Сейчас очень много размышлений над сильным ИИ, нейросетями, влиянием нейросетей.
Но у нас и так есть миллиарды сильных И в биологическом исполнении. Зачем грезить/бояться/строить теории относительно будущего с сильным искусственным интеллектом, когда есть огромное количество плохо настроенных БИ. Достаточно чуть улучшить их обучение и эффективность и счастье взлетят вверх.
В связи с этим актуальным становится вопрос сравнения ИИ и обычного биологического интеллекта. Ведь если создатели перцептрона вдохновлялись и черпали идей из природы и биологи, то почему бы не черпать идеи из искусственных нейросетей и добавлять эти идеи к обычным. По сути ИИ это грубая модель мозга на основе модели нейрона. Смотреть на модель, анализировать ее — лучше понимать первичный объект и смотреть на объект анализировать его — лучше понимать модель.
Искусственные нейросети уже развиваются довольно давно и по некоторым показателям приближаются к биологическим. У chatgpt5 1 триллион синаптических контактов() у человека 15 триллионов. Числа сопоставимые. Датасет с изображениями ИИ стал определять лучше человека уже в 2015 году. Если рассматривать количество слоев(6 в коре у человека), то ИИ давно уже обошел биологические нейросети. Вполне разумно посмотреть на свое создание.
Отличия биологических нейросетей от искусственных
-
Главное отличие это нейропластичность зависящая от времени. Можно обучить ИИ, оставить его на пол года или на 10 лет, потом прийти и переучить его и скорость с которой будет произведено изменение весов нейросети будет одинаковой как с полугодовалым перерывом, так и с перерывом в десять лет. С человеком все будет по другому. Его нейропластичность в 7 лет отлична от нейропластичности в 25.
-
Отсутствие фиксированности во времени. Обучив ИИ можно его таким и оставить. Обучив биологические нейросети веса в них будут меняться постоянно. Если навык не поддерживается нейронные связи истончатся и ослабятся. Если поддерживается, то они усилятся и произойдет перенастройка. Она будет происходить постоянно.
-
Эволюционно прописанные программы и потребности. Если мы сделаем нейросеть для определения рукописных цифр, она не будет думать «как мне размножиться» «как поесть» «зачем я это делаю» «влияет ли данная деятельность на мою биологическую и социальную успешность» и т.д. ИИ изолирован в своей задаче. Но это если мы говорим о слабом ИИ. Будет ли сильный ИИ размышлять «как мне поесть» или «как мне поспать»
-
Также отдельно стоит отметить, что у биологических нейросетей есть лень. У текущих же ИИ нет лени. Возможно у сильного ИИ она будет. Подобно ленивым вычислениям в языках программирования (например, haskell). Лень это тоже потребность по П.Н. Симонову это потребность экономии энергии и входит она в витальные потребности. Если мозг в его древних структурах(например «подрублен», активируется в случае взаимодействия с изучаемым предметом. «Ученик — это не сосуд, который надо наполнить, а факел, который надо зажечь», как говорил Плутарх. «Огонь» мы видим, засунув человека в фмрт и показывая ему что-то что ему действительно интересно. Видно, что в таком случае биологическая нейросеть символически «горит» желтым и оранжевыми цветами. Активация подкорковых структур при изучении материала это интерес и/или стремление к изучению
-
Обучение чертам характера. Черты характера и личности это также нейронные связи, между нейронами в одном отделе и между несколькими. Например, выученная беспомощность, описанная Мартином Селигманом. Или же «выученное упорство», Ли Даркворт.
-
Генетические предрасположенности и плавание нейросети в коктейле из гормонов.
-
Для биологического интеллекта необходимо поспать, это часть его цикла обучения. ИИ может учиться 24/7.
-
Конкуренция датасетов друг с другом. Биологический сильный И имеет выбор между заданиями по математики и шотсами юутба.
Сходства биологических нейросетей и искусственных
-
Общий принцип. Веса — нейронные связи. Отслеживание ошибки при текущих весах. Усиление/ослабление весов в зависимости от ошибки
-
Тренировочная выборка и тестовая выборка
-
Overfitting
-
Обучение с учителем и обучение без учителя
-
Необходимость датасета достаточного объема и качества
Обучение с учителем эффективнее. Если есть возможность, то стоит обучаться с учителем.
