6 причин, по которым наш мозг учится лучше, чем искусственный интеллект

Нейросети способны самобучаться и развиваться. Но до сих пор ни одна нейронная сеть не смогла научиться абстрактно мыслить, как это делают люди (и это только один из примеров!). Французский нейробиолог Станислас Деан в своей книге «Как мы учимся» объясняет, почему человек всё ещё на шаг впереди машин.

Глядя на последние достижения в сфере искусственного интеллекта, можно подумать, будто мы наконец-то сообразили, как скопировать и даже превзойти человеческое научение и интеллект. Согласно некоторым самопровозглашённым пророкам, машины вот-вот поработят нас.

Ничто не может быть дальше от истины. На самом деле, большинство когнитивистов, несмотря на значительный прогресс в области искусственных нейронных сетей, прекрасно понимают, что возможности этих машин крайне ограниченны. По правде говоря, почти все искусственные нейронные сети осуществляют только те операции, которые наш мозг выполняет бессознательно, за несколько десятых долей секунды, — прежде всего это восприятие образа, его распознавание, классификация и установление значения. 

Он формулирует символические представления (репрезентации) и эксплицитные теории мира, которыми мы можем поделиться с окружающими с помощью речи. Операции такого рода — медленные, разумные, символические — остаются исключительной привилегией нашего вида (пока). <...>

Чего не хватает искусственному интеллекту? 

Ответив на этот вопрос, мы сможем выявить уникальные характеристики человеческой способности к научению. Вот краткий и, вероятно, неполный список функций, которыми обладает даже младенец, но которые отсутствуют в большинстве современных искусственных систем.

Усвоение абстрактных понятий

Большинство искусственных нейросетей воспроизводит только самые первые стадии обработки информации — анализ изображения, который зрительные области нашего мозга осуществляют менее чем за пятую долю секунды. Алгоритмы глубокого обучения далеко не так глубоки, как утверждают некоторые. По словам Йошуа Бенжио, одного из изобретателей алгоритмов глубокого обучения, такие системы в основном схватывают поверхностные, статистические закономерности в данных, а не абстрактные понятия высокого уровня. <...> 

Этот второй анализ, сознательный и разумный, задействует наши общие способности к рассуждению и абстракции. Искусственные нейронные сети упускают из виду одну очень важную вещь: человеческое научение — это не просто настройка фильтра распознавания образов, это построение абстрактной модели мира. <...>

Эффективная обработка данных

Все согласятся с тем, что современные нейронные сети обучаются слишком медленно: им требуются тысячи, миллионы, даже миллиарды элементов данных, чтобы сформировать представление об определённой области. У нас даже есть экспериментальные доказательства этой медлительности. Например, чтобы научиться приемлемо играть на консоли Atari, нейронной сети, разработанной DeepMind, необходимо минимум 900 часов, а человеку — всего 2! <...>

В плане научения эффективность человеческого мозга остаётся непревзойдённой: машины способны поглощать огромное количество информации, зато мы способны обрабатывать её более эффективно. Иными словами, из минимума данных люди умеют извлекать максимум.

Социальное научение

Человек — единственный вид, который добровольно делится информацией: мы многому учимся у других людей благодаря речи.

Данная способность до сих пор остаётся вне досягаемости современных искусственных нейросетей. В искусственных моделях знания зашифрованы, рассеяны в значениях сотен миллионов синаптических весов. В этой скрытой, имплицитной форме их нельзя извлечь и избирательно передать другим. 

Мы, напротив, можем эксплицитно сообщить другим информацию самого высокого уровня — ту, которая достигает нашего сознания. Сознательное знание неразрывно связано с возможностью его вербального выражения: всякий раз, когда мы приходим к более или менее чёткому пониманию некоего явления, ментальная формула находит отклик в нашем языке мышления, и мы можем сообщить о ней окружающим с помощью речи. <...>

Научение с одной попытки

Ярчайший пример такой эффективности — усвоение нового материала с первой попытки. Если я употреблю новый глагол, скажем, «курдячить», хотя бы один раз, вы тоже сможете его использовать. Конечно, некоторые искусственные нейросети могут запомнить мою фразу. Но что машины пока не умеют делать хорошо, так это интегрировать новую информацию в существующую сеть знаний — а человеческому мозгу это отлично удаётся. 

Вы не только запоминаете новый глагол «курдячить», но и мгновенно понимаете, как его спрягать и вставлять в другие предложения: вы часто курдячите? я курдячил вчера, а они курдячат сегодня. <...> Научиться — значит успешно внедрить новые знания в существующую сеть.

Систематичность и язык мышления

Грамматические правила — лишь один из примеров необычайного таланта нашего мозга: способности обнаруживать общие законы, лежащие в основе конкретных случаев. Будь то математика, язык, наука или музыка, человеческий мозг ухитряется извлекать из них абстрактные принципы, систематические правила, которые он может вновь применить в самых разных контекстах. <...>

Современным искусственным нейросетям недоступен даже такой простой абстрактный закон, как «за каждым числом следует другое число». Абсолютные истины — не их конёк. Систематичность, способность к обобщению на основе некоего символического правила, а не поверхностного сходства по-прежнему ускользает от большинства современных алгоритмов. <...>

Некоторые искусственные модели пытаются имитировать усвоение абстрактных математических правил у детей, но для этого они должны овладеть совсем иной формой научения — той, которая опирается на уже существующий набор правил и базовых положений и предполагает быстрый выбор самых ёмких и правдоподобных из них.

С этой точки зрения научение становится похожим на программирование: оно состоит в выборе простейшей внутренней формулы среди всех доступных на языке мышления.

Едва ли это случайно: в этом есть нечто сугубо человеческое, нечто такое, чего нет в мозге других видов животных и что современная нейробиология ещё не успела изучить подробно — поистине уникальный признак нашего вида. По всей видимости, люди — единственные приматы, чей мозг репрезентирует наборы символов, которые комбинируются в соответствии со сложным древовидным синтаксисом. <...>

Компоновка

Как только я научусь складывать два числа (к примеру), этот навык станет неотъемлемой частью моего репертуара талантов: иными словами, я немедленно смогу его применить для решения любых других задач. Я смогу использовать его как подпрограмму в десятках различных контекстов — скажем, чтобы оплатить счёт в ресторане или проверить налоговую декларацию. 

Но главное — я смогу комбинировать его с другими приобретёнными навыками: например, без труда взять некое число, прибавить к нему 2 и определить, что больше: новое число или 526.

Удивительно, но современные искусственные нейросети до сих пор не проявляют такой гибкости. Знание, которое они усвоили, остаётся изолированным в скрытых, недоступных связях, что препятствует его повторному использованию в других, более сложных задачах. В отличие от человека искусственные модели не умеют сочетать ранее приобретённые навыки, то есть рекомбинировать их для решения новых задач. <...>