Евгений Черешнев

ASI — это искусственный интеллект, который превосходит лучшего представителя людей в любой возможной области. Например, в математике ASI будет сильнее Григория Перельмана, в физике — умнее Альберта Эйнштейна (что представить даже страшно), в области инжиниринга и управления продуктом — совершеннее Илона Маска, в области борьбы за права человека (или машины?) — успешнее Харви Милка, Мартина Лютера Кинга и Александра Солженицына; еще он сможет писать книги лучше Льва Толстого, размышлять о Вселенной в разы увлекательнее, чем Митио Каку и Юваль Харари, снимать фильмы лучше Джеймса Кэмерона и да — готовить борщ лучше вашей бабушки.

Фактически сознание человека состоит из множества сознаний, работающих в унисон, это своеобразный муравейник. Вся эта экосистема в сухом остатке не сохраняет никаких данных на какой-то носитель, она просто калибрует силу биоэлектрических связей между нейронами в привязке к состоянию сети. То есть два нейрона могут иметь слабую связь при одной мысли или действии и сильную — при другой. А управляется все это по принципу роя — нейроны сами каким-то образом запоминают свою роль в зависимости от ситуации и каждый из них определяет свою переменную связь со всеми остальными в каждый момент времени, оценивая множество получаемых параметров. Все это делает количество вариантов состояния нейронной сети невероятным, самым большим во Вселенной числом, которому нет названия. Даже атомов во Вселенной меньше.

На данный момент машины далеки от способности эмулировать работу мозга. Скажу больше, всех серверов, компьютеров, смартфонов и дата-центров современного мира, включая машинный парк Google, Apple, Amazon, Microsoft, Adobe, Oracle, IBM, «Яндекса», Сбера и всех на свете спецслужб, недостаточно для того, чтобы эмулировать работу всего одного человеческого мозга — в мире просто недостаточно вычислительных мощностей. На март 2020 года самая мощная нейроморфная компьютерная система Pohoiki Springs, созданная компанией Intel, содержала 100 млн нейронов (что примерно соответствует числу нейронов у золотистого хомячка) и 100 млрд синапсов. 86 млрд нейронов человеческого мозга и стремящееся к бесконечности количество возможных синаптических связей — недостижимое пока число для машины… К тому же стоит добавить, что Pohoiki Springs, в отличие от хомячка, потребляет 500 ватт мощности. А человеческий мозг может успешно работать на салатиках и каберне-совиньон — представляете, насколько мы эффективнее машин? Потребуются принципиально новые подходы к решению задачи.

человек — это самообучающийся биокомпьютер с конечным сроком годности, поведение которого можно предсказать с высокой точностью, если иметь достаточно данных о методах его обучения и фактического поведения в прошлом, разбитого по четким и рассчитываемым, размеченным блокам. Его и миллиардов таких, как он

Пример иллюстративный и переведен в формат, понятный человеку, машина все видит в разы проще — нулями и единицами, без всякой лирики

Итак, сопоставление PP (past & present) dDNA человека с массовыми и статистически значимыми корреляциями с другими выборками dDNA дают нам вероятностную часть F (future). С этой точки зрения векторы и умножение матриц цифровой ДНК на векторы конкретных условий в сочетании с теорией игр могут творить чудеса, ибо позволяют в прямом смысле предсказывать будущее

Если у вас паранойя, это не значит, что за вами никто не следит

Но это не все, ибо мозг — не просто хранилище: одна простая мысль формата «Я ж яйца забыла купить!» задействует, допустим, 5 млн (оговорюсь сразу: это всего лишь моя гипотеза, то есть гипотеза, основанная на имеющихся знаниях, но все же пока не доказанная и требующая дальнейшей проработки) нейронов сети, активированных и соединенных друг с другом уникальным образом — эдакая «паутинка» (причем один и тот же нейрон может участвовать в бесконечном количестве мыслей). Сложная мысль или мыслительная активность в состоянии стресса, да еще и в движении, будет усилена гормонами и входящими потоками данных с большего количества сенсоров и в результате может задействовать до 90% (опять же, моя гипотеза) всей существующей сети (это важная деталь, ибо есть примеры, когда люди живут после удаления половины мозга, а это свидетельствует: нейронная сеть, безусловно, умеет адаптироваться под состояние носителя). Здесь же я должен сделать еще одну оговорку: у человечества в настоящее время нет МРТ-сканеров нужного разрешения для того, чтобы очень точно отследить и посчитать количество активированных нейронов, — дело в том, что самые продвинутые технологии магнитно-резонансной томографии позволяют получать изображения мозга с разрешением порядка 0,5 миллиметра. Это кажется огромным достижением, но для получения изображения синапса — связи нейрона с другими, потребуется разрешение совершенно иного класса — 0,001 миллиметра, а для распознавания силы связи потребуется еще большее разрешение. Эти цифры позволяют сделать неутешительный вывод: для задачи наблюдения за мыслительным процессом живого организма МРТ не подходит — если увеличить напряженность магнитного поля пропорционально задачам, мозг сканируемого человека будет попросту разрушен. Мыслительная деятельность трупов — так себе объект для изучения, поэтому нам нужны принципиально новые неинвазивные методы изучения мозга. Поэтому цифры «5 млн и «90%» — это, как я уже оговаривался, то есть основанная на имеющихся знаниях, но все же пока не доказанная моя гипотеза, требующая дальнейшей проработки.

Алан Тьюринг в своей работе «Вычислительные машины и разум» [11] определил основу искусственной формы жизни, формулу, которая остается неизменной до сих пор. Любая машина может, в сухом остатке, сделать только три вещи: во-первых, получить информацию (данные) на вход; во-вторых, что-то с этой информацией сделать (посчитать, преобразовать, оценить, пометить и т.д.); в-третьих, передать куда-то дальше. Этот принцип, собственно, хорошо прослеживается в эксперименте с «китайской комнатой». С тех пор, как в 1960 году был создан перцептрон — первый прообраз искусственной нейронной сети (хотя сама математическая модель нейрона была предложена в 1943 году), этот подход дополнился тем, что информация оказалась способна сама превращаться в логику, а не просто обрабатываться — математики называют это статистической индукцией. При таком подходе искусственный нейрон реализует функцию активации — нелинейную функцию, преобразующую результирующую сумму сигналов на входе (с учетом порогового значения) в сигнал на выходе.

Зачем нужна реклама, мы с вами довольно детально разобрались в предыдущих главах, — если оперировать терминологией маркетинговой воронки, просто для того, чтобы ваш профиль и идентификатор перемещался из колонки «неизвестный» в колонку «лояльный».