Значение Нейралинка для трансгуманизма и технологической сингулярности

Если говорить о радикальных трансгуманистических перспективах, то это, прежде всего, слияние человека с компьютером (оно же перенос сознания на небиологический носитель или загрузка в компьютер). Поэтому презентация Нейралинка, проведённая в конце августа 2020 Илоном Маском, имеет особое значение. Но какое? Что это было - просто очередное технологическое демо, даже менее впечатляющее, чем июльский релиз GPT-3, либо же демонстрация намерений нацеленного на грандиозный успех Илона Маска?

Аргументы за Нейралинк

5 миллионов просмотров у видео демонстрации. Большая часть зрителей, очевидно, фанаты Илона Маска, иконы американского технопредпринимательства. Заметное меньшинство, вероятно, что-то слышали про трансгуманизм, про интерфейсы мозг-компьютер, прогнозы Курцвейла про загрузку сознания. Кто-то, наверное, уверен, что это серьёзный шаг на пути к Сингулярности.

Какие есть причины так думать?

Во-первых, репутация Илона Маска указывает на возможность успеха даже безумных проектов. Во-вторых, в компанию вложено 150 млн. долларов. В-третьих, Илон способствовал созданию Open AI, которая демонстрирует впечатляющие успехи в области ИИ. В-четвёртых, идея собрать лучшие технологические достижения в новый продукт кажется логичной и хорошо сработала с Tesla и SpaceX. В-пятых, это продолжение различных экспериментальных результатов в нейротехе, что добавляет реализма проекту.

Долгосрочные перспективы

У меня лично нет сомнений, что когда-то (до конца 21 века) имплантируемые нейрокомпьютерные интерфейсы могут широко распространиться. Но важно ответить на два вопроса:

1. Насколько быстро такие технологии могут появиться, чтобы повлиять на развитие человечества? Скажем, если нейроинтерфейсы появятся через 80 лет, в мире продвинутых нанотехнологий, ИИ, геоинжениринга и мегамасштабного космического строительства, это не сильно поменяет расклад сил.
2. Насколько вероятно, что именно проект Нейралинк покажет серьёзные результаты?

Конкретный результат

Электронная часть устройства выглядит неплохо. Да, в 2020 году беспроводная связь или индуктивная зарядка уже никого не удивят, но в целом инженеры Нейралинка собрали адекватное устройство. Кроме того, электроды работают (пусть даже в этом нет ничего особо нового). То есть к железу претензий нет. Проблема в том, что полезность этого устройства основана на очень сомнительных допущениях. Об этом ниже.

Скептический взгляд

Ниже я поделюсь сомнениями, которые возникают при взгляде на проект Нейралинк.

Самые главные сомнения вызывает направление проекта. На презентации мы увидели робота (со стильным дизайном от канадских дизайнеров) и миниатюризированное интерфейсное устройство. Это касается "железячной" части проекта. При этом, биологическая (нейротехнологическая) часть не содержала ничего принципиально нового по сравнению с существующими и давно известными проектами, которые демонстрировали принципиальную возможность интерфейса с мозгом ещё в 90-е годы.

Несколько смущает столь незначительный результат за 150 млн. долларов, которые вложил в проект Маск. Три года работы, команда из 100 человек, но результат очень скромный.

Вообще, для 4-го самого богатого человека в мире, Элон Маск делает и финансирует не так уж много больших проектов. Тесла, SpaceX, Hyperloop, да вот почти и всё. Какой-нибудь National Science Foundation более интересным образом распределяет гранты. Да, Маск был одним из инициаторов Open AI, денег в проект тоже было вложено очень много, но что получилось в итоге - пока непонятно.

Подозрение вызывает и открытый призыв новых сотрудников. Получается, что у проекта нет сейчас лидера со сколько-нибудь понятным видением, под которое привлекались бы конкретные специалисты. Вместо этого стоит широкая задача, но решать её призваны просто все желающие. Напоминает Hyperloop, но под пристальным присмотром Маска.

