Последние пять лет Рекурсивный Кактус трудился фулстек-разработчиком в топовой технологической компании, но сейчас решил сменить работу.

За последние полгода Рекурсивный Кактус (так он представился при регистрации на нашем сайте) готовился к будущим собеседованиям, выделяя каждую неделю минимум 20-30 часов на упражнения LeetCode, учебники по алгоритмам и, конечно, практику интервью на нашей платформе для оценки своего прогресса.

Типичный рабочий день Рекурсивного Кактуса:

Типичный выходной день Рекурсивного Кактуса:

Но чрезмерные усилия по подготовке к интервью эмоционально сказалась на нём, на его друзьях и семье. Учёба до такой степени съела всё личное время, что у него практически не осталось никакой жизни, кроме работы и подготовки к интервью.

Одна мысль не даёт уснуть: Что, если я не пройду собеседование? Что, если всё это время было потрачено напрасно?

Все мы когда-то искали работу, и многие переживали такое состояние. Но почему Рекурсивный Кактус тратит столько времени на подготовку и в чём причина этого разочарования?

Он чувствует, что не соответствует высокой планке для инженеров, тому общепринятому минимальному уровню компетентности, который должен демонстрировать каждый инженер, чтобы получить работу.

Чтобы соответствовать планке, он выбрал конкретную тактику: соответствовать общепринятым ожиданиям для инженера, а не просто быть тем профессионалом, которым является в реальности.

Кажется глупым намеренно притворяться кем-то, кем ты не являешься. Но если мы хотим понять поведение Рекурсивного Кактуса, желательно разобраться, что же это за планка такая. И если немного подумать на эту тему, то кажется, что у неё нет такого чёткого определения.

Определение планки

Давайте посмотрим, как компании FAANG (Facebook, Amazon, Apple, Netflix, Google) определяют планку. В конце концов, именно к этим компаниям приковано наибольшее внимание практически всех, включая соискателей.

Лишь немногие из них раскрывают конкретные детали о процессе найма. Apple публично не делится никакой информацией. Facebook описывает этапы собеседования, но не критерии оценки. Netflix и Amazon говорят, что нанимают кандидатов, которые соответствуют их культуре работы и принципам лидерства. Ни Netflix, ни Amazon не описывают точно, как они оценивают соответствующие принципы. Однако Amazon действительно рассказывает, как проводятся интервью, а также называет темы, которые могут обсуждаться на собеседованиях для разработчиков.

Самая прозрачный из крупных компаний Google публично раскрывает свой процесс интервью в малейших подробностях, а книга Ласло Бока Работа рулит! добавляет инсайдерских деталей.

Говоря о технологических гигантах в исторической перспективе, Алина (наш основатель) в прошлом посте упомянула книгу 2003 года Как сдвинуть гору Фудзи?, которая рассказывает о процессе собеседований в Microsoft в то время, когда эта компания была выдающимся технологическим гигантом.

Чтобы собрать дополнительную информацию, как компании оценивают кандидатов, я также изучил Взлом собеседований по программированию Гейла Лакманна Макдауэлла, это фактически Библия по интервью для потенциальных кандидатов, а также Партизанское руководство по интервьюированию 3.0 Джоэла Спольски, написанное влиятельной и хорошо известной фигурой в технических кругах.

Определения планки

Определение понятия интеллект

Неудивительно, что программирование и технические знания входят в число критериев для найма разработчика в любой компании. В конце концов, это и есть работа.

Но кроме этого, многие упоминают критерий общего интеллекта. Хотя они используют разные слова и определяют термины немного по-разному, все указывают на некоторое понятие того, что психологи называют когнитивными способностями.


Все эти определения напоминают теорию психолога начала XIX века Чарльза Спирмена, самую общепринятую теорию интеллекта. Проведя серию когнитивных тестов на школьниках, Спирмен обнаружил, что те, кто хорошо справлялся с одним типом теста, как правило, также хорошо справлялись и с другими тестами. Это понимание привело Спирмена к теории, что существует единый базовый общий фактор способностей (g или g-фактор), влияющий на все показатели, независимо от конкретных, специфичных для данной задачи способностей (s).

Если вы верите в существование g (многие верят, некоторые нет есть разные теории интеллекта), то поиск кандидатов с высокими показателями g чётко согласуется с критериями интеллекта в компаниях.

В то время как компании учитывают и другие критерии, такие как лидерство и культура, планка обычно не определяется в этих терминах. Планка определяется как владение техническими навыками, а также (и, возможно, в большей степени) наличие общего интеллекта. В конце концов, кандидаты обычно не тренируют своё лидерство и культуру.

Тогда возникает вопрос, как это измерить. Измерение технических навыков кажется трудным, но выполнимым, но как измерить g?

Измерение общего интеллекта

В книге Бока упоминается статья Фрэнка Шмидта и Джона Хантера 1998 года Обоснованность и полезность методов отбора в психологии персонала. Она пытается ответить на этот вопрос, анализируя широкий спектр из 19 критериев отбора кандидатов. Задача в том, чтобы определить, какие из них лучше всего предсказывают будущие результаты работы. Авторы пришли к выводу, что общие умственные способности (тест GMA) лучше всего предсказывают производительность труда (прогностическая валидность).



В этом исследовании тест GMA считается тестом IQ. Но Microsoft примерно в 2003 году использовала для оценки IQ головоломки вроде Сколько в мире настройщиков пианино?. Их объяснение:

В Microsoft, а теперь и во многих других компаниях полагают, что есть связь между логикой и рассуждениями, используемыми при решении головоломок, и мыслительными процессами, необходимыми для реальной инновационной работы в условиях быстро меняющегося рынка. И кандидат, решающий головоломки, и профессионал, ищущий новое техническое решение, должны уметь выделить наиболее существенные элементы в запутанной и неопределённой ситуации

Как сдвинуть гору Фудзи?, стр. 20

Перенесёмся в сегодняшний день. Google осуждает эту практику, заключая, что производительность по такого рода вопросам в лучшем случае является дискретным навыком, который может быть улучшен с помощью тренировки, так что он не приносит никакой пользы при оценке кандидатов.

Итак, у нас есть две компании, которые проверяют общий интеллект, но которые принципиально не согласны с тем, как его измерять.

Мы измеряем конкретные способности или общий интеллект?

Но может быть, как утверждали Спольски и Макдауэлл, традиционные алгоритмические и компьютерные вопросы на интервью сами по себе являются эффективными тестами на общий интеллект. Исследование Хантера и Шмидта содержат некоторые подтверждения этой теории. Среди всех однокритериальных инструментов оценки наибольшей прогностической валидностью обладали тесты с образцами работы. Кроме того, при изучении самого высокого результата регрессии валидности двухкритериального инструмента оценки (тест GMA плюс тест с образцом работы) стандартизированный размер эффекта на оценку рабочей выборки оказался больше, чем у рейтинга GMA, что свидетельствует о более сильной связи с будущей производительностью кандидата.

Исследование предполагает, что традиционные интервью по алгоритмам предсказывают будущую производительность, возможно, даже больше, чем тест GMA/IQ.

Рекурсивный Кактус не верит, что такая связь есть:

Есть небольшое совпадение между знаниями, полученными на работе, и решением алгоритмических задач. Большинство инженеров редко имеют дело с графами или динамическим программированием. В прикладном программировании наиболее распространёнными структурами данных являются списки и словарные объекты. Однако вопросы интервью, связанные с ними, часто рассматриваются как тривиальные, поэтому основное внимание уделяется другим категориям проблем

По его мнению, вопросы алгоритмов похожи на вопросы-головоломки от Microsoft: вы изучаете задачки с собеседований, которые никогда не встретите в реальной повседневной работе. Если так, то это на самом деле не соответствует исследованию Хантера и Шмидта.

Несмотря на личные убеждения Рекурсивного Кактуса, интервьюеры вроде Спольски по-прежнему считают, что эти навыки чрезвычайно важны для продуктивного программиста.

Многие программисты в наши дни склонны считать рекурсию, указатели и даже структуры данных глупыми деталями реализации, которые абстрагированы в современных языках программирования: Когда ты последний раз писал алгоритм сортировки? хихикают они.

Впрочем, мне всё равно. Я хочу, чтобы мой врач скорой помощи разбирался в анатомии, даже если он должен всего лишь поставить компьютеризированные дефибрилляторы на моей груди и нажать большую красную кнопку. И я хочу, чтобы программисты знали программирование вплоть до уровня процессора, даже если Ruby on Rails действительно читает ваши мысли и в три щелчка мыши создаёт готовый сервис Веб 2.0.

Джоэл Спольски

Спольски допускает, что традиционные технические вопросы на интервью не могут имитировать реальные рабочие проблемы. Скорее они проверяют общие способности к информатике, которые общие в некотором смысле, но специфические в других отношениях. Можно сказать, что это общий интеллект в определённой области.

Таким образом, если вы не верите, что компьютерный интеллект это и есть общий интеллект, то Макдауэлл предлагает следующее:

Есть ещё одна причина, почему обсуждаются знания структур данных и алгоритмов: потому что трудно найти вопросы для решения проблем, которые не связаны с ними. Оказывается, что подавляющее большинство вопросов, связанных с решением проблем, включает в себя некоторые из этих основ

Гейл Лакманн Макдауэлл

Это может быть правдой, если смотреть на мир через призму компьютерных наук. Тем не менее, будет несправедливо полагать, что у непрограммистов возникает больше трудностей в решении проблем.

На данный момент мы не говорим об измерении общего интеллекта, как его первоначально определил Спирмен. Скорее, мы говорим о специфическом интеллекте, определяемом или распространяемом теми, кто вырос или участвует в традиционном компьютерном образовании, в объединении с общим интеллектом (Спольски, Макдауэлл, Билл Гейтс из Microsoft и четыре из пяти основателей FAANG изучали компьютерные науки либо в каком-то университете Лиги плюща, либо в Стэнфорде).

Возможно, говоря о планке, мы в действительности имеем в виду нечто субъективное, зависящее от того, кто делает измерение, и это определение различается от человека к человеку.

Эту гипотезу подтверждают оценки, которые кандидаты получают от интервьюеров на нашей платформе.

Планка субъективна

На нашей платформе interviewing.io люди тренируются в прохождении технических интервью онлайн, с интервьюерами из ведущих компаний, и анонимно. Вопросы для интервью аналогичны тем, какие вы можете услышать во время телефонного скрининга на позицию разработчика бэкенда, а интервьюеры обычно приходят из таких компаний, как Google, Facebook, Dropbox, Airbnb и др. Вот примеры таких собеседований. После каждого собеседования интервьюеры оценивают кандидатов по нескольким параметрам: технические навыки, коммуникативные навыки и навыки решения проблем по шкале от 1 до 4, где 1 плохо, а 4 восхитительно!. Так выглядит форма обратной связи:



Если вы уверенно себя чувствуете, то можете пропустить тренировки и подать заявку на настоящее интервью непосредственно с нашими компаниями-партнёрами (подробнее об этом чуть позже).

Наблюдая за самыми активными интервьюерами, мы заметили разницу в проценте кандидатов, которых бы нанял этот человек (коэффициент прохождения). Этот коэффициент колеблется от 30% до 60%. Некоторые интервьюеры кажутся гораздо жёстче, чем другие.



Поскольку интервьюируемые и интервьюеры анонимны и подбираются случайным образом^[1], мы не ожидаем, что качество кандидатов сильно различается между интервьюерами. Поэтому качество интервьюируемых не должно быть причиной этого феномена. Однако даже с учётом таких атрибутов кандидата, как опыт, всё равно сохраняется разница в коэффициенте прохождения у разных интервьюеров^[2].

Может быть, некоторые интервьюеры намеренно строги, потому что их планка выше. Хотя кандидаты, которые попали на более строгих интервьюеров, получают более низкие оценки, но обычно они лучше проявляет себя на следующем интервью.

Этот результат можно интерпретировать несколькими способами:

• Более строгие интервьюеры систематически недооценивают кандидатов
  
• Кандидаты настолько измучены строгими интервьюерами, что склонны совершенствоваться между собеседованиями, стремясь соответствовать более высокой планке первоначального интервьюера

Если последнее правда, то кандидаты, которые тренировались с более строгими интервьюерами, должны лучше проявить себя в реальных интервью. Однако мы не обнаружили корреляции между строгостью интервьюера и скоростью прохождения будущих реальных интервью на нашей платформе^[3].



Интервьюеры на нашей платформе представляют те типы людей, с которыми кандидат столкнулся бы в реальном интервью, поскольку те же самые люди проводят телефонный скрининг и личные интервью в реальных технологических компаниях. И поскольку мы не диктуем методику собеседований, то эти графики также показывают распределение мнений о результатах вашего интервью, как только вы повесите трубку или покинете офис.

Это говорит о том, что независимо от ваших реальных ответов, шансы получить работу реально зависят от того, с кем конкретно вы проходите собеседование. Другими словами, планка субъективна.

Это различие между интервьюерами заставило нас пересмотреть собственное определение планки, которое фильтрует кандидатов при допуске к интервью с нашими компаниями-партнёрами. Наше определение сильно напоминало бинарные критерии Спольски (будь умным), переоценивая мнение интервьюера и недооценивая остальные три критерия, что привело к бимодальному, верблюжьему распределению, которое показано на диаграмме ниже.



