Искусственный интеллект: как он работает и почему его считают опасностью?
Вопросом искусственного интеллекта начали заниматься ещё в середине ХХ века. Но многие до сих пор представляют покорение галактик, восстание машин и другие картины фантастов, когда слышат про искусственный интеллект. Тем временем технологии искусственного интеллекта уже используются в повседневной жизни. Благодаря этим технологиям машины способны решать всё больше задач, причём быстрее и качественнее. Особенно если для этого нужно обрабатывать большие массивы данных: искусственный интеллект решает такие задачи куда эффективнее, чем человек. Некоторые считают, что такая тенденция многим грозит потерей работы: согласно исследованию Oxford Martin School, до 2033 года технологии позволят полностью автоматизировать 47% рабочих мест. Informburo.kz рассказывает о том, что такое искусственный интеллект, как он работает и каковы перспективы его применения в будущем.
Что такое искусственный интеллект
Искусственный интеллект (ИИ) – это наука и технология создания компьютерных алгоритмов и программ, которые функционируют как интеллектуальные системы: обучаются и сохраняют информацию на основе опыта, оценивают и применяют абстрактные концепции, используют полученные знания, чтобы влиять на окружающую среду.
Искусственный интеллект делят на 2 типа: слабый и сильный. Слабый ИИ ещё называют узконаправленным, потому что он может выполнять только задачи в определённых рамках. Такими являются все существующие на сегодня разработки на основе технологии ИИ. Сильный искусственный интеллект сможет решать любые задачи в неограниченном спектре областей. Чтобы представить сильный ИИ, вспомните Джарвиса – помощника Тони Старка в «Железном человеке». Сегодня такой ИИ реализовать невозможно, да и сама идея его создания признана чистой утопией.
Дина Ли специально для Informburo.kz
Искусственный интеллект сегодня: нейросети и машинное обучение
Технологию ИИ можно реализовывать по-разному. Один из способов – нейросети. Нейросеть строится по тому же принципу, что и нервные сети в живом организме, отсюда и название. В организме в сеть соединяются нервные клетки – нейроны, они образуют нервную систему. А в искусственной нейросети используются простые процессоры – вычислительные элементы, которые соединяются и взаимодействуют по такой же схеме.
В отличие от обычных алгоритмов нейросети способны обучаться на основе опыта. Нейросети анализируют и выявляют связи между данными на входе и выходе, обобщают данные и формируют решения задач. Чтобы нейросети могли функционировать таким образом, используются методы машинного обучения. Причём в случае с нейросетями такое обучение требует много вычислительных ресурсов.
Чему вы сможете научить нейросеть, зависит от входных данных. Чем больше данных, тем качественнее будет обучение. Можно научить нейросеть отличать одни объекты от других, сравнивать и прогнозировать. Обучение нейросети похоже на обучение детей, когда им показывают картинку и говорят: «Это кошка». В случае с нейросетями они получают очень много таких картинок с объясняющими ярлыками и учатся распознавать отдельные элементы, которые затем смогут совмещать. Входное изображение попадает в некую фильтрующую систему. Фильтры в ней разные по размеру и по сложности элементов, которые могут распознать – у каждого есть свой набор признаков.
Так появились нейросети, которые прогнозируют курс акций на завтра, распознают написанные от руки цифры индекса на почтовом конверте и определяют на снимке больной орган. Для их обучения использовали числовые данные о курсах на бирже и изображения написанных цифр, больных и здоровых органов.
Проблема заключалась в том, что нейросети часто ошибались, потому что трудно было собрать действительно большие выборки данных для обучения. В 2010 году появилась база изображений ImageNet: 15 миллионов изображений в 22 тысячах категорий. Доступ был открытым: данные мог использовать любой исследователь. В итоге стало возможным качественно обучать ИИ. Нейросети стали более развитыми, доступными и прочно интегрировались в повседневную жизнь.
Искусственный интеллект, с которым мы сталкиваемся в повседневной жизни
Голосовые помощники Siri, Google Assistant и Алиса, алгоритмы для рекомендаций на сайтах – например, Brain, который использует Youtube для рекомендации видео или блок с рекомендуемыми товарами на Amazon, чат-боты, – все они разработаны на основе технологий ИИ.
Платёжная система PayPal использует машинное обучение, чтобы нейросети находили подозрительные транзакции. Это позволяет компании уменьшить количество случаев мошенничества. Российское приложение Prisma использует нейросети для обработки фото.
Инженер компании NVIDIA Роберт Бонд разработал алгоритм, который включал садовые разбрызгиватели воды, когда к нему забредали соседские кошки и портили его сад. Чтобы определить, что это кошка, он использовал систему на основе нейросети Caffe: она определяла кошек по видеосъёмке с камер. Когда камера фиксировала изменение обстановки, то делала 7 фотографий. Фотографии анализировала нейросеть: если на снимках была кошка, то сеть включала разбрызгиватели.
Кроме того, нейросети написали 2 музыкальных альбома, которые можно послушать на Яндекс.Музыке. Один написан на основе песен группы «Гражданская оборона» (исполнителем значится «Нейронная оборона»), а другой – на основе «Нирваны» (исполнитель – Neurona).
Дина Ли специально для Informburo.kz
В каких областях ещё можно использовать нейросети
Нейросети применяют в медицине, финансах и коммерции, промышленности и обеспечении порядка и безопасности, – везде, где требуется обрабатывать большие объёмы данных, систематизировать и прогнозировать.
В медицине нейросети обучают распознавать опухоли, повреждения тканей и органов после травм, прогнозировать возможные осложнения и течение болезни. Это непросто: нет достаточно большой медицинской базы данных, а нужно добиться высокой точности. Ведь если нейросеть перепутает кошку с собакой, то это не так страшно. А вот если здоровый орган с больным – это будет плохо.