Вообще, учитывая формат демо и сделанные там заявления, ещё удивительно, что реакция общественности столь сдержанна и мягка. Сам по себе формат демо вместо научной публикации - это классический тревожный сигнал в науке. А заявления Элона Маска о том, что через Нейралинк можно будет управлять Теслой и играть в Старкрафт - это однозначно пустое бахвальство и несдержанность, за которым пока что ещё ничего не стоит. Остаётся гадать, что сам Маск реально думает относительно перспектив проекта.

Если говорить о нейрокомпьютерных интерфейсах, то у меня перед глазами пример "Войса" (vOICe), технологии суррогатного зрения для слепых, которую РТД опробовало в экспериментальном режиме в России. Этот пример показывает, что даже намного более простую технологию (неинвазивная, опирается на существующие off-the-shelf устройства), которая надёжно работает, стоит копейки, не требует операций, а только обучения в течение нескольких месяцев, довольно сложно массово внедрить. Это не означает, что такое внедрение невозможно, но указывает, что вывести на рынок нейрокомпьютерный интерфейс - нетривиальная задача.

Можно привлечь больше сотрудников, вложить больше денег, можно даже сформировать спрос на нейроинтерфейсы (сделала же Apple это с ухоинтерфейсами AirPods через десяток лет после появления Bluetooth-гарнитур). Но мне видится, что проблемы с неверным направлением проекта Нейралинк носят фундаментальный характер. Прежде всего они вызваны подходом к иннвациям, свойственным Маску, подходом, который отлично годится для организации массового переселения на Марс, но плохо годится для создания массового нейроинтерфейса.

Этапы инновационного процесса

Линн Греф в своей книге "The Rise and Fall of American Technology" выделяет 4 этапа инновационного процесса.

Эти этапы происходят последовательно и их правильное выделение принципиально важно, если мы хотим, чтобы каждый этап получил достаточное внимание (и ресурсы). Наиболее распространено деление на два этапа - наука и технологии (НИОКР, R&D). Есть дополнительное деление на фундаментальные и прикладные исследования. Иногда выделяют дополнительный финальный этап - продуктовый (разработка инновационных продуктов). Существуют и намного более подробные модели, такие как TRL (Technology Readiness Level), которые используют DOD, NASA и т. п. организации.

Чем же отличается модель Грефа? В ней выделены 4 этапа:

1. открытие эффекта
2. демонстрация устройства
3. создание прототипа
4. разработка продукта

Самым интересным, по сути, в этой модели является выделение второго этапа. Демонстрация работающего устройства (максимально общего вида) - это, по сути, этап разработки т. н. "универсальной технологии" (generic technology, GPT - general purpose technology). Это ещё не этап создания прототипа, но намного более фундаментальный этап, когда базовый принцип технологии демонстрируется на примере первого работающего устройства, которое открывает новую (зачастую масштбную) область применения нового эффекта.

Скажем, для парового двигателя этот второй этап - это этап демонстрации работы самого принципа превращения тепловой энергии в механическую, неважно, что это ещё не был паровоз или насос для откачивания воды из шахт. Именно этот момент - демонстрация новой потенциальной универсальной технологии (GPT) - является кульминацией важнейшего этапа, который создаёт ценность для экономики и общества.

Если пропустить второй этап или не уделять ему должного внимания (как отмечает и Греф, и другие авторы, в США последние полвека с ним проблемы), то будет накапливаться большой объём бесполезных научных результатов, которые не могут быть применены на практике. Разработка прототипов новых продуктов будет при этом вестись на в целом неизменной технологической базе. Это будет означать, что кардинально новых инноваций мы не увидем. Сравните начало 20 века, когда появились автомобили, самолёты, радио, холодильники, электрическое освещение и многое другое с началом 21 века, когда единственной массовой инновацией является смартфон и другие гаджеты (об этом подробнее писали Роберт Гордон, Ян Вийг и другие авторы).

