer, E., Haley, A., Waldron, M., D’Onofrio, B.M. & Gottesman, I.I. Социально-экономический статус изменяет наследуемость IQ у маленьких детей. Psychol. Sci. 14 , 623–628 (2003).

    Google ученый

  • 117

    van den Oord, E.Дж. И Роу, Д. С. Изучение взаимодействия генотипа и окружающей среды для академической успеваемости в национальном лонгитюдном опросе США. Intelligence 25 , 205–228 (1998).

    Google ученый

  • 118

    Deary, I. J. et al. Социальная мобильность между поколениями и достижение среднего возраста: влияние детского интеллекта, социальных факторов детства и образования. Разведка 33 , 455–472 (2005).

    Google ученый

  • 119

    Джонсон У. Влияние генетики и окружающей среды на поведение: улавливание всех взаимодействий. Psychol. Ред. 114 , 423–440 (2007).

    PubMed Google ученый

  • 120

    Солтхаус, Т.А. Локализация возрастных индивидуальных различий в иерархической структуре. Разведка 32 , 541–561 (2004).

    Google ученый

  • 121

    Petrill, A.A. et al. Генетическая и экологическая взаимосвязь между общими и специфическими когнитивными способностями у близнецов в возрасте 80 лет и старше. Psychol. Sci. 9 , 183–189 (1998).

    Google ученый

  • На пути к новым рубежам человеческого интеллекта: личностно-ориентированный подход

    Когда дело доходит до интеллекта, у всех нас бывают плохие дни.Черт возьми, у нас даже есть много плохих моментов , например, когда мы забываем ключи от машины, забываем имя друга или бомбим важный тест, который мы прошли через день после того, как не спали всю ночь, беспокоясь об этом. По правде говоря, никто из нас, включая самого умного человека в мире, не обладает идеальной когнитивной способностью. Иногда мы находимся в самой лучшей форме и чувствуем, что наш мозг горит, а иногда мы даже не узнаем себя.

    Все это звучит так очевидно, но удивительно, что область человеческого интеллекта мало что может сказать по этой теме.За последние 120 лет эта область пролила гораздо больше света на то, чем мы отличаемся друг от друга в наших моделях когнитивного функционирования, чем на то, как каждый из нас отличается внутри себя с течением времени .

    Это любопытно, учитывая, что подход, ориентированный на человека, оказался плодотворным в других областях, таких как медицина и нейробиология. Даже в рамках изучения человеческого поведения был достигнут прогресс, от изучения того, как индивидуальные эмоции меняются с течением времени, до того, как индивидуальные черты личности, такие как интроверсия и открытость новому опыту, и даже наша мораль колеблются в течение дня.Становится все более очевидным, что результаты традиционной парадигмы индивидуальных различий — где мы сравниваем людей друг с другом — часто не применимы на индивидуальном уровне .

    Только за последние несколько лет исследователи интеллекта смогли продемонстрировать, что это верно и в области человеческого интеллекта. За последние 120 лет в этой области просто не было инструментов для просмотра аналитических данных на таком уровне детализации. Однако с внедрением новых технологий исследователи начали рассматривать интеллект человека на более микроскопическом уровне, способном улавливать всевозможные увлекательные вариации — по дням, в течение нескольких дней и даже от момента к моменту.Оказывается, интеллект постоянно меняется повсюду. Кто знал?

    Конечно, это было правдой задолго до того, как появились эти недавние статьи, но у нас буквально не было способа думать о том, как измерить интеллект на таком уровне, пока мы не получили такие вещи, как компьютерные планшеты, которые позволяют тестировать людей на таком уровне. широкий диапазон различных временных шкал. Как сказал мне кембриджский нейробиолог Роже Киевит, один из лидеров этой новой парадигмы,

    «Я думаю об этом как о когнитивном микроскопе.Это похоже на то, как если бы мы поместили немного дождевой воды под микроскоп и посмотрели на нее, и внезапно вокруг стали двигаться животные или крошечные существа. Он был там все время, но у нас просто не было инструментов, чтобы посмотреть на него. Это совершенно новый путь к изучению того, чем люди отличаются и как они меняются, какие типы изменчивости плохи, а какие всегда хороши ».

    Давайте углубимся в этот захватывающий новый взгляд на интеллект.

    Колебания интеллекта

    В последние несколько лет Флориан Шмидек, Мартин Левден и Ульман Линденбергер из Института человеческого развития им. Макса Планка в Германии лидируют в понимании колебаний когнитивных способностей с течением времени.Они не только продемонстрировали, что когнитивные функции большинства человек довольно сильно колеблются в течение дня и дней, но и что некоторые люди колеблются немного больше, чем другие. Это относится как к детям в начальной школе, так и к взрослым в повседневной жизни. Вспомните эти выводы в следующий раз, когда вы запаникуете, что у вас может быть слабоумие из-за того, что вы забыли ключи от дома. Только подумайте, сколько раз вы на самом деле вспоминали ключ от дома за последний месяц!