Хотя существующая система подсчёта баллов достаточно хорошо коррелирует с результатами будущих интервью, мы выяснили, что оценка интервьюера не так сильно коррелирует с будущими результатами, как другие наши критерии. Мы уменьшили её вес, что в итоге повысило точность прогнозирования^[4]. Как в фильме Рики Бобби: Король дороги Рики Бобби узнал, что кроме первого и последнего есть и другие места в гонке, так же и мы узнали, что полезно выйти за пределы бинарной конструкции нанять не нанять, или, если хотите, умный не умный.

Конечно, мы не смогли полностью избавиться от субъективности, поскольку другие критерии тоже определяются интервьюером. И именно это затрудняет оценку: оценка интервьюера сама по себе является мерой способностей кандидата.

В такой ситуации точность каждого конкретного измерения становится менее определённой. Это похоже на то, как если бы интервьюеры использовали для измерения палочки разной длины, но все считали, что длина их собственной палочки известна, скажем, один метр.

Когда мы поговорили с нашими интервьюерами по поводу оценки кандидатов, то теория о палочках разной длины подтвердилась. Вот несколько примеров того, как интервьюеры оценивают кандидатов:

• Задать два вопроса. Если ответит на оба, то тест пройден
  
• Задавать вопросы разной сложности (лёгкие, средние, трудные). Если ответит на средний, то тест пройден
  
• Большое значение имеет скорость ответа. Тест пройден, если ответы быстрые (понятие быстрые чётко не определено)
  
• Скорость не имеет большого значения. Тест пройден, если есть рабочее решение
  
• Кандидаты начинают с максимальной оценки. За каждую ошибку снимаются баллы

Разные критерии оценки не обязательно плохо (и на самом деле совершенно нормально). Просто они вносят большой разброс в наши измерения, то есть оценки кандидатов получаются не совсем точными.

Проблема в том, что, когда кто-то говорит о планке, он обычно игнорирует неопределённость в измерениях.

Часто советуют нанимать только кандидатов высочайшего уровня.

Хорошее эмпирическое правило нанимать только тех, кто лучше вас. Без компромиссов. Всегда

Ласло Бок

Не снижайте своих стандартов, как бы трудно ни было найти этих замечательных кандидатов

Джоэл Спольски

В подразделении Macintosh у нас была поговорка: Игрок А нанимает игроков А; игроки B нанимают игроков C это означает, что отличные сотрудники тоже нанимают отличных

Гай Кавасаки

Каждый нанятый сотрудник должен быть лучше, чем 50% тех, кто в настоящее время выполняет аналогичные роли это поднимает планку

сообщение в блоге программы Bar Raiser в Amazon

Всё это хорошие советы. Однако они предполагают, что качество можно надёжно измерить. Но мы уже видели, что это не всегда так.

Даже когда упоминается неопределённость, дисперсия приписывается способностям кандидата, а не процессу измерения или интервьюеру.

В середине находится большое количество потенциально полезных сотрудников, которые вроде бы могут вносить свой вклад в общее дело. Главное отличить суперзвёзд от этих потенциально полезных, поскольку вы не хотите нанять ни одного потенциально полезного. Никогда.

Если вам трудно определиться, есть очень простое решение. НЕ НАНИМАТЬ НИКОГО. Просто не нанимайте тех, в ком не уверены

Джоэл Спольски

Оценка кандидатов не является полностью детерминированным процессом, но многие считают её таковой.

Почему планка так высока

Фраза компромисс по качеству на самом деле означает не компромисс, а принятие решений в условиях неопределённости. И как видно из цитат выше, обычная стратегия заключается в том, чтобы нанимать только тогда, когда есть абсолютная уверенность.

Независимо от того, какая у вас измерительная палочка, это приводит к поднятию планки действительно высоко. Быть полностью уверенным в кандидате означает свести к минимуму возможность неудачного найма (ложные срабатывания). И компании делают всё возможное, чтобы избежать его.

Плохой кандидат обходится очень дорого, учитывая время, потраченное на исправление всех его ошибок. Увольнение ошибочно нанятого сотрудника может занять месяцы и стать настоящим кошмаром, особенно если он решит судиться по этому поводу

Джоэл Спольски

Хантер и Шмидт подсчитали цену плохого найма: Стандартное отклонение составляет минимум 40% от средней годовой зарплаты, что в сегодняшних условиях соответствует $40000, если предположить, что средняя зарплата инженера составляет $100000.

Но если установить планку слишком высоко, есть вероятность, что вы пропустите несколько хороших кандидатов (ложноотрицательные срабатывания). Макдауэлл объясняет, почему компании на самом деле не против большого количества ложнотрицательных срабатываний:

С точки зрения компании, действительно приемлемо отвергать некоторое количество хороших кандидатов они готовы смириться с этим. Конечно, они предпочли бы этого не делать, поскольку это повышает расходы на HR. Но это приемлемый компромисс при условии, что к ним по-прежнему поступает достаточное количество хороших кандидатов.

Другими словами, стоит подождать лучшего кандидата, если разница в ожидаемом результате велика по сравнению с затратами на рекрутинг от продолжения поиска. Кроме того, затраты на кадровые и юридические вопросы от потенциально проблемных сотрудников также подталкивают к максимальному повышению планки.

Выглядит как весьма рациональный расчёт затрат и прибыли. Но кто-нибудь в реальности делал такой расчёт в цифрах? Если так, мы будем рады вас услышать. Но он кажется очень трудным на практике.

Поскольку все расчёты делаются на глаз, мы можем сделать то же самое и привести аргументы в пользу того, что планку не следует устанавливать так высоко.

Как упоминалось ранее, распределение способностей кандидатов не бинарное, поэтому кошмарный сценарий от Спольски произойдёт не со всеми якобы плохими наймами, то есть ожидаемая разница в производительности между хорошими и плохими сотрудниками может быть меньше, чем предполагалось.

С другой стороны, затраты на рекрутинг могут оказаться выше, чем предполагалось, потому что кандидатов становится всё труднее подбирать по мере роста их квалификации. По определению, чем выше планка тем меньше таких людей. Расчёт ущерба от плохого найма Шмидта и Хантера сравнивает кандидатов только в пределах пула. Исследование не учитывает относительную стоимость привлечения высококачественных кандидатов в пул, а это серьёзная проблема для многих технических рекрутинговых команд в наше время. А если другие IT-компании используют ту же стратегию найма, то конкуренция увеличивает среднюю вероятность, что кандидат отклонит предложение. Это увеличивает время на заполнение вакансии.

Подводя итог, если ожидаемый результат между хорошими и плохими кандидатами меньше, чем ожидался, а затраты на рекрутинг выше, чем ожидались, то логично понизить планку.

Даже если компания наняла неэффективного сотрудника, она может использовать инструменты обучения и управления персоналом, чтобы смягчить негативные последствия. В конце концов, продуктивность человека действительно растёт со временем, он приобретает новые навыки и знания.

Однако при найме редко думают о развитии сотрудников (Ласло Бок местами упоминает об этом, но в основном эти темы обсуждаются отдельно друг от друга). Но если всё-таки учесть его, то между наймом и развитием сотрудников можно установить связь. Можно рассуждать о разных методах повышения эффективности труда: или оплата обучения существующих сотрудников, или найм новых.

Вы даже можете считать это компромиссом. Вместо того, чтобы развивать сотрудников внутри компании, почему бы не передать это развитие на аутсорсинг? Пусть другие выясняют, как развивать необработанные таланты, а вы позже заплатите рекрутерам, чтобы они нашли уже готовых профессионалов. Зачем закупаться в продуктовом отделе Whole Foods и готовить дома, когда вы можете заплатить за доставку готовых блюд? Зачем тратить время на управление и обучение, если вы можете заняться реальной работой (т.е. инженерными задачами)?

Возможно, планка установлена так высоко, потому что компании не умеют эффективно развивать сотрудников.

Так что компании снижают риски, переложив бремя карьерного роста на самих кандидатов. В свою очередь, у кандидатов, таких как Рекурсивный Кактус, не остаётся выбора, кроме как тренироваться в прохождении интервью.

Сначала я думал, что Рекурсивный Кактус исключение из правил. Но оказалось, что он не одинок.

Кандидаты тренируются перед интервью

В прошлом году мы опросили кандидатов, сколько часов они потратили на подготовку к интервью. Почти половина респондентов сказали, что потратили на подготовку 100 и более часов^[5].



Нам стало интересно, насколько рекрутеры понимают ситуацию. Алина задала аналогичный вопрос в твиттере и результаты показали, что менеджеры по персоналу сильно недооценивают усилия кандидатов по подготовке к интервью.


Видимо, это несоответствие только подтверждает скрытое и негласное правило найма: если ты не один из самых умных (что бы это ни значило), это не наша проблема.

Пересмотр планки

Так вот что такое планка. Это высокий стандарт, установленный компаниями, чтобы избежать ложных срабатываний. При этом неизвестно, действительно ли компании провели надлежащий анализ затрат и выгод. Возможно, высокую планку можно объяснить нежеланием инвестировать в развитие сотрудников.

Планка в значительной степени измеряет ваш общий интеллект, но фактические инструменты измерения не обязательно соответствуют научной литературе. Даже саму научную литературу на эту тему можно назвать сомнительной^[6]. В действительности планка измеряет конкретный интеллект в области компьютерных наук, но это измерение варьируется в зависимости от того, кто проводит ваше собеседование.

Несмотря на различия во многих аспектах найма, мы говорим о планке, словно у неё есть чёткое значение. Она позволяет менеджерам по найму сделать чёткий бинарный выбор, но не позволяет им критически задуматься, можно ли улучшить определение планки для своей компании.

И это помогает понять, почему Рекурсивный Кактус тратит так много времени на тренировку. Частично это объясняется тем, что его нынешняя компания не развивает его навыки. Он готовится к мириаду возможных вопросов и интервьюеров, с которыми он может столкнуться, потому что критерии найма сильно различаются. Он изучает темы, которые не обязательно будут использоваться в его повседневной работе всё для того, чтобы сойти за тех, кого считают умными.

Такова нынешняя система, которая оказала значительное влияние на его личную жизнь.

Моя жена не раз говорила, что скучает по мне. У меня насыщенная счастливая жизнь, но я чувствую необходимость на несколько месяцев уйти с головой в подготовку, чтобы быть конкурентоспособным на интервью. Ни одна мать-одиночка не сможет так готовиться

Рекурсивный Кактус

Это влияет на его нынешнюю работу и на его коллег.

Процесс отнимает немало сил, так что я больше не могу работать на 100%. Я хотел бы справляться лучше, но не могу одновременно и заботиться о своём будущем, практикуя алгоритмы четыре часа в день, и хорошо выполнять свою работу.

Это не очень приятное ощущение. Мне нравятся коллеги. Я чувствую ответственность. Я знаю, что меня не уволят, но понимаю, что на них ложится дополнительная нагрузка

Рекурсивный Кактус

Полезно помнить, что все эти микрорешения о ложных срабатываниях, структуре интервью, головоломках, критериях найма и развития сотрудников складываются в систему, которая в конечном итоге влияет на личную жизнь людей. Не только самих соискателей, но и всех людей, которые их окружают.

Подбор сотрудников далеко не решённая проблема. Даже если мы каким-то образом решим её, неясно, сможем ли мы когда-нибудь устранить всю эту неопределённость. В конце концов, довольно трудно спрогнозировать будущий результат работы человека, проведя с ним час или два в искусственной рабочей обстановке. Хотя мы определённо должны минимизировать неопределённость, но полезно принять её как естественную часть процесса.

Систему можно усовершенствовать. Для этого нужно не только придумать новые идеи, но и пересмотреть идеи и предположения, сделанные десятилетия назад. Нужно учесть предыдущую работу и двигаться дальше, а не привязываться к ней.

Мы уверены, что все в IT-индустрии могут внести свой вклад и улучшить систему найма IT. Мы знаем, что вы можете это сделать, хотя бы потому, что вы умны.

---

^[1] Существует некоторый потенциал для предвзятости, особенно в связи с временем, которое кандидаты выбирают для тренировки. Поверхностный анализ показывает, что связь не такая уж значительная, но мы изучаем этот вопрос (возможно, в будущем напишем на эту тему в блоге). Также на сайте можно выбрать между традиционным алгоритмическим интервью и интервью по проектированию систем, но подавляющее большинство выбирает традиционное. Показанные коэффициенты прохождения соответствуют традиционным интервью. [вернуться]
^[2] Вы можете задаться вопросом об относительном уровне кандидатов на interviewing.io. Хотя истинный уровень трудно определить (что является основной темой данной статьи), наши интервьюеры-практики говорят, что в среднем уровень кандидатов на interviewing.io соответствует уровню, с которым они сталкиваются в процессе собеседований в собственных компаниях, особенно в процессе телефонного скрининга. [вернуться]
^[3] Сюда входят только кандидаты, которые соответствуют нашей внутренней планке найма и приходили на собеседование в наш офис. График не отражает всю совокупность кандидатов, которые проходили интервью. [вернуться]
^[4] Возможно, вы помните, что раньше у нас был алгоритм, который корректировал статистику с учётом строгости интервьюеров. При дальнейшем рассмотрении мы обнаружили, что этот алгоритм неожиданным образом вносит дисперсию в баллы кандидатов. Поэтому теперь мы не так сильно полагаемся на него. [вернуться]
^[5] Всплески на 100 и 200 часов произошли из-за ошибки в формулировке и максимальных значениях опроса. Были заданы следующие три вопроса: 1)Во время вашего последнего поиска работы, сколько часов вы потратили на подготовку к собеседованию? 2)Сколько часов вы потратили на подготовку к интервью перед регистрацией на interviewing.io? 3)Сколько часов вы потратили на подготовку к собеседованию после регистрации на interviewing.io (не включая время на сайте)? Ответы на каждый вопрос были ограничены максимальным значением 100 часов, но у многих респондентов сумма ответов 2 и 3 превышала 100. Медиана ответов на вопрос 1 составила 94, что почти идентично медиане суммы ответов 2 и 3, поэтому мы использовали эту сумму для распределения, превышающего 100 часов. Ключевые уроки: устанавливайте максимальное значение больше, чем ожидаете, и дважды проверяйте свой опрос. [вернуться]
^[6] Я немного затрудняюсь оценить это исследование, потому что я не психолог и методы вроде метаанализа мне немного чужды, хотя в основе лежат знакомые статистические инструменты. Вопрос не в том, верны ли эти инструменты, а в том, что трудно рассуждать об исходных данных исследования. Подобно спагетти-коду, валидация базовых наборов данных распределена по десятилетиям предшествующих научных работ, что затрудняет анализ. Вероятно, такова природа психологии, где труднее получить полезные данные, если сравнить с естественными науками. Кроме того, к методологии возникают и другие вопросы, которые более подробно обсуждаются в этой статье. [вернуться]

Насколько высок ваш интеллект? Когда дело доходит до принятия правильных решений, коэффициент интеллекта не имеет значения, потому что даже самые светлые умы совершают нелепые поступки. Интеллект и способность к рациональному мышлению это разные вещи. Именно способность к рациональному мышлению является важным фактором в принятии правильных решений.

