Ilya P

Many-Worlds Interpretation

2020-07-14T19:14:35.793Z

Из-за того, что квантовую физику нельзя полностью наблюдать и проводить эксперименты по всем возникающим вопросам, ученые делятся на несколько лагерей относительно мироустройства. ММИ является одной из многих многомировых гипотез в физике и философии. На сегодняшний день она является одной из ведущих интерпретаций, наряду с копенгагенской интерпретацией и интерпретацией согласованных хронологий.

В статье я использовал:

отрывки из видео: https://www.youtube.com/watch?v=NTqL1TVY0ns&feature=youtu.be
Книгу "Гиперпространство: Научная одиссея через параллельные миры, дыры во времени и десятое измерение" – Митио Каку
Книгу "Начало бесконечности" – Дэвид Дойч

В классической физике все просто: есть пространство и время, есть материя, находящаяся в этом пространстве, есть параметры системы (как импульс или положение), и есть законы физики, которые описывают изменение этих параметров. Если точно знать начальное состояние системы, можно предсказать ее поведение в будущем с абсолютной точностью.

В квантовой физике все не так…

Там систему описывает волновая функция. Она определяет вероятность измерить систему в определенном состоянии (например, определенную координату или импульс). До измерения нельзя сказать, что система обладает определенным моментом, она обладает только волновой функцией.

Но проблема в том, что квантовая механика не позволяет увидеть волновую функцию частицы

Многие, кто изучают квантовую механику привыкли, что существует два свода правил

Когда мы не смотрим, то волновая функция описывается уравнением Шредингера
А когда мы пытаемся ее измерить, то эта же функция мгновенно коллапсирует

Самому Шредингеру эта идея не нравилась, что они и обсуждали с Эйнштейном в их переписке. И эксперимент с котом Шредингера появился там же

Описание эксперимента

Идея эксперимента была в том, чтобы связать незаметный квантовый эффект с чем то осязаемым, например с котом.

Мы засовываем кота в коробку. В коробке находится детектор распада радиоактивных частиц, источник радиации и, допустим, усыпляющий газ, который выпустится, если детектор зафиксирует распад частицы.

Теория говорит, что частица имеет вероятность: распасться ей или нет. И только измерения состояния этой частицы даст нам ответ на то, распалась она или нет. Пока измерения с нашей стороны не произошло, то мы ничего не знаем о состоянии частицы

Мы можем узнать результат только тогда, когда откроем коробку и посмотрим, спит наш кот или нет, то есть, произведем измерения.

До момента измерения вся система находится в запутанном состоянии.

Хороший исход (для кота)

Атом не распадается, детектор не фиксирует распад, колба не разбивается, кот бодрствует

Атом распадается, детектор фиксирует распад, колба разбивается, кот "спит"

Пока коробка закрыта, для внешнего наблюдателя кот находится в суперпозиции

В этом эксперименте состояние кота непосредственно зависит от состояния атома — то есть. атом и кот запутаны между собой

Но, согласно квантовой механике, атому не обязательно находиться в каком то определенном состоянии. Большую часть времени он находится в суперпозиции.

Т.е. распавшимся и нераспавшимся одновременно

Далее, суперпозиция атома запутывается с состоянием детектора и, как следствие, кота.

Получается, что через какое то время волновая функция всего содержимого коробки оказывается в суперпозиции.

В одном состоянии атом не распался, пробирка с газом цела, а кот жив
В другом состоянии атом распался, пробирка разбилась и кот уснул

Далее, если мы, как наблюдатель, откроем коробку и заглянем внутрь, то сколлапсируем волновую функцию и увидим кота живым или мертвым.

Вообще то, все не так

Классическая (копенгагенская) интерпретация постулирует, что процесс наблюдения — процесс коллапса волновой функции в одно из состояний. Коллапс приводит к тому, что волновая функция продолжает эволюцию только как одна часть изначальной волновой функции(картинка 1 и 2 из начала статьи), объект больше не находится в состоянии суперпозиции и не может интерферировать.

Как следствие — всякие эффекты типа квантовой запутанности пропадают. Это теория не объясняет, как происходит коллапс волновой функции, равно как и почему одни взаимодействия вызывают коллапс, а другие — нет.