    На мой взгляд, это исследование является революционным по ряду причин.Во-первых, это исследование показывает, что эти когнитивные колебания не являются просто результатом случайного шума или «дисперсии ошибок». Их систематических. Исследователи начали выявлять некоторые из наиболее важных факторов, которые систематически влияют на колебания интеллекта, в том числе качество и продолжительность сна, эмоции, шум в школьном классе, когнитивную усталость и бедность. *

    Человекоцентрированный подход к интеллекту также является новаторским, потому что он позволяет нам выявить различные профили изменчивости, которые могут иметь важные последствия для функционирования в реальном мире.Например, в одном исследовании Флориана Шмидека и Джудит Дирк из Института исследований и информации в образовании им. Лейбница в Германии 110 школьников 3 и 4 классов выполняли задания на рабочую память на смартфонах три раза в день в школе и дома в течение четырех недель. Те, у кого высокая производительность рабочей памяти, могут хранить в памяти несколько битов информации, одновременно обрабатывая другую информацию (например, понимая последнее написанное мной предложение, для которого требовалось много рабочей памяти).Рабочая память важна для обучения и рассуждений, и это особенно актуально, когда речь идет о решении сложных задач на месте в определенных условиях. Другими словами, школа.

    Хотя исследователи обнаружили в целом значительные колебания изо дня в день и от момента к моменту, некоторые дети показали гораздо большую изменчивость, чем другие дети . Фактически, некоторые дети не проявляли систематической повседневной изменчивости в производительности своей рабочей памяти. Это имело практические последствия, поскольку более изменчивые показатели рабочей памяти были связаны с более низкими школьными достижениями и более низкими оценками в тесте на подвижный интеллект, который измерял абстрактные рассуждения на месте.

    В том же исследовании дети также оценивали свое мгновенное эмоциональное состояние. В целом, производительность рабочей памяти была ниже в тех случаях, когда ребенок сообщал о более сильных отрицательных эмоциях, и не было никакой связи между производительностью рабочей памяти и положительными эмоциями. Однако — и это очень важно — детей различались по степени воздействия на них среды .

    Используя личностно-ориентированный подход, исследователи смогли выделить разные группы детей.В соответствии с различием между «орхидеей и одуванчиком», некоторые дети были чувствительны к всем эмоциональным стимулам, демонстрируя сильное влияние как положительных , так и отрицательных эмоций на производительность их рабочей памяти (орхидеи), тогда как другие показали низкую общая чувствительность к текущему аффективному состоянию (одуванчики). Эта новая парадигма позволяет нам яснее, чем когда-либо прежде, увидеть, что когда дело доходит до сложных отношений между эмоциями и познанием, не существует универсального подхода.

    Наконец, это исследование важно, потому что оно предполагает, что широко изученный «общий фактор интеллекта» ( g ) — самый большой источник когнитивных вариаций, когда-либо обнаруженных у людей, — гораздо менее заметен у людей, чем между людьми. Безусловно, за последние 120 лет исследователи интеллекта проделали поистине замечательную работу, каталогизируя структуру когнитивных способностей, которая существует при оценке интеллекта между людьми, а общий интеллект действительно предсказывает многие важные вещи в жизни.

    Однако Шмидек и его коллеги обнаружили, что внутриличностные структуры повседневной когнитивной деятельности не могут быть выведены из межличностных структур. Чтобы продемонстрировать это, исследователи провели широкий спектр когнитивных тестов с 101 молодым человеком 100 раз в течение шести месяцев. Они обнаружили, что у каждого человека была своя когнитивная подпись с разными колебаниями при выполнении различных задач в течение шести месяцев. Затем исследовательская группа попыталась предсказать, насколько хорошо человек будет выполнять одну конкретную задачу в определенный день, по их выполнению других восьми задач, которые также выполнялись каждый день.Они обнаружили, что это предсказание работает намного лучше, если оно учитывает в высшей степени идиосинкразическую структуру ежедневных колебаний человека, а не использует структуру, описывающую средние различия когнитивных способностей между людьми.

    Все это — причудливый способ сказать, что если вы действительно хотите понять сложность интеллекта человека, мы можем сделать гораздо лучше, чем просто смотреть на общий показатель IQ человека, основанный на его единовременном интеллектуальном отклонении от других людей, которые все прошли тест в разное время в стерильных условиях.Это не дает столько информации о богатой палитре интеллектуального ландшафта отдельного человека, сколько на самом деле отслеживание его во времени в разное время дня, когда он выполняет множество различных когнитивных задач в своей повседневной жизни.

    Практическое значение и будущие направления

    Этот новый рубеж в исследованиях разведки открывает множество возможностей. Одним из направлений является исследование долгосрочных последствий и причин изменчивости.Самый продолжительный период времени, который рассматривал Шмидек и его команда, составляет шесть месяцев, что включает 100 различных измерений для каждого человека. Что происходит, когда мы смотрим на годы, даже десятилетия, с тысячами и тысячами различных точек данных на человека ? Как выглядит длинная дуга интеллектуальной жизни человека? Какие основные жизненные события вызывают самые большие колебания в жизни человека, и какое влияние эти колебания оказывают на хорошо прожитую жизнь?

    Рожье Киевит, который в настоящее время подает заявку на грант для изучения влияния долгосрочных колебаний, сказал мне, что он находит это направление исследований «абсолютно захватывающим».«Киевит» интересует не только антецеденты и причины когнитивных колебаний в течение длительного периода времени, но также любопытно, какие колебания могут быть полезными, а какие — пагубными для производительности. Kievit указывает, что некоторые колебания могут быть положительным признаком того, что человек пробует разные стратегии для решения проблемы, тогда как для других колебания могут быть признаком того, что он колеблется.

    Последствия для взрослых также могут быть разными, чем для детей младшего возраста.Низкая вариабельность может быть положительным признаком для взрослых, тогда как высокая вариабельность среди детей может быть более неоднородной в зависимости от причин вариабельности (это связано с исследованиями и умными стратегиями или слепым методом проб и ошибок?). Kievit особенно взволнован повышенным вниманием к таким темам, как «микрогенетический» подход, впервые предложенный Робертом Зиглером, который исследует происходящие изменения с очень высоким временным разрешением. Такие моментальные колебания способностей, таких как пространственная рабочая память, уже фиксировались у школьников, использующих смартфоны.Будет интересно увидеть, как это повлияет на ребенка в долгосрочной перспективе.