Тесты IQ, предназначенные для измерения общего интеллекта, хороши для измерения некоторых когнитивных способностей, таких как логика и абстрактное мышление. Однако они не годятся для измерения способностей, необходимых для формирования правильных суждений в обычной жизни. Например, они не оценивают нашу способность взвешивать информацию или то, насколько хорошо мы преодолеваем когнитивные искажения, которые вводят нас в заблуждение.

Попробуйте решить загадку. 5 машин за 5 минут производят 5 деталей. За сколько минут 100 машин произведут 100 деталей? Большинство людей инстинктивно выбирают неверный ответ, который кажется правильным 100 минут, даже если чуть позже они поменяют его на правильный 5 минут. Когда исследователи задали этот и еще два подобных вопроса тысячам студентов колледжей и университетов, в том числе Гарварда и Принстона, только 17% ответили на все три вопроса верно. Треть студентов не смогли дать ни одного правильного ответа.

Вот еще одна головоломка: Джек смотрит на Анну, а Анна смотрит на Джорджа. Джек женат, а Джордж нет. Есть ли среди них человек, состоящий в браке, который смотрит на не состоящего в браке? Возможные ответы: да, нет или невозможно определить. Большинство людей ответят невозможно определить просто потому, что это первый вариант, который приходит в голову. Однако путем логических умозаключений мы приходим к ответу да (мы не знаем семейного положения Анны, но в любом случае человек, состоящий в браке будет смотреть на неженатого или незамужнего человека).

Мы каждый день сталкиваемся с подобными задачками в различных формах. И независимо от нашего интеллекта, мы часто ошибаемся. Почему? Вероятно, потому, что наш мозг использует две разные системы для обработки информации. Одна из них отвечает за логические размышления и аргументацию, другая является интуитивной и импульсивной. Обрабатывая информацию, мы по умолчанию пользуемся нашей интуицией. И она часто нам помогает например, когда вы выбираете партнера или в ситуациях, где у вас уже есть большой опыт. Но она также может нас запутать, например, когда мы сталкиваемся с когнитивными искажениями, такими как стереотипы или склонность доверять информации, которая подтверждает наше собственное мнение.

Вот несколько ярких примеров когнитивных искажений. Проследите, сколько из них вы совершаете в течение дня (но помните, что само наличие этих искажений может помешать вам их обнаружить).

Эффект Даннинга-Крюгера

Это склонность людей ошибочно переоценивать свою компетентность люди с низким уровнем квалификации часто принимают неудачные решения и при этом неспособны осознавать свои ошибки в силу низкого уровня своей квалификации.

Эффект Даннинга-Крюгера является близким родственником эффекта лучше среднего статистически невозможного эффекта, согласно которому большинство людей оценивают себя выше среднестатистического человека. Есть также и обратный эффект, известный как синдром самозванца, когда компетентный человек не способен приписать свои достижения собственным качествам, способностям и усилиям.

Эффект владения

Склонность человека больше ценить те вещи, которыми он уже владеет.
Стоит мне обзавестись в какой-нибудь дешевой лавчонке пепельницей и, заплатив, положить ее в карман, как она становится необычной пепельницей, отличной от всех других, потому что она моя, писала Айн Рэнд в своем романе Источник. Это чувство характерно для всех людей. Из-за него мы принимаем иррациональные решения, например, отказываемся обменять предмет на что-либо более ценное. Эффект владения это одна из причин, по которой потенциальный покупатель вашей старой машины не заплатит столько, сколько она стоит по вашему мнению.

Гиперболическое дисконтирование

Выбор в пользу того, чтобы получить что-то сейчас, чем что-либо более ценное в будущем.
Если бы перед вами стоял выбор получить 500 рублей сегодня или 1000 рублей завтра, то, очевидно, вы бы выбрали последнее. Но чем дольше время ожидания, тем менее привлекательным этот выбор становится. Будете ли вы ждать год, чтобы получить 1000 рублей? С увеличением времени ожидания быстрая награда становится все заманчивее. Данный эффект это одна из причин, по которым мы не задумываемся о пенсионных накоплениях. Но ближе к пенсии вдруг будущее оказывается не так уж далеко, и выбор немедленной награды оборачивается против нас.

Отклонение в сторону статус-кво

Склонность человека желать, чтобы вещи оставались приблизительно теми же самыми, и думать, что любое изменение это потеря.

Это искажение связано с нашим желанием находиться в знакомой обстановке и с тем, что мы больше сожалеем о плохих результатах, обусловленных новыми действиями, чем о негативных последствиях бездействия. Это одна из причин, по которой человек продолжает пить колу, хотя в результате слепого тестирования оказывается, что на самом деле он предпочитает другую марку (как это случилось в эксперименте компании Pepsi).

Слепое пятно искажений

Эффект, из-за которого человек замечает влияние когнитивных искажений на других людей, но не осознает этого влияния на собственные суждения.

Если вы склонны к этому (что, безусловно, правда), вы не одиноки. Каждый думает, что он менее предвзят, чем остальные. Этот эффект связан со склонностью человека видеть себя в положительном свете.

Ошибка игрока

Ошибочное убеждение, что, если что-то происходило чаще, чем обычно, то в будущем это будет происходить реже.

Искажение также известно как ложный вывод Монте-Карло названо так из-за известного инцидента в казино в 1913 году. За одним из игровых столов с рулеткой в казино Монте-Карло шарик останавливался на черном поле 26 раз подряд, в результате игроки, решившие, что в следующий раз выпадет красный, потеряли миллионы. На самом же деле шансы были 50 на 50.

Статья основана на книге The Brain: A users guide журнала New Scientist.

Алоха, хаброжители! Каждый из вас делает это ежедневно. А все вместе мы делаем это всё дольше и дольше. Это старение. Ожидаемая продолжительность жизни в развитых странах удвоилась за последние 150 лет.

Этот график в упрощённой форме показывает, что именно мы теряем и приобретаем в течение жизни. Он составлен на основе когортных данных. Из-за того, что данные за определённые периоды были неполными, кривые графика не охватывают все возрастные категории. Например, среди детей были собраны не все данные, либо по абсолютно другим методикам. К тому же детальные исследования среди 80-100-летних стали возможными только недавно до этого большинство пробандов просто не доживало до таких преклонных лет.



За 100% приняты максимальные значения, достижимые в течение жизни. Теперь по отдельным параметрам:



Сила
Мышечная сила достигает своего пика к 30 годам и затем начинает постепенно снижаться. Обьём остаётся тем же, но за счёт прироста жировой ткани (на снимке МРТ бедра жир белый, а мышцы тёмные). Это если не тренироваться.

Скорость.
Это да и ещё раз да. Я чувствую, что много чего уже не могу делать так же быстро, как 20-летние. Например вот это подныривание под ленту да много ещё чего. Но, с другой стороны, на подьёме в горы меня (и мою астму) шутя обгоняют 70-летние поджарые старушки в треккинговых ботинках и шортиках. Некоторые из них при этом хихикают в кулачок.

Выносливость
Выносливость снижается не так быстро, как скорость, но похоже, это потому, что для исследований выносливости брали спортсменов, а не обычных людей.

Одиночество.
Процент людей, которые чувствуют себя одинокими иногда, часто или почти всегда. Вопреки ожиданиям, от одиночества чаще страдают молодые и совсем старые.

Финансы.
Посконная мудрость, согласно которой в 30 лет ума нет- и не будет; в 40 лет денег нет и не будет, опровергнута статистическими данными, по которым накопление личного состояния идёт, самое позднее, до 50 лет. После выхода на пенсию количество денег, которыми человек свободно располагает, закономерно уменьшается.

Онкологические заболевания.
Здесь учтены только вновь выявленные онкологические заболевания, поэтому данные несколько занижены. Но и без того понятно, что с увеличивающейся продолжительностью жизнью, вероятность заболеть раком растёт в прогрессии. 75% людей старше 80 лет страдает более чем одним хроническим заболеванием.

Деменция и когнитивные навыки (интеллект и логическое мышление).
Деменция подкрадывается незаметно и прячется под тысячей масок. Мне часто приходится слышать от пациентов:
Как в спортзале тренишь, так и мозги надо прокачивать. Вот мне деменция не грозит, потому что я каждый день решаю кроссворды.
Так ли это? К сожалению, нет. Мозг устроен немного сложнее, чем мускулы. Деменция косит всех подряд эрудитов и полиглотов, знаменистостей и меценатов. Но чем выше интеллект, тем больше тот резерв, которым можно противостоять деменции. Снизить (а не свести к нулю) риск деменции может образование новых синаптических связей в центральной нервной системе, иными словами, обучение новому (а не повторение уже известных скиллов, как решение кроссвордов). Причём это новое должно быть действительно новым, диаметрально противоположным тому, что вы уже умели или знали до этого. Например, если до этого вы были лыжником, то самое время перейти на тай-чи гимнастику. Несмотря на кажущуюся медлительность и простоту, тай-чи это серьёзный челлендж уже в силу ассимметричности движений. Фотограф Лени Рифеншталь впервые нырнула с аквалангом, когда ей было уже хорошо за 70. Ей удалось сохранить ясность ума и хорошую память в течение долгих лет.



Ответственное поведение (добросовестность, сознательность).
Знание и выполнение принятых в обществе норм и правил. Порядочность и прилежность. Очень сильно зависит от культурных норм и особенностей воспитания. Как-то мы с пятилетней дочерью поехали в отпуск в Эльзас. Мы гуляли в лабиринте средневековых улочек и я с любопытством заглядывала в крошечные патио, цветущие летние дворики.
Мама! сказала мне дочка. Нельзя по таким местам всё время лезть. Там же написано: Приват.

Переносимость (доброжелательность).
Показывает, насколько хорошо ваше присутствие переносят окружающие. Готовность прийти на помощь, доброжелательное отношение к другим. Очевидно, что красивых людей (и их заскоки) куда проще переносить, чем морщинистых и обрюзгших. Поэтому доброжелательность просто обязана расти с возрастом, хотя бы в качестве компенсации. Как мы видим из графика, так и происходит.

В рамках социокультурного проекта Forever young исследователи задали десять вопросов сотне жителей Берна в возрасте от десяти до ста лет:
На какой возраст вы себя ощущаете?
Как вы справляетесь со старением?
Как долго вы хотите прожить?
Какой возраст вы считаете самым лучшим?
Как именно вам хотелось бы постареть?
Предпринимаете ли вы что-нибудь, чтобы замедлить старение?
С какого возраста люди считаются старыми?
Bы мечтаете о бессмертии?
Ощущаете ли вы страх перед смертью?
Что бы вам обязательно ещё хотелось пережить, испытать в оставшейся жизни?

А вам есть что сказать по этому поводу? Можно высказаться в комментариях.

Есть возраст? Есть. А если нет?
Отвергни однозначность истин,
Тебе сегодня столько лет,
Как в Безинги подводных быстрин.

Есть возраст? Нет. А если да?
Но в Безинги бурлит вода,
Она умчит тебя туда,
Куда не каждому повадно,
Но ощущение отрадно:
Прозрачна с выси быстрина.

(c)

Проекты создания общего искусственного интеллекта (Artificial General Intelligence, AGI), о которых сегодня пойдет речь, считаются менее амбициозными, чем любой сильный ИИ. Однако некоторые ученые утверждают, что компьютеры никогда не смогут получить возможности человеческого интеллекта.

Как у сторонников, так и у противников идеи о компьютерах, способных решить любую подвластную человеку интеллектуальную задачу, найдется немало аргументов в защиту своей позиции. Узнаем, какие доводы приводит каждая из сторон, и попробуем разобраться, есть ли шанс у AGI сейчас и в будущем.

Статья основана на недавней публикации профессора Рагнара Фьелланда Почему ИИ общего назначения не будет создан, но мы будем рассматривать не только аргументы против.