Многие признавали, что явление коллапса волновой функции, предложенного копенгагенской интерпретацией, является искусственным трюком и, следовательно, необходимо искать другую интерпретацию, в которой поведение при измерении трактуется с помощью более основополагающих физических принципов.

Одна из самых проработанных интерпретаций на данный момент — многомировая интерпретация

Многомировая интерпретация

Есть такой термин как квантовая запутанность. Это когда два электрона, летящих к друг другу, сталкиваются и запутываются.

Но стоит нам измерить импульс одного электрона, как мы тут же узнаем импульс другого.

Измерение одного электрона заставляет моментально коллапсировать волновую функцию другого электрона, пусть даже между ними расстояние в несколько миллионов световых лет

После взаимодействия друг с другом, у электронов больше нет волновых функций, их состояние теперь можно описать одной общей функцией

Так можно продолжать до бесконечности, и в итоге мы придем к тому, что существует лишь одна волновая функция, которая описывает состояние всей вселенной вселенной

Повторим

В копенгагенской интерпретации считается, что когда квантовую систему наблюдают, то она описывается одним сводом правил, а когда не наблюдают, то другим сводом правил

Согласно этому допущению, когда Шредингер открывает коробку, он коллапсирует кота в состояние либо «жив», либо «мертв».

Если убрать это допущение из квантовой теории, то получится, что суперпозиция распавшегося и нераспавшегося атома запутывается с детектором и с самим котом.

Не стоит забывать, что люди тоже состоят из атомов. И если система запутывается с котом, то она запутывается и с нами

Значит, согласно ММИ, Шредингер(Ш) оказывается в запутанном состоянии:

К этому уравнению нужно добавить окружение (окр):

Окружение в результате процесса декогеренции запутывается с ними обоими:

В таком варианте у Шредингера уже нет возможности «отменить» измерение или сделать что-то, чтобы «распутать» два состояния. Два мира разделились: в одном Шредингер нашел мертвого кота, в другом — живого. При этом никакого коллапса не произошло, все это — по-прежнему просто унитарная эволюция большой волновой функции.

Выходит, когда мы открываем коробку, то никакие изменения и коллапсирующие функции не важны, мы просто запутываемся с системой внутри коробки.

Это значит, что мы видим как систему с живым котом, так и с мертвым.

Это значит, что мы перед коробкой с живым котом, и мы перед коробкой с мертвым находимся в разных мирах

Ну, фактически, не мы, а наша копия, которая появилась при распаде вселенной на две реальности, которые теперь никогда не пересекутся

В итоге, вселенная разделяется и возникают две, практически идентичные реальности

Это и есть главная идея многомировой интерпретации. Единственный ее постулат — вся Вселенная описывается одной волновой функцией. Нет «классического» мира, нет наблюдателей, нет коллапса — все это является унитарной эволюцией одной волновой функции под действием уравнения Шредингера. То, что мы наблюдаем как коллапс — исключительно процесс декогеренции, наша невозможность «развязать» объект и окружение, с которым он запутался.

Разные «миры» при этом возникают каждый раз, когда происходит «коллапс» — взаимодействие системы с окружением. При этом один мир делится на несколько, в соответствии с ветвями волновой функции, и эти миры больше не взаимодействуют.

Итого

Тем не менее, все это лишь частичное решение, так как сама космическая волновая функция, описывающая всю Вселенную, не имеет определенного состояния, а состоит из всех возможных вселенных. Таким образом, проблема неопределенности, впервые открытая Гейзенбергом, теперь распространена на всю Вселенную.

Наименьшая единица, которой мы можем оперировать в этих теориях, — сама Вселенная, а наименьшая единица, которую можно квантовать, — пространство всех возможных вселенных, в которое входят и мертвые, и живые коты. Таким образом, в одной вселенной кот действительно мертв, зато в другой — жив. Однако обе вселенные находятся в одном и том же вместилище — волновой функции Вселенной.

Геймификация в бизнесе. Основы

2020-07-03T20:22:47.997Z

Я с дества очень много играл в компьютерные игры. Но только недавно я стал задумываться о том, как они работают и из чего состоят.

А связано это с моей профессией продуктового дизайнера, которая в большинстве своем состоит из улучшения таких показателей как привлечение, вовлечение и удержание пользователей.

И вот уже как пол года я изучаю сферу игр — той сферы, которая научилась управлять эмоциями пользователя лучше всего.

