Интеллект какой может быть: Синонимы и антонимы «интеллект» — анализ и ассоциации к слову интеллект. Морфологический разбор и склонение слов

Искусственный интеллект — угроза или помощник для человечества?

• Ксения Гогитидзе
• Би-би-си, Лондон

10 февраля 2017

Автор фото, Thinkstock

Подпись к фото,

Симбиоз человека и машины — один из путей развития человечества

Умные машины научились блефовать, обыгрывать профессионалов в шахматы или Го, переводить и распознавать человеческий голос. Каждую неделю мы узнаем о все новых подвигах компьютерных программ, уже умеющих ставить медицинские диагнозы, рисовать не хуже Рембрандта, петь или генерировать текст. Стоит ли человеку опасаться искусственного интеллекта?

По-настоящему «горячей» тема искусственного интеллекта (ИИ/AI) стала в последние несколько лет. Ученые связывают это с бурным развитием нейронных сетей (одно из направлений исследований в области искусственного интеллекта), которое, в свою очередь, стало возможным с появлением мощных компьютеров.

«С начала 2010-х годов под влиянием впечатляющих успехов, полученных в результате применения многослойных нейронных сетей (в первую очередь сверточных и рекуррентных), эта область привлекла серьезное внимание как со стороны ученых и инженеров, так и со стороны инвесторов», — комментирует автор одной из российских шахматных программ, специалист по методам машинного обучения Сергей Марков.

Ученое сообщество может спорить о сроках появления умных машин, но сходится в одном: развитие технологий окажет безусловное влияние на общество, экономику и отношения между людьми в будущем. Уже сейчас раздаются призывы обдумать этические принципы разработки искусственного интеллекта, удостоверившись в том, что искусственный интеллект развивается в безопасном для людей направлении.

Экономический эффект и влияние на рынок труда

Научная фантастика и Голливуд сформировали представление об «искусственном интеллекте» как о следующей форме жизни на планете, которая поработит человечество в Матрице или организует ему ядерный Судный день. Выживших добьет Терминатор.

Автор фото, Getty Images

Подпись к фото,

Умрет ли человечество от Skynet?

В действительности, несмотря на последние достижения в области искусственного интеллекта, до появления разумных машиносуществ еще далеко, признают ученые и специалисты. И те, и другие, впрочем, советуют на некоторые аспекты обратить внимание уже сейчас.

По оценкам исследовательской организации McKinsey Global Institute, в ближайшие десять лет новые технологии радикально изменят рынок труда на планете, что позволит сэкономить порядка 50 трлн долларов.

Изменения коснутся сотен миллионов рабочих мест. Люди все больше и больше будут перекладывать часть своих служебных заданий и многие рутинные задачи на машину, что позволит им сосредоточиться на творческой работе.

«С некоторой точки зрения у человечества в целом есть важная и интересная задача — развиваться каждому конкретному индивидууму гораздо быстрее, чем человечество развивает системы искусственного интеллекта», — считает эксперт, директор по распространению технологий «Яндекса» Григорий Бакунов.

Но вместе с автоматизацией неминуемо пострадают менее квалифицированные кадры, и уже сейчас необходимо задуматься, как их защитить, переучить и подготовить к новой жизни.

Пострадать, как показывает практика, могут не только синие воротнички, но и работники умственного труда. Несколько дней назад Goldman Sachs заменил команду из 600 трейдеров на двух человек и автоматизированные программы алгоритмического трейдинга, для обслуживания которых были наняты 200 разработчиков-программистов.

Автор фото, Thinkstock

Подпись к фото,

Многие задачи вскоре станут по силам роботизированным системам, которые последовательно начнут заменять людей

Искусственный интеллект сам по себе не тождественен автоматизации процессов, но развитие ИИ приведет к тому, что все больше задач будет по силам компьютерной программе.

Среди вариантов решения проблемы вытеснения человека машиной на рынке труда, как указывает Аллисон Дютман, координатор программ Foresight Institute — некоммерческой организации, базирующейся в Силиконовой долине для продвижения новых технологий, — введение понятия «универсальный базовый доход», который бы получал каждый житель вне зависимости от уровня дохода и занятости. Подобный доход финансировался бы за счет так называемого инновационного налога Land Value Tax, введение которого сейчас активно обсуждается в Силиконовой долине.

Личность ли искусственный интеллект?

Является ли роботизированная система личностью? Может ли умный компьютер голосовать? Какого он пола? Отношения человека и умной машины уже сейчас обсуждают депутаты Европарламента, задаваясь вопросом, следует ли наделять будущих роботом статусом «электронной личности».

Как указывает Дютман, люди нехотя делятся правами с теми, кто им непонятен, а значит будут сопротивляться «очеловечиванию» ИИ.

Автор фото, AFP

Подпись к фото,

Человека и машину разделяет главное — способность думать

«Принимая во внимание, как долго человечество шло к тому, чтобы наделить равными правами всех людей, вне зависимости от цвета их кожи, расы или гендера, можно уже сейчас предположить, что и машины они не сходу не признают равными.

Вместе с этическими появляются и юридические тонкости: кто возьмет на себя ответственность в случае аварии беспилотного автомобиля или поломки умного медицинского устройства — и нравственные вопросы: стоит ли развивать беспилотное оружие, способное действовать без ведома человека?

Третья этическая головоломка обсуждается чаще других и волнует человечество гораздо больше: что теоретически может сделать с человечеством суперинтеллект, настоящая умная машина?

Научить ИИ этике

Специалисты в области развития ИИ признают: пусть не в ближайшие 20-30 лет, но человечество все же доживет до появления настоящего искусственного интеллекта, который будет умнее своего создателя.

«Последний бастион будет взят тогда, когда будет создан так называемый «сильный ИИ» (Strong AI, Artificial General Intelligence), то есть такой ИИ, который будет способен решать неопределенно широкий спектр интеллектуальных задач», — говорит Сергей Марков.

А главное, такой ИИ сможет самостоятельно думать.

Исследованием угроз, которые таит ИИ, а также этическими проблемами, связанными с новыми технологиями, занимаются многие институты, в числе которых организация Future of Life Institute (Институт будущего жизни), Foresight Institute, Future of Humanity Institute, OpenAI и другие.

Решение Аллисон Дютман из Foresight Institute — дать компьютеру прочитать всю научную литературу, научные статьи, поднимающие вопрос об этике, и сделать эту информацию основой для его будущих решений.

Что такое Нейронные сети и какое у них будущее?

Большинство экспертов связывают прогресс в развитии ИИ с развитием нейронных сетей.

Нейронные сети — это одно из направлений исследований в области искусственного интеллекта, основанное на моделировании биологических процессов, которые происходят в человеческом мозгу.

Именно им мы обязаны появлению впечатляющих результатов в распознавании речи и изображений, постановке медицинских диагнозов, переводе текста и создании изображений, генерации речи и музыкальной композиции.

Автор фото, iStock

Подпись к фото,

Именно с развитием нейронных систем связывают ученые развитие искусственного интеллекта

На сегодня, как признают специалисты, нейронные сети признаны одним из лучших алгоритмов машинного обучения, а решения на их основе показывают на данный момент самые выдающиеся результаты.

И это несмотря на то, что современные нейронные сети устроены в полторы тысячи раз проще, чем головной мозг крысы.

«Пока что создаваемые нами нейронные сети относительно невелики по сравнению, скажем, с нейронной сетью человеческого мозга и, кроме того, они представляют собой весьма упрощенный аналог естественных нейронных сетей. Поэтому пока что при помощи нейронных сетей мы решаем в основном сугубо прикладные задачи», — рассказывает Сергей Марков.

Сейчас создаются специализированные процессоры для обучения таких сетей (так называемые нейроморфические процессоры), которые позволят увеличить скорость вычислений на несколько порядков.

Разработчики не просто заняты сейчас увеличением количества нейронов в сети, но и изменением конструкции сетей. «Сложные системы конфигурации сетей — то, с чем сейчас производится наибольшее число экспериментов», — рассказывает Григорий Бакунов.

Автор фото, iStock

Подпись к фото,

«Умных» помощников человека в ближайшее время станет больше — микросенсоры в стене, сенсор размером с пуговицу, оповещающий человека в случае опасности

А тот факт, что такие системы стали сравнительно доступными большому числу рядовых разработчиков, привел к появлению стартапов, экспериментирующих с нейронными сетями, например Prisma (приложение позволяет обрабатывать фотографии, превращая их в стилизации картин известных художников) и Mubert (онлайн-композитор электронной музыки).

Что нас ждет в ближайшее время

Как прогнозирует профессор Университетского колледжа Лондона и Principal Scientist Nokia Bell Labs Ник Лейн, человека будут окружать еще больше «умных вещей». Они станут компактнее и эффективнее.

Профессор приводит такой пример: если раньше встроенный в стену сенсор мог лишь осознавать, что кто-то прошел мимо, то в будущем он будет не только знать, кто конкретно прошел, но и как ведет себя человек, не нуждается ли в чем, не представляет ли он угрозу для себя или окружающих.

Сенсор размером с пуговицу сможет оповещать человека в случае опасности.

С профессором согласен и Григорий Бакунов из «Яндекса»: «В ближайшее время нас ждет бум развития узких искусственных интеллектов, которые помогают решать какую-то одну довольно простую задачу, но которую они будут решать даже лучше, чем человек».

Автор фото, iStock

Подпись к фото,

Все больше появляется этических вопросов, связанных с развитием ИИ

Система распознавания голоса, например, уже сейчас распознает некоторые голосовые команды и адреса лучше, чем человек.

«Наиболее вероятным путем развития нашей цивилизации является путь синтеза человека и машины: палка, одежда, автомобиль, мобильный телефон, кардиостимулятор или кохлеарный имплантат — по мере развития наши инструменты все более и более напоминают продолжение наших тел. Уже завтра машины смогут получать от человека мысленные команды, воспринимать мысленно формируемые визуальные образы, передавать информацию непосредственно в мозг — такие проекты уже сейчас существуют за стенами наиболее продвинутых технологических лабораторий», — подытоживает Сергей Марков.

Журналисты пока еще нужны?

Газета Financial Times в прошлом году провела довольно рискованный эксперимент, одновременно поставив задачу написать текст своему профильному корреспонденту и умной программе по имени Эмма. Обе статьи затем должен был прочитать редактор Financial Times и угадать, за какой из двух заметок стоит журналист, а за какой компьютер.

Перед этим своеобразным «краш-тестом» корреспондент Financial Times признавалась: «Я думаю, программа точно справится с задачей быстрее меня. Но, надеюсь, я все-таки сделаю это лучше».

Так и случилось: Эмма действительно оказалась быстрее — программа сгенерировала текст на основе статистики об уровне безработицы в Британии за 12 минут. Журналистке потребовалось 35 минут. И, как она сама впоследствии признавалась, Эмма превзошла ее ожидания. Программа не только умело обращалась с фактами, но и поставила новость в контекст, предположив, как возможный «брексит» (дело было в мае 2016 года, до референдума о выходе Британии из ЕС) может изменить ситуацию.

Автор фото, Thinkstock

Подпись к фото,

Заменят ли людей роботизированные системы? Лет 50 у человечества в запасе есть, успокаивают специалисты

Но кое-что Эмма сделала все же хуже журналистки. «Статья Эммы была написана немного более корявым языком. Но главное, в ней было очень много цифр, — признавался редактор FT. — А, пожалуй, главное, что мы тут пытаемся делать, так это выбирать только действительно важные цифры».

Эмма — продукт стартапа Stealth. В компании говорят, что у Эммы есть команда живых помощников, но утверждают, что все, что она пишет или делает, — продукт исключительно ее «мозгов».

И все-таки — надо ли бояться ИИ?

Многие, если не все специалисты, задействованные на сегодняшний день в разработке систем искусственного интеллекта, охотно признают, что ИИ не скоро сделает людей ненужными. Именно потому, что искусственный интеллект еще не настолько умен. Главное, чего ему на сегодняшний день не хватает, — автономной возможности думать.

«Сейчас бояться ИИ ни в каком виде не стоит. Можно подождать лет 30-40, пока действительно какие-то радикальные изменения произойдут», — считает Бакунов.

Но кое-что уже происходит: понемногу стирается грань между работой или задачей, выполненной человеком, и задачей, выполненной машиной. Как объясняют специалисты, уже сейчас порой бывает сложно понять, кто сидит внутри системы — человек или машина.

«Нет критериев, когда мы сможем понять, что внутри машины зародилось сознание», — задается вопросом Бакунов.

Человек станет скрепкой?

Известный адепт алармистской точки зрения, в рамках которой ужасы, описанные в Терминаторе, могут стать реальностью, — философ Ник Бостром — придерживается мнения, что достигший интеллектуального уровня человека ИИ способен будет уничтожить человечество.

Автор фото, Getty Images

Подпись к фото,

Станет ли описанное в фильме нашей повседневной реальностью?

Бостром объясняет на примере скрепок: вы ставите перед искусственным интеллектом задачу делать скрепки, как можно больше и лучше. ИИ в какой-то момент понимает, что человек представляет угрозу, потому что может выключить компьютер, что будет противоречить задаче делать как можно больше скрепок. В случае, если человек не представляет угрозу, ИИ решает, что человеческие тела состоят из атомов, которые можно использовать для производства отличных скрепок. Итог — компьютер изведет человечество на скрепки.

Такой сценарий многим кажется преувеличением. По мнению Сергея Маркова, например, «высокая эффективность выполнения нелепой цели несовместима с нелепостью этой цели — грубо говоря, ИИ, способный переделать весь мир в скрепки, будет неизбежно достаточно умен для того, чтобы отказаться от такой цели».

Искусственный интеллект как золотая рыбка

Британский специалист в области искусственного интеллекта, профессор когнитивной науки в Университете Сассекса Маргарет Боден относится к утверждениям о скором пришествии умных машин скептически.

Автор фото, Getty Images

Подпись к фото,

В мае 1997 года компьютер Deep Blue II впервые выиграл матч у Гарри Каспарова

Профессор приводит пример «золотой рыбки», когда в обмен на свободу рыбак загадывает три желания. Одно из желаний — вернуть сына с войны, второе — 50 тысяч долларов и третье — возможность наутро загадать еще одно желание.

В тот же вечер в дом рыбака постучали. Сына вернули с войны — в гробу. Рыбак получил страховку в 50 тысяч долларов.

«Замените в этой притче рыбку на ИИ, и все станет ясно — объясняет Боден. — Ах, да, на следующий день рыбак воспользовался третьим желанием и — отменил предыдущие два».

Возможен ли перенос сознания в машину?

Сергей Марков:

«Если говорить о возможности полного переноса сознания, то современными предшественниками такой технологии будущего являются проекты, подобные Blue Brain, направленные на создание действующих электронных аналогов мозга, а также проекты, направленные на создание интерфейсов мозг-машина (BCI) — аппараты для протезирования потерянного зрения, слуха, замены утраченных конечностей, даже частей мозга.

Автор фото, Science Photo Library

Подпись к фото,

Цель специалистов в области ИИ — создать «сильный искусственный интеллект», который был бы способен решать широкий спектр задач

Очень интересным и перспективным направлением является оптогенетика (в принципе для сопряжения мозга и машины можно менять не только машины, но и саму нервную ткань, создавая в ней искусственные фоторецепторы).

Когда будет решен широкий спектр инженерных задач в рамках таких частных проектов, я думаю, что задача переноса сознания станет вполне разрешимой. Уже сейчас мечтатели предлагают гипотетические схемы для осуществления подобного проекта.

Например, Ян Корчмарюк, предложивший в свое время название «сеттлеретика» для направления исследований, связанных с переносом сознания, считает, что наиболее перспективной схемой является использование специализированных нанороботов, внедряемых в нейроны человеческого мозга. Впрочем, для успешного воплощения подобной схемы необходимо решить целый ряд сложных инженерных проблем».

Искусственный интеллект: между мифом и реальностью

Могут ли машины стать умнее, чем люди? Нет, считает Жан-Габриэль Ганасия: это всего лишь миф, навеянный научной фантастикой. В своей статье он напоминает об основных этапах развития этой отрасли науки, о достижениях современной техники и об этических вопросах, все больше требующих к себе внимания.

Жан-Габриэль Ганасия

Искусственный интеллект (ИИ) – это отрасль науки, официально увидевшая свет в 1956 году на летнем семинаре в Дартмут-колледже (Хановер, США), который организовали четверо американских ученых: Джон Мак-Карти, Марвин Мински, Натаниэль Рочестер и Клод Шеннон. С тех пор термин «искусственный интеллект», придуманный, вероятнее всего, с целью привлечения всеобщего внимания, стал настолько популярен, что сегодня вряд ли можно встретить человека, который никогда его не слышал. С течением времени этот раздел информатики развивался все больше, а интеллектуальные технологии в последние шестьдесят лет сыграли важную роль в изменении облика мира.

Однако популярность термина «искусственный интеллект» во многом объясняется его ошибочным толкованием – в частности, когда им обозначают некую искусственную сущность, наделенную разумом, которая якобы в состоянии конкурировать с людьми. Эта мысль из области древних легенд и преданий, звучащая как миф о Големе, с недавних пор реанимируется такими нашими современниками, как британский физик Стивен Хокинг (1942-2018 гг.), американский предприниматель Илон Маск и американский инженер Рэй Курцвейл, а также сторонниками создания так называемого сильного или общего ИИ. Не будем, впрочем, говорить о данном понимании этого термина, ибо оно скорее представляет собой появившийся под влиянием научной фантастики продукт богатого воображения, а не осязаемую научную реальность, подтвержденную опытами и эмпирическими наблюдениями.

Для Джона Мак-Карти и Марвина Мински, как и для прочих организаторов летнего семинара в Дартмут-колледже, ИИ изначально представлял собой область науки, занимающейся компьютерным моделированием различных способностей интеллекта, идет ли речь об интеллекте человеческом, животном, растительном, социальном или филогенетическом. В основе этой научной дисциплины лежит предположение о том, что все когнитивные функции, как то обучение, мышление, расчет, восприятие, память, даже научное открытие или художественное творчество, могут быть описаны с точностью, дающей возможность запрограммировать компьютер на их воспроизведение. На протяжении более чем шестидесяти лет существования ИИ не появилось ничего, что позволило бы неоспоримо доказать либо опровергнуть гипотезу, которая продолжает оставаться открытой и побуждает ученых к новым изобретениям.

История взлетов и падений

За короткое время своего существования ИИ претерпел многочисленные изменения. В истории его развития можно выделить шесть этапов.

◼️ Период пророчеств

Поначалу, под влиянием первых успехов, исследователи позволяли себе несколько опрометчивые заявления, которые впоследствии неоднократно ставились им в упрек. Так, например, в 1958 году американец Герберт Саймон, позже ставший лауреатом Нобелевской премии по экономике, заявил, что если бы машины допускались к международным соревнованиям, то в ближайшие десять лет они стали бы чемпионами мира по шахматам.

◼️ Мрачные времена

Прогресс замедлился в середине 1960-х годов. В 1965 году десятилетний мальчик одержал в шахматном матче победу над компьютером; в 1966 году в докладе, подготовленном по заказу Сената Соединенных Штатов Америки, говорилось о внутренних ограничениях, присущих машинному переводу. Около десяти лет пресса отзывалась об ИИ неодобрительно.

◼️ Семантический ИИ

Исследования не прекратились, но пошли в новых направлениях. Ученые заинтересовались психологией памяти, механизмами понимания, которые они пытались имитировать на компьютере, и ролью знаний в мыслительном процессе. Это привело к появлению значительно развившихся в середине 1970-х годов методов семантического представления знаний, а также к созданию экспертных систем, названных так потому, что для воспроизведения мыслительных процессов в них использовались знания квалифицированных специалистов. В начале 1980-х годов на экспертные системы возлагались большие надежды в связи с широкими возможностями их применения, например, для медицинской диагностики.

◼️ Неоконнекционизм и машинное обучение

Технические усовершенствования позволили разработать алгоритмы машинного обучения (Machine Learning), благодаря которым компьютеры смогли накапливать знания и автоматически перепрограммироваться на основе собственного опыта.

Такие интеллектуальные системы стали применяться для выполнения самых различных задач (идентификация отпечатков пальцев, распознавание речи и т. д.), а комбинации различных методов из области ИИ, информатики, искусственной жизни и других дисциплин использовались для создания гибридных систем.

◼️ От ИИ до интерфейсов «человек – машина»

С конца 1990-х годов ИИ стали объединять с робототехникой и интерфейсом «человек – машина» с целью создания интеллектуальных агентов, предполагающих наличие чувств и эмоций. Это привело, среди прочего, к появлению нового исследовательского направления – аффективных (или эмоциональных) вычислений (affective computing), направленных на анализ реакций субъекта, ощущающего эмоции, и их воспроизведение на машине, и позволило усовершенствовать диалоговые системы (чат-боты).

◼️ Возрождение ИИ

С 2010 года мощность компьютеров позволяет сочетать так называемые большие данные (Big Data) с методами     глубокого обучения (Deep Learning), которые основываются на использовании искусственных нейронных сетей. Весьма успешное применение во многих областях (распознавание речи и изображений, понимание естественного языка, беспилотный автомобиль и т.д.) позволяет говорить о возрождении ИИ.

Применение

Многие результаты, достигнутые с использованием технологий ИИ, превосходят человека: в 1997 году компьютер одержал победу над действующим в то время чемпионом мира по шахматам, а недавно, в 2016 году, другие компьютеры обыграли лучших в мире игроков в го и покер. Компьютеры доказывают или помогают доказывать математические теоремы; автоматически, на основе методов машинного обучения и с помощью огромных массивов данных, объем которых исчисляется в терабайтах (10 в 12-й степени) и даже в петабайтах (10 в 15-й степени), создаются знания.

Методы машинного обучения позволяют одним автоматам распознавать устную речь и записывать ее подобно секретарям-машинисткам прошлых лет, а другим – точно идентифицировать лица или отпечатки пальцев среди десятков миллионов других и обрабатывать тексты, написанные на естественных языках. Благодаря этим же методам самостоятельно движутся автомобили, компьютеры лучше врачей-дерматологов диагностируют меланомы по фотографиям родинок, сделанных с помощью сотовых телефонов, роботы воюют вместо людей; а конвейеры на заводах все больше автоматизируются.

Ученые также прибегают к этим методам для определения функций биологических макромолекул, в частности белков и геномов, исходя из последовательности их компонентов – аминокислот для белков и оснований для геномов. В целом, во всех науках наблюдается серьезный эпистемологический разрыв, обусловленный качественным отличием экспериментов in silico – получивших такое название потому, что выполняются на основе больших данных с помощью мощных процессоров с кремниевыми чипами – от экспериментов in vivo (на живой ткани) и особенно in vitro (в стеклянных пробирках и чашках Петри).

Самообучающиеся интеллектуальные системы широко применяются практически во всех сферах, особенно в промышленности, банковском деле, страховании, здравоохранении и обороне. Многие рутинные процессы теперь можно будет автоматизировать, что преобразит наши профессии и, в конечном итоге, устранит некоторые из них.