Молчаливые знания

Поскольку человеческий интеллект является общим (то есть способен решить практически любую интеллектуальную задачу), человекоподобный ИИ часто называют общим искусственным интеллектом (AGI). Несмотря на то что AGI обладает важным свойством человеческого интеллекта, его все равно можно рассматривать как слабый ИИ. Тем не менее он отличается от традиционного слабого ИИ, ограниченного конкретными задачами или областями. Поэтому традиционный слабый ИИ иногда называют искусственным узким интеллектом (Artificial Narrow Intelligence, ANI).

Способность использовать алгоритмы с огромной скоростью является отличительной особенностью ANI, однако это не приближает его к естественному интеллекту. Математик и физик Роджер Пенроуз в знаменитой книге Новый ум короля. О компьютерах, мышлении и законах физики, вышедшей в 1989 году, предположил, что человеческое мышление в основном не алгоритмическое, поэтому не может быть смоделировано с помощью обычного компьютера типа машины Тьюринга.

За 30 лет до Пенроуза схожие мысли высказывал философ Хьюберт Дрейфус в работе Алхимия и искусственный интеллект. Он также написал книгу Что не умеют компьютеры, в которой утверждал, что человеческие знания в основном являются неявными (невербализуемыми) и не могут быть сформулированы в компьютерной программе.

В 1958 году физик, химик и философ Майкл Полани впервые сформулировал концепцию личностного (или неявного, молчаливого) знания. Бльшая часть знаний, используемых нами в повседневной жизни, молчалива мы не знаем, какие правила применяем при выполнении задачи. В качестве примера Полани приводил плавание и катание на велосипеде, когда все движения выполняются автоматически.

Проблема в том, что основная часть экспертных знаний остается молчаливой. Например, многие из нас являются экспертами по ходьбе, однако если попытаться сформулировать, как именно мы ходим, то дадим крайне расплывчатое описание реального процесса.

Вехи успехов ИИ

(c)

В 1980-х годах аргументы Полани, Дрейфуса и Пенроуза начали терять силу благодаря открытию нейронных сетей, которые могли учиться самостоятельно, без явных внешних инструкций.

Хотя масштабные проекты (например, японский Компьютер пятого поколения, начатый в 1982 году и обещавший создание ИИ с помощью массивно-параллельного логического программирования) терпели неудачу, в историческом плане запомнились только успехи. Самое заметное достижение в области ИИ к концу XX в. продемонстрировали специалисты IBM. В 1997 году Deep Blue в серии матчей победил чемпиона мира по шахматам Гарри Каспарова.

Суперкомпьютер IBM был создан для решения конкретной задачи на шахматной доске, и не все восприняли это именно как успех ИИ. Однако в 2011 году IBM Watson выиграл у людей в интеллектуальном шоу Jeopardy! (в России шоу известно под названием Своя игра). На фоне Deep Blue Watson стал колоссальным шагом вперед система понимала запросы на естественном языке и находила ответы в разных областях знаний.

Казалось, что совсем скоро начнется новая эра экспертных систем. IBM планировала использовать мощь компьютера в медицине. Идея лежала на поверхности: если Watson получит доступ ко всей медицинской литературе, он сможет предложить лучшую диагностику и лечение, чем любой врач. В последующие годы IBM участвовала в нескольких медицинских проектах, но добилась скромных успехов. Сегодня усилия компании сфокусированы на развитии помощников ИИ, выполняющих рутинные задачи.

Безусловно, нельзя не сказать о главном на сегодняшний день достижении разработчиков ИИ о системе AlphaGo, с которой связывают окончательное развоплощение аргументов против AGI. AlphaGo показала, что компьютеры могут обрабатывать молчаливые знания. Подход DeepMind был успешно применен в играх Atari Breakout, Space Invaders и StarCraft, однако оказалось, что системе не хватает гибкости, и она не может адаптироваться к изменениям в реальной среде. Поскольку проблемы возникают в постоянно меняющемся мире, глубокое обучение с подкреплением пока нашло мало коммерческих применений.

Причина и следствие

(с)

В последние годы сторонники ИИ получили новый сильный инструмент применение математических методов к огромным объемам данных для нахождения корреляций и определения вероятностей. Хотя большие данные не отражают амбиций по созданию сильного ИИ, их сторонники утверждают, что в этом нет необходимости. В книге Виктора Майера-Шенбергера и Кеннета Кукье Большие данные: революция, которая изменит то, как мы живем, работаем и думаем говорится, что нам, возможно, и не нужно разрабатывать компьютеры с человеческим интеллектом напротив, мы можем изменить свое мышление, чтобы стать похожими на компьютеры.

В big data мы оперируем корреляциями, но не всегда понимаем, где причина, а где следствие. В книге Перла и Макензи Почему? Новая наука о причинно-следственной связи авторы рассказывают, что для создания реального ИИ компьютер должен уметь справляться с причинно-следственной связью. Могут ли машины представлять причинно-следственные связи таким образом, чтобы быстро получать необходимую информацию, правильно отвечать на вопросы, и делать это с легкостью, которая есть даже у трехлетнего ребенка?


Даже нейросети имеют здесь некоторый изъян. На самом деле мы не знаем, почему система принимает то или иное решение. Несколько лет назад команда из Вашингтонского университета разработала программу, которая обучалась находить различия между хаски и волком. Задача довольно сложная, так как животные, как видно на иллюстрации, похожи друг на друга. Но, несмотря на сложность, система работала с 90% точностью. Проанализировав результаты, команда поняла, что нейросеть работала так хорошо только потому, что на изображениях с волками чаще всего был снег.

Что, если

Историк Юваль Харари утверждает, что между 70 тыс. и 30 тыс. лет назад в мире произошла когнитивная революция, отличительной чертой которой стала способность воображать то, чего не существует. В качестве примера он привел древнейшую известную фигурку из слоновой кости мужчина-лев (или женщина-львица), найденную в пещере Штадель в Германии. Фигура имеет тело человека и голову льва.

Перл и Маккензи ссылаются на Харари, и добавляют, что создание человека-льва является предшественником философии, научных открытий и технологических инноваций. Основным предварительным условием для этого творения стала способность задавать вопросы в формате: Что произойдет, если я сделаю ?, и отвечать на них.

Однако у компьютеров с причинно-следственными связями все плохо. Как и 30 лет назад, программы машинного обучения, включая программы с глубокими нейронными сетями, почти полностью работают в ассоциативном режиме. Но этого недостаточно. Чтобы ответить на причинные вопросы, мы должны иметь возможность вмешиваться в мир.

По мнению Рагнара Фьелланда, корень проблемы в том, что компьютеры не имеют модели реальности, не могут менять действительность вокруг себя и никак не взаимодействуют с ней.

Терминологический тупик

Не самой очевидной проблемой является то, что, по мнению некоторых специалистов, мы не сможем добиться успеха в определенной области без понимания правил игры. До сих пор существуют сложности даже с терминологией, и мы не знаем, что именно называть искусственным интеллектом. Более того, понимание естественного интеллекта далеко от идеального мы просто не знаем до конца, как устроен мозг.

Рассмотрим, к примеру, таламус, отвечающий за передачу сенсорной и двигательной информации. Этот отдел мозга впервые был описан древнеримским врачом Галеном. В 2018 году создали атлас таламуса: на основании гистологии выделили 26 ядер таламуса, которые затем выявляли на МРТ. Это большое научное достижение, однако ученые предполагают, что всего в таламусе свыше 80 ядер (точное число не установлено до сих пор).

В работе On the Measure of Intelligence Франсуа Шолле (исследователь ИИ из Google, создатель библиотеки глубокого обучения Keras и соразработчик фреймворка машинного обучения TensorFlow) указывает, что до глобального консенсуса по вопросу что такое интеллект попытки сравнить разные интеллектуальные системы с интеллектом человека обречены на провал.

Без четких метрик невозможно зафиксировать достижения, а следовательно, и определиться, куда именно двигаться в разработке систем искусственного интеллекта. Даже пресловутый тест Тьюринга не может стать палочкой-выручалочкой об этой проблеме мы знаем по мысленному эксперименту с китайской комнатой.

Присутствие как признак интеллекта

Большинство сторонников AGI (и сильного ИИ) сегодня следуют аргументам Юваля Харари. В книге 21 урок для 21-го века он ссылается на нейробиологию и поведенческую экономику, которые, как утверждается, показали, что наши решения являются не результатом некой таинственной свободной воли, а результатом работы миллиардов нейронов мозга, вычисляющих всевозможные вероятности перед тем как принять решение.

Поэтому ИИ может делать многие вещи лучше, чем люди. В качестве примеров писатель приводит вождение автомобиля на улице, полной пешеходов, предоставление займов незнакомцам и ведение переговоров о коммерческих сделках все это требует умения правильно оценивать эмоции и желания других людей. Обоснование таково: Если эти эмоции и желания на самом деле являются не более чем биохимическими алгоритмами, нет никаких причин, по которым компьютеры не могут расшифровать эти алгоритмы и сделать это намного лучше, чем любой Homo sapiens.

Эта цитата повторяет мысль Фрэнсиса Крика, высказанную в Удивительной гипотезе: Удивительная гипотеза состоит в том, что Вы, ваши радости и ваши печали, ваши воспоминания и ваши амбиции, ваше чувство личной идентичности и свободной воли на самом деле являются не чем иным, как поведением огромного скопления нервных клеток и связанных с ними молекул.

Существует и альтернативное мнение: даже самые абстрактные теории основаны на нашем повседневном мире. Философ, основатель феноменологии Эдмунд Гуссерль упоминает теорию относительности Эйнштейна, утверждая, что она зависит от экспериментов Майкельсона и их подтверждения другими исследователями. Для проведения такого рода экспериментов ученые должны иметь возможность передвигаться, обращаться с инструментами и общаться с коллегами.

Как отметил Хьюберт Дрейфус, мы телесные и социальные существа, живущие в материальном и социальном мире. Для того чтобы понять другого человека, не требуется изучение химии его мозга, скорее, нужно оказаться в шкуре этого человека, понять его жизненный мир.

Для иллюстрации высказываний Дрейфуса писатель Теодор Роззак предложил провести мысленный эксперимент. Представьте, будто вы наблюдаете за работой психиатра. Он трудолюбивый, опытный специалист, и, очевидно, имеет очень хорошую практику. Зал ожидания полон пациентов с различными эмоциональными и психическими расстройствами: кто-то находится на грани истерики, кого-то терзают мысли о самоубийстве, другие страдают галлюцинациями, каких-то пациентов мучают самые жестокие кошмары, а некоторые доводят себя до безумия мыслью, что за ними следят люди, которые причинят им боль. Психиатр внимательно слушает каждого из них и делает все возможное, чтобы помочь, но без особого успеха. Наоборот, кажется, что состояние пациентов только ухудшается, несмотря на героические усилия психиатра.

Теперь Роззак просит нас представить ситуацию в более широком контексте. Офис психиатра находится в здании, расположенном в Бухенвальде, где пациентами являются заключенные концентрационного лагеря. Биохимические алгоритмы не помогут нам понять пациентов. Что действительно необходимо, так это знание более широкого контекста. Пример просто не имеет смысла, если мы не знаем, что кабинет психиатра находится в концлагере. Мало кто может поставить себя на место заключенного в нацисткой Германии. Мы не способны полностью понять людей в ситуациях, сильно отличающихся от собственного опыта. Но кое-что понять мы все-таки можем, поскольку существуем в одном мире с другими людьми.

Компьютеры в свою очередь существуют в своем мире машин, что хотя бы частично объясняет проблемы, мешающие IBM Watson Health и Alphabet DeepMind решать задачи реально мира. IBM столкнулась с фундаментальным несоответствием между способами обучения машин и принципами работы врачей. В DeepMind обнаружили, что решение задач для Го не приблизило их к ответам на вопросы, связанные с поиском лекарства от рака.

Заключение: компьютеры выходят в мир

(с)

О проблемах знают не только критики AGI. Исследователи по всему миру ищут новые подходы, и определенные успехи в преодолении барьеров уже есть.

Несмотря на то что, по мнению теоретика ИИ Роджера Шанка, даже собака умнее IBM Watson, будущее медицины несомненно принадлежит компьютерным системам. В работе, опубликованной в июне 2020 году, демонстрируется потрясающий успех компании Pharnext: фактически их ИИ нашел простое и доступное решение проблем генетической болезни Шарко-Мари-Тута.

ИИ собрал удивительный коктейль из трех уже одобренных препаратов, облегчающий течение наследственной моторно-сенсорной нейропатии. Если рассмотреть новое лекарство, недоумение гарантированно: первым компонентом является препарат, используемый для лечения алкоголизма, второй оказывает воздействие на опиоидные рецепторы и применяется для борьбы с алкогольной и опиоидной зависимостью, третий вообще является сахарозаменителем.

Перебрав миллионы вариантов, ИИ остановил свой выбор именно на такой комбинации. И это сработало: в результате проведенных экспериментов на мышах и людях отмечалось повышение связей между нервами и мышцами. Важно, что самочувствие больных улучшилось, а побочные эффекты оказались незначительны.

Говоря о проблеме присутствия в мире, следует упомянуть о проведенном недавно в Техническом университете Мюнхена амбициозном исследовании: робота на взаимосвязанном уровне учили воспринимать реальный мир и действовать в нем. Данное исследование стало частью масштабного европейского проекта SELFCEPTION, который объединяет робототехнику и когнитивную психологию с целью разработки более проницательных машин.