В этой серии постов я хотел бы раскрыть геймификацию (иногда ГМ) в дизайне и бизнесе.

Кому будет полезно?

Основателям бизнесов, в которых повышение вовлечения и удержания пользователей приводит к значительным увеличениям показателей бизнеса.

Сотрудникам, которые хотят повысить показатели своей зоны ответственности. Потому что изучение даже нескольких кейсов по геймификации может привнести в продукт десятки новых гипотез.

Даже обычные люди могут внедрять игровые механики в свою жизнь для прививания привычек и увеличения продуктивности, становясь успешнее с каждым днем.

Что такое геймификация?

Геймификация — это применение игровых механик для неигровых процессов.
Правильное применении этого инструмента позволяет повысить вовлечённость участников в решение прикладных задач, использование продуктов, услуг или усилить лояльность клиентов.

Этот термин содержит в себе такой же корень как и Game, под которым в наше время больше представляют компьютерные игры. И это не случайно, ведь эта сфера бизнеса лучше всех научилась вовлекать, развлекать и удерживать пользователей.

Ведь когда пользователь заходит в игру, то в большинстве своем единственная цель этого действия — хорошо провести время.

Это то, к чему стремится любой бизнес. Чтобы продукт или определенная активность ассоциировалась с хорошим времяпрепровождением. Потому что без дешевого вовлечения и долгого удержания пользоваетля юнит экономика многих продуктов будет убыточной.

Для более глубокого понимания нужно понять, что такое игра, и почему люди играют

А что такое Игра (Game)?

Один философ — Бернард Сьютс, высказал свое видение определения игры, которое я считаю коротким и достаточным:

Игра – это добровольное преодоление необязательных препятствий.

Ссылаясь на Бернарда Сьюта, игра содержит в себе:

Цель — это конкретный результат игры, к которому стремятся игроки. Она направляет внимание игрока и координирует его действия, в результате у участников возникает ощущение цели. Если это забег на сто метров, то цель это пробежать от старта до финиша. Если это шахматы, то цель — "убить" короля оппонента
Правила, которые делают активность игрой. Правила устанавливают ограничения на способы достижения цели, что побуждает игроков исследовать неизведанные пространства возможностей. В шахматах вы не можете просто смахнуть все шахматы оппонента с доски. Вы не можете ходить пешками через всю карту. Конь это конь, королева это королева.
Система обратной связи сообщает игрокам, насколько они близки к достижению цели. Эта информация может быть представлена в виде очков, уровней, счета или индикатора прохождения игры. В самом простом случае система обратной связи сводится к пониманию игроком целевого результата: «Игра будет окончена, когда…» Обратная связь в реальном времени как бы уверяет игроков, что цель достижима, и мотивирует продолжать игру.
И наконец, добровольное участие требует, чтобы каждый игрок осознанно и самостоятельно принял цель, правила и систему обратной связи. Осознание создает общую основу для совместной игры большого количества людей. Т.е. участники следуют правилам и делают это добровольно. Если участники принуждаются, то это уже не игра

Whoever who must play — can not play.
If you forced to do something, it's not a game.

А раз геймификация происходит от игр, то она также должна содержать в себе:

Добровольность участия
Обучение чему-то или решение определенной проблемы.
Цель и правила достижения этой цели
Нарратив. А именно структура, которая объединяет фрагменты игры или игровую систему в единое целое. Иначе есть риск, что геймифицированная система будет просто кучей абстрактных вещей.
Правильный баланс системы. Недостаток сложности сделает игру неинтересной, а большое кол-во правил и сложности увеличит порог вхождения и, соответсвенно, активную аудиторию вашей системы.

Геймификация — это не попытка превратить все в игру.

Используется не только для привлечения или вовлечения пользователей.

И это не только очки, бейджи и таблицы лидеров

Геймификация — это изучение механики игр (не только виртуальных) с пониманием того, почему нам нравятся игры. Если разобраться в этом вопросе, то мы сможем сделать наши продукты почти такими же вовлекающими, как игры. Разобраться в этом помогает изучение гейм дизайна, психологии и отношений между людьми.

Атомарная структура геймификации

Как и все системы, геймификацию тоже можно разобрать на элементы, из которых она состоит. Я взял фреймворк by Kevin Werbach, который придумал свою пирамиду элементов. Этот фреймворк даст вам понимание того, из чего состоят и как связаны разные элементы геймификации между собой.