Этические риски

ИИ подразумевает не только рациональный анализ и воспроизведение при помощи компьютеров большинства аспектов интеллекта – может быть, лишь за исключением юмора. Машины значительно превышают наши когнитивные способности в большинстве областей, что заставляет нас опасаться некоторых этических рисков. Это риски трех видов: дефицит работы, которая вместо людей будет выполняться машинами; последствия для независимости человека и, в частности, для его свободы и безопасности; опасения, что более «умные» машины будут доминировать над людьми и станут причиной гибели человечества.

Однако при ближайшем рассмотрении становится очевидно, что работа для людей не пропадает, а трансформируется, требуя новых навыков. Точно так же независимость человеческой личности и ее свобода не подвергаются неминуемой опасности из-за развития ИИ – при условии, однако, что мы останемся бдительными перед лицом вторжения технологий в частную жизнь.

И наконец, в противоположность некоторым утверждениям, машины не несут в себе экзистенциального риска для человечества, поскольку их автономия носит лишь технический характер и в этом смысле не соответствует цепочкам материальной причинности, идущим от информации к принятию решений. Кроме того, машины не самостоятельны в моральном плане, и потому, даже если иногда они сбивают нас с толку и вводят в заблуждение своими действиями, они все же не обладают собственной волей и подчиняются тем целям, которые мы перед ними ставим.

Фото: Макс Агилера-Хеллвег

Искусственный интеллект заставит людей постоянно менять профессии

Биометрические технологии сегодня гораздо точнее, чем человек, узнают лица, голоса, силуэты конкретных людей. А система принятия врачебных решений точнее квалифицированного медика обнаруживает онкологические заболевания на ранних стадиях. Так работает искусственный интеллект, на основе которого происходит цифровизация практически всех сфер нашей жизни. В том числе — и экономики.

Как вписаться в этот глобальный процесс, чтобы остаться востребованным специалистом? На кого, когда, как и сколько учиться? Об этом «Российской газете» рассказал директор направления «Искусственный интеллект» АНО «Цифровая экономика» Алексей Сидорюк.

Алексей Павлович, судя по всему, не все работники смогут выжить в этой новой корпоративной культуре. К чему работнику нужно быть готовым?

Алексей Сидорюк: Такие опасения сейчас, наверное, у всех, кто так или иначе связан с цифровой трансформацией. Полагаю, что нечто подобное испытывали люди, когда совершалась Первая промышленная революция в Англии. Тогда были, помните, так называемые «лудиты», которые разрушали технику, первые паровые котлы, считали, что это все лишит их работы.

Конечно, и в нашем случае, некоторые профессии начнут быстрее устаревать. Но зато, появится более креативная, интересная, менее рутинная работа. Изменится характер деятельности, даже в тех сферах, где изначально не предполагалось участие искусственного интеллекта. Например, он будет помогать учителю проверять домашние задания. Распознавать рукописный текст, рекомендовать оценку за работу. А учитель может с ним согласиться или нет. И это сильно упростит его работу.

Всего этого не надо опасаться. А быть готовым к тому, что новая корпоративная культура подразумевает открытость к новому, постоянное обучение и хороший уровень коммуникационных навыков. Уже сейчас устаревает понятие «профессия на всю жизнь». Я думаю, что в ближайшем будущем у человека может быть несколько профессий в течение жизни. И к этому нужно быть готовым.

Так или иначе, человеку придется в течение жизни добирать необходимые компетенции. На Западе уже сейчас широко пропагандируется концепция lifetime learning (непрерывное образование). Там для каждого этапа развития личности формируется свой обучающий пакет, начиная от дошкольного образования, заканчивая возрастом 60+ и освоением разных цифровых профессий.

Надо понимать, что все профессии сведутся к изучению компьютерных программам?

Алексей Сидорюк: Это далеко не так. Более того, у каждой технологии есть своя зона применимости. Мы сейчас входим в такую эпоху, когда такие навыки как любознательность и креативность действительно начинают ценить.

Я бы порекомендовал получить базовые знания по цифровым технологиям, понимать, что такое искусственный интеллект (ИИ), интернет вещей, 5G, робототехника, беспилотный транспорт, blockchain. Это и для общего развития полезно, и будет полезно в рамках вашей же деятельности.

Рано или поздно, человек все равно столкнется с цифровой трансформацией. Как в шутку сказала моя знакомая, «IT ты можешь и не быть, но понимать, уметь обязан». И я с этим согласен. Цифровые технологии, которые сейчас «на хайпе», появились достаточно давно, ИИ — не новая вещь. По квантовым компьютерам я защищал диплом в 2008 году. Тогда об этом и не говорили, а спустя всего-то несколько лет эти технологии получили широкое применение, в них вкладывают большие инвестиции.

На чем спотыкается у нас сегодня развитие цифровой трансформации?

Алексей Сидорюк: Обычный, пожалуй, набор. Не хватает бюджета. Правда, Правительство РФ приняло первый пакет налоговых льгот, который начал действовать с 1 января 2021 года.

В нем предусмотрено снижение страховых отчислений с 14 до 7,6 процента, а налог на прибыль с 20 до 3 процентов для компаний, которые преимущественно зарабатывают с продажи лицензий на программное обеспечение. Предусмотрены льготные кредиты от 1 до 5 процентов годовых. Прорабатываются и другие меры поддержки для информационно-коммуникационных технологий и цифровой отрасли.

Мешает устаревшая инфраструктура и технологии. Эта боль особенно регионов, с которой мы тоже часто сталкиваемся. Не везде есть высокоскоростной интернет, не у всех компьютеры.

Часто возникают проблемы с информационной безопасностью. Особенно это болезненно для отраслей, которые только приступают к цифровой трансформации. «Безопасники» предъявляют требования, которые, во-первых, с точки зрения финансов очень дорого обходятся для организации, а во-вторых, препятствуют скорости распространения цифровых технологий. Но все это решаемо.

Легко сказать — решаемо. Проблем немало, и они серьезные.

Алексей Сидорюк: Для меня, если честно, важна, в первую очередь, компетенция людей. Это за ними подтягиваются идеи и технологии. То есть, если люди компетентны, достаточно быстро обучаемы, стремящиеся к учебе, то обычно за сильной командой все остальное подтягивается. И наоборот.

Я видел много примеров, когда есть вроде бы все изначальные данные, есть большой объем инвестиций, но поскольку нет человеческого потенциала, компетенции команды, все эти ресурсы тратятся неэффективно. И в итоге качественного продукта не получается.

Поэтому я бы компетенции людей, команды ставить во главу угла. Неслучайно компетентные кадры часто перекупают организации друг у друга практически вместе с командами. Идет утечка квалифицированных кадров за рубеж.

Согласен. Вы как-то сказали, что осваивать основы искусственного интеллекта начнут уже в школе. Но готовы ли к этому преподаватели и техническое оснащение школ?

Алексей Сидорюк: Школы и преподавательский состав, насколько мне известно, сильно различаются в крупных, средних и небольших городах и селах. Отличаются также и технические условия.

Но опыт хакатонов показывает, что школьники старших классов достаточно быстро усваивают основы искусственного интеллекта. Сейчас уже создано большое количество датасетов для обучения, удобных платформ и сервисов, которые позволяют осуществить быстрый старт даже без глубоких технических и математических знаний.

Подробнее о хакатонах читайте в ближайшем номере «Российской газеты».

Может ли искусственный интеллект заменить судью / Идеи и люди / Независимая газета

Нужна синтетическая личность, которая добьется доверия и уважения людей

С началом пандемии COVID-19 китайские суды стали предлагать участникам споров «правосудие на кончиках пальцев» – заседания через интернет. Кадр из видео с канала Cgtn на Youtube

Термин «искусственный интеллект» (artificial intelligence, AI) ввел в обиход Джон Маккарти на конференции в Дартмутском университете еще в 1956 году. Скажем прямо, несмотря на распространенность, этот термин скорее запутывает читателя. Но реальные технологии ИИ – вовсе не искусственный разум, как показывает Голливуд, а отдельные интеллектуальные функции программ.

Национальная стратегия развития искусственного интеллекта на период до 2030 года (указ президента России от 10 октября 2019 года № 490) определяет ИИ как «комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека».

Практика показала: для копирования всей сложности мышления, убеждений, справедливости, творчества, интуиции нужно точно знать, как обрабатывает сигналы мозг. Нужен сканер для мозга, в реальном времени показывающий все сигналы между нейронами. Однако точности и скорости существующего оборудования явно недостаточно. Мозг каждого из нас – самый сложный объект из известных во Вселенной! Посудите сами, человеческий мозг содержит более 85 млрд нейронов, у каждого нейрона до 10 тыс. связей.

Существующие методы исследований позволяют точно изучать группы до 1000 нейронов путем вживления электродов. Магнитно-резонансная томография позволяет раз в полчаса сделать снимок активности мозга, а нужно фиксировать мгновенные импульсы. Все эти трудности позволяют ведущим экспертам в сфере ИИ отодвигать в будущее создание искусственного разума – сильного ИИ на срок не менее 20–50 лет.

За 60 лет исследований уровень «осознанности» ИИ примерно достиг уровня развития насекомых. Справедливости ради нужно отметить – очень впечатляющие результаты, если учесть, что естественной эволюции потребовалось на создание насекомых более 3 млрд лет. Но чем такой ИИ сможет помочь судье?

Внимание судьи распыляется на множество бесспорных дел и рутинных процедур. В итоге на сложные дела ресурса внимания и времени может не хватить. Судебный ИИ может помочь избавить судей и граждан от рутины, сэкономить время, уменьшить ошибки и необъективность. Он широко применяется в Китае, США, Франции и других государствах.

В Китае в марте этого года принята «дорожная карта» по модернизации правовой системы КНР к 2025 году, включающая интеграцию ИИ в судопроизводство в рамках системы «умного суда» для повышения доверия к судам и упрощения контроля над судьями.

С началом пандемии COVID-19 Верховный суд КНР рекомендовал судам предлагать всем участникам споров «правосудие на кончиках пальцев» – проводить все заседания преимущественно через интернет. В 2020 году онлайн стало рассматриваться более 200 тыс. дел ежемесячно. Стороны могут отказаться от онлайн-процесса, но для этого они должны подать отдельное заявление. Все суды в Китае подключены к платформе больших данных, куда автоматически передается информация о принятых решениях, доказательствах и т.д. Платформа больших данных позволяет судье получать сведения из других государственных органов автоматически – о недвижимости, доходах, банковских счетах, транспорте и другую информацию. Это ускоряет судебный процесс и исключает подделку справок сторонами. Данные обновляются каждые пять минут, что позволяет судьям знать детальную статистику о работе судов, включая, какие принимаются решения по каким типам дел. На основе этих данных ИИ предоставляет судьям информацию, например, о средних, минимальных и максимальных наказаниях в похожих делах. ИИ вышестоящих судов проводит предварительную проверку судебных дел, сравнивая доказательства из проверяемого дела и из массива ранее рассмотренных дел. Местные суды в девяти регионах, включая Пекин, Шанхай и Гуандун, установили справочных ботов в залах судебных заседаний, которые разъясняют сторонам их права, объясняют судебные процедуры и т.д. Судьям помогают программные модули, которые распознают речь в суде и преобразовывают ее в текст протокола судебного заседания, исправляют ошибки в тексте судебного решения, формируют электронный архив по делу, ищут аналогичные судебные дела в базе и предупреждают об «аномальных» решениях и приговорах.

Для России может быть интересен опыт создания специальных интернет-судов. В 2017–2018 годах открыты интернет-суды в Пекине, Гуанджоу, Ханчжоу. Интернет-суды рассматривают дела по спорам об онлайн-платежах с интернет-магазинами, по поводу интернет-услуг, доменных имен сайтов, об ответственности за размещенную в интернете информацию, нарушающую права человека или общества, при нарушении авторских прав в интернете.

В марте 2019 года в Китае запущена система рассмотрения интернет-споров через популярный мессенджер WeChat, который распознает лицо участника процесса для установления личности и позволяет использовать электронную подпись при подаче заявлений и доказательств. Процесс проходит в формате видеочата, а решение выносит ИИ. На сегодня так рассмотрено более 3 млн дел.

В конце 2019 года Верховный народный суд КНР опубликовал белую книгу – «Интернет-правосудие в китайских судах», где обобщен опыт электронного правосудия.

В США достижения судебного ИИ гораздо скромнее – применяется несколько частных систем. Судьи используют несколько систем, например «Систему оценки общественной безопасности» (Public Safety Assessment, PSA). Система помогает решить, давать ли реальный или условный срок, выпускать ли заключенного досрочно или определить размер залога. Аналогичная программа COMPAS подверглась публичной критике, поскольку в два раза чаще информировала о возможном повторе преступления для афроамериканцев из-за особенностей выборки данных. Для анализа законодательства применяются системы Watson/Ross (IBM) и Lex Machina (LexisNexis). Система DARE с точностью в 92% случаев выявляет лжесвидетельство по видеозаписям на основе изменений мимики, тона голоса и других параметров.

В 2018 году принята Европейская этическая хартия об использовании искусственного интеллекта в судебных системах и окружающих их реалиях. Хартия опровергает миф: «сильных» ИИ из научно-фантастической литературы не существует. Этот тип искусственного интеллекта, который был бы оснащен не только интеллектом, но и сознательностью, остается чисто вымышленным» (пункт 63 Хартии).

Хартия вводит принципы ИИ, в частности недискриминации граждан, возможности внешнего контроля, а также применения ИИ только для рекомендаций. Иными словами, Совет Европы считает, что ИИ не должен заменять судью. Более того, к примеру, во Франции законодательно запрещена автоматизация принятия судебных решений и анализ деятельности судей. Об этом говорит французский Закон о программировании и реформе судопроизводства на 2018–2022 годы.

В России разделяют европейский подход. В докладе 2020 года председателя Совета судей РФ Виктора Момотова «Перспективы использования искусственного интеллекта в судебной системе Российской Федерации» подчеркивается: «Суд при вынесении решения руководствуется целым рядом оценочных и ценностных критериев, закрепленных в законе: например, принципами справедливости и гуманизма при назначении наказания, требованиями разумности и добросовестности в гражданском праве. Понимание таких общих категорий формируется у человека в процессе социализации, воспитания, становления личности – все это невозможно воспроизвести в программном алгоритме… Нередки случаи, когда при отсутствии конкретного правового регулирования суды применяют аналогию закона и аналогию права, под которой понимается разрешение спора исходя из общих начал и смысла законодательства. Смысл законодательства, то есть его дух, может быть выявлен только человеком с высоким уровнем правовой культуры, а никак не компьютером».

В ряде крупных банков и страховых компаний (например, «Ренессанс страхование», Сбербанк) ИИ готовит типовые заявления в суд. Системы «Сутяжник», Caselook помогают юристам искать судебную практику.

На государственном уровне в России разрабатывается суперсервис «Правосудие онлайн» для портала «Госуслуги». Планируется, что с 2022 года можно будет участвовать в заседаниях по гражданским и административным делам через компьютер или смартфон с получением от суда документов, подписанных цифровой подписью. Проверка личности участников будет происходить с помощью распознавания лица и голоса (биометрической идентификации). Сервис не будет распространяться на уголовные дела. С 2024 года суперсервис начнет выполнять более сложные функции, к примеру автоматического составления проектов судебных актов.

Для бесспорных судебных дел, например о взыскании долга по нотариально удостоверенному договору, ИИ вполне сможет подготовить проект судебного решения. Однако без судьи не обойтись, если в деле нужно разбираться с противоречиями в нормах или доказательствах. А как оцифровать справедливость или учет смягчающих или отягчающих вину обстоятельств? Ведь решения судов в прошлом не могут учитывать современных реалий или содержать ошибки. Более того, ошибки и дискриминация, периодически возникающие из-за человеческого фактора, положенные в основу работы ИИ, возводятся в ранг системы. Это опаснее, чем единичные случаи субъективизма при принятии решений человеком.

ИИ базируется на тех данных, которые ему представляют, он не более объективен, чем люди, которые создавали или отбирали эти данные. К сожалению, предвзятость ИИ (bias AI) стараются нередко замалчивать. Так, попытка придать огласке этот факт стоила работы Тимнит Гербу, техническому руководителю по вопросам этики искусственного интеллекта Google.

Судебные решения и приговоры могут критически повлиять на судьбу каждого человека, поэтому для тестирования судебного ИИ нужно привлекать широкую общественность, СМИ и профессиональное юридическое сообщество. 

Восемь вопросов к искусственному интеллекту

Словосочетания «нейронные сети», «машинное обучение», «искусственный интеллект» звучат все чаще и чаще. Их произносят Владимир Путин и Максим Кац. Профессию специалиста по анализу данных называют одной из самых востребованных сейчас и в ближайшем будущем. Но вокруг темы искусственного интеллекта существует большое количество мифов и заблуждений. Ответы на наиболее популярные вопросы об искусственном интеллекте (ИИ) VTimes дает Дмитрий Ветров, профессор-исследователь НИУ ВШЭ.

Грозит ли нам восстание машин под предводительством ИИ?

Это одно из самых больших и вредных заблуждений. Технологии ИИ предназначены для решения конкретных интеллектуальных задач. Для каждой задачи используется отдельная модель. Стратегическая цель — создание так называемого сильного ИИ: универсальной обучаемой системы, способной постоянно учиться решать все новые и новые разнообразные типы задач, но не забывающей, как решать старые задачи.

Такая система будет в состоянии пройти тест Тьюринга, то есть при общении с ней человек не сможет отличить, говорит он с компьютером или с человеком. (Пока это за пределами технологических возможностей.) Можно предположить, что с внедрением квантовых компьютеров удастся подступиться к созданию сильного ИИ. Но даже когда он будет создан, это будет всего лишь помощник (или, если угодно, раб) человека, не способный к самостоятельному целеполаганию. Для последнего необходим не искусственный интеллект, а искусственное сознание, когда система осознает себя как мыслящее существо и у нее могут появиться стремления к самосохранению и самовоспроизводству. Ничего даже близко похожего на искусственное сознание мы не наблюдаем, и вряд ли нам это грозит в обозримой перспективе. Чтобы понять, почему это так, необходимо разобраться, что же на самом деле происходит при обучении компьютера.

Что такое технологии ИИ?

С момента появления первых компьютеров они рассматривались как программируемые вычислительные устройства, способные выполнять миллиарды простых арифметических и логических операций по заранее заданному алгоритму. Это позволило решить большое количество важных задач, в первую очередь связанных с расчетами в сложных математических моделях различных процессов, которые описывались дифференциальными уравнениями.

По сути, компьютер использовался для задач, алгоритм решения которых был известен человеку. И только в последние годы человечество стало осознавать, что компьютер способен на много большее — он может находить способ решать задачи, для которых алгоритма решения нет или он не известен человеку. Это стало возможным благодаря развитию технологий машинного обучения, которые сейчас все чаще называют искусственным интеллектом

Несколько упрощая, процесс обучения выглядит следующим образом. Имеется большое число однотипных задач, в которых известно условие и известен правильный ответ или один из возможных ответов. Примером может быть задача машинного перевода, в которой условием является фраза на одном языке, а ответом — ее перевод на другой язык. Модель машинного обучения, например глубинная нейронная сеть, работает по принципу черного ящика, который принимает на вход условие задачи и выдает сигнал в пространстве ответов. Применительно к машинному переводу это будет произвольный текст на втором языке. У черного ящика есть дополнительные параметры. Их значения определяют, как входной сигнал будет преобразовываться в выходной. Процесс обучения черного ящика заключается в поиске таких значений параметров, при котором для заданных входов он выдает сигнал, близкий к желаемым выходам. Настроив параметры так, что для всех задач с известным ответом черный ящик выдает желаемые ответы или близкие к ним, можно рассчитывать, что и для новых задач того же типа черный ящик будет выдавать разумные ответы. Разумеется, в общем случае гарантировать этого нельзя, но для многих популярных моделей машинного обучения действительно удается настроить модель так, что она успешно справляется с решением новых задач того же типа, ответов на которые модель не видела в ходе своего обучения. Из этого примера становится понятно, что существует несколько принципиальных ограничений для технологии машинного обучения. Во-первых, черный ящик должен быть достаточно гибким, что напрямую зависит от числа настраиваемых в ходе обучения параметров. Современные модели включают в себя десятки миллионов параметров, сложным образом определяющих, как входы преобразуются в выходы. Во-вторых, итоговое качество напрямую зависит от числа задач, которые демонстрировались модели в ходе обучения. Поэтому наилучшие результаты ИИ демонстрирует в тех областях, в которых удается накопить огромные объемы данных с миллиардами однотипных задач. В-третьих, ответы задачи должны объективно зависеть от условий. Методы машинного обучения бессмысленно применять, если между входами и выходами нет никакой семантической связи.

В каких сферах ИИ применяется уже сейчас?

Одним из удивительных результатов последних лет стало осознание того, что модели ИИ можно использовать для очень широкого спектра задач, для которых еще 20 лет назад считалось, что они не могут быть решены с помощью компьютера и способность к их решению является атрибутом высшей нервной деятельности. Например, ИИ способен рисовать картины, поддерживать беседу, управлять автомобилем и многое другое. Уже сейчас ИИ активно применяется в системах распознавания печатных и рукописных текстов, распознавании и синтезе речи, интернет-поиске, рекомендательных системах. Из последних достижений можно отметить решение задачи прогноза третичной структуры белков, которая являлась одной из сложнейших и важнейших задач в биологии и которая была решена специалистами компании DeepMind осенью 2020 г.

Не начнется ли деградация людей, если мы научим компьютер думать за нас?

Людям всегда будет, о чем задуматься.

Технологии ИИ — это всего лишь инструменты, заточенные под решение конкретных (пусть и весьма сложных) задач

Подобно тому, как люди физически не ослабли после появления станков и машин, способных заменить человека в физическом труде, появление технологий, способных решить за нас часть когнитивных задач, не приведет к тому, что люди станут меньше работать головой. Просто они начнут делать это для удовольствия, а не для того, что прокормить себя. Наконец, вопросы этики и морали, смысла жизни точно останутся прерогативой человека.

Каковы социальные последствия массового внедрения технологий ИИ?

Не будет преувеличением сказать, что повсеместное внедрение технологий ИИ приведет к серьезным изменениям в стиле и уровне жизни людей. Такие же драматические изменения происходили при повсеместном внедрении паровой машины, развитии электроэнергетики, распространении автомобилей. Человечество перейдет от массового производства одинаковых товаров и услуг к персонифицированным сервисам, многие отрасли народного хозяйства, которые невозможно сейчас представить без людей, будут полностью или частично автоматизированы. В течение пары десятилетий уйдут в прошлое профессии оператора колл-центра, водителя, синхронного переводчика, пилота самолета и др. У большинства людей появятся виртуальные или роботизированные персональные помощники, которые будут помогать в домашнем хозяйстве, следить за состоянием здоровья, планировать досуг. Конечно, часть нынешних профессий отомрет, но бояться этого не надо. Человечество многократно проходило через эпохи технологических трансформаций. На смену отмирающим профессиям придут другие, в которых люди смогут лучше себя реализовать, например киберспорт, стриминг, видеоблогерство и др.