На профессиональной конференции разработчиков высоконагруженных систем HighLoad++ Наталия Ефремова рассказала о нестандартном использовании нейросетей для прогнозирования уровня бедности. Уровень бедности в Африке настолько высокий, что нет возможности просто собрать и проанализировать эти данные.
Последние данные собирались в 2005 году. Учёные из Университета Стенфорда сначала обучили нейросеть с помощью базы изображений ImageNet, чтобы она могла распознавать поселения. Затем они собрали много изображений Африки со спутников в дневное и ночное время и загрузили их в нейросеть. Нейросеть оценила, есть ли у населения деньги освещать свои дома ночью, и сделала прогноз их уровня бедности. Прогноз затем сравнили с реальными данными за 2005 год – нейросеть составила довольно точный прогноз.
Почему нейросети ждёт новый виток развития
Вычислительных мощностей становится больше, как и изображений, и других баз данных для обучения нейросетей. Кроме того, оказалось, что нейросети способны на большую эффективность. Когда учёные Стенфорда обучали нейросеть прогнозировать бедность в Африке, они загрузили данные о крышах поселений. Но нейросеть самостоятельно научилась распознавать воду, леса, дороги и другие объекты – без заранее загруженных баз данных и вмешательства учителей.
В мае 2017 года разработчики из Google Brain представили проект AutoML, который самостоятельно проектирует модели машинного обучения. Если просто, то это ИИ, который проанализировал существующие нейросети, выявил эффективные стороны и создал другую нейросеть без вмешательства человека – NASNet. На проверочном наборе изображений NASNet показала точность прогнозирования 82,7%. Этот показатель выше, чем у всех более ранних нейросетей с распознанием изображений.
Кроме того, авторы открыли исходный код нейросети. Возможно, это даст новый толчок для развития ИИ.
Отберёт ли ИИ работу у людей
Развитие ИИ неизбежно повлияет на рынок труда. Но этому не стоит удивляться, ведь по сути это всё равно что модернизация и автоматизация. Какие-то профессии исчезнут, и появятся новые, ведь развитие ИИ повлияет и на развитие других областей.
Сейчас есть список профессий, которые, предположительно, искусственный интеллект, нейросети и чат-боты смогут забрать у человека.
Например, Google инвестирует в роботов, которые пишут новости без участия человека. Некоторые виды программистов тоже могут остаться в перспективе без работы: речь идёт прежде всего о «кодерах», которые занимаются тем, что собирают готовые блоки, то есть их работу можно свести к алгоритму. То же касается, к примеру, HR-специалистов: нейросети могут охватывать гораздо больше источников информации, чтобы искать кандидатов, систематизировать их по определённым критериям и отправлять им уведомления. Также под угрозой исчезновения находятся операторы call-центров: на их плечи ложится очень много типовой работы, которую можно автоматизировать.
При этом развитие ИИ вызывает опасения. Один из главных изобретателей современности и основатель компаний SpaceX и Tesla Илон Маск назвал искусственный интеллект «самым большим риском, с которым человечество сталкивается как цивилизация». По его словам, компании, устраивая гонку за более передовыми технологиями, могут забыть про те опасности, которые исходят от искусственного интеллекта.
Также неоднозначно искусственный интеллект оценивает и Стивен Хокинг. Учёный опасается, что он может привести к деградации человека, сделав его беспомощным перед лицом природы.
В данный момент трудно предсказать точные горизонты, которых сможет достичь ИИ. Но на сегодня мы знаем две важные вещи: некоторую работу нельзя делать без вмешательства человека, и совершенный ИИ, управляющий всем, – это пока фантастика.
Искусственный интеллект: простыми словами о сложных вещах
Многие люди считают, что искусственный интеллект (ИИ) – это то, что должно быть изобретено в далеком будущем, как в фантастических триллерах, где неотличимые от людей роботы захватывают планету. На самом же деле нет, и ИИ присутствует в нашей жизни уже сейчас, а практически каждый человек на планете использует его для своего удобства. Благодаря когнитивной науке стало возможным создать ИИ на основании биологической нейронной сети.
Давайте разбираться, что такое ИИ, как он работает и где применяется.
Что нужно знать об искусственном интеллекте?
Впервые термин искусственный интеллект появился в 1956 году, тогда же были произведены первые исследования, касающиеся разработки систем символьных вычислений. Министерство обороны США заинтересовали исследования, и к 2003 году было создано несколько индивидуальных личных помощников.
Интеллект – это способность к восприятию, обработке и сохранению информации. Он может быть разных видов и уровней у людей, животных и машин. При этом стоит понимать, что наличие интеллекта не предполагает наличия сознания. Это значит, что сравнивать машину с полноценным человеком еще очень рано.
Интеллект позволяет исчислять то, что возможно измерить, а сознание дает оценку чувствам, которые может испытывать только человек.
Искусственный интеллект и нейронные сети – это мощные технологии, базирующиеся как раз на машинном обучении и создании машин и компьютерных программ, обладающих интеллектом. ИИ пересекается со многими другими областями знаний, среди которых математика, статистика, психология, теория вероятности, физика, обработка сигналов, машинное обучение, компьютерное зрение, лингвистика, наука о мозге и др.
На данный момент программирование алгоритмов для решения сложных задач, имеющих большой объем информации, занимает у разработчиков очень много ресурсов и требует большого количества времени. Даже если удается создать код, позволяющий обрабатывать огромное количество данных и вычислять решения тяжелых задач, этот код будет трудно использовать, т.к. он будет очень объемным, сложно тестируемым, к тому же поддерживаться будет далеко не на всех устройствах. Именно поэтому развитие ИИ сейчас так актуально, ведь современные технологии машинного обучения позволяют научить программировать компьютеры за нас, что ускоряет процесс исчисления сложных задач и облегчает работу.