Проблемы
Отсутствует сам процесс обучения
Не вычисляется функция ошибки или ее нет
Если в процессе обучения отсутствует ситуация с отслеживанием ошибки, то обучение не происходит, как пример можно привести английский в корее-японии. Да и наверняка читатель вспомнит множество случаев из жизни, когда люди делали одну и ту же деятельность пусть даже с точки зрения наработки того или иного навыка концептуально эффективную, но при этом не отслеживали результат и в итоге ничего не менялось.
Нет перенастройки весов
Если нет отслеживания ошибки, то нет и корректировки. Но даже когда она есть и показана ошибка, биологическая нейросеть может не корректировать веса, хотя данная опция имеется. Возможно и тут вспомнятся ситуации, когда индивид знает что нужно делать, чтобы стало лучше/эффективнее/результативнее, и все равно ничего не делает. Это именно тот случай.
Тем не менее это не самые грустные вариант. Самая печальная ситуация описана далее.
Тренировочная выборка, тестовая выборка и реальные данные отличны друг от друга
То как происходит с AI. Выбирается датасет который максимально похож на то с чем будет работать в последующем нейросеть. Данные делятся на тестовую и тренировочную выборку. На тренировочной осуществилось обучение. На тестовой проверка результатов нейросети. И все, в путь. В случае если датасет был более-менее похож на то с чем прийдется иметь дело нейросети, то все будет замечательно. Но так ли это с биологическим нейросетями?
Люди обучаются по крайне неэффективной схеме. Для примера можно взять обучение английскому, которому посвящено немало статей на хабре, обучающего контента и 10 лет школы, плюс 2 года бакалавра. И теперь вопрос, насколько хорош уровень английского языка в наших странах? Соответствует ли данный уровень тому что можно получить за 10-12 лет изучения языка? В Японии люди изучают английский, проходят грамматику, правила, пишут тесты идеально. Но по итогу, говорить не могут и понимать тоже. В школе/универе человек учится делать задания и быть вхожим в систему. Требуется ли в реальном мире это?? Лучшие варианты это максимально приблизиться к реальным данным и проводить обучение на них. Например, если человек учится программированию на скиллбоксах и прочих курсах, то лучше не идти на них, а просто взять задачу похожую на реальную сделать ее, сделать пару тестовых и влетать на работу, чтобы на ней и учиться наиболее эффективно. В сто раз будет эффективнее тренироваться нейросеть. Также на данных курсах происходит натаскивание на собеседования, собеседование можно в данном случае назвать тестовой выборкой. Но тестовая выборка и реальные данные отличаются! И даже если такой ученик пройдет, то он сложиться при первой же задаче.
Универы и школа. Грустная ситуация — преодоление минимального порога, наиболее дешевое с точки зрения усилий получение оценки(ленивость белковых нейросетей). Происходит тупое натаскивание на закрытие для необходимого минимума контрольной/зачета/получения оценки и т.д. Подхалимство для получения оценки. И именно данному качеству учится нейросеть. Лучше бы вообще не училась, чем вырабатывать такое
Лучшая ситуация при текущем варианте. Старательное выполнение. В таком случае, может выучиться терпению, усидчивости, системному мышлению. Но все равно, какая часть обучения полученного из самого тренировочного датасета пригодиться? Индивид научился хорошо вписывать описывать окружности в треугольник, а надо общаться и коммуницировать. Научился применять теорему Менелая, а работать в цифровом пространстве не научен. Что чаще пригождается? Какой навык сам по себе более ценен?
Ситуация с значительным различием тренировочных данных и реальных данных это самый грустная вариант. Ибо значительно количество сил и усилий потрачено на обучение, изменение весов — процесс дорогой и еще более энергозатратный.
Overfitting
Человек учит один пример и распространяет его на все. Он суперсильно его обдумал, а по сути провели сигнал в своей голове сотни раз по одним и тем же путям и как следствие усилил их. И после применения подхода из данного примера к второму ничего не работает!