Девять типов интеллекта: узнай свой

1. Визуально-пространственный интеллект

Не каждый может создавать в своей голове 3D-модели, решая геометрическую задачу или рисуя объемное изображение. Такая способность характерна для людей с визуально-пространственным интеллектом.

Сильные стороны: создание визуальных и пространственных образов, легкое оперирование ими. 

Характеристики человека: 

• любит читать, писать, рисовать;
• быстро собирает пазлы;
• хорошо интерпретирует картинки, графики и диаграммы;
• запоминает карты и ориентируется на местности.

 Потенциальная карьера:

• архитектор;
• художник;
• инженер.

2. Лингвистически-вербальный интеллект

Этот вид интеллекта относится к способности человека эффективно использовать слова, чтобы выразить то, что он имеет в виду.

Сильные стороны: эффективная работа с информацией, быстрое изучение языков и письма.

Характеристики человека:

• хорошо запоминает письменную и устную информацию;
• любит читать и может написать хороший текст;
• произносит убедительные речи;
• умеет хорошо объяснять;
• часто использует юмор, рассказывая истории.

Потенциальная карьера:

• писатель или журналист;
• юрист;
• учитель.

3. Логико-математический интеллект

Обычно наиболее очевидными показателями, используемыми при определении интеллекта, являются логические и математические способности. В концепции Гарднера — это один из типов интеллекта.

Сильные стороны: способность распознавать закономерности и анализировать информацию, концептуальное мышление и быстрое решение математических задач. 

Характеристики человека:

• отличные навыки решения проблем;
• мыслит абстрактно;
• любит проводить научные эксперименты;
• хорошо решает сложные вычисления.

Потенциальная карьера:

• ученый;
• математик;
• программист;
• инженер;
• бухгалтер.

4. Телесно-кинестетический интеллект

Высокая координация сознания и тела присуща людям с телесно-кинестетическим интеллектом. 

Сильные стороны: высокая двигательная активность, четкая координация, ловкость, тактильная память. 

Характеристики человека:

• хорошо танцует и любит спорт;
• любит создавать вещи своими руками;
• отличная физическая координация;
• физическая выносливость.

Потенциальная карьера: 

• танцовщик;
• строитель;
• скульптор;
• актер.

5. Музыкальный интеллект

Если у человека есть талант разбирать музыкальные композиции на элементы и отслеживать все звучащие в ней инструменты, то он обладатель музыкального интеллекта. 

Сильные стороны: чувство ритма, слух и музыкальный талант.

Характеристики человека:

• любит петь и играть на музыкальных инструментах;
• легко угадывает музыкальные композиции;
• хорошо запоминает песни и мелодии;
• понимает музыкальную структуру, ритм и ноты.

Потенциальная карьера: 

• музыкант;
• композитор;
• певец;
• учитель музыки.

6. Межличностный интеллект

Эмоции тесно связаны с вашим интеллектом. Межличностный интеллект относится к способности ощущать чувства других людей, а также понимать мотивы их поведения.

Сильные стороны: эмпатия и взаимодействие с другими людьми.

Характеристики человека:

• умеет оценивать эмоции, мотивы, желания и намерения окружающих;
• хорошо коммуницирует;
• имеет навык в невербальном общении;
• видит ситуации с разных точек зрения;
• создает позитивные отношения с другими;
• способен разрешать конфликты.

Потенциальная карьера: 

• психолог;
• консультант;
• коуч;
• продажник;
• политик.

7. Внутриличностный интеллект

Самосознание также является формой интеллекта. Если человек понимает себя, свои желания, знает, что чувствует и почему он это чувствует, то с уверенностью можно сказать, что он обладает внутриличностным интеллектом.

Сильные стороны: самоанализ и саморефлексия.

Характеристики человека:

• хорошо понимает свои сильные и слабые стороны;
• любит анализировать теории и идеи;
• отличное самосознание;
• четко определяет свое эмоциональное состояние.

Потенциальная карьера: 

• философ;
• писатель;
• ученый.

8. Натуралистический интеллект

Способность «читать» и понимать природу и всех живых существ, населяющих ее, является главной характеристикой натуралистического интеллекта.

Сильные стороны: способность к изучению окружающей среды.

Характеристики человека:

• интересуется такими предметами, как ботаника, биология и зоология;
• хорошо разбивает информацию на категории;
• может наслаждаться кемпингом, садоводством, походами и прогулками на свежем воздухе;
• не любит изучать незнакомые темы, не имеющие отношения к природе.

Потенциальная карьера: 

• биолог;
• защитник природы;
• садовник;
• фермер.

9. Экзистенциальный интеллект

«Почему и зачем мы живем?», «что происходит с нами после смерти?» — типичные вопросы для человека с экзистенциальным интеллектом.
Сильные стороны: глубокая чувствительность и высокая способность решать фундаментальные вопросы в сочетании со страстью к поиску ответов на эти вопросы.

Характеристики человека:

•  ищет ответы на вопросы о смысле жизни;
• склонен к постоянным рассуждениям;
• любит дискуссии и споры;
• изучает концепции и идеи других людей.

Потенциальная карьера: 

• психоаналитик; 
• религиозный деятель;
• художник;
• артист.

Медицина и искусственный интеллект – опасная связь?

Искусственный интеллект (ИИ) открывает широкие возможности для улучшения медицинского обслуживания во всем мире, но только в том случае, если при его разработке и использовании в центре внимания будут этика и права человека, считают во Всемирной организации здравоохранения. В ВОЗ представили доклад о перспективах применения искусственного интеллекта в медицинской практике. Документ «Этика и управление искусственным интеллектом в интересах здоровья» подготовлен по итогам двух лет консультаций, проведенных группой международных экспертов, назначенных ВОЗ.

Представляя исследование, Генеральный директор ВОЗ д-р Тедрос Адханом Гебрейесус отметил: «Как и все новые технологии, искусственный интеллект обладает огромным потенциалом для улучшения здоровья миллионов людей во всем мире, но, как и все технологии, он может быть использован не только на благо, но и во вред». Новый доклад, по мнению главы ВОЗ, должен подсказать странам, как по максимуму использовать преимущества ИИ и свести к минимуму возможные риски».

К числу преимуществ использования искусственного интеллекта можно легко отнести применение передового врачебного опыта там, где не хватает специалистов, оптимизацию ресурсов в системе здравоохранения и многое другое. А вот «ловушки», которые подстерегают при этом, не столь очевидны. 

Что же удалось выяснить экспертам ООН? Главное, от чего предостерегают авторы доклада, — это переоценка преимуществ ИИ для здравоохранения. Существует риск того, что, чрезмерно уповая на цифровые решения, чиновники от здравоохранения могут отказаться от инвестиций в развитие системы медицинских учреждений, в обеспечение всеобщего охвата услугами здравоохранения и в медицинское образование.

Предупреждают в ВОЗ и об опасностях, связанных с неэтичным сбором и использованием данных о здоровье пациента, с предубеждениями, закодированными в алгоритмах. Например, нерегулируемое использование ИИ может подчинить права и интересы пациентов и всей медицинской сферы коммерческим целям влиятельных технологических компаний или, напротив, интересам правительств в сфере наблюдения и социального контроля.

Не стоит забывать и о том, что разработка систем искусственного интеллекта ведется в основном богатыми странами, а потому и алгоритмы построены на данных, собранных от людей со сравнительно высоким уровнем дохода. Это чревато тем, что без необходимой адаптации такие технологические решения могут сослужить бедным странам медвежью услугу. Поэтому системы искусственного интеллекта должны быть тщательно спроектированы с учетом разнообразия социально-экономических условий и состояния национальных систем здравоохранения. 

Чтобы искусственный интеллект был в помощь, а не во вред, в ВОЗ предлагают соблюдать ряд принципов при разработке, внедрении и использовании передовых систем в здравоохранении. Вот некоторые из них:

• Контроль за системами здравоохранения должен оставаться в руках человека. Только человек, а не компьютер, может принимать решения, касающиеся здоровья. 
• Неприкосновенность частной жизни и конфиденциальность должны быть защищены, а пациенты должны давать действительное информированное согласие на обработку личной информации и принятие решений с использованием ИИ. 
• Разработчики технологий искусственного интеллекта должны действовать строго в рамках нормативных требований по безопасности, точности и эффективности использования ИИ в здравоохранении. Должны быть доступны и меры контроля качества применения таких решений. 
• Принципы внедрения искусственного интеллекта в здравоохранение следует сделать максимально понятными пользователям. Должно быть также ясно, кто несет ответственность за те или иные принятые ИИ решения. 
• ИИ для здравоохранения должен быть разработан таким образом, чтобы не возникало никакой дискриминации, а его использование было справедливым независимо от возраста, пола, расы, этнической принадлежности, сексуальной ориентации, уровня благосостояния или других характеристик, защищаемых кодексами прав человека.
• Системы искусственного интеллекта должны легко и адекватно адаптироваться под нужды каждого конкретного региона или сообщества, а также должны быть разработаны таким образом, чтобы минимизировать их воздействие на окружающую среду и повысить энергоэффективность. 
• И, естественно, все работники здравоохранения должны пройти подготовку к работе с такими цифровыми решениями. 

При соблюдении этих условий, полагают в ВОЗ, искусственный интеллект может стать хорошим подспорьем в достижении главной цели – обеспечения всеобъемлющих и высококачественных услуг здравоохранения.

вопросов и ответов — Что такое интеллект?

Хотя маловероятно, что в ближайшее время у нас появятся сверхразумные компьютеры или роботы, подобные тем, что показаны в таких фильмах, как Терминатор или I, Робот , Дэёоль Ли считает, что исследование различий между человеческим интеллектом и искусственным интеллектом может помочь нам лучше понять будущее технологий и наши отношения с ними.

«Со временем люди могут создать искусственную жизнь, которая может физически воспроизводиться сама по себе, и только тогда мы создадим настоящий искусственный интеллект», — говорит Ли.«До тех пор машины всегда будут лишь суррогатами человеческого интеллекта, что, к сожалению, по-прежнему оставляет открытой возможность злоупотреблений со стороны людей, контролирующих ИИ».

В своей новой книге Birth of Intelligence (Oxford University Press, 2020) Ли прослеживает развитие мозга и интеллекта от самовоспроизводящейся РНК до различных видов животных, людей и даже компьютеров, чтобы ответить на фундаментальные вопросы о происхождение, развитие и ограничения интеллекта.

Ли — заслуженный профессор нейроэкономики Bloomberg, работает в Школе искусств и наук Кригера и Школе медицины. Как и большая часть его работ, Birth of Intelligence в высшей степени междисциплинарный, он применяет и объединяет знания и инструменты из ряда областей, включая нейробиологию, экономику, психологию, эволюционную биологию и искусственный интеллект. Хаб обратился к Ли, чтобы обсудить его новую книгу и нейронные механизмы принятия решений, обучения и познания.

Как и почему развился интеллект?

Интеллект можно определить как способность решать сложные проблемы или принимать решения, результаты которых приносят пользу субъекту; он эволюционировал в формах жизни, чтобы адаптироваться к разнообразным средам для их выживания и воспроизводства. Для животных решение проблем и принятие решений являются функциями их нервной системы, в том числе мозга, поэтому интеллект тесно связан с нервной системой.

В вашей книге, как и в большинстве ваших исследований в целом, используется очень междисциплинарный подход.Как эволюционная перспектива помогает нам понять интеллект?

Интеллект сложно определить, и он может означать разные вещи для разных людей. Однако если мы рассмотрим происхождение и функции интеллекта с эволюционной точки зрения, мы обнаружим несколько важных принципов. Например, разные формы жизни могут иметь очень разные типы интеллекта, потому что они имеют разные эволюционные корни и адаптировались к разным условиям. Ошибочно и бессмысленно пытаться упорядочивать разные виды животных по линейной шкале интеллекта, например, когда вы пытаетесь судить, какая порода собак самая умная или кошки умнее собак.Более важно понять, как развивалась конкретная форма интеллекта у каждого вида и как это отражалось в их анатомии и физиологии.

Точно так же вы используете теории и концепции, вытекающие из экономики. Чем они полезны для понимания интеллекта?

Поскольку у интеллекта очень много аспектов, действительно очень полезно комбинировать идеи и инструменты из разных дисциплин, чтобы получить более полное представление о том, что такое интеллект на самом деле, и понять, чем искусственный интеллект может отличаться от человеческого интеллекта.Например, экономисты разработали точные математические модели принятия решений, такие как теория полезности, которая предсказывает принятие решений на основе полезности — ценности или желательности — варианта или действия. Эти модели позволяют объяснить сложное поведение, такое как рынок, с помощью всего лишь нескольких предположений. Наличие таких экономных моделей принятия решений полезно для понимания интеллекта, поскольку принятие решений является ключевым компонентом интеллекта. Другие очень полезные примеры включают теорию принципала-агента, которая в применении к эволюции интеллекта может объяснить, почему обучение возникает как решение для разрешения конфликта интересов между мозгом и генами, и теорию игр, которая играет решающую роль. роль в объяснении того, почему принятие правильных решений в социальной среде может быть таким сложным.

Сможет ли когда-нибудь искусственный интеллект превзойти человеческий или есть что-то настолько уникальное в человеческом интеллекте, что невозможно воспроизвести? Существуют ли определенные ограничения человеческого интеллекта, которыми не ограничиваются компьютеры?

Искусственный интеллект неуклонно опережает человеческий во многих областях, включая игры в го и покер. Этот успех заставил некоторых исследователей задуматься о скором появлении искусственного интеллекта, который превосходит человеческий интеллект во всех областях, — гипотетическое событие, названное «технологической сингулярностью».«Такой искусственный интеллект часто называют общим искусственным интеллектом или суперинтеллектом. Никто не знает наверняка, когда и когда люди будут создавать ОИИ или суперинтеллект. Однако, на мой взгляд, настоящий интеллект требует жизни, которую можно определить как процесс самосознания. -репликация.Поэтому я считаю, что суперинтеллект невозможен или что-то в очень отдаленном будущем. Истинный интеллект должен способствовать, а не мешать, репликации генов, ответственных за его создание, включая необходимое оборудование, такое как мозг.Без этого ограничения не существует объективных критериев для определения разумности конкретного решения. В конечном итоге люди могут создать искусственную жизнь, которая может физически воспроизводиться сама по себе, и только тогда мы создадим настоящий искусственный интеллект, но вряд ли это произойдет в ближайшее время. До тех пор машины всегда будут лишь суррогатами человеческого интеллекта, что, к сожалению, по-прежнему оставляет открытой возможность злоупотреблений со стороны людей, контролирующих ИИ.

Почему, помимо самовоспроизведения, трудно создать ИИ, который умнее людей?

Настоящий интеллект должен решать множество различных проблем, с которыми сталкивается форма жизни во многих различных средах, используя энергию и другие физические ресурсы, имеющиеся в них. Что действительно удивительно в интеллекте людей и многих других животных, так это не только то, что они могут идентифицировать сложные объекты и производить гибкое поведение, но и то, что они могут делать это множеством разных способов в самых разных средах.Мы все еще очень мало знаем о том, как именно люди и животные могут это делать. Учитывая, что развитию современной технологии искусственного интеллекта способствовали достижения в области нейробиологических исследований за последнее столетие, создание более совершенного искусственного интеллекта может потребовать гораздо более глубокого понимания того, как человеческий мозг справляется с такими сложными задачами.

Узнаем ли мы, что это произошло?

Хотя я не верю, что это произойдет в ближайшее время, я думаю, что мы узнаем, произойдет ли это и когда. Мы начнем видеть машины, подобные Терминаторам, потому что машины со сверхразумом будут превосходить людей в получении энергии и других ресурсов, необходимых им для ремонта и воспроизведения.

Как ИИ может повлиять на отношения между людьми и машинами или на человеческую цивилизацию в целом?

Все более мощный искусственный интеллект и машины, оснащенные таким ИИ, будут продолжать развиваться, несомненно, увеличивая производительность людей, которые контролируют такие инструменты. Хотя повышение производительности — это хорошо, этот процесс будет развиваться неравномерно в обществе, усиливая уже существующее неравенство в благосостоянии. Я думаю, что это то, что мы были свидетелями много раз на протяжении всей истории.Справедливое разделение преимуществ технологических достижений между всеми членами общества всегда было гораздо более сложной проблемой, чем разработка самой технологии, и нам часто не удавалось найти хорошее решение для всех. Чтобы получить максимальную отдачу от технологических достижений, нам также необходимо осознавать их ограничения и возможность злоупотреблений. Размышление о них и о том, как мы их решаем, может даже дать нам возможность лучше понять человеческую природу, поскольку разрыв между нашим интеллектом и ИИ продолжает сокращаться.

Медицинский консьерж

Johns Hopkins предлагает бесплатную помощь в записи на прием и планировании поездки. Запросить бесплатную помощь:

Все поля обязательны *

Теорий интеллекта в психологии

Хотя интеллект — один из самых обсуждаемых предметов в психологии, стандартного определения того, что именно составляет интеллект, не существует.Некоторые исследователи предположили, что интеллект — это единственная общая способность. Другие считают, что интеллект включает в себя ряд способностей, навыков и талантов.

Веривелл / JR Bee

Что такое интеллект?

Интеллект был спорной темой на протяжении всей истории психологии. Несмотря на значительный интерес к этому предмету, до сих пор существуют значительные разногласия по поводу того, какие компоненты составляют интеллект. Помимо вопросов о том, как точно определить интеллект, сегодня продолжаются споры о том, возможны ли вообще точные измерения.

В разные моменты новейшей истории исследователи предлагали несколько разных определений интеллекта. Хотя эти определения могут значительно отличаться от одного теоретика к другому, текущие концептуальные представления склонны предполагать, что интеллект — это способность:

• Учитесь на опыте : Приобретение, сохранение и использование знаний — важный компонент интеллекта.
• Распознавать проблемы : Чтобы использовать знания, люди должны уметь определять возможные проблемы в окружающей среде, которые необходимо решать.
• Решайте проблемы : Тогда люди должны уметь использовать то, чему они научились, чтобы придумать полезное решение проблемы, которую они заметили в окружающем мире.

Интеллект включает в себя несколько различных умственных способностей, включая логику, рассуждение, решение проблем и планирование. Хотя тема интеллекта является одной из крупнейших и наиболее исследованных, она также является одной из тем, вызывающих самые большие споры.

Хотя психологи часто расходятся во мнениях относительно определения и причин интеллекта, исследования интеллекта играют значительную роль во многих областях.Эти области включают решения о том, сколько средств следует выделить на образовательные программы, использование тестирования для отбора кандидатов на работу и использование тестирования для выявления детей, которым требуется дополнительная академическая помощь.

Краткая история разведки

Термин «коэффициент интеллекта» или IQ был впервые введен в употребление в начале 20 века немецким психологом Уильямом Стерном. Психолог Альфред Бине разработал самые первые тесты интеллекта, чтобы помочь французскому правительству выявлять школьников, которым требовалась дополнительная академическая помощь.Бине был первым, кто ввел понятие умственного возраста или набора способностей, которыми обладают дети определенного возраста.

С тех пор тестирование интеллекта стало широко используемым инструментом, который привел к разработке многих других тестов на умения и способности. Тем не менее, это продолжает вызывать дискуссии и споры по поводу использования такого тестирования, культурных предубеждений, которые могут быть связаны, влияния на интеллект и даже самого способа, которым мы определяем интеллект.

Теории интеллекта

Различные исследователи предложили множество теорий, объясняющих природу интеллекта.Вот некоторые из основных теорий интеллекта, появившихся за последние 100 лет.

Общая разведка

Британский психолог Чарльз Спирман (1863–1945) описал концепцию, которую он назвал общим интеллектом или g-фактором . После использования методики, известной как факторный анализ, для проверки некоторых тестов умственных способностей, Спирмен пришел к выводу, что результаты этих тестов были очень похожими.

Люди, которые хорошо справились с одним когнитивным тестом, как правило, хорошо справлялись с другими тестами, в то время как те, кто показал плохие результаты по одному тесту, как правило, плохо получали другие.Он пришел к выводу, что интеллект — это общая когнитивная способность, которую можно измерить и выразить численно.

Основные умственные способности

Психолог Луи Терстон (1887–1955) предложил иную теорию интеллекта. Вместо того чтобы рассматривать интеллект как одну общую способность, теория Терстона сосредоточилась на семи различных основных умственных способностях.

• Ассоциативная память : способность запоминать и вспоминать
• Числовые способности : Способность решать арифметические задачи
• Скорость восприятия : способность видеть различия и сходства между объектами
• Рассуждение : Умение находить правила
• Пространственная визуализация : Возможность визуализировать отношения
• Понимание слов : способность определять и понимать слова
• Свободное владение словами : способность быстро произносить слова

Теория множественного интеллекта

Одна из недавних идей — теория множественного интеллекта Говарда Гарднера.Гарднер предположил, что традиционное представление об интеллекте, основанное на тестировании IQ, не полностью и точно отражает способности человека. Его теория предлагала восемь различных типов интеллекта, основанных на навыках и способностях, которые ценятся в разных культурах:

• Телесно-кинестетический интеллект : способность контролировать движения своего тела и умело обращаться с объектами
• Межличностный интеллект : Способность обнаруживать и соответствующим образом реагировать на настроения, мотивации и желания других людей
• Внутриличностный интеллект : Способность осознавать себя и соответствовать внутренним чувствам, ценностям, убеждениям и мыслительным процессам
• Логико-математический интеллект : Способность мыслить концептуально и абстрактно, а также способность различать логические или числовые закономерности
• Музыкальный интеллект : Способность создавать и ценить ритм, высоту и тембр
• Натуралистический интеллект : Способность распознавать и классифицировать животных, растения и другие объекты в природе
• Вербально-лингвистический интеллект : Хорошо развитые вербальные навыки и чувствительность к звукам, значениям и ритмам слов
• Визуально-пространственный интеллект : Способность мыслить образами и картинками, точно и абстрактно визуализировать

Триархическая теория интеллекта

Психолог Роберт Штернберг определил интеллект как «умственную деятельность, направленную на целенаправленную адаптацию, выбор и формирование реальной среды, имеющей отношение к жизни человека.»

Хотя он согласился с Гарднером в том, что интеллект намного шире, чем отдельная общая способность, он предположил, что некоторые типы интеллекта Гарднера лучше рассматривать как индивидуальные таланты. Штернберг предложил то, что он назвал «успешным интеллектом», который включает три различных фактора:

• Аналитический интеллект : Ваша способность оценивать информацию и решать проблемы
• Творческий интеллект : Ваша способность придумывать новые идеи
• Практический интеллект : Ваша способность адаптироваться к меняющимся условиям

Вопросы о тестировании интеллекта

Для более глубокого понимания интеллекта и тестов, разработанных для измерения этой концепции, важно понимать историю тестирования интеллекта, проведенных исследований и полученных результатов.

Основные вопросы об интеллекте и тестировании IQ по-прежнему включают:

• Пристрастны ли тесты интеллекта?
• Является ли интеллект одной способностью или он включает в себя набор нескольких навыков и способностей?
• Разумный интеллект передается по наследству или окружающая среда играет большую роль?
• Что и предсказывают показатели интеллекта?