Но нужно понимать, что нельзя взять элементы из списка ниже и собрать из них что-то, что сразу повысит показатели вашего бизнеса в несколько раз. Игры — это не просто элементы, которые каким-то образом склеены друг с другом. Игры — это абстракции, которые разработаны систематически, продуманно, с возможностью влиять на эмоции игрока и, главное — они должны быть веселыми.

Fun makes games engaging

Пирамида элементов — это структура стандартных элементов в геймификации и связь между этими элементами.

Эта пирамида не отражает все возможные элементы. И это не значит, что каждый элемент нужно внедрять в свою систему.

На верху пирамиды находятся Динамики. Это наиболее высокоуровневые концепции в играх или геймифицированных системах. Можете представить это как грамматику в языке, а именно спрятанные структуры, которые делают весь опыт связанным и имеют регулярные паттерны.

Этот уровень содержит:

Сonstraints — Каждая игра должна иметь ограничения.
Искуственно ограничивая свободу игры создают осмысленную цель и добавляют интересные проблемы, решение которых не раздражает игроков. Таким образом, представление о том, какие ограничения накладываются на пользователей, является важной динамикой, о которой должен думать любой дизайне геймифицированных систем.
Emotions — Игры могут вызывать практически любые эмоции, от радости до грусти и всего, что между ними. Эмоциональная палитра геймификации, как правило, несколько более ограничена, потому что мы имеем дело с реальным миром, неигровым контекстом. Но все еще существует множество эмоциональных рычагов, которые можно использовать, чтобы сделать пользовательский опыт более насыщенным.

Narrative — структура, которая объединяет фрагменты игры или игровой системы в единое целое. Нарратив может быть явным, сюжетной линией в игре или неявным. Без нарратива есть риск, что геймифицированная система будет просто кучей абстрактных вещей.

Progressive — это значит что пользователь видит начало пути, у которого он сейчас находится, и то, куда он придет если будет следовать правилам. Прогрессия не обязательно требует присутсвие уровней, шкал прогресса и очков. Но это самые типичные компоненты, которые используются для создание данной динамики

Relationships — эта динамика рассказывает о том, как люди взаимодействуют друг с другом. Сюда входят друзья, члены команд и противники. Эти динамики очень хорошо развиты в таких играх как WoW, La2 и других ММО играх.

Затем идут механики — набор правил и способов, реализующий определённым образом некоторую часть интерактивного взаимодействия игрока и игры. Все множество игровых механик игры формируют конкретную реализацию её игрового процесса

Challenges
Chance
Competition
Cooperation
Feedback
Resource Acquisition
Rewards
Transactions
Turns
Win states

И самый нижний уровень пирамиды, компоненты. С этими элементами пользователи взаимодействуют напрямую и, в основном, непосредственно наблюдают только этот уровень. Это определенные блоки, из которых собираются механики и динамики.

Achievements
Avatars
Badges
Boss fights
Collections
Combat
Content unlocking
Gifting
Leaderboards
Levels
Points
Quests
Social graph
Teams
Virtual goods

Например points находятся на самом низком уровне — уровне компонентов. Из points можно построить структуру более высокого уровня — механику прогрессии. И затем эта механика станет частью нарратива — уровня динамики.

Нижний уровень пирамиды является основанием для постройки хорошего игрового опыта, в то время как верхние уровни влияют на то, какие именно элементы с нижнего уровня мы применим

Есть еще один уровень вне этой пирамиды — это эстетика (Aesthtic). Она описывает желаемые эмоции, которые должны возникнуть у игрока, когда он взаимодействует с игрой.

Комбинация этих четырех элементов создает весь игровой опыт

На первый взгляд тут слишком много элементов. Но вы сталкиваетесь со многими из них каждый день и даже можете написать свои варианты:

Challenge (уровень механик)
Ежемесячные премии в отделе продаж за выполнение плана
Подарки в спортзале тем, кто проплывет 10км за месяц

Levels (уровень компонентов)
Карта лояльности с уровнями для часто летающих пассажиров.
Повышения на работе

Teams (уровень компонентов)
Читательские клубы
Армия
Фанатская символика

Reward (уровень механик)
Одна бесплатная мойка за каждые десять.
Кешбек за покупки

Badge (уровень компонентов)
Платиновая карта в банках или авиакомпаниях
Медали

Геймификация это не просто набор практик,
а один из способов решения стоящих перед вами задач

Чего не нужно делать при внедрении геймификации

Для геймифицированных систем, как и для игр, нет правил насчет того что правильно а что нет. Но есть моменты, которых лучше избегать, особенно если вы внедряете геймификацию первый раз.

