Ilmuwan dan penemu S. Wolfram berpendapat bahwa orang lebih tertarik pada sarana visual sebagai bentuk komunikasi yang lebih kaya dibandingkan dengan cara tradisional, ucapan dan tulisan, karena bandwidth yang lebih luas - saluran visual [2, hal. 371-372].
Ini menunjukkan kesimpulan bahwa kecerdasan semu, lebih tepatnya, mungkin tidak dalam evolusi teknis, tetapi masih, secara alami, tetapi dalam arah yang berlawanan, yaitu, dalam penurunan kecerdasan alami (EI) ke tingkat eksekusi perintah mesin, dan ada alasan untuk ini. Menurut fisikawan N. Gershenfeld, tahap selanjutnya dalam pengembangan buatan (AI) adalah penggabungan kecerdasan buatan dan kecerdasan alami [2, p. 233]. Teknologi konvergensi AI dan EI telah terbentuk. Misalnya, dalam satu percobaan, otak beberapa tikus (3-4) dijaring untuk memecahkan masalah komputasi berdasarkan data yang diterima, seperti memprediksi hujan berdasarkan informasi tentang suhu dan tekanan atmosfer, pengenalan pola, penyimpanan dan pengambilan informasi sensorik. Dalam hal ini, subjek tes menerima hadiah jika penghitungan berhasil. Sebenarnya,menurut para ilmuwan itu sendiri, itu diciptakanmempelajari jaringan saraf dengan penguatan . Dalam eksperimen lain , para ilmuwan menggunakan memristor untuk menghubungkan otak tikus ke jaringan saraf yang terkandung dalam mikrochip batu api (neuromorfik) yang terletak ratusan kilometer dari subjek melalui Internet. Perlu dicatat bahwa perbedaan antara eksperimen ini hanya lima tahun (yang pertama dilakukan pada tahun 2015), dan periode singkat ini menentukan transisi yang ditandai dari IE ke penggabungan EI dan AI.
Arah ini memiliki perspektif yang kaya, baik secara harfiah maupun kiasan. Proyek US National Institutes of Health - BRAIN Initiative (NIH BRAIN), diluncurkan pada 2014, melibatkan studi komprehensif tentang otak berdasarkan teknologi modern dan pengenalan pengetahuan baru ke dalam praktik. Dalam laporan resmitujuannya disorot: "Tugas kami adalah memahami skema dan pola aktivitas saraf yang menimbulkan pengalaman dan perilaku mental."
Strategi untuk inisiatif ini mendefinisikan:
- mendeskripsikan otak dan membuat peta yang akurat tentang hubungan antara neuron dan sel glial;
- untuk mengukur aktivitas dinamis sel dalam rantai dalam berbagai kondisi dan berbagai perilaku;
- menggunakan aktivitas ini, uji hipotesis kausal tentang bagaimana aktivitas rantai memengaruhi perilaku;
- menggunakan sumber daya komputasi yang kuat, menganalisis dan memahami mekanisme di mana pola dinamis aktivitas di sirkuit saraf menghasilkan perilaku.
Poin terakhir yang sangat penting dalam proyek ini, yaitu: menggunakan sumber daya komputasi yang kuat (lihat sistem jaringan saraf dan superkomputer yang tersedia), belajar memprediksi perilaku . Artinya, mempelajari cara menganalisis kecerdasan alami sebagai buatan dan meletakkan dasar untuk penyatuan, organisasi, dan manajemennya.
Saya harus mengatakan bahwa inisiatif penelitian ini memiliki anggaran keuangan yang serius - $ 500 juta hingga 2020 dan kemudian $ 500 juta per tahun, hingga 2025 [3, hal. 120], yang berarti sumber daya ilmiah paling serius dapat dilibatkan dalam program ini.
Jadi, gagasan menyatukan dua sistem - biologis dan mekanis - menjadi lebih nyata jika ternyata menyederhanakan IE, yaitu vulgarisasi kesadaran manusia. Dari sini, masalah teknis terletak pada pengurangan dunia sensorik yang kaya dari subjek biologis, diberkahi dengan kesadaran diri, emosi dan pemikiran, hingga komunikasi teknis (interaksi instrumental), yang menentukan interaksi antar perangkat.