Чтобы изучить эти вопросы, психологи провели значительное количество исследований природы, влияний и эффектов интеллекта.Взаимодействие с другими людьми

Слово от Verywell

Хотя по поводу точной природы интеллекта ведутся серьезные споры, окончательной концептуализации не произошло. Сегодня психологи часто принимают во внимание множество теоретических точек зрения при обсуждении интеллекта и признают, что этот спор продолжается.

Определение искусственного интеллекта (AI)

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект (ИИ) относится к моделированию человеческого интеллекта в машинах, которые запрограммированы думать, как люди, и имитировать их действия.Этот термин также может применяться к любой машине, которая проявляет черты человеческого разума, такие как обучение и решение проблем.

Идеальной характеристикой искусственного интеллекта является его способность рационализировать и предпринимать действия, которые имеют наибольшие шансы на достижение конкретной цели. Подмножеством искусственного интеллекта является машинное обучение, которое относится к концепции, согласно которой компьютерные программы могут автоматически учиться и адаптироваться к новым данным без помощи человека. Методы глубокого обучения обеспечивают автоматическое обучение за счет поглощения огромных объемов неструктурированных данных, таких как текст, изображения или видео.

Ключевые выводы

• Искусственный интеллект относится к моделированию человеческого интеллекта в машинах.
• Цели искусственного интеллекта включают обучение, рассуждение и восприятие.
• AI используется в различных отраслях, включая финансы и здравоохранение.
• Слабый ИИ, как правило, прост и ориентирован на выполнение одной задачи, в то время как сильный ИИ выполняет более сложные и похожие на человека задачи.

Понимание искусственного интеллекта (AI)

Когда большинство людей слышат термин «искусственный интеллект», первое, о чем они обычно думают, — это роботы.Это потому, что в высокобюджетных фильмах и романах сплетаются истории о человекоподобных машинах, сеющих хаос на Земле. Но ничто не могло быть дальше от истины.

Искусственный интеллект основан на том принципе, что человеческий интеллект можно определить таким образом, чтобы машина могла легко имитировать его и выполнять задачи, от самых простых до еще более сложных. Цели искусственного интеллекта включают имитацию когнитивной деятельности человека. Исследователи и разработчики в этой области делают удивительно быстрые успехи в имитации таких действий, как обучение, рассуждение и восприятие, в той степени, в которой они могут быть конкретно определены.Некоторые полагают, что новаторы вскоре смогут разработать системы, которые превзойдут возможности людей в изучении или рассуждении любого предмета. Но другие остаются скептически настроенными, потому что вся познавательная деятельность пронизана оценочными суждениями, которые зависят от человеческого опыта.

По мере развития технологий предыдущие тесты, которые определяли искусственный интеллект, устаревают. Например, машины, которые вычисляют базовые функции или распознают текст посредством оптического распознавания символов, больше не считаются воплощением искусственного интеллекта, поскольку эта функция теперь воспринимается как должное как неотъемлемая функция компьютера.

ИИ постоянно развивается, принося пользу во многих отраслях. Машины подключены с использованием междисциплинарного подхода, основанного на математике, информатике, лингвистике, психологии и многом другом.

Алгоритмы часто играют очень важную роль в структуре искусственного интеллекта, где простые алгоритмы используются в простых приложениях, а более сложные помогают сформировать сильный искусственный интеллект.

Приложения искусственного интеллекта

Приложения для искусственного интеллекта безграничны.Технология может применяться во многих различных секторах и отраслях. ИИ тестируется и используется в отрасли здравоохранения для дозирования лекарств и различного лечения пациентов, а также для хирургических процедур в операционной.

Другие примеры машин с искусственным интеллектом включают компьютеры, которые играют в шахматы, и беспилотные автомобили. Каждая из этих машин должна взвесить последствия любого своего действия, поскольку каждое действие повлияет на конечный результат. В шахматах конечный результат — победа.В случае беспилотных автомобилей компьютерная система должна учитывать все внешние данные и вычислять их, чтобы действовать таким образом, чтобы предотвратить столкновение.

Искусственный интеллект также имеет приложения в финансовой индустрии, где он используется для обнаружения и маркировки деятельности в банковском деле и финансах, такой как необычное использование дебетовых карт и крупные депозиты на счетах, — все это помогает отделу по борьбе с мошенничеством в банке. Приложения для ИИ также используются, чтобы упростить и упростить торговлю. Это достигается за счет упрощения оценки предложения, спроса и цен на ценные бумаги.

Категоризация искусственного интеллекта

Искусственный интеллект можно разделить на две разные категории: слабый и сильный. Слабый искусственный интеллект представляет собой систему, предназначенную для выполнения одной конкретной работы. Слабые системы искусственного интеллекта включают видеоигры, такие как пример шахмат сверху, и личных помощников, таких как Amazon Alexa и Apple Siri. Вы задаете помощнику вопрос, он отвечает на него за вас.

Сильные системы искусственного интеллекта — это системы, которые выполняют задачи, которые считаются человеческими.Это, как правило, более сложные и сложные системы. Они запрограммированы так, чтобы справляться с ситуациями, в которых от них может потребоваться решение проблемы без вмешательства человека. Такие системы можно найти в таких приложениях, как беспилотные автомобили или в больничных операционных.

Особые соображения

С самого начала искусственный интеллект стал объектом пристального внимания как ученых, так и общественности. Одна общая тема — это идея, что машины станут настолько высокоразвитыми, что люди не смогут за ними поспевать, и они будут взлетать сами, модернизируя себя с экспоненциальной скоростью.

Во-вторых, машины могут взламывать частную жизнь людей и даже использоваться в качестве оружия. Другие аргументы спорят об этичности искусственного интеллекта и о том, следует ли относиться к интеллектуальным системам, таким как роботы, наравне с людьми.

Беспилотные автомобили вызывают довольно много споров, поскольку их машины, как правило, рассчитаны на наименьший возможный риск и наименьшие потери. Если бы им представился сценарий одновременного столкновения с одним человеком или другим, эти автомобили рассчитали бы вариант, который нанесет наименьший ущерб.

Еще одна спорная проблема, с которой сталкиваются многие люди с искусственным интеллектом, — это то, как он может повлиять на занятость людей. Поскольку многие отрасли стремятся автоматизировать определенные рабочие места с помощью интеллектуального оборудования, есть опасения, что люди будут вытеснены из рабочей силы. Беспилотные автомобили могут устранить необходимость в такси и программах обмена автомобилями, в то время как производители могут легко заменить человеческий труд машинами, сделав навыки людей более устаревшими.

9.1 Определение и измерение интеллекта — Введение в психологию

Чарльз Стангор и Дженнифер Валинга

Цели обучения

1. Определите интеллект и перечислите различные типы интеллекта, изучаемые психологами.
2. Обобщите характеристики научно обоснованного теста интеллекта.
3. Обозначьте биологические и экологические детерминанты интеллекта.

Психологи давно обсуждают, как лучше всего концептуализировать и измерить интеллект (Sternberg, 2003). Эти вопросы включают в себя количество типов интеллекта, роль природы по сравнению с воспитанием в интеллекте, то, как интеллект представлен в мозгу, и значение групповых различий в интеллекте.

Общий (ж) и особый (и) интеллект

В начале 1900-х годов французский психолог Альфред Бине (1857-1914) и его коллега Анри Симон (1872-1961) начали работать в Париже, чтобы разработать критерий, позволяющий отличить учеников, которые, как ожидается, будут лучше учиться, от учеников, которых ожидали учиться медленнее. Цель заключалась в том, чтобы помочь учителям лучше обучать эти две группы учащихся. Бине и Саймон разработали то, что сегодня большинство психологов считают первым тестом интеллекта (рис.9.1, «Тесты на интеллект в школах»), который состоял из широкого круга вопросов, включая способность называть предметы, определять слова, рисовать картинки, полные предложения, сравнивать предметы и строить предложения.

Бине и Саймон (Binet, Simon, & Town, 1915; Siegler, 1992) полагали, что вопросы, которые они задавали своим ученикам, даже несмотря на то, что они внешне отличались друг от друга, оценивали основные способности понимать, рассуждать и выносить суждения. И оказалось, что корреляция между этими различными типами мер на самом деле была положительной; учащиеся, которые правильно ответили на один элемент, с большей вероятностью ответили правильно и на другие вопросы, хотя сами вопросы были очень разными.

Рисунок 9.1 Тесты на интеллект в школах. Этот ребенок проходит тест на интеллект, в данном случае отвечая на вопросы о картинках.

На основе этих результатов психолог Чарльз Спирман (1863-1945) выдвинул гипотезу о том, что должна существовать единственная основополагающая конструкция, которую измеряют все эти элементы. Он назвал конструктом, который объединяет различные способности и навыки, измеренные в тестах интеллекта, , общий коэффициент интеллекта (g). Практически все психологи теперь считают, что существует обобщенный фактор интеллекта g, который относится к абстрактному мышлению и включает способности приобретать знания, абстрактно рассуждать, адаптироваться к новым ситуациям и извлекать пользу из обучения и опыта (Gottfredson, 1997). ; Штернберг, 2003).Люди с более высоким общим интеллектом учатся быстрее.

Вскоре после того, как Бине и Саймон представили свой тест, американский психолог Льюис Терман (1877–1956) разработал американскую версию теста Бине, которая стала известна как тест интеллекта Стэнфорд-Бине . Stanford-Binet — это показатель общего интеллекта, состоящий из широкого спектра задач, включая словарный запас, память для изображений, наименование знакомых объектов, повторение предложений и выполнение команд .

Несмотря на то, что психологи в целом согласны с тем, что g существует, существуют также свидетельства особого интеллекта (s), — меры конкретных навыков в узких областях . Один эмпирический результат в поддержку идеи s исходит из самих тестов интеллекта. Хотя вопросы разных типов действительно коррелируют друг с другом, некоторые вопросы коррелируют друг с другом сильнее, чем другие; они образуют скопления или скопления разумов.

Одно различие между текучим интеллектом , который относится к способности изучать новые способы решения проблем и выполнения действий , и кристаллизованным интеллектом , который относится к накопленным знаниям о мире, которые мы приобрели на протяжении нашей жизни. (Salthouse, 2004).Этот интеллект должен отличаться, потому что кристаллизованный интеллект увеличивается с возрастом — пожилые люди так же или лучше, чем молодые люди решают кроссворды, — тогда как подвижный интеллект имеет тенденцию к снижению с возрастом (Horn, Donaldson, & Engstrom, 1981; Salthouse, 2004). .

Другие исследователи предложили еще больше типов интеллекта. Л. Л. Терстон (1938) предположил, что существует семь кластеров из первичных умственных способностей , состоящих из беглости слов, вербального понимания, пространственных способностей, скорости восприятия, числовых способностей, индуктивного мышления и памяти.Но даже эти измерения имеют тенденцию хотя бы в некоторой степени коррелировать, что еще раз демонстрирует важность g.

Один из сторонников идеи множественного интеллекта — психолог Роберт Штернберг. Штернберг предложил триархическую (трехчастную) теорию интеллекта , которая предполагает, что человек могут проявлять более или менее аналитический интеллект, творческий интеллект и практический интеллект . Штернберг (1985, 2003) утверждал, что традиционные тесты интеллекта оценивают аналитический интеллект, способность отвечать на проблемы с помощью единственного правильного ответа, но что они плохо оценивают креативность (способность адаптироваться к новым ситуациям и создавать новые идеи) или практичность ( е.g., умение писать хорошие записки или эффективно делегировать ответственность).

Как предложил Штернберг, исследования показали, что творчество не очень сильно коррелирует с аналитическим интеллектом (Furnham & Bachtiar, 2008), и исключительно творческие ученые, художники, математики и инженеры не имеют более высоких оценок интеллекта, чем их менее творческие коллеги (Simonton , 2000). Кроме того, области мозга, связанные с конвергентным мышлением , , мышления, направленным на поиск правильного ответа на заданную проблему , отличаются от областей мозга, связанных с расходящимся мышлением , , способностью генерировать множество различных идей для или решения одной проблемы (Тарасова, Вольф, & Разумникова, 2010), как показано на рисунке 9.2, «Проверьте свое расходящееся мышление». С другой стороны, для творчества часто требуются некоторые из основных способностей, измеряемых g, в том числе способности учиться на собственном опыте, запоминать информацию и мыслить абстрактно (Bink & Marsh, 2000).

Рисунок 9.2. Проверка вашего расходящегося мышления. Сколько вариантов использования скрепки вы можете придумать?

Исследования творческих людей показывают, по крайней мере, пять компонентов, которые могут иметь важное значение для творчества:

1. Экспертиза .Творческие люди тщательно изучили и много знают о теме, над которой они работают. К творчеству нужно приложить много усилий (Ericsson, 1998; Weisberg, 2006).
2. Образное мышление . Творческие люди часто рассматривают проблему визуально, позволяя им увидеть ее с новой и иной точки зрения.
3. Принятие риска . Творческие люди готовы применять новые, но потенциально рискованные подходы.
4. Собственный интерес .Творческие люди склонны работать над проектами, потому что им нравится ими заниматься, а не потому, что им за них платят. На самом деле, исследование показало, что люди, которым платят за творчество, часто менее креативны, чем те, кто этого не делает (Hennessey & Amabile, 2010).
5. Работа в творческой среде . Творчество — это отчасти социальное явление. Саймонтон (1992) обнаружил, что наиболее творческих людей поддерживали, помогали и бросали вызов другим людям, работающим над аналогичными проектами.

Последний аспект триархической модели, практический интеллект, относится в первую очередь к интеллекту, который нельзя получить из книг или формального обучения.Практический интеллект представляет собой разновидность уличного ума или здравого смысла, усвоенного на жизненном опыте. Хотя был разработан ряд тестов для измерения практического интеллекта (Sternberg, Wagner, & Okagaki, 1993; Wagner & Sternberg, 1985), исследования не нашли достаточных доказательств того, что практический интеллект отличается от g или что он позволяет прогнозировать успех в любые конкретные задачи (Gottfredson, 2003). Практический интеллект может включать, по крайней мере частично, определенные способности, которые помогают людям хорошо выполнять определенные задания, и эти способности не всегда могут быть сильно коррелированы с общим интеллектом (Sternberg, Wagner, & Okagaki, 1993).С другой стороны, эти способности или навыки очень специфичны для конкретных занятий и, таким образом, не представляют более широкого представления об интеллекте.

Еще одним поборником идеи множественного интеллекта является психолог Говард Гарднер (1983, 1999). Гарднер утверждал, что для разных людей было бы эволюционно функционально обладать разными талантами и навыками, и предположил, что существует восемь видов интеллекта, которые можно отличить друг от друга (таблица 9.1, «Восемь особых умов Говарда Гарднера»).Гарднер отметил, что некоторые доказательства множественного интеллекта исходят из способностей аутичных ученых , людей, которые в целом имеют низкие результаты тестов интеллекта, но, тем не менее, могут обладать исключительными навыками в определенной области, такой как математика, музыка, искусство или способность цитировать статистику по данному виду спорта (Treffert & Wallace, 2004).

Рисунок 9.3 Разведка. Хотя интеллект часто концептуализируется в общем виде (как фактор g), существует множество конкретных навыков, которые могут быть полезны для конкретных задач.

Идея множественного интеллекта оказала влияние на сферу образования, и учителя использовали эти идеи, чтобы попытаться учить разных учеников по-разному (рис. 9.3, «Интеллект»). Например, чтобы преподавать математические задачи ученикам с особенно хорошим кинестетическим интеллектом, учитель может побуждать учеников двигать телом или руками в соответствии с числами.С другой стороны, некоторые утверждали, что этот интеллект иногда больше похож на способности или таланты, чем на настоящий интеллект. И нет однозначного вывода о том, сколько всего интеллекта. Являются ли чувство юмора, артистические способности, драматические способности и т. Д. Также отдельными интеллектами? Более того, и это еще раз демонстрирует основную силу единого интеллекта, множество различных интеллектов на самом деле коррелированы и, таким образом, частично представляют собой g (Brody, 2003).

Измерение интеллекта: стандартизация и коэффициент интеллекта

Цель большинства тестов интеллекта — измерить g, общий коэффициент интеллекта.Хорошие тесты интеллекта надежны, , означают, что они согласованы во времени , а также демонстрируют валидность конструкции , , что означает, что они фактически измеряют интеллект, а не что-то еще . Поскольку интеллект является таким важным параметром индивидуальных различий, психологи приложили значительные усилия для создания и улучшения показателей интеллекта, и теперь эти тесты являются наиболее точными из всех психологических тестов. Фактически, способность точно оценивать интеллект — один из важнейших вкладов психологии в повседневную общественную жизнь.

Интеллект меняется с возрастом. Трехлетний ребенок, который может точно умножить 183 на 39, безусловно, будет умным, но 25-летний ребенок, который не может этого сделать, будет считаться неразумным. Таким образом, понимание интеллекта требует, чтобы мы знали нормы или стандарты в данной популяции людей в данном возрасте. Стандартизация теста включает в себя предоставления его большому количеству людей в разном возрасте и вычисления среднего балла за тест на каждом возрастном уровне .

Важно, чтобы тесты интеллекта стандартизировались на регулярной основе, потому что общий уровень интеллекта в популяции может со временем меняться. Эффект Флинна относится к наблюдению , согласно которому результаты тестов интеллекта во всем мире существенно выросли за последние десятилетия (Flynn, 1999). Хотя прирост в некоторой степени варьируется от страны к стране, средний прирост интеллекта (IQ) составляет около трех пунктов каждые 10 лет. Есть много объяснений эффекта Флинна, включая лучшее питание, расширенный доступ к информации и более глубокое знакомство с тестами с множественным выбором (Neisser, 1998).Но вопрос о том, действительно ли люди становятся умнее, остается спорным (Neisser, 1997).

После того, как стандартизация завершена, мы имеем картину средних способностей людей в разном возрасте и можем рассчитать умственный возраст человека , что составляет возраст, в котором человек интеллектуально работает . Если мы сравним умственный возраст человека с его хронологическим возрастом, то получим IQ, , — показатель интеллекта, скорректированный на возраст .Простой способ рассчитать IQ — использовать следующую формулу:

IQ = умственный возраст ÷ хронологический возраст × 100.

Таким образом, 10-летний ребенок, у которого все успевает так же хорошо, как и средний 10-летний ребенок, имеет IQ 100 (10 ÷ 10 × 100), тогда как восьмилетний ребенок, который справляется не хуже, чем средний 10-летний ребенок. У 10-летнего ребенка IQ будет 125 (10 ÷ 8 × 100). Большинство современных тестов интеллекта основаны на относительной позиции оценки человека среди людей того же возраста, а не на основе этой формулы, но идея отношения интеллекта или частного дает хорошее описание значения оценки. .

Ряд шкал основан на IQ. Шкала интеллекта взрослых Векслера (WAIS) — это , наиболее широко используемый тест интеллекта для взрослых (Watkins, Campbell, Nieberding, & Hallmark, 1995). Текущая версия WAIS, WAIS-IV, была стандартизирована для 2200 человек в возрасте от 16 до 90 лет. Он состоит из 15 различных задач, каждая из которых предназначена для оценки интеллекта, включая рабочую память, арифметические способности, пространственные способности и общие знания о мире (см. Рисунок 9.4, «Примеры элементов из шкалы интеллекта взрослых Векслера (WAIS)»). WAIS-IV дает оценки по четырем параметрам: вербальный, перцепционный, рабочая память и скорость обработки. Надежность теста высокая (более 0,95), и он показывает значительную конструктивную валидность. WAIS-IV сильно коррелирует с другими тестами IQ, такими как Стэнфорд-Бине, а также с критериями академического и жизненного успеха, включая оценки, показатели производительности труда и профессиональный уровень. Он также показывает значительную корреляцию с показателями повседневного функционирования умственно отсталых.

Шкала Векслера также была адаптирована для детей дошкольного возраста в виде Начальной и дошкольной шкалы интеллекта Векслера (WPPSI-III) и для детей старшего возраста и подростков в виде Шкалы интеллекта Векслера для детей (WISC- IV) .

Рисунок 9.4 Примеры элементов из шкалы интеллекта взрослых Векслера (WAIS). [Подробное описание]

Тесты на интеллект, с которыми вы, возможно, знакомы больше всего, — это тесты способностей , которые предназначены для измерения способности выполнять данную задачу , например, успешность обучения в бакалавриате, магистратуре или аспирантуре. .Канадские высшие учебные заведения запрашивают официальные стенограммы средней школы, демонстрирующие минимальные требования к поступающим, в то время как большинство американских колледжей и университетов требуют, чтобы учащиеся проходили школьный оценочный тест (SAT) или американский колледж (ACT). В аспирантурах обеих стран требуется сдать экзамен на получение диплома (GRE), вступительный экзамен в аспирантуру (GMAT), вступительный тест в медицинский колледж (MCAT) или вступительный экзамен на юридический факультет (LSAT). Эти тесты полезны для отбора студентов, поскольку они предсказывают успех в программах, для которых они предназначены, особенно в первый год обучения (Kuncel, Hezlett, & Ones, 2010).Эти тесты способностей также частично измеряют интеллект. Фрей и Деттерман (2004) обнаружили, что SAT сильно коррелировал (между примерно r = 0,7 и r = 0,8) со стандартными показателями интеллекта.

Тесты интеллекта также используются промышленными и организационными психологами в процессе отбора персонала . Отбор персонала — это использование структурированных тестов для отбора людей, которые, вероятно, будут хорошо работать на данной должности (Schmidt & Hunter, 1998).Психологи начинают с проведения анализа работы , в котором они определяют, какие знания, навыки, способности и личные характеристики (KSAP) требуются для данной работы . Обычно это достигается путем опроса и / или интервьюирования действующих работников и их руководителей. Основываясь на результатах анализа работы, психологи выбирают методы отбора, которые с наибольшей вероятностью позволяют прогнозировать эффективность работы. Измерения включают тесты на когнитивные и физические способности и тесты на знание работы, а также измерения IQ и личности.

Биология интеллекта

Процессы мозга, лежащие в основе интеллекта, до конца не изучены, но текущие исследования сосредоточены на четырех потенциальных факторах: размере мозга, сенсорной способности, скорости и эффективности нейронной передачи и объеме рабочей памяти.

Есть по крайней мере доля правды в том, что у более умных людей мозг больше. Исследования, в которых измеряли объем мозга с помощью методов нейровизуализации, обнаружили, что больший размер мозга коррелирует с интеллектом (McDaniel, 2005), а интеллект также коррелирует с количеством нейронов в головном мозге и толщиной коры (Haier , 2004; Shaw et al., 2006). Важно помнить, что эти корреляционные результаты не означают, что больший объем мозга приводит к более высокому интеллекту. Возможно, что взросление в стимулирующей среде, которая поощряет мышление и обучение, может привести к большему росту мозга (Garlick, 2003), а также возможно, что третья переменная, такая как лучшее питание, влияет как на объем мозга, так и на интеллект.