Где применяется искусственный интеллект и в чем его польза?
Многие люди считают, что ни разу не сталкивались с искусственным интеллектом, однако это ошибочное мнение, ведь многие из нас используют его ежедневно.
В 2011 году, благодаря победе на телевикторине Jeopardy (аналог телепередачи «Своя игра»), известность обрел суперкомпьютер IBM Watson, использующий алгоритм машинного обучения.
ИИ компьютера сражался против двух человек: Брэда Раттера, обладателя самого большого денежного приза в программе, и Кени Дженнинга, имеющего самую длительную беспроигрышную серию. С тех пор этот алгоритм изменялся и дорабатывался, а сегодня используется в качестве шаблона у таких компаний как Apple, Amazon и Google.
Как применяется искусственный интеллект в реальной жизни?
Назовем лишь несколько областей, где используется искусственный интеллект:
Почта
Сейчас практически каждый человек имеет электронную почту. При этом, гуляя по просторам Интернета, мы подписываемся на рассылки, даем свой адрес почты и получаем сотни писем в день, в которых нам рекламируют товары или услуги. Искусственный интеллект помогает сортировать эти письма и отправлять ненужные рассылки в папку «Спам».
Кроме того, если вы обращали внимание, при написании сообщения вам предлагается использовать «умные» ответы. Эта функция не только позволяет кратко отвечать по теме письма, но и предлагает формат ответов, исходя из стиля написания владельца почты.
Все это делает ИИ.
Социальные сети
Linkedln использует искусственный интеллект, чтобы подбирать потенциально возможных сотрудников и работодателей.
Чат-боты на данный момент довольно популярный инструмент. Некоторые из них настроены таким образом, что довольно неплохо справляются с имитацией реального общения с живым человеком.
Facebook, сканируя сообщения, выявляет подозрительные смс, которые могут свидетельствовать о том, что автор сообщений задумывается о суициде.
Поисковые сети
Когда в Google мы начинаем вводить запрос, поисковая система предлагает нам возможные варианты – это тоже искусственный интеллект.
Google Maps или «Яндекс Карты» также используют ИИ, чтобы присылать оповещения о пробках на дорогах в вашем месте нахождения или авариях.
Рекомендации
Многие интернет-магазины используют искусственный интеллект, чтобы предлагать своим покупателям похожие товары.
Социальные сети и приложения для музыки с помощью ИИ определяют интересы пользователей, и на основании собранных данных предлагают похожие музыкальные композиции
Программы для банков
Банки предлагают специальные приложения и программы, которые при авторизации пользователя напоминают последнему о сроках оплаты счета, подсказывают трансферы и многое другое.
Для предотвращения случаев с мошенничеством ИИ отслеживает и фиксирует все операции, а в случае нестандартных платежей (например, сумм, превышающих обычные расходы, или оплаты услуг из другой страны) банк отправляет клиенту уведомление или требует позвонить лично, чтобы подтвердить платеж.
Кроме того, ИИ используется в больницах для проведения медицинских диагностик, управляет самолетами, машинами и роботами. Это направление не перестает развиваться и совершенствоваться.
Мозг человека
Как образец, для воспроизведения компьютером возможностей интеллекта используется модель человеческого мозга. Соответственно, чтобы понимать базовые принципы работы ИИ, нужно для начала разобраться, как работает мозг, хотя бы в общих чертах.
Наш мозг – это сложный компьютер, выполняющий в секунду 1000 петафлопс (миллиард миллиардов) вычислений. В этот момент он потребляет 20 Ватт энергии. Для сравнения возьмем японский суперкомпьютер «Фугаку». На 2020 год он является самым быстрым компьютером в мире и совершает более 415 квадриллионов вычислений в секунду и потребляет 27 МВт.
Мозг человека содержит приблизительно 86 миллиардов нейронов. Части мозга работают с помощью нейронов и нейронных сетей. Взаимодействуя друг с другом, нейроны передают информацию по определенным каналам, при этом сигналы одних нейронов объединяются с сигналами других, что активирует еще большее их число. Исходя из количества нейронов, можно понять, что комбинаций может быть бесчисленное множество.
Входные сигналы приходят из совершенно разных источников. Роль играет абсолютно все: климат, влажность воздуха, температура и даже то, что ел человек в ближайшее время. Один нейрон, прежде чем принять решение о том, как действовать, получает и обрабатывает тысячи различных сигналов.
Между нейронами разных слоев нейронной сети в результате обработки входных сигналов и информации передаются команды мышцам, органам. Когда человек приобретает новые навыки и опыт алгоритмы работы нейронных сетей могут меняться.
На основании такой модели мозга создают искусственную нейронную сеть.
Искусственные нейронные сети
Искусственные нейронные сети (ИНС), как мы уже выяснили, строятся на основании биологической нейронной сети. ИНС также производит обработку поступающей информации между входными и выходными сигналами. ИНС имеет обучающийся алгоритм, который считывает данные и пытается улучшить результаты обработки. С помощью этого алгоритма происходит адаптивное взвешивание входных и выходных сигналов.
Искусственные нейронные сети постоянно оптимизируются с помощью различных техник, что позволяет им работать быстрее и эффективнее. Если оптимизация проходит успешно, значит, ИНС смогла обработать информацию и выдать решение за определенный срок.
Структура ИНС состоит из трех слоев нейронов: слой ввода, скрытый слой и слой вывода. Количество нейронов в слоях может быть разным, однако обязательным правилом является то, что в каждом слое должен содержаться как минимум один нейрон. Структура ИНС может содержать много слоев, что увеличивает ее потенциал к решению задачи, однако, если потенциал выше, чем требуется для решения задачи, наступает переобучение.
Продуктивность работы модели ИНС зависит от выбранных алгоритмов работы, их настройки и архитектуры самой модели.