    Я могу представить себе приложение для смартфона, которое когда-нибудь позволит вам проводить многократные оценки ваших когнитивных функций для широкого круга задач в течение месяцев, чтобы определять, в какое время дня вы находитесь на пике когнитивных способностей и для каких когнитивных способностей. . Это было бы полезно не только для взрослых, чтобы планировать свой рабочий день, но и для детей, планирующих, когда и какие занятия. То, что кажется «тупым» ребенком, может больше иметь отношение к времени дня, в которое проводится оценка, или конкретному времени в жизни этого ребенка, чем к отражению его истинного интеллекта.

    Это подводит меня к другому важному выводу из этого исследования, а именно к тестированию с высокими ставками. Давайте проясним: это исследование не предполагает, что интеллекта не существует — разумеется, различия в интеллекте существуют! Вместо этого в нем подчеркивается, что если мы хотим более полно и точно понять интеллектуальный потенциал человека, мы должны смотреть на его индивидуальный интеллект с течением времени. Это очень важно, потому что многие одаренные и талантливые программы допускают к экзаменам результат однократного тестирования.Точно так же многие важные решения колледжа основаны на результатах одноразового стандартизированного теста. В идеале мы могли бы позволить студентам проходить тест много раз в течение года и представлять свои совокупные результаты, а сотрудники приемных комиссий колледжей также должны были бы следить за условиями, которые могли снизить истинную оценку ребенка.

    Я спросил Шмидека, какое направление исследований его больше всего волнует, используя личностно-ориентированный подход, и он сказал мне, что рад провести больше исследований, которые учитывают социальные и эмоциональные факторы и используют эту информацию для разработки мероприятий, которые могут помочь людям стать лучше. когнитивное функционирование.Это направление исследования также очень волнует меня, так как я считаю, что оно подчеркивает важность рассмотрения людей как целых людей , не только с когнитивным потенциалом, но также с мотивацией и страстями, личностными чертами, богатым жизненным опытом и ежедневными колебаниями прожитый поток жизни.

    Да, можно взять одну черту, скажем, IQ, и сравнить людей друг с другом, считая, что все остальное равно . Но внутри людей все остальное, безусловно, не равно.Уровень нашей вовлеченности влияет на наш интеллектуальный потенциал, как и наши личные долгосрочные мечты и цели. Вот почему в моей книге 2013 года Ungifted : Intelligence Redefined я представил теорию личного интеллекта, которую я определил как «динамическое взаимодействие способностей и вовлеченности в достижении личных целей». В конце концов, людей больше всего волнует не их общее интеллектуальное функционирование по сравнению с другими, а то, как они могут максимизировать свои собственные уникальные способности для реализации желаемого будущего образа себя.

    Я действительно воодушевлен этим новым рубежом в исследованиях разведки, потому что он даст нам возможность уловить сложность потенциала человека в гораздо большей степени, чем когда-либо прежде, и, возможно, однажды мы сможем использовать эту информацию — а не чтобы ограничить возможности — но чтобы убедиться, что мы раскрываем лучшее в каждом.

    * Возьмите когнитивную усталость. Ханс Зивертсен и его коллеги изучили данные стандартизированных тестов буквально для каждого ребенка , который посещал датские государственные школы в период с 2009 по 2013 год.Всего было проведено два миллиона тестов! Они обнаружили, что время дня, в которое проводится тестирование, значительно повлияло на результаты тестов, причем влияние было особенно сильным для учеников с низкой успеваемостью. Кроме того, 20–30-минутный перерыв каждый час существенно улучшает средние результаты тестов. Они подсчитали, что перерывы стоят примерно на 1900 долларов выше дохода семьи, почти двух месяцев родительского образования или 19 учебных дней. Авторы приходят к выводу, что «когнитивную усталость следует учитывать при принятии решения о продолжительности учебного дня, а также частоте и продолжительности перерывов.”

    7 различий между искусственным интеллектом и человеческим интеллектом

    Человеческий интеллект — это творение Бога, дарованное людям, а искусственный интеллект создается людьми. Интеллект играет жизненно важную роль, будь он человеческий или искусственный. Человеческий интеллект — это качество, которое помогает людям учиться, понимать и решать проблемы с помощью блестящих идей, тогда как искусственный интеллект — это то, что имитирует людей по информации, которую они получают.

    Вы можете себе представить, если бы машины могли выполнять свою работу точно так же, как человеческий мозг, наша жизнь стала бы проще. Вы все еще думаете, может ли искусственный интеллект соответствовать человеческому интеллекту или нет? Прочтите этот блог, и мы уверены, что вы найдете ответы на свои вопросы.

    Без промедления давайте начнем блог с изучения определения искусственного интеллекта и человеческого интеллекта. В этом блоге также рассказывается о роли искусственного интеллекта в мире людей, искусственном интеллекте и человеческом интеллекте, о влиянии искусственного интеллекта на будущее рабочих мест и экономики и многое другое.


    Определение искусственного интеллекта и человеческого интеллекта

    Искусственный интеллект — это просто технология, которая может заставить машины думать, как люди, и работать так, как мы, люди. Он помогает роботам копировать деятельность людей на основе их поведения и используется почти во всех областях, таких как промышленность здравоохранения, мультфильмы и анимация, медиаиндустрия и т. Д.