Другая возможность состоит в том, что мозг более умных людей работает быстрее или эффективнее, чем мозг менее умных.Некоторые доказательства, подтверждающие эту идею, получены из данных, показывающих, что люди с более высоким интеллектом часто демонстрируют меньшую мозговую активность (предполагая, что им нужно использовать меньше возможностей), чем люди с более низким интеллектом, когда они работают над задачей (Haier, Siegel, Tang, & Abel , 1992). К тому же мозг более умных людей, кажется, работает быстрее, чем мозг менее умных. Исследования показали, что скорость, с которой люди могут выполнять простые задачи — например, определять, какая из двух линий длиннее или как можно быстрее нажимать одну из восьми подсвеченных кнопок, — позволяет прогнозировать интеллект (Deary, Der & Ford , 2001).Показатели интеллекта также примерно r = 0,5 коррелируют с показателями рабочей памяти (Ackerman, Beier, & Boyle, 2005), а рабочая память теперь используется в качестве показателя интеллекта во многих тестах.

Хотя интеллект не находится в определенной части мозга, в одних областях он более распространен, чем в других. Дункан и др. (2000) выполняли различные интеллектуальные задания и наблюдали наиболее активные участки коры головного мозга. Хотя разные тесты создавали разные шаблоны активации, как вы можете видеть на рисунке 9.5, «Где находится интеллект?», Эти активированные области были в основном во внешних частях коры головного мозга, области мозга, наиболее вовлеченной в планирование, исполнительный контроль и краткосрочную память.

Рисунок 9.5 Где находится интеллект? Исследования с помощью фМРТ показали, что области мозга, наиболее связанные с интеллектом, находятся во внешних частях коры.

Интеллект — природа или воспитание?

Интеллект имеет как генетические, так и экологические причины, и они систематически изучались с помощью большого количества исследований близнецов и усыновлений (Neisser et al., 1996; Пломин, 2003). Эти исследования показали, что от 40% до 80% вариабельности IQ обусловлено генетикой, а это означает, что в целом генетика играет большую роль, чем окружающая среда, в создании различий в IQ между людьми (Plomin & Spinath, 2004). IQ однояйцевых близнецов очень сильно коррелируют ( r = 0,86), что намного выше, чем оценки разнояйцевых близнецов, которые менее генетически похожи ( r = 0,60). И корреляции между IQ родителей и их биологических детей ( r =.42) значительно больше, чем корреляция между родителями и приемными детьми ( r = 0,19). По мере взросления детей роль генетики усиливается. Интеллект очень маленьких детей (младше 3 лет) не позволяет предсказать интеллект взрослых, но к 7 годам это так, а показатели IQ остаются очень стабильными во взрослом возрасте (Deary, Whiteman, Starr, Whalley, & Fox, 2004).

Но есть также свидетельства роли воспитания, указывающие на то, что люди не рождаются с фиксированным, неизменным уровнем интеллекта.Близнецы, выросшие вместе в одном доме, имеют более одинаковый IQ, чем близнецы, выросшие в разных домах, а у разнояйцевых близнецов более одинаковый IQ, чем у братьев и сестер, не являющихся близнецами, что, вероятно, связано с тем, что к ним относятся более одинаково, чем к братьям и сестрам, не являющимся близнецами. .

Тот факт, что с возрастом интеллект становится более стабильным, свидетельствует о том, что ранний экологический опыт важнее, чем более поздний. Факторы окружающей среды также объясняют большую долю различий в интеллекте у детей из домохозяйств низшего класса, чем у детей из домохозяйств высшего класса (Turkheimer, Haley, Waldron, D’Onofrio, & Gottesman, 2003).Это связано с тем, что большинство домохозяйств высшего класса, как правило, обеспечивают безопасную, питательную и поддерживающую среду для детей, тогда как эти факторы более изменчивы в домохозяйствах низшего класса.

Социальная и экономическая депривация может отрицательно сказаться на IQ. Дети из бедных домохозяйств имеют более низкий IQ, чем дети из домохозяйств с большими ресурсами, даже когда контролируются другие факторы, такие как образование, раса и воспитание детей (Brooks-Gunn & Duncan, 1997). Бедность может привести к недоеданию или недостатку необходимых витаминов в питании, а дети из бедных семей также могут с большей вероятностью подвергнуться воздействию токсинов, таких как свинец в питьевой воде, пыли или осколков краски (Bellinger & Needleman, 2003).Оба эти фактора могут замедлить развитие мозга и снизить интеллект.

Если обедненная среда может нанести вред разуму, мы могли бы задаться вопросом, может ли обогащенная среда улучшить его. Финансируемые государством внеклассные программы, такие как Head Start, призваны помочь детям учиться. Исследования показали, что посещение таких программ может повысить интеллект на короткое время, но это повышение редко длится после завершения программ (McLoyd, 1998; Perkins & Grotzer, 1997). Но другие исследования показывают, что Head Start и подобные программы могут улучшить эмоциональный интеллект и снизить вероятность того, что дети бросят школу или будут задержаны в классе (Reynolds, Temple, Robertson, & Mann, 2001).

Интеллект улучшается образованием; количество лет, проведенных человеком в школе, коррелирует примерно с r = 0,6 с IQ (Ceci, 1991). Частично эта корреляция может быть связана с тем, что люди с более высокими показателями IQ получают больше удовольствия от занятий, чем люди с низкими показателями IQ, и, следовательно, они с большей вероятностью останутся в школе. Но образование также оказывает причинное влияние на IQ. Сравнение детей почти одного возраста, но которые просто делают или просто не соблюдают крайний срок для поступления в школу в данном учебном году, показывают, что те, кто поступает в школу на год раньше, имеют более высокий IQ, чем те, кому приходится ждать следующего год начала обучения в школе (Baltes & Reinert, 1969; Ceci & Williams, 1997).IQ детей имеет тенденцию значительно снижаться во время летних каникул (Huttenlocher, Levine, & Vevea, 1998), и это открытие предполагает, что более продолжительный учебный год, как это принято в Европе и Восточной Азии, является полезным.

Важно помнить, что относительные роли природы и воспитания никогда не могут быть полностью разделены. К ребенку с интеллектом выше среднего будут относиться иначе, чем к ребенку с интеллектом ниже среднего, и эти различия в поведении, вероятно, усилят первоначальные различия.Это означает, что скромные генетические различия со временем могут превратиться в большие различия.

Психология в повседневной жизни: эмоциональный интеллект

Хотя большинство психологов считают интеллект познавательной способностью, люди также используют свои эмоции, чтобы помочь им решать проблемы и эффективно взаимодействовать с другими. Эмоциональный интеллект означает способность точно идентифицировать, оценивать и понимать эмоции, а также эффективно контролировать собственные эмоции (Feldman-Barrett & Salovey, 2002; Mayer, Salovey, & Caruso, 2000).

Идея эмоционального интеллекта видна в межличностном интеллекте Говарда Гарднера ( способность понимать эмоции, намерения, мотивации и желания других людей, ) и внутриличностном интеллекте ( способность понимать самого себя, в том числе своего эмоции ). Общественный интерес и исследования в области эмоционального интеллекта стали широко распространенными после публикации бестселлера Дэниела Гоулмана, Работа с эмоциональным интеллектом (1998).

Существует множество способов измерения эмоционального интеллекта (Mayer, Salovey, & Caruso, 2008; Petrides & Furnham, 2000). Одна из популярных мер, тест эмоционального интеллекта Майера-Саловея-Карузо (http://www.emotionaliq.org), включает в себя элементы о способности понимать, испытывать и управлять эмоциями, например:

• Какое настроение (а) может быть полезно испытать при первой встрече с родственниками супругов?
• Том почувствовал беспокойство и немного нервничал, когда подумал обо всей работе, которую ему нужно было сделать.Когда его руководитель принес ему дополнительный проект, он почувствовал ____ (заполните поле).
• Какие две эмоции наиболее тесно связаны с презрением?
  1. гнев и страх
  2. страх и удивление
  3. отвращение и гнев
  4. удивление и отвращение
• Дебби только что вернулась из отпуска. Она чувствовала себя умиротворенной и довольной. Насколько хорошо каждое из следующих действий поможет ей сохранить хорошее настроение?
  • Действие 1: Она начала составлять список дел по дому, которые ей нужно было сделать.
  • Действие 2: Она начала думать о том, куда и когда поедет в следующий отпуск.
  • Действие 3: Она решила, что лучше не обращать внимания на это чувство, так как оно все равно продлится недолго.

Одна проблема с тестами эмоционального интеллекта заключается в том, что они часто не демонстрируют большой надежности или конструктивной валидности (Føllesdal & Hagtvet, 2009). Хотя было обнаружено, что люди с более высоким эмоциональным интеллектом также более здоровы (Martins, Ramalho, & Morin, 2010), результаты неоднозначны в отношении того, предсказывает ли эмоциональный интеллект жизненный успех — например, эффективность работы (Harms & Credé, 2010).Более того, другие исследователи подвергли сомнению конструктивную валидность этих мер, утверждая, что эмоциональный интеллект действительно измеряет знания о том, что такое эмоции, но не обязательно, как использовать эти эмоции (Brody, 2004), и что эмоциональный интеллект на самом деле является чертой личности, т. часть g, или навык, который можно применить в некоторых конкретных рабочих ситуациях — например, в академических или рабочих ситуациях (Landy, 2005).

Хотя измерения способности понимать, испытывать и управлять эмоциями могут не предсказывать эффективное поведение, другой важный аспект эмоционального интеллекта — регулирование эмоций — делает это. Регулирование эмоций относится к способности контролировать и продуктивно использовать свои эмоции . Исследования показали, что люди, которые лучше справляются со своими импульсами, стремясь к немедленному удовлетворению, и менее импульсивны, также обладают более высоким когнитивным и социальным интеллектом. У них лучшие результаты тестов, их друзья оценивают их как более социально адаптированных и лучше справляются с разочарованием и стрессом, чем те, у кого меньше навыков в регулировании эмоций (Ayduk et al., 2000; Eigsti et al., 2006; Mischel & Ayduk, 2004).

Поскольку эмоциональный интеллект кажется таким важным, многие школьные системы разработали программы для обучения ему своих учеников. Однако эффективность этих программ не подвергалась тщательной проверке, и мы еще не знаем, можно ли научить эмоциональному интеллекту, и может ли обучение улучшить качество жизни людей (Mayer & Cobb, 2000).

Основные выводы

• Интеллект — это способность думать, учиться на опыте, решать проблемы и адаптироваться к новым ситуациям.Интеллект важен, потому что он влияет на поведение многих людей.
• Психологи считают, что существует конструкция, известная как общий интеллект (g), которая объясняет общие различия в интеллекте людей.
• Есть также свидетельства наличия определенного интеллекта (ов), который является мерой конкретных навыков в узких областях, включая творческий потенциал и практический интеллект.
• Коэффициент интеллекта (IQ) — это показатель интеллекта, скорректированный с учетом возраста.Шкала интеллекта взрослых Векслера (WAIS) — это наиболее широко используемый тест IQ для взрослых.
• Объем мозга, скорость нейронной передачи и объем рабочей памяти связаны с IQ.
• От 40% до 80% вариабельности IQ обусловлено генетикой, а это означает, что общая генетика играет большую роль, чем окружающая среда, в создании различий в IQ между людьми.
• Уровень интеллекта повышается за счет образования, и ему могут препятствовать факторы окружающей среды, такие как бедность.
• Эмоциональный интеллект — это способность выявлять, оценивать, управлять и контролировать свои эмоции. Люди, способные лучше регулировать свое поведение и эмоции, также более успешны в личных и социальных контактах.

Упражнения и критическое мышление

1. Подумайте о своем собственном IQ. Вы умнее среднего человека? В чем, по вашему мнению, вы преуспеваете?
2. Ваши родители пытались улучшить ваш интеллект? Как вы думаете, их усилия увенчались успехом?
3. Рассмотрим значение эффекта Флинна.Как вы думаете, люди действительно становятся умнее?
4. Приведите несколько примеров того, как эмоциональный интеллект (или его отсутствие) влияет на вашу повседневную жизнь и жизнь других людей, которых вы знаете.

Авторство изображения

Рисунок 9.1: «Школьник делает домашнее задание» от Moonsun1981 (http://commons.wikimedia.org/wiki/File:Az-Writing_boy_e-citizen.jpg) под лицензией CC BY-SA 3.0 ( http://creativecommons.org/licenses/by-sa/3.0/deed.ru).

Рисунок 9.2: «скрепка» от Hawyih (http://en.wikipedia.org/wiki/File:Wanzijia.jpg) находится в открытом доступе.

Рисунок 9.3: «Женское семиборье» Мари-Лан Нгуен (http://en.wikipedia.org/wiki/File:Women_heptathlon_LJ_French_Athletics_Cha Championships_2013_t144221.jpg) под лицензией CC-BY 3.0 (http://creativecommons.org /licenses/by/3.0/). «Уличный художник» Педро Рибейро Симоэнса (http://www.flickr.com/photos/pedrosimoes7/1196/) имеет лицензию CC BY 2.0 (http://creativecommons.org/licenses/by/2.0/deed.en_CA). «Армянский пианист Вардан Мамиконян» Чаоджокера (http://commons.wikimedia.org/wiki/File:Vardan_Mamikonyan_Armenian_pianist.JPG) под лицензией CC BY-SA 3.0 (http://creativecommons.org/licenses/by-sa /3.0/deed.en). «Учитель у классной доски» от cybrarian77 (http://www.flickr.com/photos/cybrarian77/6284181389/) под лицензией CC BY-NC 2.0 (http://creativecommons.org/licenses/by-nc/2.0 /deed.en_CA). «Клоун Клуц» от Herald Post (http: // www.flickr.com/photos/heraldpost/3771785750/) под лицензией CC BY-NC 2.0 (http://creativecommons.org/licenses/by-nc/2.0/deed.en_CA)

Рисунок 9.4: По материалам Thorndike & Hagen (1997).

Рисунок 9.5: Адаптировано из работы Дункана и др. (2000).

Список литературы

Акерман П. Л., Байер М. Э. и Бойл М. О. (2005). Рабочая память и интеллект: одинаковые или разные конструкции? Психологический бюллетень, 131 (1), 30–60.

Айдук, О., Мендоза-Дентон, Р., Мишель, В., Дауни, Г., Пик, П. К., и Родригес, М. (2000). Регулирование межличностного Я: стратегическая саморегуляция для совладания с чувствительностью отторжения. Журнал личности и социальной психологии, 79 (5), 776–792.

Балтес, П. Б., и Райнерт, Г. (1969). Когортные эффекты в когнитивном развитии детей, выявленные с помощью перекрестных последовательностей. Психология развития, 1 (2), 169–177.

Беллинджер, Д.К. и Нидлман, Х. Л. (2003). Интеллектуальные нарушения и уровни свинца в крови [Письмо в редакцию]. Медицинский журнал Новой Англии, 349 (5), 500.

Бине А., Саймон Т. и Таун К. Х. (1915). Метод измерения развития интеллекта маленьких детей (3-е изд.) Чикаго, Иллинойс: Медицинская книга Чикаго.

Бинк, М. Л., и Марш, Р. Л. (2000). Познавательные закономерности в творческой деятельности. Обзор общей психологии, 4 (1), 59–78.

Броды, Н. (2003). Построить проверку триархических способностей Штернберга: комментарий и повторный анализ. Intelligence, 31 (4), 319–329.

Броды, Н. (2004). Что такое когнитивный интеллект, а что нет. Психологический опрос, 15, 234–238.

Брукс-Ганн, Дж. И Дункан, Дж. Дж. (1997). Влияние бедности на детей. Будущее детей, 7 (2), 55–71.

Сечи, С. Дж. (1991). Насколько образование влияет на общий интеллект и его когнитивные компоненты? Переоценка доказательств. Психология развития, 27 (5), 703–722.

Сеси, С. Дж., И Уильямс, В. М. (1997). Образование, интеллект и доход. Американский психолог, 52 (10), 1051–1058.

Дири И. Дж., Дер Дж. И Форд Дж. (2001). Время реакции и различия в интеллекте: популяционное когортное исследование. Intelligence, 29 (5), 389–399.

Дири И. Дж., Уайтмен М. К., Старр Дж. М., Уолли Л. Дж. И Фокс Х. С. (2004). Влияние детского интеллекта на дальнейшую жизнь: по результатам шотландских психологических исследований 1932 и 1947 годов. Журнал личности и социальной психологии, 86 (1), 130–147.

Дункан, Дж., Зейтц, Р. Дж., Колодный, Дж., Бор, Д., Херцог, Х., Ахмед, А.,… Эмсли, Х. (2000). Нейронная основа общего интеллекта. Science, 289 (5478), 457–460.

Эйгсти, И.-М., Заяс, В., Мишель, В., Шода, Ю., Айдук, О., Дадлани, М. Б.,… Кейси, Б. Дж. (2006). Прогнозирование когнитивного контроля от дошкольного до позднего подросткового и юношеского возраста. Психологическая наука, 17 (6), 478–484.

Эрикссон, К. (1998). Научное исследование экспертных уровней производительности: общие последствия для оптимального обучения и творчества. Исследования высоких способностей, 9 (1), 75–100.

Фельдман-Барретт, Л., Саловей, П. (ред.). (2002). Мудрость в чувстве: Психологические процессы в эмоциональном интеллекте. Нью-Йорк, Нью-Йорк: Guilford Press.

Флинн, Дж. Р. (1999). В поисках справедливости: открытие IQ со временем растет. Американский психолог, 54 (1), 5–20.

Føllesdal, H., & Hagtvet, K. A. (2009). Эмоциональный интеллект: MSCEIT с точки зрения теории обобщаемости. Intelligence, 37 (1), 94–105.

Фрей, М. К., и Деттерман, Д. К. (2004). Учебная оценка или г? Связь между учебным оценочным тестом и общими познавательными способностями. Психологическая наука, 15 (6), 373–378.

Фернхам, А., и Бахтиар, В. (2008). Личность и интеллект как предикторы творческих способностей. Личность и индивидуальные различия, 45 (7), 613–617.

Гарднер, Х. (1983). Мировоззрение: теория множественного интеллекта . Нью-Йорк, штат Нью-Йорк: основные книги.

Гарднер, Х. (1999). Новый взгляд на интеллект: множественный интеллект в 21 веке . Нью-Йорк, штат Нью-Йорк: основные книги.

Гарлик, Д. (2003). Интеграция исследований мозга с исследованиями интеллекта. Текущие направления в психологической науке, 12 (5), 185–189.

Гоулман Д. (1998). Работа с эмоциональным интеллектом. Нью-Йорк, Нью-Йорк: Bantam Books.

Готфредсон, Л. С. (1997). Основная наука об интеллекте: редакционная статья с 52 подписчиками, историей и библиографией. Intelligence, 24 (1), 13–23.

Готфредсон, Л. С. (2003). Анализ практической теории интеллекта: его утверждения и доказательства. Intelligence, 31 (4), 343–397.

Хайер Р. Дж. (2004). Изучение изображений мозга личности: медленная революция.В R. M. Stelmack (Ed.), О психобиологии личности: Очерки в честь Марвина Цукермана (стр. 329–340). Нью-Йорк, штат Нью-Йорк: Elsevier Science.

Хайер, Р. Дж., Сигел, Б. В., Танг, К., и Абель, Л. (1992). Интеллект и изменения в региональной скорости метаболизма глюкозы головного мозга после обучения. Интеллект, 16 (3–4), 415–426.

Хармс, П. Д. и Креде, М. (2010). Эмоциональный интеллект и трансформационное и транзакционное лидерство: метаанализ. Журнал лидерства и организационных исследований, 17 (1), 5–17.

Хеннесси, Б.А., и Амабайл, Т.М. (2010). Креативность. Ежегодный обзор психологии, 61 , 569–598.

Хорн, Дж. Л., Дональдсон, Г., и Энгстром, Р. (1981). В зрелом возрасте ухудшаются предчувствия, память и подвижный интеллект. Исследования старения, 3 (1), 33–84.

Huttenlocher, J., Levine, S., & Vevea, J. (1998). Вклад окружающей среды и когнитивный рост: исследование с использованием сравнения периодов времени. Развитие ребенка, 69 (4), 1012–1029.

Кунсел, Н. Р., Хезлетт, С. А., и Онес, Д. С. (2010). Комплексный метаанализ прогнозирующей действительности экзаменов для выпускных экзаменов: последствия для отбора и успеваемости аспирантов. Психологический бюллетень, 127 (1), 162–181.

Лэнди, Ф. Дж. (2005). Некоторые исторические и научные вопросы, связанные с исследованиями эмоционального интеллекта. Журнал организационного поведения, 26 , 411–424.

Мартинс А., Рамальо Н. и Морин Э. (2010). Комплексный метаанализ взаимосвязи между эмоциональным интеллектом и здоровьем. Личность и индивидуальные различия, 49 (6), 554–564.

Майер, Дж. Д. и Кобб, К. Д. (2000). Образовательная политика в области эмоционального интеллекта: имеет ли это смысл? Обзор педагогической психологии, 12 (2), 163–183.

Майер Дж. Д., Саловей П. и Карузо Д. (2000). Модели эмоционального интеллекта.В Р. Дж. Штернберге (ред.), Справочник разведки (стр. 396–420). Нью-Йорк, Нью-Йорк: Издательство Кембриджского университета.

Майер Дж. Д., Саловей П. и Карузо Д. Р. (2008). Эмоциональный интеллект: новые способности или эклектичные черты. Американский психолог, 63 (6), 503–517.

МакДэниел, М.А. (2005). Люди с большим мозгом умнее: метаанализ взаимосвязи между объемом мозга in vivo и интеллектом. Intelligence, 33 (4), 337–346.

МакЛойд, В.С. (1998). Дети в бедности: развитие, государственная политика и практика. В W. Damon, I. E. Sigel, & K. A. Renninger (Eds.), Справочник по детской психологии: Детская психология на практике (5-е изд., Том 4, стр. 135–208). Хобокен, Нью-Джерси: Джон Уайли и сыновья.

Mischel, W., & Ayduk, O. (ред.). (2004). Сила воли в когнитивно-эмоциональной системе обработки: динамика задержки удовлетворения . Нью-Йорк, Нью-Йорк: Guilford Press.

Neisser, U. (1997).Повышение баллов по тестам на интеллект. Американский ученый, 85 , 440–447.

Neisser, U. (Ред.). (1998). Восходящая кривая . Вашингтон, округ Колумбия: Американская психологическая ассоциация.

Нейссер, У., Буду, Г., Бушар, Т. Дж., Младший, Бойкин, А. У., Броуди, Н., Сеси, С. Дж.,… Урбина, С. (1996). Интеллект: известные и неизвестные. Американский психолог, 51 (2), 77–101.

Перкинс Д. Н. и Гротцер Т. А. (1997). Обучающий интеллект. Американский психолог, 52 (10), 1125–1133.

Петридес, К. В., и Фернхэм, А. (2000). О размерной структуре эмоционального интеллекта. Личность и индивидуальные различия, 29, 313–320.

Пломин Р. (2003). Общие познавательные способности. В: Р. Пломин, Дж. К. ДеФрис, И. В. Крейг и П. Макгаффин (ред.), Поведенческая генетика в постгеномную эру (стр. 183–201). Вашингтон, округ Колумбия: Американская психологическая ассоциация.

Пломин Р. и Спинат Ф. М. (2004). Интеллект: генетика, гены и геномика. Журнал личности и социальной психологии, 86 (1), 112–129.