Элон Маск прежде всего инженер и немного продуктовик (но больше - процентов на 90 инженер)

Маск разрабатывает новые продукты на основе существующих зрелых технологий. К примеру, Tesla была создана в 2003 году после решения General Motors отозвать с рынка электромобили EV1 и свернуть проект. Технологии создания электромобилей имели к тому времени вековую историю, а наука об электричестве уже давно вошла в школьные учебники. :) Элон Маск работает на 4-м этапах инновационного процесса, когда надо оптимизировать уже существующие инженерные решения для создания более совершенного продукта - более быстрой и удобной машины, более мощной и эффективной ракеты, более дешевой проходческой технологии для строительства тоннелей.

В области нейронаук 2-й этап не завершён (и даже 1-й не завершён)

Научные знания о мозге сейчас очень ограничены. Можно сказать, в нейронауках мы находимся на уровне подобном биологии до Дарвина или алхимии до атомной теории. Как остроумно заметил Стив Рамирес, известный своими экспериментами по модификации воспоминаний у мышей, "возможно, единственный известный нам принцип работы мозга - это то, что он состоит из клеток".

Как эти клетки формируют работающую систему, мы не понимаем. Мы не понимаем этого даже для более простых систем, чем весь человеческий мозг.

Красивые карты и трехмерные модели мозгов мушки дрозофилы, мыши или человека - это лишь красивые картинки. Проект Human Brain Project (бюджет 1 млрд. евро), лидер которого Генри Макрам обещал, что в 2019 году на конференции TED вместо него будет выступать голограмма загруженного в компьютер человека, не достиг заявленных результатов даже близко.

Нервная система червя нематоды состоит из 350 клеток более чем 100 разных типов и 7 тысяч связей между клетками. Несмотря на красивые технические демо с переносом модели этой нервной системы в роботов из Lego, законченной описание этой несложной системы появилось лишь в 2019 году, 33 года спустя публикации первого черновика и полвека после начала работы.

Другой пример: нейробиолог Ева Мардер уже несколько десятков лет изучает, как несколько десятков клеток управляют перетирающими движениями желудка омара, и она всё ещё далека от полного разрешения этой загадки.

Получается, что, как бы нам не хотелось перескочить к этапу масштабного проекта, учёным придётся ещё не один десяток лет накапливать по крупицам знания о деталях работы нервной системы. Это первый этап инновационного процесса.

Даже если предположить, что имеющихся знаний о мозге достаточно для реализации проектов (хватило же братьям Райт не полных на начало 20 века знаний об аэродинамике и теории полета), всё равно следующий этап - это не создание продукта.

Следующий этап - это выбор природного явления (биологического, физического, либо иного эффекта), дающего нам возможность достичь полезной цели, и затем создание устройства, демонстрирующего использование этого эффекта для нашей цели. Это второй этап инновационного процесса. К примеру, в случае с транзистором этот этап завершился в 1947 году, когда в Bell Labs был произведён первый транзистор.

В случае с нейронауками и нейротехнологиями возникает, мне кажется, некоторая путаница, когда желаемое пытаются выдать за действительное. Да, у нас есть грубые технологии для считывания активности областей нервной ткани. На основе этих технологий удалось создать интерфейсы для управления протезами и даже простые устройства для deep brain stimulation, помогающие при депрессии. Но это успехи, основанные не на понимании работы мозга, а на методе тыка. Собственно, именно методом тыка нейрохирурги идентифицируют функциональные области в коре мозга. Если речь идёт об активности двигательных нейронов, то она довольно проста, сигналы о движении удаётся считать даже с периферических нервов или вообще с мышц. Но считать или передать сложные сигналы в мозг мы не можем, пока не разобрались, что это за сигналы.

Оптимизация интерфейсов выглядит как прогресс, но в реальности продвижение тормозится не плохими электродами (если 150 тысяч человек получили мозговые импланты для DBS, значит, они достаточно хороши для этой задачи), а непониманием системы, в которую мы хотим встроиться через эти интерфейсы.