    (Обязательно к прочтению: роль ИИ в анимации)

    Искусственный интеллект всегда рядом с нами, осознаем мы это или нет, когда мы используем Карты Google, автокоррекцию, интеллектуальные динамики, распознавание лиц и многое другое. Машина может самообучаться, самоанализировать, а также самокорректировать себя, и ей не требуется очень крошечная или почти никакая человеческая расточительность при обработке.

    (Читайте также: Действительно ли ИИ интеллектуален?)

    ИИ растет очень быстро и побуждает людей становиться более продуктивными и вести разумную жизнь.

    Под человеческим интеллектом подразумеваются научные способности людей, которые позволяют нам думать, извлекать пользу из различных выражений, понимать сложные идеи, решать числовые задачи, адаптироваться к новым ситуациям, использовать знания для управления окружающей средой и разговаривать с другими людьми. Что делает человеческий интеллект замечательным, так это то, что он поддерживается концептуальными чувствами, такими как энергия и вдохновение, которые дают людям возможность выполнять сложные психологические задания.

    (наиболее связанные: искусственный интеллект и нейробиология)


    Какова роль искусственного интеллекта в мире людей?

    Усовершенствования искусственного интеллекта основаны на числовых циклах, которые влияют на расширение возможностей вычислений для более быстрых и точных моделей и оценок операционных систем или обновленных изображений и сочетаний огромных наборов данных. Тем не менее, хотя эти передовые инновации могут выполнять определенные задачи с более высокой производительностью и точностью, человеческие способности играют основную роль в планировании и использовании инноваций в области ИИ.

    (Связанный блог: 10 мощных примеров ИИ)

    Человеческий интеллект — это то, что формирует развитие и присвоение искусственного сознания и связанных с ним творческих мер. Это человеческий интеллект, который пытается спросить «почему» и рассматривает «представьте сценарий где» с помощью основных рассуждений. Поскольку инженерное проектирование продолжает проверяться сложными проблемами и характером информации, требования к человеческому надзору, навыкам и подтверждению качества являются основными при использовании результатов, созданных искусственным интеллектом.


    Искусственный интеллект против человеческого интеллекта

    Идея создания машины, способной мыслить как люди, перешла из фантастического мира в реальный. Роботы могут делать то, что раньше было невозможно. Некоторое время назад мы пытались приобрести Intelligence in Machines, чтобы облегчить нашу работу.

    Есть боты, гуманоиды, роботы и компьютеризированные люди, которые либо обходят людей с флангов, либо объединяются с нами с разных точек зрения.Эти управляемые искусственным интеллектом приложения имеют более высокую скорость выполнения, более высокую операционную емкость и точность, а также занимают огромные унылые и однообразные позиции по сравнению с людьми.

    (Также читайте: Искусственный интеллект — это гораздо больше, чем то, что вы думаете)

    С другой стороны, человеческий интеллект отождествляет себя с разносторонним обучением и опытом. Обычно он не полагается на заранее подготовленную информацию, подобную той, которая необходима для ИИ.Человеческая память, ее регистрирующая способность и человеческое тело как элемент могут показаться несущественными по сравнению с оборудованием машины и основой программирования. Тем не менее, глубина и слои, присутствующие в нашем мозгу, гораздо более непредсказуемы и сложны, и машины на самом деле не могут победить, по крайней мере, не раньше, а позже.


    Различия между искусственным интеллектом и человеческим интеллектом


    Ниже приведены фундаментальные различия между искусственным интеллектом и человеческим интеллектом.

    1. Если мы можем сравнить это с природой, то человеческий интеллект намеревается адаптироваться к современной среде, используя смесь различных когнитивных процедур, тогда как искусственный интеллект намеревается создавать устройства, которые могут имитировать человеческое поведение и выполнять человеческие действия.Таким образом, можно сказать, что человеческий мозг аналогичен, но машины цифровые.

    2. Простая разница в том, что человек используют свой мозг, способность думать, память, , а ИИ-машины зависят от данных , предоставленных им.

    3. Как мы все знаем, люди учатся на ошибках прошлого, а разумные идеи и разумное отношение лежат в основе человеческого интеллекта.Следовательно, это просто потому, что машины не могут думать и извлекать уроки из прошлого. Они могут учиться на основе информации и посредством регулярных тренировок, но они никогда не смогут овладеть процедурой мышления, уникальной для людей.

    4. Искусственному интеллекту требуется гораздо больше времени, чтобы приспособиться к новым изменениям, тогда как люди могут легко адаптироваться к изменениям, и это дает людям возможность учиться и развивать некоторые способности.

    5. Современные компьютеры обычно используют 2 Вт энергии, тогда как человеческий мозг потребляет около 25 Вт .

    6. Машины могут обрабатывать больше данных быстрее, чем люди. На данный момент люди не могут превзойти скорость компьютеров.

    7. Искусственный интеллект не дал возможности выбирать связанные социальные и возбужденные коды. Люди во многих отношениях лучше справляются с социальным взаимодействием, поскольку они могут накапливать академические данные, обладают самосознанием и изящно относятся к эмоциям других.


    Какое влияние оказывает ИИ на будущее рабочих мест и экономику ?

    Наиболее очевидное влияние искусственного интеллекта — результат автоматизации задач в широком диапазоне предприятий, переход от ручного к цифровому.Задачи или задания, которые включают в себя уровень повторения или использования и перевода огромных объемов информации, в настоящее время передаются и обрабатываются компьютером, иногда не требуя вмешательства людей.