Исследователи решили предоставить роботам и искусственным агентам в целом способность воспринимать свое тело так, как это делают люди. Главная цель состояла в том, чтобы улучшить способность взаимодействия в условиях неопределенности. За основу взяли теорию активного выхода нейробиолога Карла Фристона, который в прошлом году приезжал в Россию с лекциями (для интересующихся темой рекомендуем посмотреть на русском или на английском языках).

Согласно теории, мозг постоянно строит прогнозы, сверяет их с поступающей от органов чувств информацией и вносит коррективы, и перезапускает цикл. Например, если на подходе к эскалатору человек внезапно обнаруживает затор на пути, он соответствующим образом адаптирует свои движения.

Алгоритм, основанный на принципе свободной энергии Фристона (математическая формализация одной из теорий прогнозирующего мозга), представляет восприятие и действие, работающие для достижения общей цели, которая заключается в том, чтобы уменьшить ошибку предсказания. В этом подходе впервые для машин сенсорные данные лучше соответствуют предсказанию, сделанному внутренней моделью.

В долгосрочной перспективе это исследование поможет разработать AGI, обладающий человеческими возможностями адаптации и взаимодействия. Именно с этим подходом связывают будущее искусственного интеллекта: если выпустить ИИ из тесных серверов в реальный мир, возможно, когда-нибудь мы сможем включить самопознание в машинах.

Насекомые удивительные создания. Многие из них обладают крайне необычными свойствами и умениями. Кто-то испускает свет, кто-то может пережить ядерный удар, а кто-то бегает так быстро, что вынужден останавливаться, чтобы понять свое местоположение. Уникальностей много, как и семейств насекомых. Муравьи же уникальны своей численностью, организованностью и беспрекословной верой в монархию (Боже, храни Королеву). Разные виды муравьев проявляют те или иные навыки в зависимости от среды обитания и гастрономических предпочтений. К примеру, красные огненные муравьи (Solenopsis invicta) используют собственные тела для постройки живого плота, чтобы пережить наводнения. Однако этот метод спасения от смерти через утопление не является единственным, так как муравьи вполне способны использовать инструменты, чтобы избежать гибели. Ученые из Британского экологического общества (Лондон, Великобритания) выяснили, что черные огненные муравьи используют песок при сборе жидкой пищи, чтобы не утонуть. Как именно муравьи используют песок, меняется ли их поведение в зависимости от ситуации, и насколько эффективен такой навык выживания? Ответы на эти вопросы мы найдем в докладе ученых. Поехали.

Основа исследования

Муравьи прошли долгий путь эволюции, сделавший их самым развитым семейством насекомых в мире с точки зрения этологии, экологии и физиологии. Именно потому они вместе с термитами занимают примерно треть от общей биомассы планеты.


Документальный фильм о муравьях (BBC, Дэвид Аттенборо).

Говорить об особенностях муравьев можно часами, недаром существует целый раздел энтомологии их изучающий мирмекология. В рассматриваемом нами сегодня исследовании основной акцент был поставлен на качестве, которое присуще далеко не всем крупным млекопитающим с куда более развитой нервной системой, чем у муравьев. Речь, конечно же, об умении использовать инструменты.

На данный момент мы знаем множество примеров подобного поведения среди представителей фауны. Тем более удивительно, что ранее подобное считалось невозможным, а инструменты были прерогативой людей. Лишь в 60-е годы прошлого века были официально зафиксированы примеры использования инструментов среди шимпанзе. С тех пор список животных, использующих инструменты, пополнялся новыми видами, родами и семействами.

Подобное умение напрямую говорит о наличии развитых когнитивных функций, потому считалось, что на это способны исключительно существа с большим мозгом. К числу факторов, влияющих на проявление этой способности, относятся изменения окружающей среды и социальные аспекты.


Красные огненные муравьи справляются с наводнениями весьма своеобразным методом, но даже он не дает стопроцентной гарантии выживания колонии.

По сравнению с позвоночными животными, особенно приматами и птицами, беспозвоночные были крайне поверхностно изучены в рамках умения использовать инструменты. Однако недавние исследования показали, что определенная когнитивная гибкость связана с использованием инструментов, избирательным вниманием и поведением в области социального обучения у насекомых. Это открытие побудило ученых задуматься о том, что все таки насекомые, несмотря на куда менее развитую нервную систему, вполне могут использовать инструменты.

К 2010 году было зафиксировано порядка 50 случаев использования орудий труда у 30 различных родов насекомых. Среди них были и муравьи, а именно подсемейство Myrmicinae (виды: Pogonomyrmex badius, Solenopsis invicta Buren, Novomessor albisetosus и несколько видов из рода Aphaenogaster).

Позднее было установлено, что некоторые виды муравьев (например, Aphaenogaster longiceps) могут выбирать подходящий инструмент для добычи жидкой пищи, демонстрируя определенную гибкость муравьев в аспекте использования орудий труда.

И тут возникает вопрос могут ли муравьи менять инструменты и свое поведение в зависимости от ситуации?

Обычно считается, что различные формы сложного познания могут потенциально привести к различным подходам к производству и использованию инструментов, что может облегчить достижение более эффективных и/или менее затратных стратегий использования инструментов.

Муравьи, собирающие пищу за пределами гнезда, должны эффективно выполнять свою задачу, параллельно выживая в условиях окружающей среды, где опасность заключается не только в хищниках, но и в самой местности. Даже сама пища может быть опасной. К примеру, экстрафлорный нектар (EFN от extrafloral nectar), выделяемый растениями, и медвяная падь (секрет насекомых, питающихся соком растений) являются важнейшим источником углеводов для развития колоний многих видов муравьев. Но из-за своего небольшого размера муравьи могут запутаться и утонуть в жидкости во время добычи пищи.


Главные герои исследования рабочие муравьи вида Solenopsis richteri Forel.

Возникает весьма любопытный вопрос осознают ли муравьи риски, связанные с добычей жидкой пищи, в том числе риск утонуть? Как оказалось, осознают. Ученые установили, что муравьи вида Solenopsis richteri Forel (черные огненные муравьи) могут распознавать увеличение риска утопления и соответственно корректировать свою стратегию использования инструментов.

Подготовка к опытам

Колония муравьев, участвующих в опытах, была собрана в округе Туника (штат Миссисипи, США). В специальных тестовых камерах (55х44х12 см) поддерживались необходимые для нормальной жизнедеятельности условия: температура 26 2 C, влажность 45% и неограниченный доступ к пище и воде (замороженные сверчки, 15% водный раствор сахара и дистиллированная вода).

Одним из аспектов, которые хотели проверить ученые, было поверхностное натяжение жидкости. Чтобы определить связь между риском утопления S. richteri и поверхностным натяжением жидкой пищи, была проведена оценка доли утонувших муравьев и степень сложности их спасения при различных концентрациях поверхностно-активного вещества (ПАВ).

Водный раствор сахара (15% по массе) использовался в качестве источника пищи на протяжении всего исследования. Подопытные муравьи могли спокойно плавать на поверхности раствора чистой воды с сахаром, возможно, из-за гидрофобных углеводородов на их кутикуле и высокого поверхностного натяжения раствора. Следовательно, чистый водный раствор сахара должен был представлять минимальный риск утопления для муравьев. Однако добавление ПАВ (TWEEN 80: 0%, 0.05%, 0.1%, 0.5%, 1% и 2%) снижает степень поверхностного натяжения, тем самым увеличивая риск утопления.

Данный риск был количественно оценен с использованием двух измерений: доля утонувших муравьев и время, необходимое для того, чтобы не утонувшие муравьи смогли спастись.

Во время опыта 1 мл водного раствора сахара с различными концентрациями ПАВ переносили в небольшой пластиковый контейнер (2.5 см в диаметре). Один рабочий муравей помещался в центр контейнера. Если муравей опускался на дно контейнера и не мог сбежать в течение 40 минут, его считали утонувшим. Для тех муравьев, которым удалось уцелеть, фиксировалось время, необходимое для спасения. В ходе данного опыта было использовано по 10 рабочих муравьев из каждой колонии (10 колоний всего).

На поведение муравьев может влиять и само ПАВ, используемое в опытах, а точнее его запах. Для оценки этого был использован ольфактометр с Y-образной трубкой. Две трубки вели к двум разным камерам. В одной присутствовал чистый воздух и жидкость с разной концентрацией ПАВ, в другой воздух с запахом TWEEN 80. В начало Y-трубки было помещено 80 особей, после его в течение 20 минут измерялось число особей, вошедших в ту или иную камеру на 3 см и глубже.

Далее были проведены тесты, связанные с риском утопления и формированием стратегии использования инструментов у подопытных муравьев. В тестовой камере был выбор инструментов: крупицы песка разного размера (крупные > 1.19 мм; средние 0.7071.19 мм и мелкие < 0.707 мм). Во время каждого теста была задействована колония муравьев из одной матки, 3 г муравьев и 0.2 г личинок. Каждую колонию переносили в пластиковый лоток (55х44х12 см) с искусственным гнездом.

В ходе данного опыта было 24 комбинации размера песка (крупный, средний, мелкий и смешанный) и концентрации поверхностно-активного вещества (0%, 0.05%, 0.1%, 0.5%, 1.0%, 2.0%), каждая из которых тестировалась отдельно по 12 заходов.

Через два часа после того, как песчинки были помещены в лоток, три пищевых контейнера (диаметром 2/5 см, каждый из которых содержал 1 мл раствора сахарной воды или сахарной воды с определенной концентрацией ПАВ) были помещены между песчинками и колонией муравьев.

Через пять часов после того, как сахарная вода была помещена в лоток, зерна песка, использованные муравьями внутри и снаружи контейнера для еды, были взвешены. Также было подсчитано число утонувших особей.

Важно отметить, что муравьи данного вида способны строить уникальные конструкции для откачки жидкой пищи сифоны, состоящие из песчаных дорожек и песчаных насыпей. Чтобы подробно охарактеризовать эту конструкцию, весь процесс ее построения был записан для шести новых колоний с 1% ПАВ.

Для оценки эффективности столь необычной постройки муравьям были предоставлены песчинки разного размера (всего 12 г). Муравьи строили свою конструкцию для откачки жидкой пищи, после чего их убирали из тестовой камеры. Конструкцию сушили, а затем контролированно добавляли в нее 1 мл сахарной воды с 1% ПАВ. В ходе данного испытания измерялось время, необходимое для откачивания сахарной воды. Спустя 10 минут насыпь песка вне контейнера с пищей взвешивали и сушили. Разница веса до и после сушки показывала количество водного раствора сахара, содержащегося в структуре песка.

Также был проведен опыт, где муравьи строили песчаные структуры над контейнером с сахарной водой, после чего конструкцию сушили, а в камеру помещали другую колонию. Было два варианта: камера без конструкции и камера с конструкцией. Данный опыт проводился для оценки влияния подобных структур из песка на эффективность добычи пищи и на уровень смертности среди муравьев.

Результаты опытов

Сначала было оценено влияние поверхностного натяжения на степень риска утопления. При увеличении концентрации ПАВ поверхностное натяжение водного раствора сахара значительно снизилось с 77.17 0.24 до 43.28 0.24 мН/м (1A) и, соответственно, доля утонувших муравьев значительно увеличилась (1В).


Изображение 1

Что касается утонувших муравьев, то время их побега из сахарной воды увеличивалось с увеличением концентрации поверхностно-активного вещества (1C). Следовательно, наблюдалась очевидная отрицательная корреляция между временем, необходимым чтобы выбраться из сиропа, и поверхностным натяжением воды (1D).

Анализ поведенческих изменений на добавление ПАВ TWEEN 80 показал, что S. richteri не проявляют каких-либо явных предпочтений относительно TWEEN 80 (2A опыты без запаха ПАВ; 2В опыты с запахом ПАВ). Следовательно, добавление или удаление этого вещества не влияет на их поведение (с точки зрения реакции на запах вещества).


Изображение 2

Далее была проведена оценка стратегий, которые используют муравьи, при различных уровнях риска во время добычи жидкой пищи.

Концентрация поверхностно-активного вещества, размер песчинок и их взаимодействие показали очевидное влияние на количество использованных песчинок (Таблица 1).


Таблица 1

Для сравнения, муравьи использовали значительно меньшее количество мелких песчинок внутри и снаружи пищевых контейнеров по сравнению с песчинками других размеров (3A и 3В), а в использовании крупнозернистых, средних и смешанных песчинок не было значительной разницы.

Что касается эффекта концентрации поверхностно-активного вещества, то добавление 0.05% ПАВ к сахарной воде привело к использованию большего количества песчинок в пищевых контейнерах по сравнению с контрольной группой и другими вариантами концентрации ПАВ (3D).


Изображение 3

Анализ данных со всех пищевых контейнеров с разными размерами песчинок показал, что число песчинок, использованных за пределами контейнера, практически не меняется в зависимости от концентрации ПАВ выше 0.05% (3E).

Любопытно, что при использовании песчинок разного размера и ПАВ 0.05% муравьи использовали больше песка именно внутри пищевого контейнера. Но комбинация песчинок любого размера с ПАВ больше 0.05% приводит к тому, что муравьи раскладывают песок вне контейнера.

Размер песчинок и концентрация ПАВ оказали значительное влияние на смертность муравьев (таблица 2).


Таблица 2

Число утонувших муравьев было меньше, когда были задействованы более крупные песчинки (3С).

При этом доля утонувших увеличивалась по мере увеличения концентрации ПАВ (3F). Самая численная смертность наблюдалась в случаях, когда концентрация ПАВ была выше 0.1% вне зависимости от размера песчинок.

