Цифра на марше, или 50 историй об образовании в XXI веке

О том, что исследования в области функционирования мозга самое спонсируемое научное направление в мире, я уже писал в прошлой истории. Одна из задач таких исследований – выработка подходов, позволяющих улучшить функционирование мозга, как по качеству, так и по срокам. Но, возможно, главная задача – это как раз разработка модели, которую можно воплотить в жизнь технологическими средствами.

И вот здесь пока прорывных результатов нет. Ученые, участвующие в таких исследованиях, любят говорить, что человеческий мозг – самый сложный объект во Вселенной.

Однако цель понятна, продвижение к ней идет. Результатом будет либо модель для последующего воплощения, либо понимание, что модель невозможна. Например, по причине того, что человеческое сознание неведомыми пока способами подключено к информационному полю, выходящему за рамки материального мира. Не только эзотерические и религиозные учения, но и квантовая физика допускает такие возможности.

Что из всего вышесказанного можно связать со сферой образования, которую мы хотим уместным способом трансформировать в ближайшие 20 лет? Совсем немногое.

Во-первых, концепция технологической сингулярности должна стать объектом изучения в массовой школе. Есть такой спецкурс в некоторых университетах – «Концепции современного естествознания». Он на концептуальном уровне, без математической и иной специальной детализации, знакомит студентов с основными мировозренческими научными теориями, показывает их взаимосвязи. Отличная идея, которую очень правильно было бы перенести в школу. Технологическая сингулярность, искусственный интеллект и иные порождения цифрового мира должны найти свое отражение в таком спецкурсе.

Во-вторых, учеников неплохо было бы знакомить с более локальными проявлениями сингулярности в мире. Сингулярность часто связывают с процессами и явлениями, развивающимися по экспоненциальным законам. Историки считают, например, что по таким законам развивались и приходили к упадку великие империи.

В-третьих, страшилку «технологической сингулярности» хорошо было бы использовать для популяризации в молодежной среде тематики космических исследований. Вернор Виндж в своей статье рассматривал вариант космической экспансии как спасение человечества от наступающей технологической сингулярности. В 60-70 годы мальчишки и девчонки во многих странах мечтали стать космонавтами. Это была одна из самых романтических профессий. Сегодня, к сожалению, мечты у молодежи намного более приземленные.

В любом случае данная перспектива – это отдаленное будущее. Более приземленные угрозы и возможности человечеству стоит ждать от слабого искусственного интеллекта. О нем – следующая история.

История 8. Слабый ИИ, ущербный и всемогущий

Рутину – машинам, идеям – респект!

Не станет творцом цифровой интеллект!

В предыдущей истории мы заглянули в будущее достаточно далеко. Сильный ИИ, сравнимый с человеческим интеллектом, это очень круто, волнительно и опасно. Но пока где-то там, за горизонтом. Есть исследователи, пусть они занимаются своим делом. Здесь и сейчас происходят более прозаичные вещи, которые по своим последствиям для обычных людей опережают многие инновации.

В международных отчетах последних лет, описывающих рынок труда, утверждается, что в ближайшие 20 лет будут автоматизированы до 50% всех рабочих мест. И все это благодаря слабому искусственному интеллекту и нейронным сетям.

Исследованиям в области искусственного интеллекта уже более 50 лет. Очень долгое время они оставались на периферии общественной жизни. Исследователи с завидным постоянством собирались на свои симпозиумы, которые мало кого интересовали. Широкую общественность интересовал один вопрос – когда компьютер обыграет в шахматы чемпиона мира. Когда в 1997 году компьютер Deep Blue в шести партиях победил Гарри Каспарова, интерес снова угас.

В те годы более-менее широкое практическое применение получили экспертные системы, компьютерные системы распознавания естественного языка и перевода с одного языка на другой. Системы распознавания образов, построенные на сложнейшем математическом аппарате, давали слишком много ошибок. Разработка прикладных программных продуктов, способных делать логические выводы и решать задачи в рамках некоторой системы аксиом и правил вывода, оказалось чрезвычайно сложным и затратным делом.

В начале 2000-х я участвовал в попытке создания на языке Prolog автоматизированной системы, способной доказывать теоремы и решать задачи школьного курса планиметрии. Мы просто утонули в сложности задачи и от проекта отказались.