    По мере того, как искусственный интеллект и машинное обучение выполняют ручные задания, которые раньше выполнялись людьми, они открывают и порождают новые предприятия и открывают двери для рабочей силы. Цифровая инженерия — это иллюстрация зарождающегося призвания, которое возникло благодаря быстрому совершенствованию инноваций, и оно все еще развивается.Таким образом, хотя старые ручные задания могут исчезнуть, появятся новые вакансии и профессии.

    В тот момент, когда искусственный интеллект используется по причине, а не во благо технологий, он может открыть огромные возможности для организаций и повысить эффективность и сотрудничество внутри ассоциации. Следовательно, в свою очередь, это может привести к желаемому расширению предметов и администрирования и стимулировать денежно-кредитную модель развития, которая передает и улучшает характер жизни.

    Во времена искусственного интеллекта понимание способности прошлой работы только поддержание образа жизни стало значительно более важным. Это превращается в впечатление о важнейших человеческих потребностях в инвестициях, совместном творчестве, приверженности и чувстве необходимости; и соответственно не следует игнорировать. Таким образом, кое-где даже обычные и скучные задания на работе становятся важными и полезными, и, если они устранены или роботизированы, их следует заменить чем-то, что дает аналогичный повод для человеческого выражения и раскрытия.

    • Больше места для творчества и инноваций

    Поскольку роботы, искусственный интеллект и роботизация забирают из наших рук часть обычных и ручных задач, у экспертов появляется больше возможностей сосредоточиться на рассуждениях, передаче творческих и изобретательных мер и действиях, которые выходят за рамки AI и находятся в разумных пределах. пространство человеческого разума.


    Подведение итогов

    Искусственный интеллект прошел долгий путь от компонента научной фантастики до реальности, и нет никаких сомнений в том, что искусственный интеллект формирует каждую отрасль и выводит мир на новый уровень.

    Но все еще невозможно точно имитировать уровень человеческого интеллекта. Компьютеры не могут копировать мыслительный процесс человека, и, по мнению экспертов, в ближайшем будущем это будет невозможно. Поскольку ученые и экспериментаторы до сих пор не знают лабиринта, лежащего в основе процесса человеческого мышления. Весьма сомнительно, что в ближайшее время мы создадим машины, которые будут думать как люди.

    «Развитие полного искусственного интеллекта может означать конец человечества….Он взлетел бы сам по себе и постоянно менял свой дизайн. Люди, ограниченные медленной биологической эволюцией, не смогут конкурировать и будут вытеснены ». — Стивен Хокинг, BBC

    Таким образом, в растущей дискуссии об искусственном интеллекте и человеческом интеллекте исходила интуиция, что искусственный интеллект улучшит человеческие обязанности, но не заменит их в ближайшее время.

    Искусственный интеллект против человеческого интеллекта: кто построит будущее?

    Искусственный интеллект (ИИ), наука о создании более умных и интеллектуальных машин, подобных человеку, вызвал неизбежные дебаты Искусственный интеллект против человеческого интеллекта .Действительно, алгоритмы машинного обучения (ML) и глубокого обучения (DL) созданы для того, чтобы машины учились на себе и принимали решения так же, как и мы, люди. Пытаясь создать более умные машины, не упускаем ли мы из виду влияние поглощения ИИ на будущую карьеру? Столкнется ли человеческий интеллект с экзистенциальным кризисом? Вивек Кумар, управляющий директор Springboard, развенчал миф о том, что машины заменяют людей на Саммите разработчиков машинного обучения 2020 (MLDS20). Он подчеркнул влияние человечности наставничества в создании технологий будущего с использованием AI / ML.

    Искусственный интеллект против человеческого интеллекта (AI против HI)

    Идея создания машин, которые могут думать и действовать как люди, превратилась из художественных фильмов в реальные факты. Мы давно пытались унаследовать Intelligence in Machines, чтобы облегчить нашу работу. Есть боты, гуманоиды, роботы и цифровые люди, которые либо переигрывают людей, либо координируют свои действия во многих отношениях. Эти управляемые ИИ приложения имеют более высокую скорость выполнения , более высокую рабочую способность и точность , а также очень значимы в утомительных и монотонных рабочих местах по сравнению с людьми .

    Напротив, человеческий интеллект связан с адаптивным обучением и опытом. Это не всегда зависит от предварительно загруженных данных, таких как те, которые требуются для ИИ. Человеческая память, ее вычислительная мощность и человеческое тело как единое целое могут показаться незначительными по сравнению с аппаратной и программной инфраструктурой машины. Но глубина и слои , присутствующие в нашем мозге , намного сложнее и изощреннее, и машины все еще не могут победить, по крайней мере, в ближайшем будущем! Вот временная шкала, предсказывающая всю идею сравнения как машинного, так и человеческого интеллекта за определенный период времени.

    Захват искусственного интеллекта: могут ли машины заменить людей?

    Подойдя к дебатам «Искусственный интеллект против человеческого интеллекта», недавние достижения ИИ имитируют человеческий интеллект более точно, чем раньше, однако машины по-прежнему намного превосходят то, на что способен человеческий мозг. Способность людей применять приобретенные знания с чувством логики, рассуждений, понимания, обучения и опыта — вот что отличает нас.С знаниями приходит мощность , а с мощностью приходит большая ответственность . Хотя Машины могут в определенной степени имитировать человеческое поведение, их знания могут развалиться при принятии рациональных решений , как мы. Машины с искусственным интеллектом принимают решения на основе событий и их связи с ними, однако им не хватает «здравого смысла». Системы искусственного интеллекта не понимают «причины» и «следствия» .Между тем, для реальных сценариев нужен целостный человеческий подход .