На рисунке 2. показан график зависимости кривой ошибки от количества времени и сил потраченных на него. В биологических нейросетях склонность к overfitting имеют тревожные индивиды. Тревога находится в миндалине это подкорковая структура, она сильно активна и подстегивает обучение, мозг «активируется». Это мотивационный компонент, описанный в различии биологических нейросетей и ИИ. В свою очередь underfitting, происходит в тех ситуациях, когда просто без разницы, подкорка не особо активна. Хотя возможна ситуация нехватки времени, сил.
Нехватка датасета, низкое качество данных
Такая ситуация также возможна. Когда у ИИ происходит обучение без учителя, но датасет все равно подготовлен и очищен, то все равно учитель пусть и не говорит ученику, что он сделал так или не так, но косвенным образом он присутствует, заботливо подготовив ученику материалы.
Если же сильный биологический И будет готовить сам себе датасет, то что он наготовит? Может хорошо и равномерно подберет себе материал, может нет. Скорее всего датасет будет не репрезентативный, подобран с перекосом в сторону поверхностности и первой попавшейся информации. Это тема для отдельного материала.
Потенциальное превосходство ИИ и интеграция искусственных нейросетей в белковые
Дешевле открыть приложение сказать фразу и получить перевод тем же голосом. Это дешевле чем учить язык. Дешевле писать статьи с chatgpt чем прокачивать навык писательства. Дешевле сгенерить картину, чем рисовать ее. Общим словом, энергетически дешевле использовать искусственные нейросети которые обучались сотни часов на огромных датасетах, чем взращивать эти нейронные связи у себя в голове.
Что происходит? Кто виноват? Что делать?
На первый вопрос дан ответ выше. Второй вопрос не столь актуален. Третий особо актуален.
Учитель одновременно играет роль и подготовителя датасета, и описывает методику обучения, и показывает что правильно, что нет и самое главное в значительной части случаев помогает активизации подкорковые структуры. Роль Учителя тут большая чем. Под Учителем в бековых нейросетях могут проявляться: педагог(родитель, препод), другая социальная среда, культурная среда, информационное пространство(что в большинстве случаев сегодня почти полностью является интернетом). В общем варианте Учитель это среда. Самая первая и одна из наиболее импактовых это первичная социальная среда, которая почти полностью состоит из родителя. В большинстве случаев родитель не имеет педагогических компетенций. Необходимо сделать так, чтобы базовые педагогические компетенции были у каждого человека потенциально имеющего возможность заводить детей. В преподы надо брать лучших из людей. Особенно в преподы детсадов и младших классов. Кривая Хеккмана тому подтверждение
Снести полностью систему образования и переписать ее в соответствии с принципами нейронаук. Ввести основы нейронаук как отдельную дисциплину в школе/универе. Ввести навыки работы в цифровом и информационном пространстве. Ввести сексуальное образование, как говорил Игорь Кон. Ввести курс логики и мышления(отсылка на Эдварда де Боно). Тестовая выборка не всегда будет близка к реальной по понятным причинам, но в максимальной степени ее приблизить к реальным данным. Реальные данные генерит сама жизнь.
Менять культурную среду и следить за ней. Что ценно, что не является ценным. Куда направлять свою энергию. Что значимо, что нет. Что престижно, что нет. Все это находится на стыке культуры и информационного пространства также составляет Учителя, который и показывает БИ что правильно, а что нет.
ps
На создание статьи меня вдохновил Константин Анохин, на одной из лекций сказавший, что мы видим в мозге и ии одни и те же процессы. Также overfitting, который очевидно мы наблюдаем и в людях.
Вполне возможно статья является посредственной. С грамматическими, синтаксическими, пунктуационными ошибками(писать в личные сообщений). Тем не менее тема сравнения нейросетей друг с другом очень интересна и актуальна. Если и далее будет размышление на эту тему, то и нейронауки и сфера AI получат от этого значительную выгоду. Если есть дополнение/идея по поводу темы, то это замечательно, определенно стоит написать его в комменты.
Моя скромная идея заключалась в том, что человек содержит невероятный потенциал и основа данного потенциала и самого человека это мозг, это он и есть. И смотря, то насколько много внимания уделяется ИИ и насколько мало людям, появляются вопросы, а стоит ли так фиксироваться на прогрессе ИИ, когда собственные нейросети обучены неэффективно. И достойна ли будет человеческая жизнь в том мире, где его значимость постоянно падают как абсолютно, так и в сравнении с ИИ.