Принуждать пользоваться системой. Вспомните главное правило — игра должна быть добровольной.
Поощрять и наказывать материально. Я расскажу подробнее об этом в следующих постах, но основная проблема связана с тем, что деньги не мотивируют людей, а попытки наказать деньгами воспринимаются очень лично и негативно
Внедрять геймификацию ради геймификации. Геймификация должна направлять людей и помогать им либо решать проблемы, либо учиться.
Делать слишком много правил и ограничений. Чем больше правил, тем сложнее запомнить их, а чем больше ограничений, тем более ограничен игрок. Никто не любит, когда их ограничивают
Не продумывать баланс. В игре должен быть баланс и прогрессия сложности, которая будет учитывать как интересы новичков, так и потребности мастеров

Когда вы немного погрузитесь в мир геймифицированных систем, вы можете подумать:

~
Великолепно, я вижу, что внедрение бейджей и наград в Nike Plus повысило показатели вовлечения на 10%. Что ж, я тоже добавлю эти элементы в свой продукт и люди начнут им пользоваться активнее.
~

Оказывается, это не так просто. Делать геймификацию правильно, этично и так, чтобы это соответствовало вашим конечным долгосрочным бизнес-целям — это не самая простая задача.

Создание таких систем требует обдумывания и глубокого понимания таких областей как психология, дизайн поведения, игры и визуальный дизайн.

Но когда вы научитесь этому, то сможете создавать продукты, которые будут вызывать эмоции у людей и удерживать их у вас.

Вы станете думать не просто о том, как повысить определенные метрики продукта, но о том, как вызвать такие эмоции у пользователя, за которыми он будет возвращаться в ваш продукт снова и снова

Учитесь управлять не метриками, а эмоциями пользователей

Can the Machine think?

2020-06-21T14:10:52.656Z

Недавно начал читать книгу «Начало бесконечности» Дэвида Дойча (один из создателей квантового алгоритма Дойча — Йожи), и решил рассказывать про мысли из некоторых глав, которые мне показались интересными.

Сама книга начинается с вопроса:

«Откуда мы знаем, что существуют чёрные дыры, квазары, взрываются сверхновые, и, в процессе взрыва происходит трансмутация и образовываются все возможные химические элементы из которых состоит наше тело и Земля? Ведь это невообразимо далеко и невероятно сложно!»

«Мы это знаем благодаря телескопам и измерительным устройствам»—это плохое объяснение, так как есть что-то, что привело к созданию телескопов и измерительных устройств. Что?

«Мы знаем, что существуют конкретные законы физики, мы проверили эти законы много раз, мы получили много информации о том, что эти законы соблюдаются и на Земле и за миллиарды километров, поэтому мы с хорошей точностью знаем что происходит при взрыве сверхновой»—это хорошее объяснение.

Самый базовый элемент, который позволяет человечеству создавать новое знание —объяснения (главная тема книги), созданные с помощью очень простого процесса

Догадаться/предположить, что что-то устроено определённым образом
Проверить гипотезу экспериментами, получить обратную связь от коллег
Убить, или доработать по обратной связи
Ждать, пока не появится объяснение лучше

Да, это стандартный продуктовый подход.

И именно этот процесс привёл к созданию всего знания, всех инструментов, которые существуют в мире. И другого процесса создания знания не существует.

Если приземлить этот вывод на ИИ, о котором я хочу рассказать в этой статье, то универсальный искусственный объяснитель мы сможем создать только тогда, когда поймем, как мы сами создаем объяснения, и затем научить этому компьютер.

Тезисы

Для меня мышление — это способность реагировать на ситуации, исходя из субъективного опыта (qualia), полученного в процессе жизни

А искусственный интеллект — это свойство интеллектуальный систем выполнять творческие функции

Для создания ИИ мы должны понимать, как работает qualia, чтобы заложить эту модель в программу. Для того, чтобы эта программа могла мыслить, опираясь на полученные в процессе своей работы qualia, а не с помощью изначально заложенных алгоритмов

Можно говорить о ИИ только тогда, когда программы начнут сами генерировать знания внутри себя, а не проговаривать только те знания, которые изначально были заложены создателями программы.

