Почему мы должны прекратить смешивать человеческий и машинный интеллект
Часто можно услышать такие понятия, как "машинное обучение" и "искусственный интеллект", и верить, что каким-то образом кому-то удалось воспроизвести человеческий разум внутри компьютера. Это, конечно, неправда—но отчасти эта идея настолько распространена, потому что метафора человеческого обучения и интеллекта была весьма полезна для объяснения машинного обучения и искусственного интеллекта.
Действительно, некоторые исследователи ИИ поддерживают тесную связь с сообществом нейробиологии, и вдохновение работает в обоих направлениях. Но эта метафора может быть помехой для людей, пытающихся объяснить машинное обучение тем, кто менее знаком с ним. Один из самых больших рисков слияния человеческого и машинного интеллекта заключается в том, что мы начинаем передавать слишком много свободы воли машинам. Для тех из нас, кто работает с программным обеспечением, важно помнить, что управление - это человек - это люди, которые строят эти системы, в конце концов.
Стоит распаковать ключевые различия между машинным и человеческим интеллектом. Хотя, безусловно, есть сходства, именно глядя на то, что делает их разными, мы можем лучше понять, как работает искусственный интеллект, и как мы можем его эффективно создавать и использовать.
Нейронная сеть
Центральное место в метафоре, которая связывает человеческое и машинное обучение, занимает концепция нейронной сети. Самая большая разница между человеческим мозгом и искусственной нейронной сетью - это масштаб нейронной сети мозга. Что важно, так это то, что это не просто количество нейронов в головном мозге (которые достигают миллиардов), а точнее, ошеломляющее количество связей между ними.
Но проблема гораздо глубже, чем вопросы масштаба. Человеческий мозг качественно отличается от искусственной нейронной сети по двум другим важным причинам: связи, которые питают его, аналоговые, а не цифровые, а сами нейроны не однородны (как они находятся в искусственной нейронной сети).
Вот почему мозг такая сложная вещь. Даже самая сложная искусственная нейронная сеть, хотя ее часто трудно интерпретировать и распаковывать, имеет базовую архитектуру и принципы, которыми она руководствуется.
Сложные нейронные сети в ИИ спроектированы с конкретным результатом. Однако человеческий разум не обладает такой же степенью интенциональности в своей инженерии. Да, она должна помочь нам сделать все, что нам нужно, чтобы остаться в живых, но она также позволяет нам мыслить критически и творчески таким образом, что не нужно программировать.
Красивая простота ИИ
Тот факт, что системы искусственного интеллекта намного проще, чем человеческий мозг, по иронии судьбы, позволяет ИИ иметь дело с гораздо большей вычислительной сложностью, чем мы можем.
Искусственные нейронные сети могут содержать гораздо больше информации и данных, чем человеческий мозг, во многом из-за типа данных, которые хранятся и обрабатываются в нейронной сети. Это просто, как запись в таблицу Excel.
В человеческом мозге данные не имеют такого же дискретного качества. Таким образом, в то время как искусственная нейронная сеть может обрабатывать очень специфические данные в невероятных масштабах, она не в состоянии обрабатывать информацию богатым и многомерным образом, человеческий мозг может. Это ключевое различие между системой и человеческим разумом.
Несмотря на годы исследований, человеческий разум все еще остается несколько непрозрачным. Это происходит потому, что аналоговые синаптические связи между нейронами почти непроницаемы для цифровых связей в искусственной нейронной сети.
Скорость и масштаб
Рассмотрим, что это означает на практике. Относительная простота ИИ позволяет ему выполнять очень сложную задачу очень хорошо и очень быстро. Человеческий мозг просто не может обрабатывать данные в масштабе и скорости, как это необходимо ИИ, если они, скажем, переводят речь в текст или обрабатывают огромный набор онкологических отчетов.
Существенным для того, как ИИ работает в обоих этих контекстах, является то, что он разбивает данные и информацию на крошечные составные части. Например, он может разбивать звуки на фонетический текст, который затем может быть переведен в полные предложения, или разбивать изображения на части, чтобы понять правила того, как составлен огромный набор из них.
Люди часто делают то же самое, и в этот момент машинное обучение больше всего похоже на человеческое; подобно алгоритмам, люди разбивают данные или информацию на более мелкие куски, чтобы обработать их.
Но есть причина для этого сходства. Этот процесс разбивки спроектирован в каждой нейронной сети инженером-человеком. Более того, как этот процесс будет вплоть до решения проблемы. То, как система искусственного интеллекта разбирает набор данных, является ее собственным способом "понимания".
Даже при выполнении очень сложного алгоритма без присмотра, параметры того, как ИИ учится—как он разбивает данные для их обработки—всегда задаются с самого начала.
Человеческий Интеллект: Определение Проблем
Человеческий интеллект не имеет такого набора ограничений, что делает нас намного более эффективными в решении проблем. Именно человеческая способность "создавать" проблемы делает нас такими хорошими в их решении. Есть элемент контекстного понимания и принятия решений в том, как люди подходят к проблемам.
ИИ может разбирать проблемы или находить новые пути их решения, но они не могут определить проблему, которую они пытаются решить.
Алгоритмическая нечувствительность стала в центре внимания в последние годы, с увеличением числа скандалов вокруг смещения в системах ИИ. Конечно, это вызвано предубеждениями тех, кто создает алгоритмы, но подчеркивает тот факт, что алгоритмические предубеждения могут быть идентифицированы только человеческим интеллектом.
Человеческий и искусственный интеллект должны дополнять друг друга
Мы должны помнить, что искусственный интеллект и машинное обучение-это не просто "существующие" вещи, которые мы больше не можем контролировать. Они построены, спроектированы, и сконструированы нами. Это мышление позволяет нам управлять будущим и делает алгоритмы еще более элегантными и замечательными.