Вполне логично, что муравьи предпочитали использовать более крупные песчинки, когда риск утопления увеличивался. Чем выше была концентрация ПАВ, тем больше крупных песчинок использовалось, особенно внутри контейнера с пищей.


Изображение 4

Когда концентрация ПАВ была выше 0.05%, муравьи начинали строить уникальные песчаные сооружения, чтобы соединить песчинки, размещенные внутри и снаружи контейнера (4A-4E).

Любопытно, что при концентрации ПАВ ровно 0.05%, муравьи размещали большую часть песчинок на внутренней стенке контейнера. Подобные конструкции наблюдались только при использовании поверхностно-активного вещества в сахарной воде.

Факт того, что муравьи строят разные песчаные конструкции при разных концентрациях ПАВ, подтверждает гибкость муравьев вида S. richteri в выборе стратегии использования инструментов.

А теперь стоит детальнее рассмотреть эти уникальные песчаные сооружения. Для изучения песчаных сифонов были сделаны записи строительства 13 таких структур.

На начальном этапе строительства муравьи просто питались сахарной водой внутри, когда ее только добавили в контейнер. Спустя 4-10 минут несколько особей утонули в сахарной воде, а другие начинали собирать и складывать песчинки внутри и снаружи контейнера.

Через 1.5 часа за пределами контейнера с пищей было больше песчинок, чем внутри (4A, 4B, 4E, видео ниже).




Муравьи приклеивали песчинки к стенке контейнера (снаружи и внутри), чтобы создать песчаную дорожку, соединяющую жидкость внутри и кучу песка снаружи.

Благодаря такой конструкции жидкая пища перемещалась из контейнера по песчаной дорожке, обеспечивая более безопасный сбор пищи (4A-4D).

Чаще всего к одному контейнеру подходила одна песчаная дорожка, а внешние песчаные насыпи располагались достаточно близко. Но в редких случаях дорожка была 11 см в длину (4E). Также была распространена практика строительства нескольких песчаных дорожек к одной насыпи. В строительстве данной конструкции муравьи использовали песчинки всех имеющихся размеров.

В среднем почти половина сахарной воды (49.67%) была перенесена в насыпь песка в течение пять минут (4F, видео ниже).




При наличии песчаных сифонов на 30 минуте наблюдений 89.87% из всех муравьев находились за пределами контейнера, а на 60 минуте 87.85% (4E, 4G, 4H).

Вполне ожидаемо, что наличие песчаных конструкций сильно повлияло на уровень смертности муравьев (таблица 3).


Таблица 3

При наличии песчаного сифона муравьев, питающихся внутри контейнера, было значительно меньше (5A и 5B). Данный показатель практически не менялся по отношению к концентрации ПАВ (5E и 5F).

Наличие сифона повысило эффективность сбора пищи на 8% (5C): без сифона 10.69 мг и с сифоном 11.54 мг. Этот показатель немного снижался при увеличении концентрации ПАВ (5G).

При наличии сифонной структуры наблюдалась меньшая доля утонувших муравьев, которая увеличивалась пропорционально увеличению концентрации поверхностно-активного вещества (5H).

Для более детального ознакомления с нюансами исследования рекомендую заглянуть в доклад ученых и дополнительные материалы (ссылка для скачивания файла .docx) к нему.

Эпилог

Данные наблюдения показали, что муравьи, несмотря на отсутствие развитого мозга, способны не только использовать инструменты, но менять стратегию в ответ на изменения обстоятельств.

Риски, связанные с добычей пищи, влияют на поведение муравьев. Если риск велик, то муравьи стараются не лезть на рожон и начинают строить специальные конструкции из песка, которые переносят жидкую пищу в более безопасное место. За счет этого они могут спокойно собирать пищу, не боясь утонуть в ней.

Описанные в данном труде наблюдения не просто забавны или любопытны, они показывают, что социальные насекомые способны создавать новые стратегии поиска и добычи пищи в зависимости от внешних факторов, а также использовать подручные предметы для создания инструментов добычи.

Кроме того, данный труд показывает, что у муравьев развитые способности в аспекте познания, что ранее приписывалось исключительно позвоночным.

Авторы исследования предполагают, что их труд позволит в будущем куда более детально изучить когнитивные механизмы и стратегии использования инструментов у социальных насекомых. Уникальна ли стратегия для каждого семейства/рода/вида или, возможно, есть некая универсальная стратегия, которой придерживаются все насекомые? Именно на этот вопрос ученые намерены найти ответ в будущих исследованиях.



Благодарю за внимание, оставайтесь любопытствующими и отличных всем выходных, ребята! :)

Немного рекламы

Спасибо, что остаётесь с нами. Вам нравятся наши статьи? Хотите видеть больше интересных материалов? Поддержите нас, оформив заказ или порекомендовав знакомым, облачные VPS для разработчиков от $4.99, уникальный аналог entry-level серверов, который был придуман нами для Вас: Вся правда о VPS (KVM) E5-2697 v3 (6 Cores) 10GB DDR4 480GB SSD 1Gbps от $19 или как правильно делить сервер? (доступны варианты с RAID1 и RAID10, до 24 ядер и до 40GB DDR4).

Dell R730xd в 2 раза дешевле в дата-центре Equinix Tier IV в Амстердаме? Только у нас 2 х Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ТВ от $199 в Нидерландах! Dell R420 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB от $99! Читайте о том Как построить инфраструктуру корп. класса c применением серверов Dell R730xd Е5-2650 v4 стоимостью 9000 евро за копейки?

Сегодня поговорим о наболевшем диджитализации. Принесла она нам больше пользы, чем вреда или наоборот? Куда катится будущее нашей планеты и интеллектуальное развитие молодого поколения? Обсудим современный инструментарий и его применение человечеством.

Диджитализация это общий термин для обозначения цифровой трансформации общества и экономики. Он описывает переход от индустриальной эпохи и аналоговых технологий к эпохе знаний и творчества, характеризующейся цифровыми технологиями и инновациями в цифровом бизнесе".

Вступление

Когда Интернет стал общедоступным зародилось зерно диджитализации. В начале 2000х годов, мелкими шажками, многие вещи нашего быта стали переходить в цифровой мир. Постепенно уходили кассетные плееры, которые заменили компактные mp3. Стали появляться интернет-магазины. Процесс учёбы тоже начал трансформироваться. Рефераты, курсовые всё это можно было уже скачать в начале 2000х. Все казалось радужно, бизнес расширялся виртуально, а вот деградация подрастающего поколения набирала обороты. Об этом и поговорим более детально.

Поколение Z наступает

Вспоминая свои школьные годы (88-99), я проецирую их на современный мир. Мой сын ходит в 8-й класс, и я пристально слежу, что происходит с молодёжью.

Доступ к информации открыт. Скачивай, просматривай, поглощай любые знания, но нет. В начале 2000-х скорость Интернета не позволяла отвлекаться настолько, как сейчас, в плане учёбы. Тогда, что бы скачать реферат или книгу надо было еще её найти на убогих, первых сайтах. Да, можно было заняться и не учёбой, но покачивать медиаконтент было ещё тем мучением. Тогда мы ещё использовали диджитализацию по назначению.

Теперь же, дети, школьники, студенты прожигают жизнь и деградируют, неумело используя диджитал-ресурс. Ещё с пелёнок у них планшеты/телефоны/YouTube каналы с деградирующим контентом. Да, моё поколение ещё старается уберечь и где-то ограничить, но общество диктует свои правила.

Вы посмотрите, что сейчас происходит, чему учатся наши дети и что будет дальше.
YouTube забит дурацкими роликами, а толковый материал где-то там, в углу. Потом идёт школа, где уже появляются преподаватели поколения Z. Что они могут дать, если уже сами стали первой жертвой лени? Правильно, ничего.

Я предполагаю, что на стыке поколений X и Y закончилось качество. Я ещё помню учителей, которые учили меня. Как они заглядывали каждому в глаза. Это как актёры тех времён и сейчас, как футболисты. Тогда это было за идею, а сейчас ради денег и побыстрее.
Ещё остались толковые учителя, которые не посылают в гугл, а сами объясняют, но их очень мало.

Современное перенасыщение всевозможными курсами, уход в онлайн-обучение всё это ведёт к снижению интеллекта и социализации. Человек загуглил и забыл через полчаса, что он там искал. Раньше, ему пришлось бы пойти в библиотеку или связаться со знакомыми. Теперь всё просто и быстро. В одно ухо влетело, в другое вылетело.

Дальше идёт высшее образование. Там всё также. Никто не хочет сейчас учиться, большинство любит тупить в Интернете для развлечения.

Не спорю, есть 20-25% населения нашей планеты, которые искренне стремятся к знаниям. Остальные как повезёт.

Шаровики-затейники

Отходя от темы образования, мы переходим во взрослую жизнь. Первые партии поколения Z уже просачиваются. И что мы видим? Чему учили, то и получилось. Сидят в офисах, серфят по фейсбукам и бегают на перекуры каждые 5 минут.

Я живу в мегаполисе и диву даюсь. Подавляющее большинство купи/продай. Все обленились. Покушать закажу еду. Придумать украду идею или куплю готовый вариант. Идиократия в чистом виде.

Некоторым, в наше время и благодаря диджитализации, удаётся делать деньги из воздуха. Тот же Bitcoin.

Специалисты норвежского Центра экономических исследований им. Фриша Брент Братсберг и Оле Рогеберг проанализировали с помощью компьютерных программ 730 тысяч IQ-тестов за 1970-2009 годы. Ученые обнаружили, что ежегодно средние показатели падали. Годовая разница небольшая, но за поколение уровень интеллекта упал на 7 пунктов. Много ли это? Такими темпами через 150 лет у людей в среднем будут такие низкие когнитивные способности, которые в настоящее время считаются легкой умственной отсталостью.

Средний показатель IQ за годом рождения (A) и распределение баллов IQ (B)

Я думаю, скорость падения интеллекта куда выше, с каждым годом набирая обороты.

А где же польза?

Несомненно, польза есть. Не буду льстить, но благодаря диджитализации IT-сфера достигла ещё большего размаха. Не скажу, что все остальные трутни, но у офисного планктона нет такой плотности толковых сотрудников, как в IT.

Диджитализация дала мощный толчок для развития бизнеса. Гениальные умы плюс современный мир творят чудеса, но это единичные примеры.

Это как в материале Дудя про Кремниевую долину, у многих было восхищение. Только лишь осознание приходит не сразу, что доля везения и высокий интеллект дают такой результат.

Развитие инфраструктуры в различных нишах деятельности, всё быстрее и проще. Плюсы есть и это нельзя отрицать. Я сам обеими руками за прогресс технологий, но его правильно надо потреблять и применять.

Обидно то, что многие корпорации, тратят свой ресурс не в первоначально важные сферы исследований. Придумывают электрокары, а про исследование болезней забывают. У нас быстрее Маск полетит на Луну, чем появится какая-то важная вакцина.

Аналогичная ситуация и в общедоступном контенте. Сколько полезного материала и научно-образовательных вещей в сети, а популяризации никакой. Правильно, всё потому, что проще залипнуть в тик-ток, чем посмотреть панорамы с Марса. Вот так мы и обучаем ИИ, что загоревшееся масло на сковородке уделывает по популярности исследования человечества. И это притом, что есть много материала, который не скучно подан.

Вывод

Прошу не воспринимать материал, как от бурчащего деда. Я иду в ногу со временем и параллельно оцениваю происходящее. Я понимаю, что будь 20 30 лет тому назад такое развитие и диджитализация, возможно, и мы были бы другими. Я делаю скидку на это подрастающему поколению, но темпы снижения интеллекта печальны.

Сейчас, как и в каждом поколении, есть свои гении и способные люди. Да в каждом есть зерно, его просто важно вовремя развить, взять курс.

Один в поле не воин и я призываю: давайте больше времени будем уделять нашим детям. Они будущее!

Еще в середине 2000-х обнаружили тенденцию снижения интеллекта среди британских подростков.
Но в новом исследовании ученые зафиксировали снижение IQ внутри реальных семей, а следовательно, этот эффект происходит не из-за демографических факторов, вроде генетической опасной аккумуляции неблагоприятных генов в разных слоях общества.
Также одной из возможных причин таких результатов является изменение образа жизни, возможно, методов обучения и воспитания детей, а также того, как они проводят свободное время.

Внутрисемейные оценки эффекта Флинна

Что бы Идиократия не превратилась в реалии, стоит приложить максимум усилий. Научить наших детей правильно использовать такие огромные ресурсы к познанию.

Cogito Ergo Sum

---

На правах рекламы

Windows VDS с уже включённой в стоимость лицензией и посуточной тарификацией от 4 ГБ ОЗУ для самых разных задач, требующих операционку от Microsoft. Удалённый сервер мощнее домашнего компьютера это реально, закажи и убедись. Нужен сервер на Linux? У нас есть и такие!

Разумный гонится не за тем, что приятно, а за тем, что избавляет от неприятностей
Аристотель



Чтобы найти ответы на вопросы из заголовка, попробуем разобраться что такое прогресс и как он связан с разумом. Кто-то считает, что прогресс ускоряется, но есть и те, кто считает, что прогресс замедляется.

Как измерить прогресс?