Dalam konteks ini, ada baiknya merujuk pada kutipan oleh D.K. Dennett: “AI berparasit pada kecerdasan manusia. Dia tanpa malu-malu melahap segala sesuatu yang diciptakan orang ... ”- termasuk sifat buruk kita [2, hlm. 83], lanjut filsuf terkenal, penulis konsep kesadaran, di mana diri bertindak sebagai pusat gravitasi naratif [4].
Saya harus mengakui bahwa ide ini sangat tepat, karena saat ini AI adalah objek statistik, sekumpulan fungsi matematika yang menciptakan model yang berfungsi (atau tidak berfungsi) berdasarkan data yang diterima - dari orang atau tentang orang. Jika distorsi tertanam dalam data yang diperoleh seseorang, maka jaringan saraf tiruan pembelajaran juga akan bereaksi terhadap distorsi dengan cara tertentu, yang mungkin terlihat seperti bias sistem terhadap seseorang dari luar. Misalnya, AI, yang dirancang untuk mengevaluasi resume kandidat untuk posisi "teknis" di Amazon, dengan sengaja mendiskriminasi perempuan . dipelajari dengan data sepuluh tahun, di mana pekerjaan sebagian besar diberikan kepada laki-laki.
Kita dapat dengan tegas mengatakan bahwa semakin "sederhana" seseorang itu sendiri, dalam arti subjektif, semakin akurat dimungkinkan untuk menentukan, dan oleh karena itu memprediksi, preferensinya berdasarkan statistik yang diperoleh.
Dalam waktu dekat, kita harus memperhatikan masalah dari sifat yang berlawanan, yaitu, pergerakan seseorang, atau lebih tepatnya kesadaran manusia, ke dalam ruang maya. Bagi mereka yang kepentingannya di masa sekarang dan di masa depan adalah pengembangan AI dan pengendalian AI, ini adalah tugas yang lebih mendesak. “Kami memiliki model gambar dan teks yang bagus, tetapi kami kekurangan model orang yang baik, manusia adalah contoh terbaik dari mesin berpikir,” kata Tom Griffiths, profesor ilmu komputer, budaya dan teknologi di Universitas Princeton [2, hal. 178].
Di sini perlu diingat kembali apa yang tertulis di atas, yaitu: penciptaan pendekatan sistematis untuk mempelajari perilaku manusia pada tingkat struktur saraf dalam kerangka proyek BRAIN Initiative (lihat di atas). Untuk mendukung hal ini, kita dapat menambahkan pernyataan berikut oleh T. Griffiths bahwa adalah mungkin untuk membawa komputer lebih dekat ke kemampuan manusia, "... dengan mengidentifikasi prasangka manusia yang membentuk kognisi manusia" [Ibid, hal. 179].
Jadi studi tentang perilaku di ruang digital tidak hanya menyangkut studi dan penghitungan matriks konsumsi untuk implementasinya sebagai model pelatihan jaringan saraf, tetapi juga, pertama-tama, bagaimana seseorang berpikir dan mengapa dia melakukan ini semua. Perbedaan antara kedua jenis tindakan ini terletak pada sikap terhadap jalur pengembangan AI selanjutnya: dalam kasus pertama, ini adalah model konsumen, dalam kasus kedua adalah epistemologis. Dikotomi bersyarat - konsumsi / filsuf. Dikotomi ini, menurut saya, adalah perhatian utama para ahli tentang jalan yang seharusnya dari perkembangan superintelligence di masa depan: tindakan agresif terhadap manusia hingga kehancuran atau perkembangan evolusioner ke spesies independen dan koeksistensi bersama.
Kesimpulan
Sebuah tim peneliti dari berbagai universitas di Amerika Serikat dan Kanada telah membuat model komputermampu belajar dari contoh tunggal (pembelajaran satu kesempatan). Kemampuan ini diberikan kepada seseorang sejak lahir dan tersedia sejak usia dini. Para peneliti melakukan serangkaian "tes Turing visual" pada berbagai contoh, di mana model mereka menunjukkan generalisasi kreatif yang dalam banyak kasus tidak dapat dibedakan dari perilaku manusia. Inilah salah satu kriteria dasar pikiran manusia: belajar untuk belajar ("belajar untuk belajar"), yang sebelumnya hanya tersedia untuk kecerdasan alami. Dengan mulai belajar dengan cara ini, AI dapat menciptakan kondisi untuk dirinya sendiri yang menguntungkan bagi perkembangannya. Lingkungan yang paling menguntungkan bagi AI, di mana ia akan memiliki keunggulan signifikan atas manusia, adalah ruang virtual, tempat kita, dengan senang hati, menghabiskan lebih banyak waktu.