    Хотя ИИ во многом облегчил наши задачи и только улучшается. Но было эпических провалов ИИ , которые подняли вопросы о том, что ИИ является частью нашей жизни:

    1. Когда беспилотный автономный автомобиль Uber убил пешехода, находясь под управлением компьютера, или

    2. Например, суперкомпьютер Watson под управлением искусственного интеллекта IBM рекомендовал «небезопасные и неправильные методы лечения рака», или

    3.Когда инструмент распознавания лиц с поддержкой ИИ стал смещен в сторону цветных оттенков кожи, что означало, что невинные люди ошибочно идентифицировались как потенциальные преступники.

    специалистов по ИИ сегодня сосредотачиваются на способах преодоления таких бедствий при создании алгоритмов и улучшении возможностей ИИ. Обладая точными данными, мы скоро сможем импровизировать технологию искусственного интеллекта, которая будет сосуществовать с нашей человеческой этикой и эффективностью. Мы должны включить в эти машины ИИ естественные человеческие интуиции, , инстинктов, и рефлексов, , чтобы обезопасить опасные для жизни ситуации.Кроме того, человеческая точность , точность, синхронизация и оценка качества являются жизненно важными факторами, которые должны быть частью входных алгоритмов ИИ. Имея это в виду, давайте рассмотрим, как человеческий мозг учится и адаптируется к этим чертам. Человеческий интеллект опирается на управляемое обучение и наставничество, незаменимый AI

    Глубокое обучение (DL), подмножество ИИ, использует концепцию нейронных сетей , которая очень похожа на нервную систему и мозг человека.Наш интеллект заключается в адаптированном обучении и в знании того, как применять знания в реальных сценариях. В DL мы имитируем способность человеческого мозга к обучению на разных этапах . Мы решаем сложные задачи, разбивая их на уровни данных . Интересно, насколько хорошо вы читаете длинные художественные книги много лет назад и до сих пор можете вспомнить своего любимого персонажа и известные цитаты?

    А что, если бы вам дали прочитать техническую документацию такой же или, может быть, более короткой длины? Вы вряд ли сможете закончить это, не надоест или бесцельный и не вспомнив его кусочки и кусочки.Видите ли, вот как устроен наш мозг, мы должны уметь соотносить с тем, что мы наблюдаем и изучаем. Это основано на том факте, что нам нужна личная связь с нашими органами чувств, чтобы развить интерес к тому, что мы узнаем. Короче говоря, когда мы пытаемся чему-то научиться, мы направляем на это все наши сенсорные возможности, включая эмоций.

    «У каждого из нас разный эмоциональный фактор, и мы воспринимаем информацию в различных контекстах и ​​стилях .Модель обучения, которую мы адаптируем, должна включать человечности, и частоту , которая соответствует нашему мышлению », — отметил Вивек. Если быть точным, AI не может предложить настоящего человеческого прикосновения к нашему учебному путешествию.

    Обучение не сиюминутно; это постепенная практика поглощения информации и ее обработки, которая в конечном итоге складывается в наш опыт . Опыт обучения различается для каждого существа и является бесценным активом в , направляя и наставляя других.Обучение под руководством наставника не только помогает вам быстрее развивать навыки, но и способствует карьерному росту. Наставник привносит свой опыт в реальном времени, что делает ваше обучение полезным в связи с реальным миром. Коуч направляет вас на этапе развития, чтобы помочь вам понять вещи на детальном уровне, синхронизировать и настроить ваше учебное поведение на многих человеческих и эмоциональных уровнях.

    Именно так наша образовательная система формирует наше мышление, и с тем же намерением онлайн-образование пошло еще дальше, предложив курсов под руководством человека .Изучение мыслительных процессов связано с онлайн-образованием под руководством человека / Никакие машины не могут быть наставниками, как люди

    Мы живем в мире Интернета, где огромное количество информации передается в мгновение ока. Несмотря на лучший контент, доступный нам в Интернете, мы иногда отклоняемся от своей цели.
    Вивек отметил, что в электронном обучении риск полного отказа от человеческого прикосновения имеет следующие последствия.

    1. Это может привести к отсутствию мотивации.Как индивидуальный участник, мы можем уделять меньше внимания поставленной задаче и в конечном итоге не завершить наше учебное путешествие. Наличие наставника / человеческого вмешательства дает человечности в обучении , предотвращая проблемы с мотивацией у учащихся.
    2. Это может привести к отсутствию отчетности . Мы все лучше учимся и остаемся верными своим целям, когда нам есть на кого равняться, вдохновлять и, что самое главное, быть подотчетными. Люди — социальные животные; обучение или что-то в этом роде требует, чтобы сообщество открыто делилось и училось у других.
    3. И, наконец, наставник — это тот, кто поможет вам достичь ваших целей. Наставник указывает путь и помогает вам подготовиться к будущей карьере. И по этой причине машины никогда не смогут полностью заменить людей. Гуманность в образовательных технологиях — лишь один из примеров победы людей над машинами.