Прогрессом принято считать процесс развития от простого к сложному, от менее организованного к более организованному. Многие признают этот процесс нелинейным и не всегда монотонным. И так устроено мышление человека, что если ему попадается сложная загадка, например, оценить прогресс, то обычно пытаются разделить такую задачу на какие-то отдельные части. Такими отдельными составляющими, по которым можно что-то понять о прогрессе можно считать те, что приведены в википедии:

• социальная (приближение общества к свободе, равенству и справедливости),
• материальная (материальное производство и удовлетворение потребностей),
• духовная (переход к нравственным ценностям),
• научная (непрерывное познание окружающего мира и научная деятельность).

Вообще, статьи о прогрессе обычно изобилуют перечислениями великих достижений, которые должны вдохновлять на ещё большие достижения. Сразу встречается и другая крайность, утверждается, что прогресс настолько стремителен, что его необходимо ограничивать искусственно. Однако нечасто можно встретить и описание обратной стороны этой ярко блестящей медали.

Попробуем рассмотреть отдельные составляющие как признаки прогресса и понять, как говорится, а есть ли мальчик?

Итак, первая составляющая социальная. Придётся рассмотреть несколько аспектов и сразу же можно наткнуться на препятствия.

Первый аспект касается организации власти. Будет опрометчиво утверждать, что в настоящий момент найден удачный способ осуществления политической власти. Даже нельзя сказать что лучше демократия, единовластие, тоталитаризм или какое-нибудь сочетание существующих типов управления. Что-то подсказывает, что эти способы далеки от идеала, кроме того все они известны практически столько, сколько существует человечество. Может быть, это всё устарело и пора придумать что-то новое в условиях глобализации? Но, к сожалению, среди основных государств, включающих в себя подавляющее большинство населения планеты, вряд ли можно найти такое, которое пытается реализовать, или хотя бы предложить что-то такое, что было бы шагом вперёд. И здесь все пристально и вопросительно уставились на Китай, и ждут. Как говорится, время покажет, созрело ли человечество на этот раз. Что же получается в плане власти, куда движемся мы по ступенькам прогресса, вверх или вниз? Пока создаётся ощущение, что вообще ступеньки отсутствуют, тысячелетия проходят а воз и ныне там.

Следующим аспектом считается социальное равенство в экономическом плане. Если посмотреть на степень разрыва между доходами самых богатых и самых бедных, то и здесь трудно утверждать, что наблюдается движение к лучшему, скорее наоборот. А если попробовать заглянуть в будущее? Существуют ли возможности реализовать социализм? Можно ли сказать, что капитализм это идеал, к которому стоило стремиться на протяжении всей истории человечества? Есть ли продвижение вперёд за последние 100 или 200 лет? И опять вряд ли.

Однако с точки зрения третьего аспекта качества жизни достижение в социальном плане, всё-таки, есть. Непрерывный рост населения и средней продолжительности жизни человека красноречиво свидетельствует о медленном, но всё-таки продвижении вперёд (по данным ВОЗ средняя продолжительность жизни на земле составляет более 60 лет, а когда-то в древности люди кое-как дотягивали до 30-40, как утверждают старожилы). Пока нельзя сказать, что человечество победило старость, но жить оно в среднем действительно стало дольше. Много это или мало можно понять, глянув на порог выхода на пенсию. И снова попробуем устремить взгляд чуть дальше носа. Собирается ли человечество побеждать старость? Нет, не болезни, а именно старение, запрограммированный износ организма? Что-то не видно сообщений о том, как учёным были выделены крупные суммы на изыскания в этой области, может быть, кто-то поправит? Всё это были аспекты социальной составляющей прогресса, как видим если и есть какая-то ступенька вверх, то она очень небольшая, пока особенно гордиться нечем.

Вторая составляющая прогресса материальная, то есть производство и удовлетворение потребностей. И здесь, наверняка большинство согласится, без сомнений, человечество достигло небывалых объёмов производства любой продукции, будь это продукты питания, различная техника, медикаменты и проч., практически всё, что угодно и всё это великолепие можно получить с небольшими затратами. Казалось бы, вот они плоды прогресса, живи да радуйся. Но если взглянуть на доступность этих благ, то возникают большие сомнения в том, что потребности каждого человека сейчас могут быть удовлетворены более-менее одинаково. Всё же современное экономическое устройство далеко от идеала. И здесь опять пристально все смотрят в сторону Китая, а вдруг мы когда-то что-то упустили? А там, в Китае, похоже, есть успехи, недавно они заявили, что победили бедность. Получается, что в материальном плане на данный момент из всего человечества есть продвижение вперёд только в Китае.

Третья составляющая духовная касается нравственности, религии и толерантности. Говорить о развитии в таких деликатных вопросах сложно. Можно ли утверждать, что нет угнетения человека человеком? Можно ли считать развитием ограничение на право рождения детей в том же Китае. Более того, существует такое прекрасное выражение золотой миллиард, это что, мечта человечества такая, всех и каждого? Да, ведьм уже не сжигают на кострах, но смертная казнь всё-таки есть. Последнюю ведьму казнили около двухсот лет назад, и с тех пор разного рода гадалки даже зарабатывают на своём ремесле. Неужели и это шаг вперёд? И не смотря на наличие социальных наук, вряд ли кто-то скажет нужны здесь изменения или нет и в какую сторону. Одним словом, если за последние сотни лет и есть какое-то движение вперёд в плане духовности, то увидеть его достаточно сложно.

Ну и, наконец, четвёртая составляющая прогресса наука. И здесь, наконец-то, действительно можно говорить об очевидных, громких и известных достижениях. Но опять-таки, это всё только с одной стороны. Большая часть достижений человечества, необходима для того, чтобы быстрее договориться, быстрее доставить, быстрее продать, то есть чтобы быстрее получить выгоду. Ядерный реактор, к примеру, это выгодно, то есть, условно говоря, можно потратить мало топлива, но получить много денег за электричество. И даже телекоммуникации и компьютерная техника служат в основном не для распространения знаний, а для извлечения прибыли. Любой здравомыслящий человек понимает, что количество действительно полезной информации в интернете убывает всё быстрее и быстрее. Телекоммуникации используются явно не для движения вперёд. Сами телекоммуникационные технологии вообще останутся навсегда лишь рядом с человеком, в космосе они совершенно бесполезны. На Марсе (а это ближайшая к нам планета) не будет никакого общего интернета с землей с помощью электромагнитных волн, это вам не вай-фай роутер установить, или вышку сотовой связи. От обмена данными останется всего лишь электронная почта раз в полчаса и на этом всё, это максимум.

Действительно, наука помогает получать прибыль, но в этом ли заключается основное назначение науки? Разумеется не в этом.

Вот ещё немного неудобных примеров.

1. Уделяет ли наука достаточно внимания гармонии жизни людей друг с другом, например, внутри одного государства или же между государствами? Ответ скорее всего отрицательный. Веками люди пытаются ужиться друг с другом, самыми серьёзными достижениями к настоящему времени можно назвать лишь появление нескольких социологический теорий, точное количество которых даже трудно определить. Существующие, по большей части философские, объяснительные теории успешно конкурируют друг с другом, а некоторые исследователи даже утверждают, что единой теории вообще нет, поэтому говорить о том, что просматривается или хотя бы угадывается путь построения гармоничного общества не приходится. Что касается конфликтов между людьми, то их количество не особенно пытаются сокращать, и даже наоборот, конфликты планируют и реализуют для того, чтобы извлекать выгоду. Есть ли в этом что-то прогрессивное?
2. Уделяет ли наука достаточно внимания экологии? вряд ли. Если от чего-то и надо охранять природу, то именно от своей же деятельности. А всё потому, что изготавливать продукцию так, чтобы она быстро не превращалась в мусор невыгодно. Свалки мы стали гордо называть полигонами. Кроме этого существует проблема накопления углекислого газа в атмосфере. Его доля составляет всего лишь какие-то сотые доли процента. Но что бы мы ни делали, количество СО2 неуклонно растёт, а вместе с ним растёт, а может быть нагнетается, страх, вот вам и возможности тераформирования. Вот если бы был Марс, тогда-то мы бы ого-го! говорят некоторые. Жаль только, что на земле всё тераформирование, на которое способен человек сейчас, исчерпывается увеличением количества и размеров полигонов и прочих могильников.
3. Уделяет ли наука достаточно внимания доступности и качеству образования? Постепенно популярной становится идея, согласно которой нет нужды в большом количестве хорошо образованных людей. Если когда-то пытались ликвидировать безграмотность, то сейчас уже можно говорить о ликвидации грамотности, в подтверждение этим словам даже есть открытые заявления видных политиков о том, что общее образование, не требуется, видите ли, люди превращаются в непокорных вольнодумцев. А из остатков образования, как из процесса, опять же хотят извлечь лишь выгоду. И судя по всему, даже общее образование скоро станет платным и не всем доступным, как в старые добрые времена существования царей. Неужели прогресс и должен быть таким?
4. Уделяет ли наука достаточно внимания доступности и качеству здравоохранения, ведь это именно то, чего хотелось бы каждому? И опять нет. Тут можно вспомнить об условности бесплатной медицины или ценообразовании медикаментов. Да, технологии совершенствуются, объёмы производства растут, но цены по отношению к зарплате, почему-то не падают, медицина доступнее не становится. А как обстоит дело с тем, чтобы начать побеждать вирусы? О победе над болезнями и старостью говорить не приходится. Кто знает, сколько бы ещё всего мог сделать какой-нибудь великий учёный, если бы не болезни и старость? В конце концов, решив эти проблемы и проблему продуктов питания можно лететь сколь угодно долго к какой-нибудь другой звёздной системе, о том, зачем это надо ниже. Никто не заинтересован в долгой и счастливой жизни, так как это невыгодно. Некоторые известные политики утверждают, что на земле случилось перенаселение. И какой мы должны сделать вывод, что здравоохранение вообще не нужно, потому что людей якобы слишком много?
   Это тоже такой шаг вперёд?
   
   И, наконец.
5. Уделяется ли достаточно внимания самой себе, фундаментальной науке? И пятый раз нет. В настоящее время наука не нужна никому, потому что убыточна по своей природе. Кому захочется тратить дорогие денежки просто на то, чтобы появилось какое-то знание, которое в карман не положить, и которое непонятно как применить или хотя бы как продать. А попытки получить выгоду сразу почему-то в науку превращаться упорно не хотят. Кроме того, есть мнение, что количество значимых научных достижений в единицу времени сейчас снизилось примерно до уровня начала 17 века.

Ещё кое-что о науке. При всех видимых и значимых успехах науки, тем не менее, далеко не всё об окружающем мире нам известно. Например, не до конца известна и понятна причина массового вымирания практически всего живого на планете. Такое случалось неоднократно. И вообще говоря, происходило это не по вине человека, ведь тогда его просто не было. И сейчас отдельные виды живых существ исчезают, и человек неплохо прикладывает к этому делу свои руки. Но факт остаётся фактом: виды живых существ исчезали и исчезают на планете, это естественный процесс, он может быть медленным, а может быть очень быстрым. И если уж идти до конца в этом вопросе, то можно сделать весьма грустный вывод, что исчезновение человека как вида это лишь вопрос времени до тех пор, пока человек не предпримет какие-то меры, чтобы этого не произошло. Хотелось бы обратить на это внимание отдельно.

В один прекрасный момент может внезапно понадобиться решать очень (много раз слово очень) сложную задачу. Решать эту задачу придётся сразу всему человечеству, не какой-то одной стране, не какому-то одному учёному и, возможно, придётся делать это за очень короткий промежуток времени. Да и вообще, времени на решение задачи может вовсе не оказаться. За примером далеко ходить не надо. Последние события довольно красноречиво показали готовность системы здравоохранения (и не только её, и не только в какой-то отдельной стране) к такой проблеме как очередной явно не самый смертельный вирус. Говорить о какой-нибудь по-настоящему серьёзной угрозе и вовсе не приходится, всё, что останется сделать в этом случае это просто обернуться простынёй и тихонько ползти в сторону кладбища, и совершенно неважно откуда эта угроза появится, прилетит с метеоритом, или люди сами её создадут. Только давайте не будем который раз говорить о серьёзности происходящего в настоящий момент, дабы не отвлекаться от сути. Сценариев конца всего известно довольно много, даже отдельный пост был посвящён этому, вроде бы.

А суть вопроса такова: готовы ли мы не исчезнуть бесследно вместе с большинством исчезнувших видов на земле? По всей видимости, ответ будет отрицательным. А это означает, что наш отрыв от остальных видов на планете пока минимален и с точки зрения миллионолетней эволюции мимолётен во времени. И ступень развития, на которую мы поднялись на данный момент может оказаться не такой уж и высокой, потому что особенно гордиться пока нечем. Как бы нам не хотелось раздуть щёки пошире, одна вспышка на солнце может сдуть всю атмосферу, а то и всю планету и уже нельзя будет сказать, что в солнечной системе появилась разумная жизнь. Кто должен или может заплатить за решение этого вопроса и кому, и что немаловажно, может ли кто-то этот вопрос решить?

Выгода, выгода, кругом выгода, казалось бы, при чём здесь капитализм? И вот в сухом остатке, пожалуй, самым заметным продвижением вперёд с точки зрения прогресса можно назвать только зарождение науки у человечества как явление само по себе и совершенствование с её помощью мотыги в комбайн. А все неудобные вопросы трудно назвать прогрессом.

А как же интеллект?