Стратегия решения

К решению этой задачки можно подступаться с разных стороны. Традиционный путь - продолжение распределённой научной работы. Возможно, через 20-30 лет (если не 50) это даст плоды. Другой вариант - целевой проект вроде тех, которыми славилась DARPA, научный мегапроект с единой целью, направленный на отработку какого-то одного подхода. Нечто подобное пробовал сделать в 2009 году Генри Маркрам в Human Brain Project, сосредоточив усилия на масштабировании симуляций мозга. Другой возможный путь - киборгизация и создание гибридных биоэлектронных систем с обратной связью. Ещё один путь - функциональное моделирование небольших фрагментов мозга, как в лаборатории Теодора Бергера (2018).

Этапность предполагает определённую логику передачи инновационной задачи между разными людьми и организациями. Кроме того, интерфейс мозг-компьютер - это продукт, состоящий из множества отдельных технологий, для каждой из которых существует свой инновационный цикл. Многие из технологических компонент требуют научных исследований и нахождения принципиального решения (природного явления, которое можно использовать). Научный этап (фундаментальные и прикладные исследования) реализуют научные лаборатории. Компания Нейралинк в текущем виде явно является инженерной. Логично ожидать в будущем партнёрств с научными лабораториями и постепенного прихода учёных и научных коллективов со своими наработками, как это произошло в SpaceX с самого начала с множеством бывших сотрудников NASA, переходящих на работу в SpaceX. Пока же компания Нейралинк создана, по сути, на пустом технологическом месте (в отличие от Tesla, SpaceX и даже Hyperloop, концепция которого довольно проста и имеет многовековую историю - вакуумные поезда когда-то конкурировали ещё с первыми паровозами).

Научная часть задачи

В нейронауке есть множество открытых задач. Стоит отметить, что масштабные проекты решить их с наскока пока что провалились, прежде всего это касается проекта Human Brain Project. Что же остаётся делать?

Долгосрочная концептуальная задача - это симуляция мозга (и личности) человека на компьютере и слияние человека с машинным разумом (включая более узкую задачу универсальных нейрокомпьютерных интерфейсов).

Краткосрочные задачи включают

• выращивание нервной ткани (в т. ч. тканей мозга)
• исследование когнитивных архитектур (то есть)
• сканирование мозга (voltage imaging и классические методы)
• прикладное использование неинвазивных интерфейсов (in/out - TMS/EEG)
• анализ структуры мозга на срезах и сканах (машинная обработка и др.)
• нейронные симуляции, а также модели взаимодействия с телом и средой
• нейроморфные чипы и ИИ-алгоритмы

С помощью решения каждой из подобной задачи можно (случайно) наткнуться на практически полезный эффект, который можно приспособить к какой-то новой технологии. Однако, скорее всего, для полноценного "слияния человека с компьютером" потребуется совокупность технологий, сложным образом соединенных вместе (к 2060 году) в футуристичный нейроинтерфейс. Возможно, он даже будет выглядеть в чем-то похоже на примитивные устройства сегодняшнего дня (Emotiv EPOC, Нейралинк), но внутри будут устроены совершенно по другому (намного сложнее).

Сложность задачи

Не очень даже понятно, как подступиться к задаче разобраться в работе мозга. В одном из недавних исследований учёные попробовали использовать научные подходы из нейронауки для анализа устройства заведомо более простой системы, созданной человеком - микрочипа из компьютера Atari. Попытка закончилась неудовлетворительно.

Пока в нейронауке нет ничего даже близко похожего на теорию работы мозга (близкая Маску метафора мозга как электронного вычислительного компьютера, скорее, вредна и путает). Аналогично в психологии огромное белое пятно там, где должна была бы быть теория мышления. Надежда на технологические прорывы в отсутствие теории довольно сомнительна. Получается, что любой прорывной проект должен ориентироваться не столько на быстрый коммерческий или пиар-результат, сколько на теоретический прорыв в понимании.

Для такого проекта, объединяющего множество партнёров (как в HBP) нужно преодолеть серьёзные политические препятствия и узкие интересы потенциальных участников. Кроме того, вряд ли у нас здесь много попыток - отсутствие результатов (неважно, по какой причине) приведет к постепенному переключению интереса на что-то другое (как произошло с молекулярными нанотехнологиями в начале 2000-х).