Memindahkan kesadaran manusia ke ruang di mana AI memiliki keunggulan dibandingkan IE, misalnya, celah selangit dalam kecepatan perhitungan, bukanlah masalah masa depan dan tidak ada hubungannya, setidaknya untuk saat ini, dengan naskah film terkenal "The Matrix". Meskipun A. Pentland percaya bahwa dimungkinkan untuk membuat jaringan manusia, sesuai dengan prinsip jaringan saraf berdasarkan pembelajaran mesin, di mana peran neuron akan dimainkan oleh individu yang dipilih, ilmuwan tidak memiliki metodologi ilmiah untuk memastikan transparansi pemilihan tersebut [2, p.263-279].
Fakta bahwa penyatuan struktur otak secara teknis dimungkinkan, telah kita lihat dalam percobaan dengan tikus. Dan fakta bahwa model komputer dapat belajar untuk belajar juga merupakan fakta.
Jika Anda menggabungkan kedua fitur ini, Anda bisa mendapatkan visi utopis yang indah di masa depan. Jaringan komputasi neuromorfik berdasarkan substrat otak manusia yang hidup dan agen pembelajaran mandiri yang tertanam dalam sistem ini, yang juga memiliki akses penuh ke data eksternal dari informasi yang terkumpul. Dalam hal ini, efektivitas pemusatan kecerdasan alam dan kecerdasan buatan akan cenderung maksimal, apakah pada saat yang sama seseorang akan tetap menjadi subjek yang mandiri, ini adalah sebuah pertanyaan.
PS Utopia yang mungkin akan segera menjadi tempat
Di suatu tempat di daerah berpenduduk jarang di Asia Tenggara, sangat bertentangan dengan kerusuhan lanskap sekitarnya dengan segala jenis vegetasi, ada hanggar putih besar dengan lambang HBRT yang aneh di dinding. Wilayah itu, sejauh beberapa kilometer, dikelilingi oleh pagar kisi setinggi empat meter di bawah tegangan. Dan tidak ada satu jiwa pun yang hidup di sekitar, hanya sistem observasi otonom - drone milik perusahaan militer swasta Black Rock, dari waktu ke waktu, berpatroli di daerah tersebut.
Di hanggar, dalam barisan genap dalam kondisi khusus, ada ribuan tubuh manusia dengan sistem pendukung kehidupan yang terhubung, untuk satu tujuan: semuanya terhubung ke jaringan saraf - satu otak hidup yang bertindak sebagai superkomputer. "Komputer" ini dimiliki oleh Human Brain Resources Tech., Yang kantor operasinya terletak di gedung pencakar langit paling modis di Singapura. HBRT adalah anak perusahaan Goodle Corporation, yang sebelumnya terkenal karena eksperimennya dengan kesadaran manusia. Sekarang ini adalah pemimpin dalam layanan cloud dan pasar komputasi, tetapi rahasia utama kesuksesan perusahaan adalah meramalkan dan memprediksi probabilitas di berbagai bidang aktivitas dengan tingkat akurasi tertinggi di dunia.
Catatan kaki:
1. Ngomong-ngomong, ide ini divisualisasikan dalam budaya populer di serial TV Devs, di mana pada episode pertama sekelompok pengembang mendemonstrasikan kepada majikan model prediksi dari perilaku dinamis nematoda berdasarkan analisis data dari sampel hidup.
Sastra
1. Penelitian Rozin V. Semiotik. M, 2001, - 256 hal.
2. Brockman J. Artificial intelligence - harapan dan ketakutan. M, 2020, - 384 hal.
3. Prakarsa Otak 2025 braininitiative.nih.gov/sites/default/files/pdfs/brain2025_508c.pdf
4. Dennett D. Penjelasan Kesadaran. 1991, - 511 hal.