    Люди, а не машины, построят будущее: интерфейс искусственного интеллекта и человеческого интеллекта

    Использование имеющихся данных и наших достижений в области искусственного интеллекта, обработки языков, зрения, обработки изображений и здравого смысла по-прежнему является проблемой для машин и требует вмешательства человека.Поскольку ИИ все еще находится на стадии разработки, будущее зависит от того, насколько хорошо мы, люди, управляем приложениями ИИ, чтобы они соблюдали человеческие ценности и меры безопасности. В конце концов, как и Ник Бернс, специалист по данным служб SQL объяснил: «Независимо от того, насколько хороши ваши модели, они хороши ровно настолько, насколько хороши ваши данные…»

    Придавая приоритет национальной безопасности, Министерство обороны США приняло ряд этических принципов в отношении искусственного интеллекта. Точно так же у ИИ есть совершенно новое измерение бесконечного пула возможностей, которые люди могут исследовать.Мы должны сосредоточиться на разработке «заслуживающего доверия ИИ» для многообещающей модели инноваций и управления ИИ, и надеемся на внедрение ИИ путем повышения квалификации в области программного обеспечения, связанного с ИИ.

    Воплотите свои карьерные мечты в области искусственного интеллекта, записавшись на этот индивидуальный курс по искусственному интеллекту / машинному обучению под руководством наставника, который включает проектно-ориентированный подход и гарантию трудоустройства. Вы получаете лучшую онлайн-программу, ориентированную на карьеру, вместе с практическими проектами по разработке системы машинного обучения / глубокого обучения, созданию реалистичного, полного приложения машинного обучения и получения позиции в области ИИ / машинного обучения.

    Принципы применения человеческого интеллекта

    Распознавание мощного узора Соответствующая способность людей растет. В результате люди все чаще используются для принятия решений, влияющих на благополучие других людей. Мы начинает видеть использование людей, принимающих решения в судах, в университетах приемных комиссий, в отделах приема заявок на получение кредита и в отделах приема на работу. Скоро люди будут основным шлюзом ко многим основным услугам.

    Использование людей, несомненно, связано с преимущества по сравнению с алгоритмами на основе данных, которые мы использовали в прошлом.Человеческая способность обнаруживать аномалии, которые упускают наши жесткие алгоритмы, беспрецедентный. Человек, принимающий решения, также позволяет нам держать кого-то напрямую несет ответственность за решения.

    Однако замена алгоритмов на мощная технология в виде человеческого мозга не лишена рисков. Прежде чем люди станут стандартный способ принятия решений, нам необходимо учитывать риски и гарантировать, что внедрение человеческих систем принятия решений не вызывает широко распространенный вред.Для этого нам необходимо разработать принципы применение человеческого интеллекта для принятия решений.

    Прежде чем люди станут стандартным способом принятия решений, мы должны учитывать риски и гарантировать, что внедрение человеческих систем принятия решений не причинит широкого вреда.

    Ниже я предлагаю четыре проекта принципов, которые мы должны обратиться к использованию людей, принимающих решения, и описать, как люди часто не встречаются с ними.Эти принципы не являются полными, но они предназначен для разговора о том, как человеческие решения могут быть развернуты с наибольшей пользой. Нам нужно сделать это, прежде чем они станут по умолчанию способ принятия решений.

    Избегать создание смещения

    Люди предвзято принимают решения, в более чувства, чем один.

    Во-первых, люди предсказуемо и регулярно отклоняются от многих установленных правил вероятности и логики. Было показано, что люди приписывают более высокие вероятности конкретным событиям, чем больший набор событий, для которых они также существуют отдельно.Люди часто пренебрегают базовой частотой возникновения события, сосредотачиваясь на идиосинкразических особенностях конкретного случая, находящегося перед ними, при определении его вероятности.

    Несомненно, некоторые из того, что мы называем предвзятостью, происходят из-за неправильного понимания целей лица, принимающего решения. «Предвзятые» правила принятия решений также могут с большей вероятностью привести к хорошим результатам в неопределенной среде. Но теперь у нас есть достаточно доказательств того, что люди в некоторых из наших наиболее важных сред принятия решений систематически ошибаются.Например, судьи и сотрудники, ответственные за рассмотрение заявок на получение ссуды, демонстрируют заблуждение игрока. Врачи могут быть бедными байесовцами, если информация представлена ​​неинтуитивно.

    Во-вторых, люди демонстрируют значительную предвзятость к чужим группам. Они часто выводят разные решения в зависимости от пола, возраста или расы субъекта решения, несмотря на то, что эти факторы не имеют отношения к решению.

    В то время как алгоритмы, безусловно, продемонстрировали предвзятость в некоторых обстоятельствах, как из-за данных, на основе которых они были разработаны, так и из-за предвзятости аналитика, разрабатывающего их, предвзятость этих алгоритмов, как правило, была менее серьезной.Кроме того, возможность систематического аудита алгоритмов и внедрения улучшений неуклонно снижает уровень предвзятости.

    Были разработаны различные методы уменьшения предвзятости человека. К сожалению, эти методы продемонстрировали ограниченный успех в масштабе и могут даже иметь неприятные последствия. Пока эти методы устранения человеческого фактора не достигнут эффективности нашего регулярного аудита, анализа и модификации алгоритмов, мы не должны внедрять эти человеческие системы принятия решений.

    Прозрачность и интерпретируемость

    Человеческий разум — черные ящики.В то время как люди создают впечатление прозрачности устным и письменным объяснения, которые они предлагают, есть веские доказательства того, что эти объяснения нельзя доверять истинной основе для решения.

    Одно свидетельство получено благодаря разделенному мозгу исследование Майкла Газзанига. У некоторых пациентов с тяжелой эпилепсией мозолистое тело, соединяющее два полушария головного мозга, отрезанное хирургическим путем, фактически приводит к двум независимым полушариям.