Самым важным элементом ИИ является универсальность. То есть возможность прийти к решению любой задачи без заложенного изначально знания об этой задаче.
Универсальность не получится разработать в текущих реалиях, и дело не в том, что нам не хватает вычислительных мощностей, а в том, что мы не понимаем, как генерируются идеи и что такое творчество.

Если бы кто-то сейчас знал, как написать такую программу, то нам не нужна было бы создавать настоящую программу, обычного описания всем бы хватило, неважно, насколько оно было бы сложным. Следовательно, проблема ИИ не в недостатке мощностей

Если что то не получается запрограммировать, то мы этого не понимаем

Притворяться в том, что программа может думать — не тоже самое, что на самом деле думать

В 1936 году Алан Тьюринг создал теорию классических вычислений, а во время Второй мировой войны участвовал в конструирований первых универсальных классических компьютеров. Он по праву считается отцом современной вычислительной теории.

Тьюринг еще в те года осознавал принципиальную возможность Искусственного Интеллекта, потому что универсальный компьютер — это универсальное моделирующее устройство.

В 1950 году статье «Вычислительные машины и разум» (Computing Machinery and Intelligence) он поставил знаменитый вопрос: может ли машина мыслить?

Он не только защищал с позиций универсальности утверждение, что может, но и предложил соответствующий тест

Теперь его называют тестом Тьюринга, и он заключается в том, сумеет ли судья (человек) понять, отвечает ли ему программа или человек. В этой и последующих работах Тьюринг дал наброски протокола для проведения своего теста. Например, он предложил, что и программа, и реальный человек должны по отдельности взаимодействовать с судьей через некоторую чисто текстовую среду, чтобы тестировать только то, умеют ли они думать, без учитывания таких деталей как голос или внешний вид участников.

В 1964 ученый - компьютерщик Джозеф Вейнценбаум написал программу "Элиза". Это была простая программа, которая на входе сканирует вводные данные в поиске определённых ключевых слов и грамматических форм. И если находит, то отвечает по шаблону, заполняя пробелы с помощью слов из вводных данных.

Google assistant as an example

Сегодня такие программы называются «чат-ботами», и в основном они по-прежнему служат для развлечения, как сами по себе, так и в составе компьютерных игр. С их помощью создают дружественные интерфейсы для списков, часто задаваемых вопросов, например, о том, как работать с компьютерами. Но, с точки зрения пользователя, они не полезнее чем списки вопросов и ответов с возможностью поиска.

Частым аргументом в защиту ИИ является то, что наших мощностей еще не достаточно

Но, огромные вычислительные мощности, которых мы еще не достигли, не должны являться проблемой.

Допустим, кто-то создал программу, которая прошла тест Тьюринга. Значит человек, написавший ее, должен уметь объяснить, как она работает. А если он может объяснить, как она работает, то нам не обязательно тратить время на создание этого ИИ в реальности.

Если бы у нас было бы только такое объяснение, но мы бы еще не видели результата работы программы и даже если бы она еще не было бы написана, мы бы все равно должны были бы заключить, что это настоящий искусственный интеллект. И тест Тьюринга был бы не нужен. Вот почему получается, что если бы недостаток вычислительной мощности был бы единственным препятствием в создании искусственного интеллекта, то не было бы смысла ждать его практической реализации, нам хватило бы простого объяснения.

Если это будет разумное объяснение, мы убедимся в том, что знание зарождается в самой программе, а не в голове программиста.

Итак, величина успеха в стремлении создать «машины, которые умеют мыслить» на протяжении 70 лет после выхода статьи Тьюринга равна нулю. Но во всех других отношениях в области вычислительной техники и технологий за этот период был достигнут поразительный прогресс.

А это значит, что в текущем положении вещей полезным эмпирическим правилом будет следующее: если что-то можно запрограммировать уже сегодня, то оно не будет иметь имеет никакого отношения к интеллекту в смысле Тьюринга. И наоборот, если в наше время мы не можем что-то запрограммировать, то мы этого не понимаем.

Значит нам, для того чтобы приблизиться к созданию настоящего искусственного интеллекта, нужно будет для начала разобраться в том, как запрограммированы мы сами.