Рейнольдс А. Дж., Темпл Дж. А., Робертсон Д. Л. и Манн Е. А. (2001). Долгосрочные эффекты вмешательства в раннем детстве на успеваемость и арест несовершеннолетних: 15-летнее наблюдение за детьми с низкими доходами в государственных школах. Журнал Американской медицинской ассоциации, 285 (18), 2339–2346.

Солтхаус, Т. А. (2004). Что и когда когнитивного старения. Текущие направления в психологической науке, 13 (4), 140–144.

Шмидт Ф. Л. и Хантер Дж. Э. (1998). Обоснованность и полезность методов отбора в психологии персонала: практические и теоретические последствия 85-летних результатов исследований. Психологический бюллетень, 124 , 262–274.

Шоу, П., Гринштейн, Д., Лерх, Дж., Класен, Л., Ленрут, Р., Гогтай, Н.,… Гедд, Дж. (2006). Интеллектуальные способности и корковое развитие у детей и подростков. Nature, 440 (7084), 676–679.

Зиглер, Р.С. (1992). Другой Альфред Бине. Психология развития, 28 (2), 179–190.

Саймонтон, Д. К. (1992). Социальный контекст карьерного успеха и курс для 2026 ученых и изобретателей. Бюллетень личности и социальной психологии, 18 (4), 452–463.

Саймонтон, Д. К. (2000). Творчество: когнитивные, личностные, развивающие и социальные аспекты. Американский психолог, 55 (1), 151–158.

Штернберг, Р. Дж. (1985). Beyond IQ: триархическая теория человеческого интеллекта .Нью-Йорк, Нью-Йорк: Издательство Кембриджского университета.
Штернберг, Р. Дж. (2003). Наша исследовательская программа, подтверждающая триархическую теорию успешного интеллекта: Ответ Готфредсону. Intelligence, 31 (4), 399–413.

Штернберг, Р. Дж. (2003). Современные теории интеллекта. В У. М. Рейнольдс и Г. Э. Миллер (ред.), Справочник по психологии: Педагогическая психология (том 7, стр. 23–45). Хобокен, Нью-Джерси: Джон Уайли и сыновья.

Штернберг, Р. Дж., Вагнер, Р.К. и Окагаки Л. (1993). Практический интеллект: природа и роль неявных знаний в работе и в школе. В J. M. Puckett & H. W. Reese (Eds.), Механизмы повседневного познания (стр. 205–227). Хиллсдейл, Нью-Джерси: Лоуренс Эрлбаум Ассошиэйтс.

Тарасова И.В., Вольф Н.В., Разумникова О.М. (2010). Параметры корковых взаимодействий у испытуемых с высоким и низким уровнем вербального творчества. Физиология человека, 36 (1), 80–85.

Торндайк, Р.Л. и Хаген Э. П. (1997). Тест на познавательные способности (Форма 5): Справочник по исследованиям . Чикаго, Иллинойс: Риверсайд Паблишинг.

Терстон, Л. Л. (1938). Первичные умственные способности. Психометрические монографии, № 1 . Чикаго, Иллинойс: Издательство Чикагского университета.

Treffert, D. A., & Wallace, G. L. (2004, 1 января). Острова гения. [PDF] Scientific American , 14–23. Получено с http://gordonresearch.com/articles_autism/SciAm-Islands_of_Genius.pdf

Тюркхаймер Э., Хейли А., Уолдрон М., Д’Онофрио Б. и Готтесман И. И. (2003). Социально-экономический статус изменяет наследуемость IQ у маленьких детей. Психологическая наука, 14 (6), 623–628.

Вагнер Р. и Штернберг Р. (1985). Практический интеллект в реальных занятиях: роль неявного знания. Журнал личности и социальной психологии, 49 (2), 436–458.

Уоткинс, К. Э., Кэмпбелл, В. Л., Нибердинг, Р., & Холлмарк, Р.(1995). Современная практика психологической оценки клиническими психологами. Профессиональная психология: исследования и практика, 26 (1), 54–60.

Вайсберг, Р. (2006). Креативность: понимание инноваций в решении проблем, науке, изобретательстве и искусстве. Хобокен, Нью-Джерси: John Wiley & Sons.

Длинное описание

Рисунок 9.4, длинное описание:

1. Какой день в году — День Независимости?
2. Если яйца стоят 60 центов за дюжину, сколько стоит 1 яйцо?
3. Скажите мне, что означает «испорченный.”
4. Почему люди покупают страховку от пожара?
5. Назовите после меня следующие числа: 7 3 4 1 8 6
6. Произнесите следующие числа в обратном порядке: 3 8 4 1 6

Последние два вопроса касаются создания картинок из блоков.

Как искусственный интеллект меняет мир

Большинство людей не очень знакомы с концепцией искусственного интеллекта (ИИ). Например, когда 1500 руководителей высшего звена в США в 2017 году спросили об ИИ, только 17% ответили, что знакомы с ним. ¹ Многие из них не были уверены, что это было и как это повлияет на их конкретные компании. Они понимали, что существует значительный потенциал для изменения бизнес-процессов, но не понимали, как ИИ можно развернуть в их собственных организациях.

Несмотря на то, что ИИ широко не знакомо, это технология, которая меняет все сферы жизни. Это универсальный инструмент, который позволяет людям переосмыслить то, как мы интегрируем информацию, анализируем данные и используем полученные знания для улучшения процесса принятия решений.Мы надеемся, что с помощью этого всеобъемлющего обзора мы объясним ИИ аудитории, состоящей из политиков, лидеров общественного мнения и заинтересованных наблюдателей, и продемонстрируем, как ИИ уже меняет мир и поднимает важные вопросы для общества, экономики и управления.

В этой статье мы обсуждаем новые приложения в области финансов, национальной безопасности, здравоохранения, уголовного правосудия, транспорта и умных городов, а также рассматриваем такие вопросы, как проблемы доступа к данным, алгоритмическая предвзятость, этика и прозрачность ИИ, а также юридическая ответственность за решения ИИ. .Мы противопоставляем нормативные подходы США и Европейского союза и заканчиваем тем, что даем ряд рекомендаций для получения максимальной отдачи от ИИ, при этом защищая важные человеческие ценности. ²

Чтобы максимизировать преимущества ИИ, мы рекомендуем девять шагов вперед:

• Поощрять более широкий доступ к данным для исследователей без ущерба для личной конфиденциальности пользователей,
• инвестирует больше государственного финансирования в несекретные исследования ИИ,
• продвигает новые модели цифрового образования и развития рабочей силы с искусственным интеллектом, чтобы сотрудники обладали навыками, необходимыми в экономике 21 ^{-го века} ,
• создать федеральный консультативный комитет по ИИ для выработки рекомендаций по политике,
• взаимодействует с государственными и местными чиновниками, чтобы они проводили эффективную политику,
• регулирует общие принципы ИИ, а не конкретные алгоритмы,
• серьезно относится к жалобам на предвзятость, чтобы ИИ не копировал историческую несправедливость, несправедливость или дискриминацию в данных или алгоритмах,
• поддерживает механизмы надзора и контроля со стороны человека, а
• наказывать злонамеренное поведение ИИ и способствовать кибербезопасности.

Хотя не существует единого согласованного определения, обычно считается, что ИИ относится к «машинам, которые реагируют на стимуляцию в соответствии с традиционными реакциями людей, учитывая человеческую способность к созерцанию, суждениям и намерениям». ³ По словам исследователей Шубхенду и Виджая, эти программные системы «принимают решения, которые обычно требуют человеческого уровня знаний» и помогают людям предвидеть проблемы или решать проблемы по мере их возникновения. ⁴ Таким образом, они действуют намеренно, разумно и адаптивно.

Намерение

Алгоритмы искусственного интеллекта предназначены для принятия решений, часто с использованием данных в реальном времени. Они не похожи на пассивные машины, которые способны только на механические или заранее определенные реакции. Используя датчики, цифровые данные или удаленные входы, они объединяют информацию из множества различных источников, мгновенно анализируют материал и действуют на основе выводов, полученных из этих данных. Благодаря значительным улучшениям в системах хранения, скорости обработки и аналитических методах, они обладают невероятной сложностью в анализе и принятии решений.

Искусственный интеллект уже меняет мир и поднимает важные вопросы для общества, экономики и управления.

Разведка

AI обычно используется в сочетании с машинным обучением и анализом данных. ⁵ Машинное обучение использует данные и выявляет основные тенденции. Если он обнаруживает что-то, что имеет отношение к практической проблеме, разработчики программного обеспечения могут взять эти знания и использовать их для анализа конкретных проблем.Все, что требуется, — это данные, которые достаточно надежны, чтобы алгоритмы могли распознавать полезные шаблоны. Данные могут поступать в виде цифровой информации, спутниковых изображений, визуальной информации, текста или неструктурированных данных.

Адаптивность

Системы

AI могут учиться и адаптироваться при принятии решений. Например, в области транспорта у полуавтономных транспортных средств есть инструменты, которые позволяют водителям и транспортным средствам знать о предстоящих заторах, выбоинах, строительстве шоссе или других возможных препятствиях на дороге.Транспортные средства могут использовать опыт других транспортных средств на дороге без участия человека, и весь полученный ими «опыт» немедленно и полностью может быть передан другим аналогичным образом сконфигурированным транспортным средствам. Их передовые алгоритмы, датчики и камеры включают в себя опыт текущих операций и используют информационные панели и визуальные дисплеи для представления информации в режиме реального времени, чтобы водители-люди могли понимать текущее движение и условия движения. А в случае полностью автономных транспортных средств передовые системы могут полностью управлять автомобилем или грузовиком и принимать все навигационные решения.

AI — это не футуристическое видение, а то, что присутствует здесь сегодня, интегрируется и развертывается в различных секторах. Сюда входят такие области, как финансы, национальная безопасность, здравоохранение, уголовное правосудие, транспорт и умные города. Есть множество примеров, когда ИИ уже оказывает влияние на мир и значительно расширяет возможности человека. ⁶

Одна из причин растущей роли ИИ — это огромные возможности для экономического развития, которые он предоставляет.По оценке проекта PriceWaterhouseCoopers, «технологии искусственного интеллекта могут увеличить мировой ВВП на 15,7 триллиона долларов, или целых 14%, к 2030 году». ⁷ Сюда входят авансы в размере 7 триллионов долларов США в Китае, 3,7 триллиона долларов США в Северной Америке, 1,8 триллиона долларов США в Северной Европе, 1,2 триллиона долларов США в Африке и Океании, 0,9 триллиона долларов США в остальной части Азии за пределами Китая, 0,7 триллиона долларов США в Южной Европе и 0,5 триллиона долларов США. триллион в Латинской Америке. Китай быстро прогрессирует, поскольку поставил перед собой национальную цель инвестировать 150 миллиардов долларов в ИИ и стать мировым лидером в этой области к 2030 году.

Между тем, исследование Китая, проведенное McKinsey Global Institute, показало, что «автоматизация на основе искусственного интеллекта может повысить производительность китайской экономики, которая добавит от 0,8 до 1,4 процентных пункта к росту ВВП в год, в зависимости от скорости внедрения». ⁸ Хотя его авторы обнаружили, что Китай в настоящее время отстает от США и Соединенного Королевства в развертывании ИИ, огромный размер его рынка ИИ дает этой стране огромные возможности для пилотного тестирования и будущего развития.

Финансы

Инвестиции в финансовый ИИ в США утроились с 2013 по 2014 год и составили 12,2 миллиарда долларов. ⁹ По словам наблюдателей в этом секторе, «решения о ссудах сейчас принимаются программным обеспечением, которое может учитывать множество тщательно проанализированных данных о заемщике, а не только кредитный рейтинг и проверку биографических данных». ¹⁰ Кроме того, существуют так называемые робо-консультанты, которые «создают персонализированные инвестиционные портфели, устраняя необходимость в биржевых маклерах и финансовых консультантах.” ¹¹ Эти достижения призваны избавить от эмоций инвестирования и принять решения, основанные на аналитических соображениях, и сделать этот выбор за считанные минуты.

Яркий пример этого имеет место на фондовых биржах, где высокочастотная торговля с помощью машин заменила большую часть принятия решений человеком. Люди подают заказы на покупку и продажу, и компьютеры в мгновение ока сопоставляют их без вмешательства человека. Машины могут определять неэффективность торговли или рыночные дифференциалы в очень небольшом масштабе и выполнять сделки, которые приносят прибыль в соответствии с инструкциями инвестора. ¹² Оснащенные в некоторых местах передовыми вычислениями, эти инструменты обладают гораздо большей емкостью для хранения информации, поскольку они делают упор не на ноль или единицу, а на «квантовые биты», которые могут хранить несколько значений в каждом месте. ¹³ Это значительно увеличивает емкость хранилища и сокращает время обработки.

Обнаружение мошенничества — еще один способ использования ИИ в финансовых системах. Иногда трудно распознать мошеннические действия в крупных организациях, но ИИ может выявить отклонения, выбросы или отклонения от нормы, требующие дополнительного расследования.Это помогает менеджерам находить проблемы на ранних этапах цикла, прежде чем они достигнут опасного уровня. ¹⁴

Национальная безопасность

AI играет важную роль в национальной обороне. В рамках своего проекта Maven американские военные развертывают ИИ, «чтобы просеивать огромные массивы данных и видео, захваченных слежением, и затем предупреждать аналитиков-людей о закономерностях или в случае аномальной или подозрительной активности». ¹⁵ По словам заместителя министра обороны Патрика Шанахана, цель новых технологий в этой области состоит в том, чтобы «удовлетворить потребности наших бойцов и повысить [] скорость и маневренность [] разработки и приобретения технологий.” ¹⁶

Искусственный интеллект настолько быстро ускорит традиционный процесс ведения войны, что был придуман новый термин: гипервойна.

Аналитика больших данных, связанная с ИИ, сильно повлияет на анализ разведки, поскольку огромные объемы данных просеиваются почти в реальном времени — если не в конечном итоге в реальном времени — тем самым предоставляя командирам и их штабам уровень интеллектуального анализа и производительности, невиданный ранее. Командование и контроль также будут затронуты, поскольку человеческие командиры делегируют определенную рутину, а в особых обстоятельствах ключевые решения платформам ИИ, резко сокращая время, связанное с решением и последующими действиями.В конце концов, война — это соревновательный процесс по времени, в котором обычно преобладает сторона, способная выбрать самый быстрый и наиболее быстро перейти к исполнению. Действительно, системы искусственного интеллекта, связанные с системами управления и контроля с помощью ИИ, могут перемещать поддержку решений и принятие решений со скоростью, значительно превосходящей скорости традиционных средств ведения войны. Этот процесс будет настолько быстрым, особенно в сочетании с автоматическими решениями о запуске автономных систем вооружений с искусственным интеллектом, способных привести к летальному исходу, что был придуман новый термин специально для обозначения скорости, с которой будет вестись война: гипервойна.

В то время как этические и юридические дебаты бушуют по поводу того, будет ли Америка когда-либо вести войну с искусственно интеллектуальными автономными летальными системами, китайцы и русские далеко не погрязли в этих дебатах, и мы должны предвидеть нашу необходимость защищаться от этих систем, действующих в условиях гипервойны скорости. Проблема на Западе в том, где поставить «людей в петлю» в сценарии гипервойны, в конечном итоге диктует способность Запада быть конкурентоспособными в этой новой форме конфликта. ¹⁷

Подобно тому, как ИИ сильно повлияет на скорость войны, распространение киберугроз нулевого дня или нулевой секунды, а также полиморфных вредоносных программ бросит вызов даже самой сложной киберзащите на основе сигнатур.Это требует значительного улучшения существующей киберзащиты. Все чаще происходит миграция уязвимых систем, и им необходимо будет перейти на многоуровневый подход к кибербезопасности с помощью облачных платформ когнитивного ИИ. Такой подход приближает сообщество к «мыслящим» защитным возможностям, которые могут защищать сети посредством постоянного обучения работе с известными угрозами. Эта возможность включает анализ на уровне ДНК ранее неизвестного кода с возможностью распознавания и остановки входящего вредоносного кода путем распознавания строкового компонента файла.Так некоторые ключевые системы в США остановили изнуряющие вирусы «WannaCry» и «Petya».

Подготовка к гипервойне и защита критически важных киберсетей должны стать первоочередной задачей, поскольку Китай, Россия, Северная Корея и другие страны вкладывают значительные ресурсы в ИИ. В 2017 году Государственный совет Китая опубликовал план «построить отечественную промышленность на сумму почти 150 миллиардов долларов к 2030 году». ¹⁸ В качестве примера возможностей китайская поисковая компания Baidu впервые разработала приложение для распознавания лиц, которое обнаруживает пропавшие без вести. люди.Кроме того, такие города, как Шэньчжэнь, выделяют до 1 миллиона долларов на поддержку лабораторий искусственного интеллекта. Эта страна надеется, что ИИ обеспечит безопасность, борется с терроризмом и улучшит программы распознавания речи. ¹⁹ Двойной характер многих алгоритмов ИИ будет означать, что исследования ИИ, сосредоточенные на одном секторе общества, могут быть быстро изменены для использования в секторе безопасности. ²⁰

Здравоохранение

Инструменты

AI помогают дизайнерам улучшить вычислительную сложность в здравоохранении.Например, Merantix — немецкая компания, которая применяет глубокое обучение к медицинским вопросам. У него есть приложение для медицинской визуализации, которое «обнаруживает лимфатические узлы в человеческом теле на изображениях компьютерной томографии (КТ)». ²¹ По словам разработчиков, ключевым моментом является маркировка узлов и выявление небольших повреждений или новообразований, которые могут быть проблематичными. Люди могут это сделать, но радиологи берут 100 долларов в час и могут внимательно прочитать только четыре изображения в час. Если бы было 10 000 изображений, стоимость этого процесса составила бы 250 000 долларов, что недопустимо дорого, если бы выполнялся человеком.

В этой ситуации глубокое обучение может обучить компьютеры на наборах данных, чтобы узнать, что такое нормальный лимфатический узел, а какой — нерегулярный. Выполнив это с помощью упражнений на визуализацию и оттачивая точность маркировки, специалисты по радиологической визуализации могут применить эти знания к реальным пациентам и определить степень риска раковых лимфатических узлов. Поскольку только некоторые из них могут дать положительный результат, необходимо отличить нездоровый узел от здорового.

ИИ

применялся также при застойной сердечной недостаточности, заболевании, которым страдают 10 процентов пожилых людей и которое ежегодно обходится в США в 35 миллиардов долларов. Инструменты искусственного интеллекта полезны, потому что они «заранее предсказывают потенциальные проблемы в будущем и выделяют ресурсы на обучение пациентов, распознавание и профилактические вмешательства, которые не позволяют пациентам попасть в больницу». ²²

Уголовное правосудие

AI развертывается в сфере уголовного правосудия.Город Чикаго разработал управляемый искусственным интеллектом «Стратегический список тем», в котором анализируются люди, арестованные за риск стать преступниками в будущем. Он оценивает 400 000 человек по шкале от 0 до 500, используя такие параметры, как возраст, преступная деятельность, виктимизация, записи об арестах за наркотики и принадлежность к банде. Изучив данные, аналитики обнаружили, что молодежь является сильным предиктором насилия, быть жертвой перестрелки ассоциируется с будущим преступником, принадлежность к банде имеет небольшую прогностическую ценность, а аресты за наркотики не имеют существенной связи с будущей преступной деятельностью. ²³

Судебные эксперты утверждают, что программы искусственного интеллекта снижают предвзятость сотрудников правоохранительных органов и приводят к более справедливой системе вынесения приговоров. Сотрудник Института R Street Калеб Уотни пишет:

Эмпирически обоснованные вопросы прогнозного анализа рисков играют на руку машинному обучению, автоматизированному мышлению и другим формам ИИ. Одно моделирование политики машинного обучения пришло к выводу, что с помощью таких программ можно сократить преступность до 24,8% без изменения количества заключенных или сократить количество заключенных до 42% без увеличения уровня преступности. ²⁴

Однако критики обеспокоены тем, что алгоритмы ИИ представляют собой «секретную систему для наказания граждан за преступления, которых они еще не совершали. Оценки риска неоднократно использовались для проведения крупномасштабных облав ». ²⁵ Есть опасения, что такие инструменты несправедливо нацелены на цветных людей и не помогли Чикаго снизить волну убийств, охватившую его в последние годы.

Несмотря на эти опасения, другие страны продолжают быстрое развертывание в этой области.В Китае, например, компании уже имеют «значительные ресурсы и доступ к голосам, лицам и другим биометрическим данным в огромных количествах, что поможет им развивать свои технологии». ²⁶ Новые технологии позволяют сопоставлять изображения и голоса с другими типами информации и использовать ИИ в этих комбинированных наборах данных для улучшения правоохранительной деятельности и обеспечения национальной безопасности. Через свою программу «Sharp Eyes» китайские правоохранительные органы объединяют видеоизображения, активность в социальных сетях, онлайн-покупки, записи о поездках и личные данные в «полицейское облако».«Эта интегрированная база данных позволяет властям отслеживать преступников, потенциальных нарушителей закона и террористов. ²⁷ Иными словами, Китай стал ведущим в мире государством слежки с использованием искусственного интеллекта.

Транспорт

Транспорт представляет собой область, в которой искусственный интеллект и машинное обучение создают важные инновации. Исследования Кэмерона Керри и Джека Карстена из Брукингского института показали, что в период с августа 2014 года по июнь 2017 года в технологии автономных транспортных средств было инвестировано более 80 миллиардов долларов.Эти инвестиции включают приложения как для автономного вождения, так и в основные технологии, жизненно важные для этого сектора. ²⁸

Автономные транспортные средства — автомобили, грузовики, автобусы и системы доставки беспилотных летательных аппаратов — используют передовые технологические возможности. Эти функции включают в себя автоматическое наведение и торможение транспортного средства, системы смены полосы движения, использование камер и датчиков для предотвращения столкновений, использование ИИ для анализа информации в реальном времени, а также использование высокопроизводительных вычислений и систем глубокого обучения для адаптации к новые обстоятельства через подробные карты. ²⁹

Системы обнаружения света и дальности (LIDAR) и искусственный интеллект играют ключевую роль в навигации и предотвращении столкновений. Системы LIDAR объединяют световые и радиолокационные приборы. Они устанавливаются на крыше транспортных средств, которые используют изображение в 360-градусной среде с помощью радара и световых лучей для измерения скорости и расстояния до окружающих объектов. Наряду с датчиками, размещенными на передней, боковой и задней части транспортного средства, эти инструменты предоставляют информацию, которая удерживает быстро движущиеся автомобили и грузовики на их полосе движения, помогает им избегать других транспортных средств, при необходимости применяет тормоза и рулевое управление, и делает это мгновенно. чтобы избежать несчастных случаев.

Расширенное программное обеспечение позволяет автомобилям учиться на опыте других транспортных средств на дороге и настраивать свои системы навигации при изменении погоды, вождения или дорожных условий. Это означает, что ключом является программное обеспечение, а не сам физический автомобиль или грузовик.