Другие нейроинтерфейсы - инвазивные и не очень

Теодор Бергер

Из всех экспериментов в нейротехнологиях мне, прежде всего, хочется отметить работы Теодора Бергера, который ещё в 90-е годы разработал (и испытал на крысах) концепцию протезирования гиппокампа, когда микрочип воспроизводит работу фрагмента головного мозга. Это даёт возможность не просто убедиться в работоспособности интерфейса с мозгом, но и вмешаться (пока ограниченным способом) в работу мозга. В 2011 году я посетил его лабораторию в Лос-Анжелесе и своими глазами убедился в реальности этих экспериментов. Интересно, что в 2016 году Бергера пригласил в стартап Kernel другой технопредприниматель Брайан Джонсон (кстати, как и Маск, основатель платежной компании - Braintree, которая потом была куплена PayPal), но ориентация на скорый коммерческий результат привёл к уходу Бергера. В 2018 году команда Бергера показала работу своего кибер-протеза у человека, обеспечив улучшение запоминания при включённом микрочипе.

DARPA

Частично финансирование Бергеру обеспечивает грант DARPA. А вообще, у DARPA есть целая программа по созданию нейроинтерфейсов, включающая самые разные подходы - оптические, магнитные, ультразвуковые, акустические и т. д. Шесть команд из ведущих научно-исследовательских центров США работают над интерфейсами, которые можно было бы использовать в полевых условиях.

Six Paths to the Nonsurgical Future of Brain-Machine Interfaces

https://www.darpa.mil/news-events/2019-05-20

Teams selected for DARPA’s Next-Generation Nonsurgical Neurotechnology program will pursue a mix of approaches to developing wearable interfaces for communicating with the brain

Неинвазивные нейроинтерфейсы

Вообще, интерфейсы, не требующие хирургии, однозначно имеют намного большую применимость прямо сейчас. Конечно, остаётся проблема того, что мы не понимаем, как работает мозг, информацию с которого мы пытаемся считывать, но, по крайней мере, такие интерфейсы можно применять широко, нарабатывая большие объёмы данных.

Будет ли это полезно? Не знаю, но подозреваю, что без моделей, хотя бы примерных, человеческого поведения и состояния психики, не очень. С другой стороны, постоянный сбор данных нейроактивности

Модели мышления и распознавание состояний

Самые первые нейроинтерфейсы (точнее, алгоритмы внутри них) способны были считывать интенсивность нескольких разных ритмов (альфа-ритм и т. д.). Это позволяло с какой-то точностью распознавать пару принципиально разных состояний - например, расслабление и концентрацию.

Более современные алгоритмы, такие как НейроАнгел ( https://neuroangel.ru/ ) могут оценить уровень уже нескольких (6) состояний, таких как стресс или когнитивная нагрузка, причём не искусственно вызванных, а естественно меняющихся в процессе работы. При этом, в отличие от Нейралинка, который тоже умеет рисовать красивые графички, анализируются (если верить в эффективность работы черного ящика - алгоритма Нейро Ангела) более сложные состояния, чем активность моторных нейронов во время ритмично повторяющихся движений.

Модели мышления

Что такое модели мышления? Это теоретические конструкты (которых пока не придумано), которые давали бы полноценное объяснение того, как человек (или ИИ, или животное) мыслит. Наука всерьёз занимается этой проблемой примерно с 50-х годов прошлого века, когда появилась когнитивная наука (одновременно с началом исследований в области ИИ). Сменилось три поколения учёных, но мы до сих пор почти ничего не можем уверенно сказать о том, как работает наш мозг (и наше мышление). Хуже того, классические психологические эксперименты не удаётся воспроизвести, так что даже то, что, нам кажется, мы знаем, возможно, неправда.

Психологическая и когнитивная наука пока на этапе алхимии. Поэтому даже, если собирать данные о работе мозга с помощью постоянно носимых нейроинтерфейсов, не очень понятно, как их структурировать и обрабатывать.