Одной из характеристик модели является функция активации, которая используется для преобразования входных данных в выходные данные. И если нейрон решает передавать данные далее, это как раз и называется функцией активации.
ИНС – это прекрасное средство для решения задач, однако важно тщательно подходить к выбору искусственной нейронной сети, т.к. если в структурную модель ИНС добавлять новые составляющие и увеличивать объем модели, будет довольно сложно, в случае надобности, разобрать итоговое решение, проанализировать и понять, как это решение было получено.
Глубокое обучение
Понятие «глубокое обучение» используется для описания нейронной сети и тех алгоритмов, на которых построена работа ИНС. Алгоритмы ИНС глубокого обучения направлены на прием «сырых» данных, из которых необходимо извлечь информацию и, впоследствии обработки, получить выходные данные.
Без данных алгоритмов программисту необходимо самому искать нужную информацию, в то время как ИНС, построенная на модели глубокого обучения, может сама найти нужные данные, обработать их и дать на выходе решение.
Обучение происходит следующим образом: система запускает поиск необходимой информации, получает входные данные, обрабатывает их, извлекает и выдает полезную информацию. Когда обучение пройдено, снижаются требования для поддержания работы модели к вычислительной мощности, памяти и энергии. Таким образом система тренируется выполнять какую-то конкретную задачу. Глубокое обучение может быть применено для решения задач разных направлений. На данный момент это инновация в сфере искусственного интеллекта.
Есть и другие виды обучения, например, обучение с учителем или с частичным привлечением учителя. В таком случае устанавливается контроль реальным человеком на некоторых этапах процесса.
Теневое обучение также предполагает участие человека в ходе обучения, когда перед поиском системой данных человек самостоятельно обрабатывает информацию и вносит необходимые показатели в систему сведений по специфике направления.
Заключение
Искусственный интеллект превосходит традиционные алгоритмы, созданные программистами, т.к. обрабатывает данные и выдает решения гораздо быстрее. Но если люди могут расширить свое внимание, запоминание с помощью мнемотехник и других тренировок мозга, то ИИ работает иначе.
Модели глубокого обучения позволяют решать огромный спектр задач в разных направлениях. Однако существует и недостаток сильно оптимизированных систем, которые не позволяют проконтролировать обработку информации на каждом этапе, а соответственно не дают понимания причин выбора определенного решения. Именно этот факт может привести к проблемам с этической стороны, т.к. информация является непрозрачной.
Но, пожалуй, именно поэтому ИИ продолжает развиваться и идти вперед. Вполне возможно, картины из фантастических фильмов – это будущее, которое наступит уже через несколько десятилетий. А что по этому поводу думаете вы?
Желаем удачи и ждем ваших комментариев!
Ключевые слова:1Когнитивистика, 1Мнемотехники
Человеческий интеллект и сети мозга
1.
Готтфредсон Л. Интеллект: неуловимая «фундаментальная причина» эпидемиологов социального неравенства в отношении здоровья? J Person Soc Psychol. 2004; 86: 174–199. [PubMed] [Google Scholar]
2. Лубински Д. Введение в специальный раздел о когнитивных способностях: 100 лет после книги Спирмена (1904) «Общий интеллект, объективно определяемый и измеряемый». J Person Soc Psychol. 2004; 86: 96–111. [PubMed] [Академия Google]
3. Шмидт Ф., Хантер Дж. Общие умственные способности в сфере труда: профессиональные достижения и производительность труда. J Person Soc Psychol. 2004; 86: 162–173. [PubMed] [Google Scholar]
4. Дири И. Дж., Уолли Л. Дж., Леммон Х., Кроуфорд Дж. Р., Старр Дж. М. Стабильность индивидуальных различий в умственных способностях от детства до старости: продолжение шотландского исследования умственных способностей 1932 года. Интеллект. 2000; 28:49–55. [Google Scholar]
5. Бушар Т. Генетическое влияние на интеллект человека (Г Спирмена): сколько? Энн Хам Биол.
2009; 36: 527–544. [PubMed] [Google Scholar]
6. Дженсен А.Р. Фактор г . Наука умственных способностей. Вестпорт, Коннектикут: Прегер. 1998 [Google Scholar]
7. Снайдерман М., Ротман С. Обзор мнений экспертов по тестированию интеллекта и способностей. Я психолог. 1987; 42: 137–144. [Google Scholar]
8. Готтфредсон Л. Основные направления науки об интеллекте: редакционная статья с 52 подписями, история и библиография. Интеллект. 1997; 24:13–23. [Google Scholar]
9. Neisser U, Boodoo G, Bouchard TJ, et al. Интеллект: известные и неизвестные. Я психолог. 1996; 51:77–101. [Google Scholar]
10. Штернберг Р. Триархический разум. Лондон, Великобритания: Penguin Books. 1988 [Google Scholar]
11. Спирмен К. Общий интеллект объективно определяется и измеряется. Am J Psychol. 1904;15:201–293. [Google Scholar]
12. van der Maas H, Dolan CV, Grasman RPPP, Wicherts JM, Huizengan HM, Raijmakers MEJ.
Динамическая модель общего интеллекта: положительное многообразие интеллекта посредством мутуализма. Psychol Rev. 2007; 113:842–861. [PubMed] [Google Scholar]
13. Хант Э.Б. Человеческий интеллект. Кембридж, Великобритания: Издательство Кембриджского университета. Под давлением. [Google Scholar]
14. Джонсон В., Бушар Т. Структура человеческого интеллекта: это вербальное, перцептивное и вращение образов (VPR), а не текучее и кристаллизованное. Интеллект. 2005; 33:393–416. [Академия Google]
15. МакГрю К. Теория CHC и проект по изучению когнитивных способностей человека: стоя на плечах гигантов исследований психометрического интеллекта. Интеллект. 2009; 37:1–10. [Google Scholar]
16. Дженсен А.Р. Предвзятость в умственном тестировании. Нью-Йорк, штат Нью-Йорк: Free Press; 1980 [Google Scholar]
17. Кэрролл Дж.Б. Когнитивные способности человека Обзор факторно-аналитических исследований. Кембридж, Великобритания: Издательство Кембриджского университета; 1993 [Google Академия]
18.
Кэрролл Дж.Б. Структура когнитивных способностей высшего уровня: текущие данные подтверждают g и около 10 широких факторов. В Nyborg H, изд. Научное исследование общего интеллекта: дань уважения Артуру Р. Дженсену. Амстердам, Нидерланды: Пергамон. 2003: 5–21. [Google Scholar]
19. Колом Р., Абад Ф.Дж., Гарсия Л.Ф., Хуан-Эспиноса М. Образование, Полная шкала IQ Векслера и g. Интеллект. 2002; 30:449–462. [Google Scholar]
20. Colom R, Thompson, PM. Понимание человеческого интеллекта, визуализирующего мозг. В Chamorro-Premuzic T, Furnham A, von Stumm S, eds. Справочник индивидуальных различий. Лондон, Великобритания: Уайли-Блэквелл. Под давлением. [Google Scholar]
21. Haier RJ, Siegel, BV Jr, Nuechterlein KH, et al. Скорость метаболизма глюкозы в коре коррелирует с абстрактным мышлением и вниманием, изученным с помощью позитронно-эмиссионной томографии. Интеллект. 1988; 12:199–21. [Google Scholar]
22. Haier RJ. Церебральный метаболизм глюкозы и интеллект.
В Vernon PA, изд. Биологические подходы к изучению человеческого интеллекта. Норвуд, Нью-Джерси: Ablex Publishing. 1993: 317–331. [Google Scholar]
23. Haier RJ, White NS, Alkire MT. Индивидуальные различия в общем интеллекте коррелируют с работой мозга при выполнении задач, не связанных с рассуждениями. Интеллект. 2003; 31: 429–441. [Google Scholar]
24. Haier RJ, Jung RE, Yeo RA., et al. Структурные изменения мозга и общий интеллект. НейроИзображение. 2004; 23:425–433. [PubMed] [Google Scholar]
25. Haier RJ, Jung RE, Yeo RA, et al. Нейроанатомия общего интеллекта: пол имеет значение. НейроИзображение. 2005; 25:320–327. [PubMed] [Google Scholar]
26. Колом Р. Интеллект? Какой интеллект? Behav Brain Sci. 2007; 30:155–56. [Google Scholar]
27. Colom R, Haier RJ, Head K, et al. Серое вещество коррелирует с жидким, кристаллизованным и пространственным интеллектом: тестирование модели P-FIT. Интеллект.
2009; 37:124–135. [Google Scholar]
28. Gläscher J, Rudrauf D, Colom R, et al. Распределенная нейронная система для общего интеллекта, выявленная путем картирования повреждений. ПНАС. 2010; 10:4705–4709. [Бесплатная статья PMC] [PubMed] [Google Scholar]
29. Haier RJ, Colom R, Schroeder DH, et al. Факторы серого вещества и интеллекта: существует ли нейрогид? Интеллект. 2009; 37: 136–144. [Google Scholar]
30. Wickett JC, Vernon PA, Lee DH. Связь между факторами интеллекта и объемом мозга. Индивидуальное лицо Разн. 2000;29:1095–1122. [Google Scholar]
31. McDaniel MA. Люди с большим мозгом умнее: метаанализ взаимосвязи между объемом мозга и интеллектом in vivo. Интеллект. 2005; 33:337–346. [Google Scholar]
32. Людерс Э., Нарр К.Л., Томпсон П.М., Тога А.В. Нейроанатомические корреляты интеллекта. Интеллект. 2009; 37: 156–163. [Бесплатная статья PMC] [PubMed] [Google Scholar]
33.
Тога А.В., Томпсон П.М. Генетика строения мозга и интеллекта. Энн Рев Нейроски. 2005; 28:1–23. [PubMed] [Google Scholar]
34. Gignac G, Vernon PA, Wicket JC. Факторы, влияющие на взаимосвязь между размером мозга и интеллектом. В: Нюборг Х, изд. Научное исследование общего интеллекта. Оксфорд, Великобритания: Pergamon Press. 2003: 93–106. [Google Scholar]
35. Jung RE, Haier RJ. Теория теменно-лобной интеграции (P-FIT) интеллекта: сходящиеся данные нейровизуализации. Behav Brain Sci. 2007; 30:135–187. [PubMed] [Google Scholar]
36. Catani M, Jones DK, Ffytche DH. Перисильвианские языковые сети человеческого мозга, Энн Нейрол. 2005; 57:8–16. [PubMed] [Google Scholar]
37. Gray J, Thompson PM. Нейробиология интеллекта: Наука и этика. Nat Rev. 2004; 5: 471–482. [PubMed] [Google Scholar]
38. Грей Дж., Чабрис С., Брейвер Т. Нейронные механизмы общего подвижного интеллекта. Nat Neurosci. 2003; 6: 316–322.
[PubMed] [Google Scholar]
39. Colom R, Jung RE, Haier RJ. Общий интеллект и объем памяти: свидетельство общей нейроанатомической структуры. Cogn Нейропсихология. 2007; 24:867–878. [PubMed] [Google Scholar]
40. Колом Р., Реболло И., Паласиос А., Хуан-Эспиноса М., Киллонен П.С. Рабочую память (почти) идеально предсказывают г. . Интеллект. 2004; 32: 277–296. [Google Scholar]
41. Колом Р., Абад Ф.Дж., Реболло И., Ших П.С. Объем памяти и общий интеллект: подход с латентной переменной. Интеллект. 2005; 33: 623–642. [Google Scholar]
42. Колом Р., Абад Ф.Дж., Кирога М.А., Ших П.К., Флорес-Мендоза С. Рабочая память и интеллект тесно связаны между собой, но почему? Интеллект. 2008; 36: 584–606. [Google Scholar]
43. Энгл РВ. Объем рабочей памяти как исполнительное внимание. Curr Dir Psychol Sci. 2002; 11:19–23. [Google Scholar]
44. Кейн М.Дж., Хэмбрик Д.З., Конвей А.Р. Объем рабочей памяти и подвижный интеллект — тесно связанные понятия: комментарий к Ackerman, Beier, and Boyle (2005).
Психологический бюллетень. 2005; 131:66–71. [PubMed] [Google Scholar]
45. Oberauer K, Schulze R, Wilhelm O, Süb H. Рабочая память и интеллект — их корреляция и их взаимосвязь: комментарий к Ackerman, Beier, and Boyle (2005). Психологический бюллетень. 2005; 131:61–65. [PubMed] [Google Scholar]
46. Коуэн Н. Емкость рабочей памяти. Нью-Йорк, штат Нью-Йорк: Psychology Press; 2005 [Google Scholar]
47. Матцель Л.Д., Колата С. Избирательное внимание, рабочая память и интеллект животных. Neurosci Biobehav Rev. 2010; 34:23–30. [Бесплатная статья PMC] [PubMed] [Google Scholar]
48. Колата С., Ву Дж., Лайт К., Шахнер М., Матцель Л.Д. Нарушенная продолжительность рабочей памяти, но нормальные способности к обучению обнаружены у мышей с условно дефицитным близким гомологом L1. Дж. Неврологи. 2008; 28:13505–13510. [Бесплатная статья PMC] [PubMed] [Google Scholar]
49. Lee KH, Choi YY, Gray JR, et al. Нейронные корреляты превосходного интеллекта: более сильное вовлечение задней теменной коры.
НейроИзображение. 2006; 29: 578–586. [PubMed] [Google Scholar]
50. Karama S, Ad-Dab’bagh Y, Haier RJ, et al. Кооперативная группа по развитию мозга Положительная связь между когнитивными способностями и толщиной коры в репрезентативной выборке здоровых детей в возрасте от 6 до 18 лет в США. Интеллект. 2009; 37: 145–155. [Бесплатная статья PMC] [PubMed] [Google Scholar]
51. Ad-Dab’bagh Y, Lyttelton O, Muehlboeck JS, et al. Среда обработки изображений CIVET: полностью автоматизированный комплексный конвейер для исследований анатомической нейровизуализации. В Корбетте М., изд. Материалы 12-го ежегодного собрания Организации картирования человеческого мозга. Флоренция, Италия: Elsevier. 2006 [Google Scholar]
52. Shaw P, Greenstein D, Lerch J, et al. Интеллектуальные способности и корковое развитие у детей и подростков. Природа. 2006; 440:676–679. [PubMed] [Google Scholar]
53. Nar KL, Woods RP, Thompson PM. Взаимосвязь между IQ и региональной толщиной серого вещества коры у здоровых взрослых.
Кора головного мозга. 2007;17:2163 – 2171. [PubMed] [Google Scholar]
54. Haier RJ, Benbow CP. Половые различия и латерализация метаболизма глюкозы в височной доле во время математических рассуждений. Дев Нейропсихология. 1995; 11: 405–414. [Google Scholar]
55. Jung RE, Haier RJ, Yeo RA, et al. Половые различия в N-ацетиласпартате коррелируют с общим интеллектом: исследование нормального человеческого мозга с помощью 1H-MRS. НейроИзображение. 2005; 26:965–972. [PubMed] [Google Scholar]
56. Bishop SJ, Fossella J, Croucher CJ, Duncan J. Генотип COMT val158met влияет на рекрутирование нейронных механизмов, поддерживающих подвижный интеллект. Кора головного мозга,. 2008; doi: 10.1093/cercor/bhm240. [Бесплатная статья PMC] [PubMed] [Google Scholar]
57. Duncan J, Seitz JR, Kolodny J, et al. Нейронная основа общего интеллекта. Наука. 2000; 289:457–460. [PubMed] [Академия Google]
58. Гонг Г., Роза-Нето П., Карбонелл Ф.
и соавт. Возрастные и половые различия корковой анатомической сети. Дж. Неврологи. 2009; 2:15684–15693. [Бесплатная статья PMC] [PubMed] [Google Scholar]
59. Mori S, Wakana S, Nagae-Poetscher LM, Van Zijl PCM. Атлас МРТ белого вещества человека. Амстердам, Нидерланды: Elsevier; 2005 [Google Scholar]
60. Schmithorst VJ, Wilke M, Dardzinski BJ, Holland SK. Когнитивные функции коррелируют с архитектурой белого вещества в нормальной детской популяции: диффузионно-тензорное МРТ исследование. Карта мозга. 2005; 26:139–147. [Бесплатная статья PMC] [PubMed] [Google Scholar]
61. Yu C, Li J, Liu Y, et al. Целостность тракта белого вещества и интеллект у пациентов с умственной отсталостью и здоровых взрослых. НейроИзображение. 2008; 40:1533–1541. [PubMed] [Google Scholar]
62. Tang, CY, Eaves EL, Ng, JC, et al. Мозговые сети для рабочей памяти и факторов интеллекта, оцененные у мужчин и женщин с помощью фМРТ и DTI. Интеллект.
2010;38:293–303. [Google Scholar]
63. Чианг М., Барышева М., Шаттак Д.В. и др. Генетика архитектуры мозговых волокон и интеллектуальной деятельности. Дж. Неврологи. 2009; 29:2212–2224. [Бесплатная статья PMC] [PubMed] [Google Scholar]
64. Li Y, Liu Y, Li J, et al. Анатомическая сеть мозга и интеллект. комп. биол. 2009. 2009; 5:1–17. [Google Scholar]
65. Нойбауэр А.С., Финк А. Интеллект и нейронная эффективность: показатели активации мозга в сравнении с показателями функциональной связи в мозге. Интеллект. 2009; 37: 223–229. [Google Scholar]
66. Haier RJ, Siegel BV, MacLachlan A, Soderling E, Lottenberg S, Buschsbaum MS. Региональные изменения метаболизма глюкозы после изучения сложной зрительно-пространственной/моторной задачи: позитронно-эмиссионное томографическое исследование. Мозг Res. 1992; 570:134–143. [PubMed] [Google Scholar]
67. Song M, Zhou Y, Li J, et al. Спонтанная функциональная связность мозга и интеллект.
НейроИзображение. 2008; 41:1168–1176. [PubMed] [Академия Google]
68. van den Heuvel MP, Stam CJ, Kahn RS, Pol H. Эффективность функциональных сетей мозга и интеллектуальные способности. Дж. Неврологи. 2009; 29:7619–7624. [Бесплатная статья PMC] [PubMed] [Google Scholar]
69. Biswal BB, Mennes M, Zuo XM, et al. К открытию науки о функции человеческого мозга. Proc Natl Acad Sci U S A. 2010;107:4734–4739. [Бесплатная статья PMC] [PubMed] [Google Scholar]
70. Naghavi HR, Nyberg L. Общая лобно-теменная активность во внимании, памяти и сознании: общие требования к интеграции? Сознательное познание. 2005; 14:390–425. [PubMed] [Google Scholar]
71. Wager TD, Smith, EE. Нейровизуализационные исследования рабочей памяти: метаанализ. Cogn Affect Behav Neurosci. 2003; 3: 255–274. [PubMed] [Google Scholar]
72. Wager TD, Jonides J, Reading S. Нейровизуализационные исследования переключения внимания: метаанализ.
НейроИзображение. 2004; 22:1679–1693. [PubMed] [Google Scholar]
73. Маруа Р. и Иванофф Дж. Пределы возможностей обработки информации в мозге. Тенденции Cogn Sci. 2005; 9: 296–305. [PubMed] [Google Scholar]
74. Haier RJ. Как выглядит умный мозг? Внутренние взгляды показывают, как мы думаем. Научный разум. , ноябрь 2009 г. [Google Scholar]
75. Чой Ю.Ю., Шамош Н.А., Чо С.Х. и соавт. Множественные основы человеческого интеллекта, выявленные по толщине коры и активации нейронов. Дж. Неврологи. 2008; 41:10323–10329. [Бесплатная статья PMC] [PubMed] [Google Scholar]
76. Паскуаль-Леоне А., Бартрес-Фаз Д., Кинан Дж. П. Транскраниальная магнитная стимуляция: изучение взаимосвязи мозга и поведения путем индукции «виртуальных повреждений». Phil Trans R Soc London B. 1999; 354: 1229–1238. [Бесплатная статья PMC] [PubMed] [Google Scholar]
77. Sack AT. Транскраниальная магнитная стимуляция, каузальное структурно-функциональное картирование и сети функциональной значимости.
Curr Opin Neurobiol. 2006; 16: 593–599. [PubMed] [Google Scholar]
78. Aleman A, van’t Wout M. Повторяющаяся транскраниальная магнитная стимуляция над правой дорсолатеральной префронтальной корой нарушает выполнение задачи на размах пальцев. Нейропсихобиол. 2008; 57:44–48. [PubMed] [Google Scholar]
79. Кеннеди Д.Н. Установление связей в эпоху коннектомов. Нейроинформатика, 2010;8:61–62. [PubMed] [Google Scholar]
80. Haier RJ. Нейро-интеллект, нейрометрика и следующий этап исследований визуализации мозга. Интеллект. 2009; 37:121–123. [Google Scholar]
81. Colom R, Jung R, Haier RJ. Распределенные сайты мозга для g-фактора интеллекта. Нейроимидж. 2006; 31:1359–1365. [PubMed] [Академия Google]
Вопросы и ответы – Что такое интеллект?
Автор: Анника Ведер 05.10.2020
Опубликовано в Fundamentals October 2020
Хотя маловероятно, что у нас будут сверхинтеллектуальные компьютеры или роботы, подобные тем, что показаны в таких фильмах, как Терминатор 0 или Я, робот 900 в ближайшее время Дэёль Ли считает, что изучение различий между человеческим и искусственным интеллектом может помочь нам лучше понять будущее технологий и наши отношения с ними.
«Со временем люди смогут создать искусственную жизнь, которая сможет физически воспроизводиться сама по себе, и только тогда мы создадим настоящий искусственный интеллект», — говорит Ли. «До тех пор машины всегда будут лишь суррогатами человеческого интеллекта, что, к сожалению, все еще оставляет открытой возможность злоупотреблений со стороны людей, контролирующих ИИ».
В своей новой книге Birth of Intelligence (Oxford University Press, 2020) Ли прослеживает развитие мозга и интеллекта от самовоспроизводящихся РНК до различных видов животных, людей и даже компьютеров, чтобы ответить на фундаментальные вопросы. о происхождении, развитии и ограничениях интеллекта.
Ли — почетный профессор нейроэкономики Bloomberg, работающий в Школе искусств и наук Кригера и Школе медицины. Как и большая часть его работ, Рождение интеллекта является междисциплинарным, в нем применяются и объединяются знания и инструменты из ряда областей, включая нейробиологию, экономику, психологию, эволюционную биологию и искусственный интеллект.
Hub связался с Ли, чтобы обсудить его новую книгу и нейронные механизмы принятия решений, обучения и познания.
Как и почему развивался интеллект?
Интеллект можно определить как способность решать сложные проблемы или принимать решения, результаты которых приносят пользу действующему лицу, и он развился в формах жизни, чтобы адаптироваться к различным средам для их выживания и воспроизводства. Для животных решение проблем и принятие решений являются функциями их нервной системы, включая мозг, поэтому интеллект тесно связан с нервной системой.
В вашей книге, как и в большинстве ваших исследований в целом, используется очень междисциплинарный подход. Как эволюционная перспектива помогает нам понять интеллект?
Интеллект трудно определить, и для разных людей он может означать разные вещи. Однако стоит нам рассмотреть происхождение и функции интеллекта с эволюционной точки зрения, как выявляется несколько важных принципов. Например, разные формы жизни могут иметь очень разные типы интеллекта, потому что они имеют разные эволюционные корни и адаптировались к разным условиям.
Вводит в заблуждение и бессмысленно пытаться упорядочить разные виды животных по линейной шкале интеллекта, например, пытаясь судить, какая порода собак самая умная или кошки умнее собак. Более важно понять, как у каждого вида развилась та или иная форма интеллекта и как это отражается на их анатомии и физиологии.
Точно так же вы используете теории и концепции, вытекающие из экономики. Чем они полезны для понимания интеллекта?
Поскольку у интеллекта так много аспектов, действительно очень полезно объединить идеи и инструменты из разных дисциплин, чтобы получить более полную картину того, что такое интеллект на самом деле, и понять, чем искусственный интеллект может отличаться от человеческого. Например, экономисты разработали точные математические модели принятия решений, такие как теория полезности, которая предсказывает принятие решений на основе полезности — ценности или желательности — варианта или действия. Эти модели позволяют объяснить сложное поведение, такое как поведение рынка, с помощью лишь нескольких допущений.
Наличие таких экономных моделей принятия решений полезно для понимания интеллекта, поскольку принятие решений является ключевым компонентом интеллекта. Другие очень полезные примеры включают теорию принципала-агента, которая применительно к эволюции интеллекта может объяснить, почему обучение появляется как решение для разрешения конфликта интересов между мозгом и генами, и теорию игр, которая играет решающую роль. роль в объяснении того, почему принятие правильных решений в социальной среде может быть таким сложным.
Сможет ли когда-нибудь искусственный интеллект превзойти человеческий интеллект, или в человеческом интеллекте есть что-то настолько уникальное, что невозможно воспроизвести? Существуют ли определенные ограничения человеческого интеллекта, которыми не ограничены компьютеры?
Искусственный интеллект неуклонно превосходит человеческий во многих отдельных областях, включая игры в го и покер.
Этот успех побудил некоторых исследователей размышлять о скором появлении искусственного интеллекта, который превосходит человеческий интеллект во всех областях, гипотетическом событии, названном «технологической сингулярностью». Такой искусственный интеллект часто называют искусственным общим интеллектом или сверхразумом. Никто точно не знает, когда люди создадут ОИИ или сверхразум. Однако, на мой взгляд, истинный разум требует жизни, которую можно определить как процесс самовоспроизведения. Поэтому я считаю, что сверхразум либо невозможен, либо что-то в очень отдаленном будущем. Настоящий интеллект должен способствовать, а не мешать репликации генов, ответственных за его создание, включая необходимое оборудование, такое как мозг. Без этого ограничения не существует объективных критериев для определения разумности того или иного решения. Возможно, со временем люди смогут создать искусственную жизнь, которая сможет физически воспроизводиться сама по себе, и только тогда мы создадим настоящий искусственный интеллект, но вряд ли это произойдет в ближайшее время.
До тех пор машины всегда будут лишь суррогатами человеческого интеллекта, что, к сожалению, все еще оставляет открытой возможность злоупотреблений со стороны людей, контролирующих ИИ.
Помимо самовоспроизведения, почему так сложно создать ИИ, который будет умнее человека?
Настоящий интеллект должен решать множество различных проблем, с которыми сталкивается форма жизни в самых разных средах, используя энергию и другие доступные в них физические ресурсы. Что действительно удивительно в интеллекте людей и многих других животных, так это не только то, что они могут идентифицировать сложные объекты и проявлять гибкое поведение, но и то, что они могут делать это самыми разными способами в самых разных средах. Мы до сих пор очень мало знаем о том, как именно люди и животные могут это делать. Учитывая, что развитию современной технологии искусственного интеллекта способствовали достижения в исследованиях в области нейробиологии за последнее столетие, для создания более совершенного искусственного интеллекта может потребоваться гораздо более глубокое понимание того, как человеческий мозг справляется с такими сложными задачами.
Узнаем ли мы вообще, что это произошло?
Хотя я не верю, что это произойдет в ближайшее время, думаю, мы узнаем, произойдет ли это и когда. Мы начали бы видеть машины, подобные Терминаторам, потому что машины со сверхразумом превзошли бы людей в получении энергии и других ресурсов, которые им нужны для ремонта и воспроизводства.
Как ИИ может повлиять на отношения между людьми и машинами или на человеческую цивилизацию в целом?
Все более мощный искусственный интеллект и машины, оснащенные таким ИИ, будут продолжать развиваться, несомненно повышая производительность людей, управляющих такими инструментами. Хотя повышение производительности — это хорошо, этот процесс будет развиваться неравномерно во всем обществе, усиливая уже существующее имущественное неравенство. Я думаю, что это то, что мы видели много раз на протяжении всей истории. Справедливое распределение преимуществ технического прогресса между всеми членами общества всегда было гораздо более сложной задачей, чем разработка самой технологии, и нам часто не удавалось найти хорошее решение для всех.