Поскольку эти камеры и датчики собирают огромный объем информации и должны мгновенно обрабатывать его, чтобы избежать столкновения с автомобилем на следующей полосе, автономным транспортным средствам требуются высокопроизводительные вычисления, продвинутые алгоритмы и системы глубокого обучения для адаптации к новым сценариям.Это означает, что ключом является программное обеспечение, а не сам физический автомобиль или грузовик. ³⁰ Расширенное программное обеспечение позволяет автомобилям учиться на опыте других транспортных средств на дороге и настраивать свои системы навигации при изменении погоды, вождения или дорожных условий. ³¹

Компании, занимающиеся райдшерингом, очень заинтересованы в автономных транспортных средствах. Они видят преимущества в обслуживании клиентов и производительности труда. Все крупные компании по аренде райдеров изучают автомобили без водителя.Всплеск услуг каршеринга и такси, таких как Uber и Lyft в США, Mytaxi и Hailo компании Daimler в Великобритании и Didi Chuxing в Китае, демонстрирует возможности этого вида транспорта. Uber недавно подписал соглашение о покупке 24 000 автономных автомобилей у Volvo для службы совместного использования пассажиров. ³²

Однако в марте 2018 года компания по аренде автомобилей потерпела неудачу, когда один из ее автономных транспортных средств в Аризоне сбил пешехода и убил его.Uber и несколько автопроизводителей немедленно приостановили испытания и начали расследование того, что пошло не так и как мог произойти смертельный исход. ³³ И промышленность, и потребители хотят быть уверенными в том, что технология безопасна и способна выполнить заявленные обещания. Если не будет убедительных ответов, эта авария может замедлить развитие ИИ в транспортном секторе.

Умные города

Столичные правительства используют ИИ для улучшения предоставления городских услуг.Например, по словам Кевина Десузы, Рашми Кришнамурти и Грегори Доусона:

Пожарная служба Цинциннати использует аналитику данных для оптимизации реагирования на неотложную медицинскую помощь. Новая система аналитики рекомендует диспетчеру соответствующий ответ на вызов службы экстренной медицинской помощи — можно ли лечить пациента на месте или его нужно доставить в больницу — с учетом нескольких факторов, таких как тип вызова, местоположение , погода и подобные звонки. ³⁴

Так как он ежегодно отправляет 80 000 запросов, официальные лица Цинциннати применяют эту технологию для определения приоритетов реагирования и определения наилучших способов реагирования на чрезвычайные ситуации.Они рассматривают ИИ как способ работы с большими объемами данных и находят эффективные способы ответа на публичные запросы. Вместо того чтобы решать проблемы с обслуживанием разовым образом, власти стараются проявлять инициативу в том, как они предоставляют городские услуги.

Цинциннати не одинок. В ряде мегаполисов внедряются приложения для умных городов, которые используют ИИ, среди прочего, для улучшения предоставления услуг, экологического планирования, управления ресурсами, использования энергии и предотвращения преступности.В своем индексе умных городов журнал Fast Company оценил американские регионы и выбрал Сиэтл, Бостон, Сан-Франциско, Вашингтон, округ Колумбия, и Нью-Йорк, как самые популярные среди них. Сиэтл, например, придерживается принципов устойчивого развития и использует искусственный интеллект для управления энергопотреблением и управлением ресурсами. Бостон запустил программу «City Hall To Go», которая гарантирует, что общины с недостаточным уровнем обслуживания получают необходимые государственные услуги. Он также развернул «камеры и индуктивные петли для управления движением и акустические датчики для определения выстрелов из оружия».«Сан-Франциско сертифицировал 203 здания как отвечающие стандартам устойчивости LEED. ³⁵

Благодаря этим и другим средствам мегаполисы лидируют по внедрению решений искусственного интеллекта в стране. Действительно, согласно отчету Национальной лиги городов, 66 процентов американских городов инвестируют в технологии умных городов. Среди основных приложений, отмеченных в отчете, — «интеллектуальные счетчики для коммунальных служб, интеллектуальные сигналы трафика, приложения электронного управления, киоски Wi-Fi и датчики радиочастотной идентификации на тротуарах».” ³⁶

Эти примеры из различных секторов демонстрируют, как ИИ меняет многие сферы человеческого существования. Растущее проникновение ИИ и автономных устройств во многие аспекты жизни меняет основные операции и процесс принятия решений в организациях, а также повышает эффективность и время отклика.

Однако в то же время эти события поднимают важные политические, нормативные и этические вопросы. Например, как мы должны продвигать доступ к данным? Как мы защитимся от предвзятых или несправедливых данных, используемых в алгоритмах? Какие типы этических принципов вводятся в процессе программирования и насколько прозрачными должны быть дизайнеры в своем выборе? А как насчет вопросов юридической ответственности в случаях, когда алгоритмы причиняют вред? ³⁷

Растущее проникновение ИИ во многие аспекты жизни меняет процесс принятия решений в организациях и повышает эффективность.В то же время, эти события поднимают важные политические, нормативные и этические вопросы.

Проблемы с доступом к данным

Ключом к получению максимальной отдачи от ИИ является «дружественная к данным экосистема с унифицированными стандартами и межплатформенным обменом». ИИ зависит от данных, которые можно анализировать в режиме реального времени и использовать для решения конкретных проблем. Наличие данных, «доступных для исследования» в исследовательском сообществе, является предпосылкой для успешной разработки ИИ. ³⁸

Согласно исследованию McKinsey Global Institute, страны, которые продвигают открытые источники данных и обмен данными, являются наиболее вероятными странами, которые увидят прогресс в области искусственного интеллекта. В этом плане у США есть существенное преимущество перед Китаем. Глобальные рейтинги открытости данных показывают, что США занимают восьмое место в мире по сравнению с 93 местом в Китае. ³⁹

Но прямо сейчас в Соединенных Штатах нет согласованной национальной стратегии в области данных. Существует несколько протоколов для содействия доступу к исследованиям или платформ, которые позволяют получать новые идеи из частных данных.Не всегда ясно, кому принадлежат данные или какая часть принадлежит публичной сфере. Эта неопределенность ограничивает инновационную экономику и тормозит академические исследования. В следующем разделе мы опишем способы улучшения доступа к данным для исследователей.

Ошибки в данных и алгоритмах

В некоторых случаях считается, что определенные системы ИИ допускают дискриминационные или предвзятые действия. ⁴⁰ Например, Airbnb обвиняется в наличии на своей платформе домовладельцев, дискриминирующих расовые меньшинства.Исследовательский проект, проведенный Гарвардской школой бизнеса, показал, что «пользователи Airbnb с явно афроамериканскими именами примерно на 16 процентов реже будут приняты в качестве гостей, чем те, у кого явно белые имена». ⁴¹

Расовые проблемы также возникают с программным обеспечением для распознавания лиц. Большинство таких систем работают, сравнивая лицо человека с рядом лиц в большой базе данных. Как отмечает Джой Буоламвини из Лиги алгоритмической справедливости: «Если ваши данные о распознавании лиц содержат в основном лица европеоидной расы, это то, что ваша программа научится распознавать.” ⁴² Если базы данных не имеют доступа к разнообразным данным, эти программы плохо работают при попытке распознать афро-американские или азиатско-американские особенности.

Многие наборы исторических данных отражают традиционные значения, которые могут или не могут отражать предпочтения, желаемые в текущей системе. Как отмечает Буоламвини, такой подход рискует повторить несправедливость прошлого:

Рост автоматизации и растущая зависимость от алгоритмов для принятия важных решений, таких как получение кем-либо страховки, вероятность дефолта по ссуде или чей-то риск рецидива, означает, что это то, что необходимо решить.Даже решения о зачислении становятся все более автоматизированными — в какую школу ходят наши дети и какие возможности у них есть. Нам не нужно переносить структурное неравенство прошлого в будущее, которое мы создаем. ⁴³

Этика и прозрачность ИИ

Алгоритмы включают этические соображения и ценностный выбор в программные решения. Таким образом, эти системы вызывают вопросы относительно критериев, используемых при автоматизированном принятии решений. Некоторые люди хотят лучше понимать, как работают алгоритмы и какой выбор делается. ⁴⁴

В Соединенных Штатах многие городские школы используют алгоритмы для принятия решений о зачислении на основе различных соображений, таких как предпочтения родителей, качество района, уровень дохода и демографический фон. По словам исследователя Брукингса Джона Валанта, базирующаяся в Новом Орлеане Bricolage Academy «отдает приоритет экономически неблагополучным кандидатам до 33 процентов имеющихся мест. На практике, однако, большинство городов выбрали категории, в которых приоритет отдается братьям и сестрам нынешних учащихся, детям школьных служащих и семьям, проживающим в широком географическом районе школы.” ⁴⁵ Можно ожидать, что выбор зачисления будет очень другим, когда в игру вступят такие соображения.

В зависимости от того, как настроены системы искусственного интеллекта, они могут упростить выделение ипотечных заявок, помочь людям дискриминировать людей, которые им не нравятся, или помочь отобрать или составить списки людей на основе несправедливых критериев. Типы соображений, которые входят в программные решения, имеют большое значение с точки зрения того, как работают системы и как они влияют на клиентов. ⁴⁶

По этим причинам ЕС вводит в действие Общий регламент защиты данных (GDPR) в мае 2018 года. В правилах указано, что люди имеют «право отказаться от персонализированной рекламы» и «могут оспаривать принятые« юридические или аналогичные важные »решения. алгоритмами и призывом к вмешательству человека »в форме объяснения того, как алгоритм привел к определенному результату. Каждое руководство предназначено для обеспечения защиты личных данных и предоставления людям информации о том, как работает «черный ящик». ⁴⁷

Юридическая ответственность

Есть вопросы относительно юридической ответственности систем искусственного интеллекта. В случае причинения вреда или нарушений (или смертельных случаев в случае беспилотных автомобилей) операторы алгоритма, вероятно, подпадут под действие правил ответственности за качество продукции. Судебная практика показала, что факты и обстоятельства ситуации определяют ответственность и влияют на вид налагаемых наказаний. Они могут варьироваться от гражданских штрафов до тюремного заключения за серьезный вред. ⁴⁸ Смерть, связанная с Uber, в Аризоне станет важным испытанием для юридической ответственности. Штат активно привлекал Uber для тестирования своих автономных транспортных средств и предоставил компании значительную свободу действий в отношении дорожных испытаний. Еще неизвестно, будут ли по этому делу судебные иски и кто будет привлечен к суду: резервный водитель-человек, штат Аризона, пригород Феникса, где произошла авария, Uber, разработчики программного обеспечения или производитель автомобилей. Учитывая, что в дорожных испытаниях участвует множество людей и организаций, необходимо решить множество юридических вопросов.

В областях, не связанных с транспортом, цифровые платформы часто несут ограниченную ответственность за то, что происходит на их сайтах. Например, в случае с Airbnb фирма «требует, чтобы люди согласились отказаться от своего права на подачу иска или присоединиться к любому коллективному иску или коллективному арбитражу, чтобы воспользоваться услугой». Требуя от пользователей пожертвовать основными правами, компания ограничивает защиту потребителей и, следовательно, ограничивает возможности людей бороться с дискриминацией, возникающей из-за несправедливых алгоритмов. ⁴⁹ Но верен ли принцип нейтральных сетей во многих секторах, еще предстоит определить на широкой основе.

Чтобы уравновесить инновации и основные человеческие ценности, мы предлагаем ряд рекомендаций по развитию ИИ. Это включает в себя улучшение доступа к данным, увеличение государственных инвестиций в ИИ, содействие развитию ИИ-персонала, создание федерального консультативного комитета, взаимодействие с государственными и местными властями для обеспечения принятия эффективных политик, регулирование общих целей в отличие от конкретных алгоритмов, серьезное отношение к предвзятости как к предвзятости. Проблема ИИ, поддержание механизмов человеческого контроля и надзора, наказание за злонамеренное поведение и обеспечение кибербезопасности.

Улучшение доступа к данным

Соединенным Штатам следует разработать стратегию обработки данных, способствующую инновациям и защите потребителей. В настоящее время не существует единых стандартов в отношении доступа к данным, обмена данными или защиты данных. Практически все данные являются конфиденциальными по своей природе и не передаются в широкое пользование исследовательскому сообществу, что ограничивает инновации и проектирование систем. ИИ требует данных для тестирования и улучшения его способности к обучению. ⁵⁰ Без структурированных и неструктурированных наборов данных будет практически невозможно получить все преимущества искусственного интеллекта.

В целом, исследовательскому сообществу нужен лучший доступ к правительственным и коммерческим данным, хотя и с соответствующими гарантиями, чтобы исследователи не использовали данные не по назначению, как Cambridge Analytica сделала с информацией Facebook. Исследователи могут получить доступ к данным разными способами. Один из них заключается в добровольных соглашениях с компаниями, владеющими конфиденциальными данными. Facebook, например, недавно объявил о партнерстве со Стэнфордским экономистом Раджем Четти, чтобы использовать данные социальных сетей для исследования неравенства. ⁵¹ В рамках договоренности исследователи должны были пройти проверку биографических данных и получить доступ к данным только с защищенных сайтов в целях защиты конфиденциальности и безопасности пользователей.

В США нет единых стандартов в отношении доступа к данным, обмена данными или защиты данных. Практически все данные являются конфиденциальными по своей природе и не передаются в широкое пользование исследовательскому сообществу, что ограничивает инновации и проектирование систем.

Google уже давно предоставляет результаты поиска в агрегированной форме для исследователей и широкой публики.На сайте «Тенденции» ученые могут анализировать такие темы, как интерес к Трампу, взгляды на демократию и перспективы экономики в целом. ⁵² Это помогает людям отслеживать движения в интересах общества и определять темы, которые вдохновляют широкую публику.

Twitter делает большую часть своих твитов доступными для исследователей через интерфейсы прикладного программирования, обычно называемые API. Эти инструменты помогают людям за пределами компании создавать прикладное программное обеспечение и использовать данные из ее платформы социальных сетей.Они могут изучать модели общения в социальных сетях и видеть, как люди комментируют текущие события или реагируют на них.

В некоторых секторах, где есть заметная общественная выгода, правительства могут способствовать сотрудничеству, создавая инфраструктуру, которая обменивается данными. Например, Национальный институт рака впервые разработал протокол обмена данными, в котором сертифицированные исследователи могут запрашивать имеющиеся у него данные о состоянии здоровья, используя обезличенную информацию, полученную из клинических данных, информации о заявках и лекарственной терапии.Это позволяет исследователям оценивать эффективность и результативность и давать рекомендации относительно лучших медицинских подходов без ущерба для конфиденциальности отдельных пациентов.

Могут существовать партнерские отношения между государственным и частным секторами, которые объединяют наборы государственных и коммерческих данных для повышения производительности системы. Например, города могут объединять информацию из служб совместного использования поездок со своими собственными материалами о местах предоставления социальных услуг, автобусных маршрутах, общественном транспорте и заторах на автомагистралях, чтобы улучшить транспорт.Это поможет мегаполисам справиться с заторами на дорогах и поможет в планировании автомагистралей и общественного транспорта.

Некоторое сочетание этих подходов улучшило бы доступ к данным для исследователей, правительства и бизнес-сообщества, не затрагивая при этом личную жизнь. Как заметил Ян Бак, вице-президент NVIDIA, «Данные — это топливо, которое движет движком ИИ. Федеральное правительство имеет доступ к обширным источникам информации. Открытие доступа к этим данным поможет нам получить информацию, которая изменит U.С. экономика ». ⁵³ Через портал Data.gov федеральное правительство уже предоставило более 230 000 наборов данных в общественное достояние, и это стимулировало инновации и способствовало совершенствованию технологий искусственного интеллекта и анализа данных. ⁵⁴ Частный сектор также должен облегчить доступ к исследовательским данным, чтобы общество могло в полной мере использовать преимущества искусственного интеллекта.

Увеличение государственных инвестиций в AI

По словам Грега Брокмана, соучредителя OpenAI, U.Федеральное правительство США инвестирует всего 1,1 миллиарда долларов в неклассифицированные технологии искусственного интеллекта. ⁵⁵ Это намного меньше суммы, расходуемой Китаем или другими ведущими странами в этой области исследований. Этот недостаток заслуживает внимания, потому что экономические выгоды от ИИ значительны. Для ускорения экономического развития и социальных инноваций федеральным чиновникам необходимо увеличить инвестиции в искусственный интеллект и аналитику данных. Увеличение инвестиций, вероятно, во много раз окупится экономическими и социальными выгодами. ⁵⁶

Содействовать цифровому образованию и развитию персонала

По мере того, как приложения ИИ ускоряются во многих секторах, жизненно важно, чтобы мы переосмыслили наши образовательные учреждения для мира, в котором ИИ будет повсеместным, а студенты будут нуждаться в другом виде обучения, чем они получают в настоящее время. Прямо сейчас многие студенты не получают инструкций по навыкам, которые потребуются в среде, где доминирует ИИ. Например, в настоящее время не хватает специалистов по обработке данных, специалистов по информатике, инженеров, программистов и разработчиков платформ.Это навыки, которых не хватает; Если наша образовательная система не создаст больше людей с такими способностями, это ограничит развитие ИИ.

По этим причинам правительства штатов и федеральное правительство инвестируют в человеческий капитал ИИ. Например, в 2017 году Национальный научный фонд профинансировал более 6500 аспирантов в компьютерных областях и запустил несколько новых инициатив, направленных на поощрение данных и информатики на всех уровнях от дошкольного до высшего и непрерывного образования. ⁵⁷ Цель состоит в том, чтобы создать больший поток специалистов по ИИ и анализу данных, чтобы Соединенные Штаты могли в полной мере воспользоваться преимуществами революции в области знаний.

Но должны быть существенные изменения и в самом процессе обучения. В мире искусственного интеллекта необходимы не только технические навыки, но и навыки критического мышления, сотрудничества, проектирования, визуального отображения информации и независимого мышления, среди прочего. ИИ изменит конфигурацию функционирования общества и экономики, и необходимо иметь «общую картину», размышляя о том, что это будет значить для этики, управления и воздействия на общество.Людям потребуется способность широко осмыслить многие вопросы и интегрировать знания из разных областей.

Одним из примеров новых способов подготовки учащихся к цифровому будущему является программа IBM Teacher Advisor, в которой используются бесплатные онлайн-инструменты Watson, помогающие учителям привносить в класс новейшие знания. Они позволяют преподавателям разрабатывать новые планы уроков в областях STEM и не связанных с STEM, находить соответствующие обучающие видеоролики и помогают студентам максимально эффективно использовать класс. ⁵⁸ По сути, они являются предшественниками новой образовательной среды, которую необходимо создать.

Создание федерального консультативного комитета по ИИ

Федеральным чиновникам нужно подумать о том, как они имеют дело с искусственным интеллектом. Как отмечалось ранее, существует множество проблем, начиная от необходимости улучшения доступа к данным и заканчивая решением проблем предвзятости и дискриминации. Крайне важно учитывать эти и другие проблемы, чтобы мы могли в полной мере использовать преимущества этой новой технологии.

Чтобы продвинуться вперед в этой области, несколько членов Конгресса представили «Закон о будущем искусственного интеллекта», законопроект, призванный установить общие политические и правовые принципы для ИИ. Он предлагает министру торговли создать федеральный консультативный комитет по разработке и внедрению искусственного интеллекта. Законодательство предоставляет федеральному правительству механизм для получения рекомендаций о способах содействия «инвестиционному и инновационному климату для обеспечения глобальной конкурентоспособности Соединенных Штатов», «оптимизации развития искусственного интеллекта для решения проблемы потенциального роста, реструктуризации или другие изменения в рабочей силе Соединенных Штатов »,« поддерживают беспристрастную разработку и применение искусственного интеллекта »и« защищают права на неприкосновенность частной жизни ».” ⁵⁹

Среди конкретных вопросов, которые комитету предлагается рассмотреть, входят следующие: конкурентоспособность, влияние на персонал, образование, обучение этике, обмен данными, международное сотрудничество, подотчетность, предвзятость машинного обучения, влияние на сельские районы, эффективность правительства, инвестиционный климат, влияние на рабочие места, предвзятость и влияние на потребителя. Комитету поручено представить отчет Конгрессу и администрации через 540 дней после принятия закона о любых законодательных или административных мерах, необходимых в отношении ИИ.

Этот закон является шагом в правильном направлении, хотя эта область развивается настолько быстро, что мы рекомендуем сократить сроки отчетности с 540 дней до 180 дней. Ожидание отчета комитета почти два года, безусловно, приведет к упущенным возможностям и бездействию по важным вопросам. Учитывая быстрый прогресс в этой области, гораздо более быстрое выполнение анализа комитета было бы весьма полезным.

Взаимодействие с государственными и местными чиновниками

штатов и населенных пунктов также принимают меры в отношении ИИ.Например, городской совет Нью-Йорка единогласно принял закон, предписывающий мэру сформировать рабочую группу, которая будет «контролировать справедливость и достоверность алгоритмов, используемых муниципальными агентствами». ⁶⁰ Город использует алгоритмы, чтобы «определить, будет ли меньшая сумма залога назначена малоимущему обвиняемому, где установлены пожарные части, размещение учеников в государственных школах, оценка работы учителей, выявление мошенничества с Medicaid и определение того, где произойдет следующее преступление». ⁶¹

По словам разработчиков закона, городские власти хотят знать, как работают эти алгоритмы, и убедиться, что ИИ обеспечивает достаточную прозрачность и подотчетность.Кроме того, существует озабоченность по поводу справедливости и предвзятости алгоритмов ИИ, поэтому целевой группе было поручено проанализировать эти проблемы и дать рекомендации относительно будущего использования. Планируется, что к концу 2019 года он доложит мэру по ряду вопросов, касающихся политики ИИ, юридических и нормативных требований.

Некоторые наблюдатели уже обеспокоены тем, что рабочая группа не пойдет достаточно далеко в привлечении алгоритмов к ответственности. Например, Джулия Паулз из Корнельского технологического института и Нью-Йоркского университета утверждает, что закон изначально требовал, чтобы компании сделали исходный код ИИ доступным для всеобщего ознакомления, и что имело место моделирование принятия решений с использованием реальных данных.Однако после критики этих положений бывший член совета Джеймс Вакка отказался от требований в пользу целевой группы, изучающей эти вопросы. Он и другие городские власти были обеспокоены тем, что публикация конфиденциальной информации об алгоритмах замедлит инновации и затруднит поиск поставщиков искусственного интеллекта, которые будут работать с городом. ⁶² Еще неизвестно, как эта местная целевая группа уравновесит вопросы инноваций, конфиденциальности и прозрачности.

Регулируйте общие цели больше, чем конкретные алгоритмы

Европейский Союз занял ограничительную позицию по этим вопросам сбора и анализа данных. ⁶³ В нем есть правила, ограничивающие возможность компаний собирать данные о дорожных условиях и отображать виды улиц. Поскольку многие из этих стран обеспокоены тем, что личная информация людей в незашифрованных сетях Wi-Fi попадает в общий сбор данных, ЕС оштрафовал технологические компании, потребовал копии данных и наложил ограничения на собираемый материал. ⁶⁴ Это усложнило работающим там технологическим компаниям разработку карт высокого разрешения, необходимых для автономных транспортных средств.

GDPR, внедряемый в Европе, налагает серьезные ограничения на использование искусственного интеллекта и машинного обучения. Согласно опубликованным руководящим принципам, «Правила запрещают любое автоматизированное решение, которое« существенно влияет »на граждан ЕС. Сюда входят методы, которые оценивают «производительность человека на работе, экономическое положение, здоровье, личные предпочтения, интересы, надежность, поведение, местоположение или передвижения» ». ⁶⁵ Кроме того, эти новые правила дают гражданам право проверять, как цифровые службы сделали определенные алгоритмические выборы, влияющие на людей.

Занимая ограничительную позицию по вопросам сбора и анализа данных, Европейский Союз ставит своих производителей и разработчиков программного обеспечения в невыгодное положение по сравнению с остальным миром.

При строгом толковании эти правила затруднят европейским разработчикам программного обеспечения (и американским дизайнерам, работающим с европейскими аналогами) внедрение искусственного интеллекта и карт высокой четкости в автономные транспортные средства. Центральное место в навигации в этих легковых и грузовых автомобилях занимает отслеживание местоположения и перемещений.Без карт высокой четкости, содержащих геокодированные данные, и глубокого обучения, использующего эту информацию, полностью автономное вождение в Европе будет стагнирующим. Посредством этой и других мер по защите данных Европейский Союз ставит своих производителей и разработчиков программного обеспечения в невыгодное положение по сравнению с остальным миром.

Имеет смысл подумать о широких целях, желаемых в области ИИ, и ввести в действие политику, которая их продвигает, в отличие от правительств, пытающихся взломать «черные ящики» и посмотреть, как именно работают конкретные алгоритмы.Регулирование отдельных алгоритмов ограничит инновации и затруднит использование искусственного интеллекта для компаний.

Серьезно относиться к предубеждениям

Предвзятость и дискриминация — серьезные проблемы для ИИ. Уже имел место ряд случаев несправедливого обращения, связанного с историческими данными, и необходимо предпринять шаги, чтобы убедиться, что это не станет распространенным явлением в искусственном интеллекте. Существующие законы, регулирующие дискриминацию в физической экономике, необходимо распространить на цифровые платформы.Это поможет защитить потребителей и укрепить доверие к этим системам в целом.

Для того, чтобы эти достижения получили широкое распространение, необходима большая прозрачность в работе систем ИИ. Эндрю Берт из Immuta утверждает: «Ключевая проблема, с которой сталкивается прогнозная аналитика, — это действительно прозрачность. Мы живем в мире, где операции по обработке и анализу данных берут на себя все более важные задачи, и единственное, что их сдерживает, — это то, насколько хорошо специалисты по обработке данных, обучающие модели, могут объяснить, что делают их модели.” ⁶⁶

Поддержание механизмов человеческого надзора и контроля

Некоторые люди утверждали, что у людей должны быть возможности осуществлять надзор и контроль над системами ИИ. Например, генеральный директор Института искусственного интеллекта Аллена Орен Эциони утверждает, что должны быть правила для регулирования этих систем. Во-первых, по его словам, ИИ должен регулироваться всеми законами, которые уже были разработаны для человеческого поведения, включая правила, касающиеся «киберзапугивания, манипулирования ценными бумагами или террористических угроз», а также «заманивания [пинг] людей в совершение преступлений.Во-вторых, он считает, что эти системы должны раскрывать, что они автоматизированные системы, а не люди. В-третьих, он утверждает: «А.И. система не может хранить или раскрывать конфиденциальную информацию без явного согласия источника этой информации ». ⁶⁷ Его объяснение состоит в том, что эти инструменты хранят так много данных, что люди должны осознавать риски для конфиденциальности, создаваемые ИИ.

В том же духе Глобальная инициатива IEEE имеет этические принципы для ИИ и автономных систем.Эксперты предлагают запрограммировать эти модели с учетом общепринятых человеческих норм и правил поведения. Алгоритмы ИИ должны учитывать важность этих норм, способы разрешения конфликта норм и способы, которыми эти системы могут быть прозрачными в отношении разрешения норм. По мнению экспертов по этике, дизайн программного обеспечения должен быть запрограммирован на «непредвзятость» и «честность». При возникновении сбоев должны существовать механизмы смягчения последствий. В частности, ИИ должен быть чувствителен к таким проблемам, как предвзятость, дискриминация и справедливость. ⁶⁸

Группа экспертов по машинному обучению утверждает, что можно автоматизировать принятие этических решений. Используя проблему троллейбуса как моральную дилемму, они задают следующий вопрос: если автономный автомобиль выходит из-под контроля, следует ли запрограммировать его так, чтобы убивать собственных пассажиров или пешеходов, переходящих улицу? Они разработали «систему, основанную на голосовании», которая попросила 1,3 миллиона человек оценить альтернативные сценарии, суммировала общий выбор и применила общую точку зрения этих людей к ряду транспортных возможностей.Это позволило им автоматизировать принятие этических решений в алгоритмах ИИ с учетом общественных предпочтений. ⁶⁹ Эта процедура, конечно, не уменьшает трагедию, связанную с какими-либо смертельными исходами, например, в случае с Uber, но она предоставляет механизм, который помогает разработчикам ИИ учитывать этические соображения при планировании.

Наказывать злонамеренное поведение и способствовать кибербезопасности

Как и в случае с любой новой технологией, важно препятствовать злонамеренному лечению, предназначенному для обмана программного обеспечения или использования его в нежелательных целях. ⁷⁰ Это особенно важно с учетом аспектов двойного использования ИИ, когда один и тот же инструмент может использоваться в полезных или злонамеренных целях. Злонамеренное использование ИИ подвергает людей и организации ненужным рискам и подрывает достоинства появляющейся технологии. Это включает в себя такие действия, как взлом, манипулирование алгоритмами, нарушение конфиденциальности и конфиденциальности или кража личных данных. Усилия по захвату ИИ с целью получения конфиденциальной информации должны серьезно наказываться как способ сдерживания таких действий. ⁷¹

В быстро меняющемся мире, в котором многие организации обладают передовыми вычислительными возможностями, необходимо уделять серьезное внимание кибербезопасности. Страны должны быть осторожны, защищая свои собственные системы и не позволяя другим странам нанести ущерб их безопасности. ⁷² По данным Министерства внутренней безопасности США, в центр обслуживания крупного американского банка в неделю поступает около 11 миллионов звонков. Чтобы защитить свою телефонию от атак типа «отказ в обслуживании», он использует «механизм политик на основе машинного обучения, [который] блокирует более 120 000 вызовов в месяц на основе политик голосового брандмауэра, включая преследование вызывающих абонентов, роботизированные вызовы и потенциальные мошеннические вызовы. ⁷³ Это представляет собой способ, которым машинное обучение может помочь защитить технологические системы от злонамеренных атак.

Подводя итог, можно сказать, что мир находится на пороге революции во многих секторах с помощью искусственного интеллекта и анализа данных. Уже есть значительные развертывания в области финансов, национальной безопасности, здравоохранения, уголовного правосудия, транспорта и умных городов, которые изменили процесс принятия решений, бизнес-модели, снижение рисков и производительность системы. Эти события приносят существенные экономические и социальные выгоды.

Мир находится на пороге революционных преобразований во многих секторах с помощью искусственного интеллекта, но необходимо лучше понять способ разработки систем искусственного интеллекта из-за серьезных последствий, которые эти технологии будут иметь для общества в целом.

Тем не менее, то, как разворачиваются системы искусственного интеллекта, имеет большое значение для общества в целом. Важно, как решаются политические вопросы, разрешаются этические конфликты, разрешаются правовые реалии и насколько прозрачна требуется ИИ и решения для анализа данных. ⁷⁴ Выбор человека в отношении разработки программного обеспечения влияет на способ принятия решений и на то, как они интегрируются в организационные процедуры. Необходимо лучше понять, как именно выполняются эти процессы, потому что они окажут существенное влияние на широкую публику в ближайшее время и в обозримом будущем. ИИ вполне может произвести революцию в человеческих делах и стать самым влиятельным человеческим нововведением в истории.

Примечание. Мы ценим помощь Грейс Гилберг, Джека Карстена, Хиллари Шауб и Кристьян Томассон в исследовании этого проекта.

Brookings Institution — некоммерческая организация, занимающаяся независимыми исследованиями и политическими решениями. Его миссия — проводить качественные независимые исследования и на основе этих исследований предоставлять инновационные практические рекомендации для политиков и общественности. Выводы и рекомендации любой публикации Brookings принадлежат исключительно ее авторам и не отражают точку зрения Учреждения, его руководства или других ученых.

Поддержка этой публикации была предоставлена ​​Amazon. Brookings осознает, что ценность, которую он предоставляет, заключается в его абсолютной приверженности качеству, независимости и влиянию. Мероприятия, поддерживаемые донорами, отражают это обязательство.

Джон Р. Аллен является членом Совета консультантов Amida Technology и Совета директоров Spark Cognition. Обе компании работают в сферах, обсуждаемых в этой статье.

Военный искусственный интеллект можно легко и опасно обмануть

В июле 2017 года Китай сформулировал свою стратегию искусственного интеллекта, заявив, что «основные развитые страны мира рассматривают разработку искусственного интеллекта как главную стратегию повышения национальной конкурентоспособности и защиты национальной безопасности.А несколько месяцев спустя Владимир Путин зловеще заявил: «Кто станет лидером в сфере [ИИ], тот станет правителем мира».

Стремление создать самое умное и смертоносное оружие понятно, но, как показывает взлом Tesla, враг, который знает, как работает алгоритм ИИ, может сделать его бесполезным или даже повернуть его против владельцев. Секрет победы в войнах искусственного интеллекта может заключаться не в создании самого впечатляющего оружия, а в преодолении тревожного предательства программного обеспечения.

Боевые боты

Ярким и солнечным днем ​​прошлым летом в Вашингтоне, округ Колумбия, Майкл Канаан сидел в кафетерии Пентагона, ел бутерброд и восхищался новым мощным набором алгоритмов машинного обучения.

Несколькими неделями ранее Канаан смотрел видеоигру, в которой пять алгоритмов ИИ работали вместе, чтобы почти перехитрить, переиграть и перехитрить пятерых людей в соревновании, которое включало в себя управление силами, лагерями и ресурсами на сложном, обширном поле боя.Тем не менее, лоб под коротко остриженными светлыми волосами Канаана нахмурился, когда он описал это действие. Это была одна из самых впечатляющих демонстраций стратегии искусственного интеллекта, которую он когда-либо видел, неожиданное развитие, подобное достижениям искусственного интеллекта в шахматах, Atari и других играх.

Военная игра происходила в Dota 2, популярной научно-фантастической видеоигре, которая невероятно сложна для компьютеров. Команды должны защищать свою территорию, атакуя лагеря противников в более сложной и обманчивой обстановке, чем любая настольная игра.Игроки могут видеть только небольшую часть всей картины, и может потребоваться около получаса, чтобы определить, является ли стратегия выигрышной.

ИИ-комбатанты были разработаны не военными, а OpenAI, компанией, созданной авторитетами Кремниевой долины, включая Илона Маска и Сэма Альтмана, для проведения фундаментальных исследований в области ИИ. Воины компании, известные как «пятерка OpenAI», разработали свои собственные выигрышные стратегии путем неустанной практики и ответных действий, которые оказались наиболее выгодными.

Ракеты с искусственным интеллектом могут быть ослеплены данными противника и, возможно, даже направлены назад к дружественным целям.

Именно такое программное обеспечение интригует Канаана, одного из тех, кому было поручено использовать искусственный интеллект для модернизации армии США. По его мнению, это показывает, что военные могут получить, заручившись помощью лучших мировых исследователей ИИ. Но все чаще возникает вопрос, хотят ли они.

Канаан возглавлял военно-воздушные силы проекта Maven, военной инициативы, направленной на использование ИИ для автоматизации идентификации объектов на аэрофотоснимках.Google был подрядчиком Maven, и когда в 2018 году другие сотрудники Google узнали об этом, компания решила отказаться от проекта. Впоследствии он разработал кодекс поведения ИИ, в котором говорилось, что Google не будет использовать свой ИИ для разработки «оружия или других технологий, основная цель или реализация которых состоит в том, чтобы причинять или напрямую способствовать травмам людей».

Рабочие некоторых других крупных технологических компаний, после чего потребовали, чтобы их работодатели отказывались от военных контрактов. Многие известные исследователи искусственного интеллекта поддержали попытку ввести глобальный запрет на разработку полностью автономного оружия.

Для Канаана, однако, было бы большой проблемой, если бы военные не могли работать с такими исследователями, как те, кто разработал OpenAI Five. Еще более тревожным является перспектива того, что противник получит доступ к такой передовой технологии. «Код доступен для всех, — сказал он. Он добавил: «Война намного сложнее, чем некоторые видеоигры».

Пять алгоритмов работают вместе, чтобы перехитрить пять человек в боевой видеоигре Dota 2.

любезно image

Всплеск ИИ

Канаан в целом настроен оптимистично в отношении ИИ, отчасти потому, что не понаслышке знает, насколько он полезен для войск. .Шесть лет назад, будучи офицером разведки ВВС в Афганистане, он отвечал за развертывание нового средства сбора разведданных: гиперспектрального формирователя изображений. Инструмент может обнаруживать объекты, которые обычно скрыты от глаз, такие как танки, замаскированные под камуфляж, или выбросы с завода по изготовлению импровизированных бомб. Канаан говорит, что система помогла американским войскам убрать с поля боя многие тысячи фунтов взрывчатки. Даже в этом случае для аналитиков часто было непрактично обрабатывать огромные объемы данных, собранных имидж-сканером.«Мы потратили слишком много времени на изучение данных и мало времени на принятие решений», — говорит он. «Иногда это занимало так много времени, что вы задавались вопросом, можно ли спасти больше жизней».

Решение может заключаться в прорыве в области компьютерного зрения, осуществленном командой под руководством Джеффри Хинтона из Университета Торонто. Он показал, что алгоритм, вдохновленный многослойной нейронной сетью, может распознавать объекты на изображениях с беспрецедентным мастерством при наличии достаточного количества данных и мощности компьютера.

Обучение нейронной сети включает в себя ввод данных, таких как пиксели в изображении, и постоянное изменение соединений в сети с использованием математических методов, чтобы результат приближался к конкретному результату, например, к идентификации объекта на изображении.Со временем эти сети глубокого обучения учатся распознавать шаблоны пикселей, из которых состоят дома или люди. Достижения в области глубокого обучения спровоцировали нынешний бум искусственного интеллекта; эта технология лежит в основе автономных систем Tesla и алгоритмов OpenAI.

Канаан сразу осознал потенциал глубокого обучения для обработки различных типов изображений и данных датчиков, которые необходимы для военных операций. Он и другие сотрудники ВВС вскоре начали лоббировать свое начальство с целью инвестирования в технологию.Их усилия внесли свой вклад в большой толчок Пентагона в области искусственного интеллекта.

Но вскоре после того, как на сцену вышло глубокое обучение, исследователи обнаружили, что те самые свойства, которые делают его таким мощным, также являются ахиллесовой пятой.

Так же, как можно рассчитать, как настроить параметры сети, чтобы она правильно классифицировала объект, можно вычислить, как минимальные изменения входного изображения могут привести к неправильной классификации сети. В таких «состязательных примерах» изменяется всего несколько пикселей изображения, в результате чего оно выглядит одинаково для человека, но сильно отличается от алгоритма ИИ.Проблема может возникнуть везде, где может использоваться глубокое обучение — например, при управлении автономными транспортными средствами, планировании миссий или обнаружении сетевых вторжений.

На фоне увеличения количества случаев использования ИИ в военных целях этим загадочным уязвимостям в программном обеспечении уделяется гораздо меньше внимания.

Движущиеся цели

Один замечательный объект служит иллюстрацией мощи состязательного машинного обучения. Это модель черепахи.

Для вас или меня это выглядит нормально, но для дрона или робота, использующего определенный алгоритм глубокого обучения, это кажется … винтовкой.В отдельном проекте исследователи использовали 2D-изображения, чтобы система компьютерного зрения, доступная через облако Google, могла принять ее практически за что угодно. (С тех пор Google обновил алгоритм, чтобы его не обмануть.)

Черепаха была создана не каким-то противником из национального государства, а четырьмя парнями из Массачусетского технологического института. Один из них — Аниш Атали, долговязый и очень вежливый молодой человек, который работает над компьютерной безопасностью в Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL). На видеозаписи тестируемых черепах на ноутбуке Атали (некоторые модели были украдены на конференции, по его словам), черепахи поворачиваются на 360 градусов и переворачиваются вверх ногами.Алгоритм обнаруживает одно и то же снова и снова: «винтовка», «винтовка», «винтовка».

Самые ранние состязательные образцы были хрупкими и склонными к сбоям, но Атали и его друзья считали, что они могут разработать версию, достаточно надежную для работы с объектом, напечатанным на 3D-принтере. Это включало моделирование 3D-рендеринга объектов и разработку алгоритма создания черепахи — враждебного примера, который работал бы под разными углами и расстояниями. Проще говоря, они разработали алгоритм для создания чего-то, что могло бы надежно обмануть модель машинного обучения.

Военное применение очевидно. Используя состязательный алгоритмический камуфляж, танки или самолеты могут скрываться от спутников и дронов, оснащенных ИИ. Ракеты, управляемые ИИ, могут быть ослеплены данными противника и, возможно, даже направлены назад к дружественным целям. Информация, вводимая в алгоритмы разведки, может быть отравлена, чтобы замаскировать террористическую угрозу или поставить ловушку для войск в реальном мире.

Атали удивлен тем, насколько мало он беспокоился о состязательном машинном обучении.«Я поговорил с несколькими людьми из индустрии и спросил их, не беспокоят ли они примеры противоборства. Практически во всех случаях ответ — нет », — говорит он, поскольку компании сосредоточены на том, чтобы заставить свои системы ИИ работать в качестве своего главного приоритета.

К счастью, Пентагон начинает обращать на это внимание. В августе этого года Агентство перспективных оборонных исследовательских проектов (DARPA) объявило о нескольких крупных исследовательских проектах в области ИИ. Среди них GARD, программа, ориентированная на состязательное машинное обучение.Хава Зигельманн, профессор Массачусетского университета в Амхерсте и руководитель программы GARD, говорит, что эти атаки могут иметь разрушительные последствия в военных ситуациях, потому что люди не могут их идентифицировать. «Как будто мы слепые», — говорит она. «Вот что делает его действительно очень опасным».

Проблемы, связанные с состязательным машинным обучением, также объясняют, почему Пентагон так заинтересован в сотрудничестве с такими компаниями, как Google и Amazon, а также с академическими учреждениями, такими как MIT. Технология быстро развивается, и последние достижения внедряются в лабораториях компаний Кремниевой долины и ведущих университетов, а не обычных оборонных подрядчиков.

Что важно, они также происходят за пределами США, особенно в Китае. «Я действительно думаю, что грядет другой мир», — говорит Канаан, эксперт ВВС по искусственному интеллекту. «И это то, с чем мы должны бороться с помощью ИИ».

Негативная реакция против использования ИИ в военных целях понятна, но может упустить более общую картину. Несмотря на то, что люди беспокоятся об интеллектуальных роботах-убийцах, возможно, более серьезным краткосрочным риском является алгоритмический туман войны, сквозь который не могут проникнуть даже самые умные машины.

Уилл Найт до недавнего времени был старшим редактором отдела искусственного интеллекта в MIT Technology Review, а теперь работает в Wired.

Что такое искусственный интеллект? Как работает ИИ?

AI имеет множество применений. Примеры включают все, от Amazon Alexa до самоуправляемых автомобилей.

Обращаясь к толпе на Japan AI Experience в 2017 году, генеральный директор DataRobot Джереми Ачин начал свое выступление со следующего определения того, как ИИ используется сегодня:

«ИИ — это компьютерная система, способная выполнять задачи, которые обычно требуют человеческого интеллекта … Многие из этих систем искусственного интеллекта работают на основе машинного обучения, некоторые из них — на основе глубокого обучения, а некоторые из них — на очень скучных вещах, таких как правила.«

Примеры искусственного интеллекта

• Интеллектуальные помощники (такие как Siri и Alexa)
• Инструменты для картирования и прогнозирования заболеваний
• Промышленные роботы и дроны
• Оптимизированные, персонализированные рекомендации по лечению
• Разговорные боты для маркетинга и обслуживания клиентов
• Робо-консультанты для торговли акциями
• Спам-фильтры в электронной почте
• Инструменты мониторинга социальных сетей на предмет опасного контента или ложных новостей
• Рекомендации по песням или телешоу от Spotify и Netflix

Искусственный интеллект обычно подпадает под две большие категории:

• Узкий ИИ: Этот вид искусственного интеллекта, который иногда называют «слабым ИИ», работает в ограниченном контексте и является имитацией человеческого интеллекта.Узкий ИИ часто ориентирован на очень хорошее выполнение одной задачи, и, хотя эти машины могут показаться умными, они работают с гораздо большим количеством ограничений, чем даже самый простой человеческий интеллект.
• Общий искусственный интеллект (AGI) : AGI, иногда называемый «сильным ИИ», — это вид искусственного интеллекта, который мы видим в фильмах, например роботов из Westworld или данных из Star Trek: The Next Generation .AGI — это машина с общим интеллектом, которая, как и человек, может применять этот интеллект для решения любой проблемы.

Узкий искусственный интеллект

Narrow AI окружает нас повсюду, и на сегодняшний день это самая успешная реализация искусственного интеллекта. Ориентируясь на выполнение конкретных задач, Narrow AI пережил многочисленные прорывы за последнее десятилетие, которые принесли «значительные общественные выгоды и внесли вклад в экономическую жизнеспособность нации», согласно «Подготовка к будущему искусственного интеллекта». Отчет за 2016 год, опубликованный администрацией Обамы.

Вот несколько примеров узкого ИИ:

• Поиск в Google
• Программное обеспечение для распознавания изображений
• Siri, Alexa и другие личные помощники
• Беспилотные автомобили
• IBM Watson

Машинное обучение и глубокое обучение

Большая часть узкого ИИ основана на достижениях в области машинного обучения и глубокого обучения. Понимание разницы между искусственным интеллектом, машинным обучением и глубоким обучением может сбивать с толку.Венчурный капиталист Фрэнк Чен дает хороший обзор того, как их различать, отмечая:

«Искусственный интеллект — это набор алгоритмов и интеллекта, которые пытаются имитировать человеческий интеллект. Машинное обучение является одним из них, а глубокое обучение — одним из тех методов машинного обучения».

Проще говоря, машинное обучение снабжает компьютер данными и использует статистические методы, чтобы помочь ему «научиться», как прогрессивно улучшать выполнение задачи, не будучи специально запрограммированным для этой задачи, что устраняет необходимость в миллионах строк написанного кода.Машинное обучение состоит из контролируемого обучения (с использованием помеченных наборов данных) и неконтролируемого обучения (с использованием немаркированных наборов данных).

Глубокое обучение — это тип машинного обучения, при котором вводимые данные обрабатываются через архитектуру нейронной сети, основанную на биологических принципах.