Уровни когнитивной архитектуры

Основные уровни в рамках гипотетической модели мышления можно обозначить так:

Химические нейроинтерфейсы

У нас уже есть - таблетки. Осталось научиться определять состояние (химическое - через состав крови). Пока что такие интерфейсы делают первые шаги, но уже кое-что есть. Есть первые разрешённые FDA к применению имплантируемые датчики уровня глюкозы. Над этим стоит поработать и мы научимся определять уровень других важных молекул в крови, в том числе, разного рода нейротрансмиттеров.

Это позволит создавать очень простые системы с обратной связью. Как системы подачи инсулина, замкнутые на показания датчика, позволяют устранить эффект диабета, так аналогичные решения могли бы лечить депрессию и многие другие заболевания, связанные с дисбалансом тех или иных веществ (например, серотонина).

Возможности нейроинтерфейсов

Считывание сигналов с двигательной коры - это самое простое (это и было показано в демо Маска). На этой технологии есть разные решения, что-то даже работает в клинической практике. Тут развитие технологии - это, действительно, просто вопрос денег. А вот работа интерфейсов с мышлением и даже такими относительно простыми вещами, как фокусировка внимания - тут все сложнее и это пока почти никак не работает. Общее состояние мозга можно считывать с помощью неинвазивных интерфейсов (инвазивные, наоборот, не дают такой возможности). Точечные воздействия можно делать с помощью DBS (deep brain stimulation), что используется в сотнях тысяч пациентов (лечение болезни Паркинсона, депрессии и т. п.). Этот пример, в частности, показывает, что большое количество электродов не требуется для практического результата.

Усиление интеллекта через алгоритмы мышления

Как же можно усиливать интеллект, если не с помощью Нейралинка?

На каком уровне работать с мышлением?

Во фреймворке усиления интеллекта Дугласа Энгельбарта описаны разные уровни организации мышления ("типы структурирования"). Первый уровень - это уровень ментальных структур (а под ним ещё можно добавить нулевой уровень - структуры нейронных сетей), мы про него мало знаем и передавать сложную содержательную информацию через него трудно (биологически мы это делаем, конечно, легко, но воспроизвести это в проектах типа Нейралинк пока можем с трудом). Если подняться по уровням организации мышления, то следующие уровни - концептуальных структур и символьных структур - намного более доступны для работы. Все теории и практики мышления, а также разного рода языковые "технологии" (формальные языки, визуальные языки и т. п.) работают на этих уровнях.

Установка коммуникаций на уровне концептуального мышления

Я думаю, что уровень мышления (концептуальное мышление и разные его виды) и работы с языком (естественным и искусственными, в т. ч. визуальным) более перспективен для усиления интеллекта и интеграции человека и компьютера, чем попытки работать на уровне отдельных нейронов. Да, мы почти одинаково мало знаем о работе мозга на уровне нейронных сетей и о работе мышления на уровне манипулирования концептами, но второй уровень, по крайней мере, позволяет формулировать хоть какие-то гипотезы и модели мышления, которые могут быть сразу же практически применены. А любые фундаментальные гипотезы о работе нейронных сетей мозга (к примеру, иерархическая темпоральная модель Джеффа Хокинса) могут быть весьма убедительными, но совершенно бесполезными в краткосрочной перспективе. Пытаться же установить контакт между компьютером и мозгом без модели работы последнего можно, но это никак не продвигает нас вперёд по сравнению с текущим уровнем (базовое управление протезами, кохлеарные импланты). Так, самолёт братьев Райт требовал не только ДВС, намного более эффективного, чем паровой двигатель, но и базового понимания аэродинамики. Без этого управляемый полёт летательного аппарата тяжелее воздуха был бы не возможен.

Обсуждение концептуального уровня

На 3-м стриме про усиление интеллекта мы обсуждали с Пион кодирование концептов (мыслей, знаний) и их передачу между мыслящими агентами. На 4-м стриме обсуждали структуру (подпроцессы и функции) мышления. Эти беседы зафиксировали базовый уровень нашего текущего понимания возможности структурированной работы с мышлением на сегодняшний день.