    Газзанига показал изображения для расщепления мозга пациентов.Пациенту P.S. он поместил куриный коготь в правом поле зрения, которое выступает в левое полушарие. Он поместил снежную сцену слева, проецируя ее в правое полушарие. Затем он спросил П.С. указать на одно из множества изображений и спросить, какое из них соответствует изображениям P.S. увидел. Правая рука P.S., связанная с левым полушарием, указала на курицу. Левая рука, связанная с правым полушарием, указала на лопату. Почему П.С. указать на лопату? Здесь левое полушарие P.S., где обычно находятся языковые способности, взяло верх.«О, это просто. Куриный коготь идет вместе с цыпленком, и вам понадобится лопата, чтобы вычистить птичник ».

    Ум — великий импровизатор. Или поставить проще говоря, при отсутствии знаний левое полушарие просто сделало причина вверх.

    До тех пор, пока эти человеческие методы устранения искажений не достигнут эффективности нашего регулярного аудита, анализа и модификации алгоритмов, мы не должны внедрять эти человеческие системы принятия решений.

    Отсутствие прозрачности человеческого разума также очевидно из более широких экспериментов над тем, как мы рассуждаем.Обычно сначала приходит интуиция, а потом — причины. Например, будучи загипнотизированными, чтобы почувствовать вспышку отвращения при чтении произвольных слов, субъекты позже придумывали абсурдные причины, чтобы оправдать суждения, которые они сделали на основе имплантированных слов. Наши интуитивные ощущения являются неотъемлемой частью того, как мы принимаем решения, однако источники этих чувств не наблюдаются или достоверно не сообщаются.

    Прозрачность — одна из самых сложных принципы, которые нужно решить. У нас никогда не будет доступа к полным обучающим данным, которые человек подвергался воздействию во время своего развития.Отсутствует это обучение данных, нам не хватает понимания закономерностей, которые принимает конкретное человеческое решение производитель, вероятно, заметит. Даже если мы сможем наблюдать полную нейронную сеть, состоит из человеческого мозга, у нас нет возможности извлекать причины из это наблюдение.

    И наоборот, алгоритмы, которые мы выбрали для реализации в прошлом, более понятны. Хотя некоторые классы алгоритмов, такие как наши глубокие нейронные сети, представляют трудности в их интерпретации, мы начали наблюдать развитие технологий интерпретации.Но что еще более важно, простые алгоритмы, которые мы используем, по-прежнему дают нам отличные результаты, сохраняя при этом интерпретируемость и прозрачность.

    Согласованность

    Люди шумно принимают решения. Два разных человека, столкнувшихся с одним и тем же решением, часто приходят к разным выводам. Один и тот же человек, столкнувшийся с решением в разных случаях, также часто принимает непоследовательные решения.

    В качестве примера размера этой вариации программисты различались в среднем на 71 процент в оценках времени для завершения одного и того же проекта.Патологоанатомы, оценивающие результаты биопсии, имели корреляцию только 0,63 с их собственным суждением о степени тяжести, когда им дважды показывали один и тот же случай (каждый раз один и тот же ответ дает корреляцию 1).

    Мы начинаем использовать человеческое решение производители во многих областях, где у нас должны быть последовательные решения. Валовой Различия в исходах основаны не более чем на удаче розыгрыша. А также это бремя ложится неравномерно. Те, кто более искушены, могут использовать это несоответствие,

    И наоборот, при правильном измерении и кодировать входные данные, алгоритмы каждый раз обеспечивают одно и то же решение.Те в зависимости от решения, не будут зависеть от того, сколько сна лицо, принимающее решения, было накануне вечером, порядок их применения в очередь или время суток (факторы, которые человеческий разум не учитывает. включите в объяснение, почему они приняли решение).

    Стандарты передового опыта в науке

    Люди, принимающие решения, часто являются плохой заменой основной цели, ради которой они выполняются. То есть по качеству принятия решений они обычно уступают алгоритмам.Сегодня, когда компании придерживаются духа времени и назначают своих первых руководителей по персоналу, неэффективность человека часто забывается или игнорируется, а некоторые классические истории человеческого успеха часто затмевают более приземленное отсутствие производительности. Фактически, трудно найти области, в которых люди, принимающие решения, явно являются лучшим вариантом.

    Люди могут быть мощной технологией с огромным потенциалом. Но пока мы не разработаем человеческие системы принятия решений, соответствующие некоторым основным принципам, мы рискуем получить значительный ущерб.

    Рассказы о гибридном процессе принятия решений, в котором люди работают с алгоритмами, — обычное дело. Они часто приводятся как причина, по которой мы должны включить людей в цикл. Тем не менее, несмотря на истории об успешных командах, занимающихся человеческими алгоритмами, в типичном случае производительность снижается по сравнению с одним алгоритмом. Чтобы создать успешные команды с участием людей, нам нужно гораздо больше работать над тем, как заставить людей эффективно работать с алгоритмами и избегать слишком частого высказывания своих суждений.

    Формовка будущее людей, принимающих решения

    Эти принципы — только начало обсуждение, которое нам необходимо провести об использовании людей, принимающих решения. Прежде, чем мы развертывания, мы должны принять основные доказательства того вреда, который они причиняют во многих ситуаций, и их низкая точность, прозрачность и согласованность по сравнению с алгоритмы.

    Нам также необходимо продолжить строительство нашего доказательная база. Мы должны систематически проверять качество человеческого решения, где они принимаются, измерение производительности и сравнение этих меры против наших алгоритмических тестов.Люди могут быть мощной технологией с огромным потенциалом. Но до тех пор, пока мы не разработаем человеческие системы принятия решений, соответствующие некоторым основные принципы, мы рискуем причинить существенный вред.

    .

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *