У часи, коли штучний інтелект вражає своїми здібностями, може здаватися, що він значно досконаліший за людський мозок. Та насправді ж навчити робота виконувати навіть найпростіші функції, як-от розпізнавати предмети чи літери, досі не так просто. Дитячий мозок, на відміну від штучного інтелекту, засвоює ці знання та навички набагато швидше.

То чому насправді людський мозок такий дивовижний? І чи зможуть роботи колись навчатися швидше за нас? Відповіді на ці питання дає у своїй книжці «Як ми вчимося. Чому мозок навчається краще, ніж машина… Поки що» Станіслас Деан, французький когнітивний нейронауковець.

 Ця книжка детально розбирає, як людина отримала здатність сприймати нову інформацію і вчитися, а також те, чому штучний інтелект поки що не зможе її в цій навичці наздогнати. Людський мозок – більш складний і пластичний; він може робити висновки з попереднього досвіду та пов’язувати їх з іншими знаннями. Машина скоро теж цього навчиться, однак чи замінить вона повністю розум людини? Що ж, побачимо, скільки всього їй ще треба опанувати, аби досягти нашого рівня.

Антон Мартинов

засновник видавництва «Лабораторія»

6 переваг людського розуму над штучним інтелектом

Вивчення абстрактних понять

Когнітивіст Дуґлас Гофстедтер якось сказав, що літера А – це справжній виклик для штучного інтелекту. Звісно, це ущипливе перебільшення, але в ньому є добряча частка правди. Людський мозок послуговується незрівнянним умінням абстрагувати навіть у рутинних обставинах. Завдяки цьому в нашому повсякденному житті з’явилося таке цікаве явище, як капча: сайт просить вас розпізнати рядок літер, щоб переконатися, що ви людина, а не машина. Кілька років капча залишалася неприступною фортецею для машин.

Але комп’ютерні науки розвиваються швидко, й у 2017 році штучна система вперше навчилася розпізнавати капчу незгірше людей. Не дивно, що її алгоритм одразу в кількох аспектах наслідує людський мозок. Цей філігранний витвір навчився видобувати кістяк кожної літери, схоплювати внутрішню сутність А і за допомогою статистичного аналізу перевіряти, чи відповідає абстрактна ідея конкретному зображенню. Попри дуже складну структуру, комп’ютерний алгоритм придатний виключно для одного завдання – розшифрування капчі. Тим часом людський мозок використовує абстрагування в усіх сферах повсякденного життя.

Навчання з ефективним використанням даних

Ніхто не заперечить, що сучасні нейронні мережі вчаться надто повільно. Щоб натренувати сякі-такі інтуїтивні знання в окремій сфері, їм потрібно тисячі, мільйони, а то й мільярди одиничних спостережень. Неповороткість машин доведено експериментально. Наприклад, нейронна мережа DeepMind досягає стерпного рівня гри на консолі Atari за дев’ятсот годин. Людині вистачає дві! Ще один приклад – вивчення мови.

За оцінкою психолінгвіста Еммануеля Дюпу, за рік життя у французькій сім’ї дитина чує від п’ятисот до тисячі годин усного мовлення, і цього більш ніж достатньо, щоб опанувати говірку Декарта і підступні soixante-douze чи s’il vous plaît. А от діти народності чімане, яка населяє Болівійську Амазонію, за рік чують лише шістдесят годин усного мовлення, проте це не заважає їм досконало оволодіти рідною мовою. Зіставимо це з найкращими розробками Apple, Baidu і Google: щоб комп’ютерна система отримала дещицю лінгвальної компетентності, кількість даних доведеться збільшити мінімум у двадцять – максимум у тисячу разів. В ефективності навчання людському мозку немає рівних. Машини пожирають інформацію, а люди – використовують. Наш вид бере максимум з мінімуму даних.

Соціальне навчання

З усіх видів, що населяють землю, тільки люди практикують добровільний обмін інформацією. Завдяки мові ми багато переймаємо від інших. Сучасним нейронним мережам таке і не снилося. Їхні знання у формі вагових коефіцієнтів тонким шаром розподілені по всій системі. Видобути цю імпліцитну інформацію і вибірково поділитися нею з іншими просто не реально.

Людський мозок улаштований навпаки: інформація високого рівня (та, що потрапляє у свідомість) може бути передана назовні. Вербалізованість – невід’ємна характеристика усвідомлених знань. Тільки-но людина достатньо чітко розуміє якийсь феномен, ментальна формула резонує з мовою мислення, і ми можемо використовувати слова, щоб повідомити іншим. Умінню передавати великий обсяг знань через мінімум слів («Щоб потрапити на ринок, зверніть на маленьку вуличку справа від церкви») немає рівних ні у царстві тварин, ні у світі комп’ютерів.

Навчання з одиничного досвіду

Вершина ефективності людського навчання – це здатність вивчити щось із першої спроби. Якщо я вигадаю нове дієслово, скажімо мурити, ви одразу зможете ним користуватися. Людський мозок не просто вбирає нову інформацію (штучні нейронні мережі теж уміють фіксувати епізодичні дані), а успішно вписує її у парадигму попередніх знань.

Ви не просто запам’ятовуєте слово, а моментально розумієте, як його діє відмінювати і вставляти у речення: Ви коли-небудь мурили? Я мурю щодня. А завтра муритимете? Муріння – це непросто. Коли я кажу Ходімо в суботу мурити!, ваш мозок залучає нове слово у систему символів і правил: це дієслово другої дієвідміни (Я мурю, ти муриш, вони мурять) недоконаного виду (що робити? – мурити; що зробити? – змурити). Навчатися – це вписувати нові знання в уже наявну схему.

Систематичність і мова мислення

Сучасні нейронні мережі не здатні відобразити весь спектр абстрактних виразів, формул, законів і теорій, які моделюють світ у мозку Homo sapiens. І невипадково. Є у цьому щось глибоко людське, не доступне іншим представникам тваринного світу, але на сьогодні навіть нейронаука не змогла виокремити і назвати цю унікальну рису нашого виду. Схоже на те, що серед приматів набором символів і складним деревоподібним синтаксисом їх поєднання послуговується тільки мозок людини.

У моїй лабораторії продемонстрували, що, почувши серію звуків пі-пі-пі-пам, він умить узагальнює її абстрактною формулою «після трьох однакових звуків іде один відмінний». Коли в аналогічну ситуацію потрапляє мавпа, вона зауважує чотири сигнали, розуміє, що останній відрізнявся, але не синтезує з цього фрагмента інформації жодних висновків. Ми дізналися це, спостерігаючи за мозковою активністю. У мавпи активізувалися ділянки, відповідальні за числа і послідовності, але не було комплексної активності, яку ми спостерігали у мовленнєвому центрі людського мозку – зоні Брока.

Щоб навчитися відображати послідовність у зворотному порядку (з АБВГ у ГВБА), мавпі потрібно десятки тисяч спроб, у той час як чотирирічній дитині вистачить п’ять. Навіть кількамісячне немовля дешифрує зовнішній світ за допомогою узагальнень і систематизації, однак і традиційні штучні мережі, і решта приматів начисто позбавлені цієї здібності.

Компонування

Коли я навчився додавати два числа, це вміння міцно закріпилося у моєму репертуарі й перетворилося на інструмент досягнення інших цілей. Воно задіяне, коли я сплачую рахунок у ресторані чи перевіряю податкову декларацію. Більше того, додавання можна скомбінувати з іншими навичками – і я без проблем буду працювати з алгоритмом, який пропонує взяти число, додати до нього два і повідомити, сума більша за п’ять чи менша.

Дивно, що найновіші нейронні мережі досі не розвинули подібної гнучкості. Опановані ними знання замкнені у недосяжних з’єднаннях, а тому їх дуже важко використати для складніших завдань. Цим моделям не під силу компонувати засвоєні навички, створювати з них комбінації для розв’язання нових проблем.

Сьогоднішній штучний інтелект розв’язує лише вузькоспеціалізовані задачі: програма AlphaGo поб’є будь-якого чемпіона з го, але не здатна узагальнити і перенести свій талант навіть на менше поле (існують гобани 15 × 15), не кажучи вже про іншу гру. Натомість для людського мозку навчання переважно виливається в експліцитне формулювання знань, які він надалі застосовує, комбінує і пояснює іншим людям. Знову-таки, йдеться про унікальну рису нашого виду, що тісно пов’язана з мовою. Відтворити її у машин геть непросто.

 Вартість:

 

ЛІНК

   друкована: 199 ₴