3-й эфир (12.5)

4-й эфир (19.5)

Наши прикладные проекты

В практическом плане мы работаем сейчас с уровнями концептуальным и символьным. Так, проект AuInt (группы усиления интеллекта, чат-бот Зарешай) - это работа с концептами (и немного ещё с процессами). НейроКод - это инструмент для повышения эффективности символьных манипуляций. В перспективе мы планируем простроить единую систему, охватывающую оба этих уровня, а также частично зайти на уровень ментальных структур, насколько это получится сделать на текущем технологическом уровне (использование постоянно носимых нейроинтерфейсов для выделения ментальных состояний, например).

Весьма вероятно, что для этого нам потребуется провести большую экспериментальную работу по наблюдению за процессами мышления и попробовать выделить элементы ментальных структур (условно говоря, "мысли"), насколько это можно сделать с помощью психологических опросников, нейроинтерфейсов и, возможно, других доступных инструментов.

После этого можно будет работать над тем, чтобы дать людям возможности наилучшим образом создавать символьные корреляты ментальных структур (обозначения мыслей в интерактивном инструменте экзокортекса - НейроКоде) и обучать их манипулировать ими для достижения их целей.

Манифест усиления интеллекта

В опубликованном нами в мае 2020 манифесте зафиксировано наше представление о том, какие есть процедуры мышления (процессные структуры), то есть, как можно работать с концептами. Эти процедуры могут быть использованы не только для обучения, но и для интеграции в единую систему человека и помощника с искусственным интеллектом, который делает за человека часть мыслительной работы (либо содержательную работу, либо поддерживает исполнительную функцию - executive superstructure в терминологии Энгельбарта).

Общий прогноз

Попробую синтезировать всё сказанное выше в единый прогноз.

Прежде всего, срок 8-10 лет до свободной установки имплантов Нейролинк здоровым пользователям (как обещал в 2017 году Элон Маск) совершенно не реалистичен. Получение разрешений и клинические испытания - это 1-2 десятка лет. И я думаю, что даже работа с инвалидами в этот период вряд ли будет масштабной. Медицинские применения нейроинтерфейсов продолжатся, но это не достижение Нейралинка (так что вряд ли Нейралинк ждёт успех Tesla или SpaceX). Нужен серьёзный научный проект по изучению мозга, который может занять 20 лет в оптимистичном варианте. То есть до 2040 года серьёзных прорывов в нейроинтерфейсах ждать не стоит, несмотря на впечатляющие (но обманчивые) технологические демо каждые несколько лет.

Таймлайн

2030 - гибридный интеллект, первая реализация (интерфейсы для поддержки мышления через интерактивную работу с символами/концептами, ИИ-помощники).

2040 - коллективный интеллект, то есть, совершенствование интерфейсов для реальной поддержки интенсивной командной работы в реальном времени над решением интеллектуальных задач

2050 - усиление интеллекта станет массовым. ИИ пока не будет способен к творчеству и самостоятельному развитию, поэтому в дополнение к использованию ИИ будут широко внедряться методы усиления интеллекта, в т. ч. коллективного - биологические, фармацевтические, нейроинтерфейсы, методики мышления, когнитивно лёгкие моделеры и визуальные компьютерные интерфейсы.

2060 - интерфейсы мозг-компьютер, работающие с нормальной (практически полезной) пропускной способностью

Заключение

Прошедшая демонстрация проекта Нейралинк, несомненно, стала событием. Однако дальнейшие перспективы проекта я оцениваю как относительно скромные. Элон Маск - инженер от бога и умеет доводить разработку инновационных продуктов до впечатляющего результата. Но задача соединения мозга с компьютером требует иного - решения сложнейших научных задач. Кто способен решить эту проблему - не понятно, поэтому мой футурологический прогноз отнесёт появление эффективных широкополосных инвазивных нейроинтерфейсов на 2060-е годы. До этого нас ждёт постепенное развитие и внедрение методов усиления интеллекта, включая гибридный и коллективный интеллект. Именно эти методы, помогающие человеку оперировать концептуальными и символьными структурами, могут дать результаты в ближайшее десятилетие. Поэтому именно на них мы делаем ставку в наших проектах по усилению интеллекта НейроКод и Зарешай (Au Int).