В том, что тест Тьюринга должен помочь отличать ИИ от обычной программы есть одна проблема.

В случае с тестом Тьюринга мы намеренно игнорируем вопрос о том, как было создано знание, необходимое для разработки объекта. Тест имеет дело только с тем, что отвечает программа на вопросы судьи, и сможет ли судья отличить человека от машины. Но мы не берем во внимание того, кто создал эти знания, кто придает смысл высказываниям, содержащимся в них.

Если смысл высказываниям разработчик придал заранее, во время создания программы, то программа не искусственный интеллект. А если смысл высказываниям придает сама программа, то она — действительно искусственный интеллект

Есть и более глубокая проблема. Способности искусственного интеллекта должны обладать своего рода универсальностью: специализированное мышление не будет считаться мышлением в том смысле, который предполагал Тьюринг. Скорее всего, что каждый искусственный интеллект это субъект — универсальный объяснить.

Способность имитировать человека неидеально или только в отдельных его функциях, это не форма универсальности. А значит, даже если чат боты начнут имитировать или обманывать людей гораздо лучше, это все равно не приведет нас к искусственному интеллекту. Научиться лучше притворяться, что умеешь думать, — не то же самое, что приблизиться к способности думать.

Путь к искусственному интеллекту не может лежать через все более удачные трюки, благодаря которым чат боты становятся все убедительнее.

Если программа на самом деле думает, то в ходе разговора на разнообразные темы она проявит себя — одним из бесчисленных и непредсказуемых способов, — так же как это делают обычные люди.

Текущая ситуация с ИИ похожа на одну из эволюционных концепций — ламаркизм.

Основная идея ламаркизма заключалась в том, что организмы развивают или атрофируют свои органы посредством «упражнения» или «неупражнения» органов в процессе своей жизни.

Это можно представить на примере жирафа, который в процессе своей жизни сильно тянулся к листьям и «развивал» свою шею. По ламаркизму, потомство такого жирафа будет иметь более длинную шею чем у тех жирафов, которые «развивали» свою шею менее активно.

Но есть фундаментальная разница между усилением мышцы в течение жизни одной особи и увеличением ее силы в ходе эволюции. В случае ламаркизма знание о том, как достичь всех доступных мышечных сил должно присутствовать в генах особи еще до начала череды изменений.

Это точный аналог «трюка», который программист должен встроить в чат-бот: чат-бот отвечает, как если бы он при составлении ответа создал часть знания, но на самом деле все знания были созданы заранее и в другом месте.

Аналог идеи о том, что искусственный интеллект можно создать, накапливая трюки чат-бота, — это ламаркизм. А ламаркизм, еще раз, — это теория о том, что новые адаптации можно объяснить изменениями, которые в действительности являются лишь проявлением существующих знаний.

И наоборот, аналогом эволюционных изменений вида является творческое мышление человека, которое мы так и не познали до конца.

То есть ИИ должен уметь решать любые задачи и даже те, которых не существовало в момент его рождения. Алгоритмический подход не даёт нам такой возможности, так как в этом случае задача должна быть поставлена до написания алгоритма.

Запрограммировать искусственный интеллект на какие-то определённые цели нельзя в принципе. Если мы запрограммировали что-то на решение каких-то задач, то интеллекта (разума) там не будет.

Для самостоятельного создания знаний внутри программы нам нужно описать рамки, в которых будет действовать программа, как это описано в человеческом мозге.

Но в настоящее время компьютер проектируется по заранее известному замыслу. Он не способен развиваться и эволюционировать. Компьютер (его архитектура блоков, конфигурация) будет содержать статичную информацию о «замысле». Сам «замысел» в голове инженера (или множества инженеров) будет развиваться и эволюционировать, но информация об этом процессе в конечной структуре компьютера будет отсутствовать. То есть замысел эволюционирует отдельно от реализации.

Мозг же, напротив, эволюционирует сам. То есть информация о том как (на каких принципах) это должно происходить заложена в самом мозге в той или иной форме. И это нам даёт несколько больше шансов по сравнению с компьютером на понимание «высшего замысла».

У искусственного и человеческого разума должны быть сходные базовые принципы, которые лежат в основе самого эффекта разумности, они необходимы и достаточны.

Смыслы и задачи человеческого разума (как способности) возникают только в процессе взаимодействия с окружающим миром.