И вот здесь хочется поговорить об интеллекте. Нет, к сожалению, не о модном искусственном, а о немодном естественном интеллекте, ведь в этих условиях он должен проявиться в полную силу. Так вот, чтобы исчезновения человека как вида не произошло, необходимо чтобы интеллект как-то проявил себя. И что мы видим с точки зрения хотя бы самого заметного научного прогресса? А там интеллект преследует лишь выгоду, а это есть поесть-подоминировать-поразмножаться, то есть больше похоже не на интеллект, а на обычные животные потребности и рефлексы. То есть торжества разумного начала, к сожалению, пока не видно. Главные атрибуты разума образование и наука на настоящий момент невыгодны и не являются приоритетом. Скорее это удел небольшого количества энтузиастов. Да, мы повернули реки вспять, но, уж простите за аналогию и бобёр умел строить плотины ещё до человека. Можно ли утверждать, что на планете земля появился разум, если он в своих действиях ничем здравым и разумным пока себя не выдаёт? Собственно, в этом и заключается ответ на вопрос куда подевалось наше будущее. В его основу не закладывается ничего разумного.

Что в итоге?

А в итоге можно сказать, что нужна наука. Но не наука сама по себе. Можно сказать по другому. Чтобы победить старость, болезни, войны, экологические проблемы, чтобы бросить вызов естественным законам природы и понять, как использовать новейшие достижения во благо, в конце концов, чтобы был прогресс необходимо, чтобы проснулся интеллект, а то создаётся ощущение, что он начинает засыпать. И образование обязательно должно быть доступным и бесплатным. Только при этих условиях будет больше учёных, а значит больше шансов на решение проблем, когда они появятся, будет больше шансов на решение проблемы, которой пока нет, но которая может появиться внезапно, но будет такой сложной, что хорошо бы иметь её решение уже сейчас, потом пить боржоми будет поздно.

Наверняка многие будут говорить, что образование уже доступно, мол, кладезь знаний интернет доступен любому. Безусловно, интернет это замечательно, он позволяет распространять знания. И действительно, слово образование от слова знать. Но вот что интересно, а много ли есть таких людей, которые без интернета знают какие растения съедобны в незнакомой местности, а какие нет? А много ли таких, кто знает как правильно вырастить много съедобных растений? Много ли таких, которые могут создать какой-нибудь механизм, облегчающий жизнь? Есть ли такие, которые могут вообще добыть хоть какой-нибудь металл, найти, отличить и добыть механически, химически? А много ли таких, кто знает всё это сразу?
Надо ли говорить, что знать это всего лишь половина дела? Чтобы образование было полным кроме знать необходимо ещё и уметь, это, кстати, тоже ещё Аристотель говорил. Много ли таких, кто знает и умеет всё это сразу? Как видим, всё указывает на то, что знаниями и умениями не обладает каждый, а обладает только всё человечество сообща.

А что, если интеллект находится вне человека, как у каких-нибудь насекомых? Ведь на самом деле знания хранятся не в головах у отдельных индивидуумов, а вне их, то есть в книгах, или в том же модном интернете. Получается, что память интеллекта хранится вне любого из нас. Мы можем только почерпнуть оттуда знания на время и попользоваться. Это во-первых. А во-вторых, как на счёт того, чтобы создать что-нибудь новое? Что-либо создать люди могут тоже лишь сообща. Ни один человек сейчас не в состоянии создать что-то новое в одиночку. Это означает, что и способность создавать, видимо, тоже принадлежит не каждому из нас, а только всем вместе.

И что же делать?

А остаётся лишь надеяться, что интеллект, если он и правда есть и если он не спит, то принадлежит человеческому виду и без него существовать не сможет. И чтобы можно было утверждать, что на планете земля появился разум и он развивается, необходимо, чтобы этот разум хотя бы научился держаться на плаву. Как сказал Джордж Карлин в одном из своих монологов планете земля вряд ли что-то угрожает, она переживала и не такое, и людей переживёт, а вот человечеству что-то угрожает однозначно, и вероятнее всего, оно само себя уничтожит (это если перевести на цензурный русский). Необходимо, чтобы интеллект, разум, здравый смысл, наконец, пробудился, иначе собственные усилия людей или катаклизм планетарного масштаба (не говоря уже о космическом стихийном бедствии) просто напросто приведут к исчезновению этой короткой по космическим меркам вспышки разума.

Давайте признаемся: мы как-то буксуем. Разработки в сфере ИИ, при всех значительных затратах, не дают ожидаемого выхлопа. Конечно, кое-чего получается, но дело идет медленно. Медленнее, чем хотелось бы. Может, задача не решается потому, что решается не та задача?

Сейчас у нас есть много алгоритмов, выполняющих те или иные (отдельные) когнитивные функции. Одни обыгрывают нас в игры, другие водят машины, третьи Не мне вам рассказывать. Мы создали программы компьютерного зрения, которые различают дорожные знаки лучше, чем мы сами. Программы, которые рисуют и пишут музыку. Алгоритмы ставят медицинские диагнозы. Алгоритмы могут заткнуть нас за пояс в распознавании котиков, но конкретно этот, который для котиков, ни в чем ином, кроме распознавания котиков. А мы-то хотим такую программу, которая решала любые задачи! Нам нужен сильный или универсальный ИИ, но без собственного сознания, чтоб не смог отказаться решать поставленную задачу, верно? Где нам его взять?



Чтобы понять, как работает интеллект, мы обращаемся к единственному примеру, который у нас есть. К человеческому мозгу, в котором, как мы считаем, живет интеллект. Кто-то возразит мозги есть у многих живых существ! Давайте начнем с червяков? Можно и с червяков, но нам нужен алгоритм, который решает не червяковые, а наши, человеческие задачи, верно?

Наш мозг. Представьте его себе. Два кило (по максимуму) податливого розовато-серого вещества. Сто миллиардов (тоже возьмем по максимуму) нейронов, каждый из которых готов отрастить до десяти тысяч динамических связей синапсов, которые могут то появляться, то исчезать. Плюс несколько типов сигналов между ними, да еще и глия сюрприз подкинула тоже что-то проводит, помогает и способствует. (Для справки: нейроглия или просто глия совокупность вспомогательных клеток нервной ткани. Составляет около 40% объёма ЦНС. Количество глиальных клеток в среднем в 10-50 раз больше, чем нейронов). Дендриты недавно удивили оказывается, они выполняют куда больше функций, чем считалось ранее (1). Мозг очень сложная штука. Если не верите спросите у Константина Анохина. Он подтвердит.

Человек все делает с помощью мозга. Собственно, мы это и есть он. Отсюда совершенно неудивительным является представление человека о том, что мозг = интеллект и еще более неудивительна идея скопировать устройство мозга и вуаля! получить искомое. Но мозг это не интеллект. Мозг это носитель. Железо. А Интеллект это алгоритм, софт. Попытки повторить софт через копирование железа это провальная идея. Это культ карго (2). Вы же знаете, что такое культ карго?

Аборигены островов Меланезии (увидев во время WWII, как самолеты привозят оружие, продовольствие, медикаменты и многое другое), соорудили из соломы копии самолетов и будку диспетчера, но никак не помогли себе в получении товаров, потому что не имели никакого представления о том, что скрывается за внешним видом самолетов. Так и мы, разобрав до винтиков калькулятор, не найдем внутри ни одной цифры. И, тем более, никакого намека на какие-либо операции с числами.

Пару лет назад Андрей Константинов в одном из номеров журнала Кот Шрёдингера (12 за 2017 г.), в своей колонке Где у робота душа, написал: Со времён Лейбница мы так и не нашли в мозге ничего, кроме частей, толкающих одна другую. Конечно не нашли! И не найдем. По компьютерному железу мы пытаемся восстановить программу, а это невозможно. В качестве подтверждающего аргумента приведу длинную цитату (3):

нейробиологи, вооружившись методами, обычно применяемыми для изучения живых нейроструктур, попытались использовать эти методы, чтобы понять, как функционирует простейшая микропроцессорная система. Мозгом стал MOS 6502 один из популярнейших микропроцессоров всех времён и народов: 8-битный чип, использованный во множестве ранних персональных компьютеров и игровых приставок, в том числе Apple, Commodore, Atari. Естественно, что мы знаем об этом чипе всё ведь он создан человеком! Но исследователи сделали вид, что не знают ничего и попытались понять его работу, изучая теми же методами, которыми изучают живой мозг.

Химически была удалена крышка, под оптическим микроскопом изучена схема с точностью до отдельного транзистора, создана цифровая модель (тут я немного упрощаю, но суть верна), причём модель настолько точная, что на ней оказалось возможно запускать старые игры (Space Invaders, Donkey Kong, Pitfall). А дальше чип (точнее, его модель) был подвергнут тысячам измерений одновременно: во время исполнения игр измерены напряжения на каждом проводке и определено состояние каждого транзистора. Это породило поток данных в полтора гигабайта в секунду который уже и анализировался. Строились графики всплесков от отдельных транзисторов, выявлялись ритмы, отыскивались элементы схемы, отключение которых делало её неработоспособной, находились взаимные зависимости элементов и блоков и т. п.

Насколько сложной была эта система по сравнению с живыми? Процессор 6502, конечно, и рядом не стоит с головным мозгом даже мыши. Но он приближается по сложности к червю Caenorhabditis elegans ломовой лошадке биологов: этот червь изучен вдоль и поперёк и уже предпринимаются попытки смоделировать его полностью в цифровом виде () Таким образом, задача анализа системы на чипе 6502 не является чрезмерным упрощением. И результаты имеют право быть экстраполированы на системы in vivo.

Вот только исследователи потерпели поражение! Нет, какие-то результаты, конечно, получены были. Анализируя чип, удалось выделить функциональные блоки, набросать схему их вероятных взаимосвязей, получить некоторые интересные подсказки насчёт того, как, вероятно, работает микропроцессор в целом. Однако понимания в том смысле, в каком его требует нейробиология (в данном случае: быть способным исправить любую поломку), достигнуто не было".

В какой-то момент появились исследователи, которые стали говорить примерно то же самое что надо изучать алгоритмы, что нужно понять, какую функцию выполняет интеллект. К примеру, Демис Хассабис (DeepMind), готовясь к выступлению на Singularity-саммите в Сан-Франциско (2010 г.), сказал следующее: В отличие от других выступлений на саммите по теме AGI, мой доклад будет другим, так как я интересуюсь системным уровнем нейронауки алгоритмами мозга а не деталями, как они реализуются мозговой тканью в виде спайков нейронов и синапсов или специфической нейрохимией и т. д. Я интересуюсь, какими алгоритмами мозг пользуется для решения проблем, и которые нам нужно найти, чтобы добраться до AGI.

Однако, спустя 10 (!!!!!) лет, все идет по-прежнему: ученые исследуют мозг и пытаются из внешних проявлений физиологической активности и его внутреннего устройства вычислить, как происходит интересующий процесс. Сколько задач столько процессов. Люди все разные. Мозги у всех немного, но отличаются. Некая усредненная картина, конечно, имеется, однако Представьте себе, что в любой произвольный момент времени мозг решает массу, в том числе и подсознательных задач, отслеживает и контролирует внутреннее состояние организма, воспринимает и интерпретирует сигналы внешней среды (и это мы не говорим о многочисленных петлях обратной связи). Сможем ли мы уверенно выявить, надежно идентифицировать и четко отделить эти активности одну от другой? Возможно ли это в принципе? Честно говоря, сомневаюсь. Не говоря уже о воспроизводимости этих процессов на небиологических носителях

Просмотрим на ситуацию иначе. Что такое задача вообще? Это затруднительная ситуация, с которой сталкивается, и которую пытается разрешить человек. Как показали в середине прошлого века американские математики Герберт Саймон и Аллен Ньюэлл, любая задача в общем виде может быть описана как переход из состояния Система с проблемой в состояние Система без проблемы. Они разработали компьютерную программу, назвав её General Problem Solver (Универсальный решатель задач), но дальше решения задач специфического вида они не продвинулись, поэтому универсальность именно их алгоритма осталась под вопросом. Но формула Система с проблемой --> Система без проблемы оказалась абсолютно верна!



Преобразование Системы это процесс ее перевода из исходного состояния с проблемой в желаемое состояние без проблемы (4). В процессе преобразования, (т. е. решения задачи) проблемная система становится беспроблемной (ну или менее проблемной), улучшается, избавляется от своих недостатков и выживает, т. е. продолжает использоваться. Ой, погодите, что это мы сейчас сказали? Избавление от недостатков? Выживание? Хм Что-то знакомое. Где-то мы это Ах, ну да. Эволюция! Чем меньше недостатков тем больше шансы выжить!

Давайте проверим себя, вспомним и повторим основной постулат: в живой природе бОльшие шансы на выживание имеют организмы, обладающие бОльшим числом полезных свойств (ну, условно рога ветвистее, хвост пышнее). Если же у организма перья бледнее, а голос противнее (вредные свойства), то, скорее всего, жизнь его будет недолгой и пройдет в одиночестве. В итоге, давление отбора ведет к тому, что организмы избавляются от недостатков и становятся все более и более жизнеспособными. Если не верите спросите у сэра Чарльза Дарвина. Он подтвердит.

Итак, мы принимаем как факт, что
а) функцией интеллекта является решение задач (любых) и
б) решение задачи это улучшение Системы (любой), в ходе которого она избавляется от недостатков, становится более жизнеспособной. Иными словами эволюционирует.

Слышите треск? Это наши представления о сложности интеллекта начинают трещать по швам. Получается, что бытовавшие ранее понятия сложность мозга и сложность интеллекта перестают быть тождественными. Что если для получения Интеллекта не надо проводить реверс-инжиниринг нейрофизиологического процесса решения задачи, ловя призрачные тени мышления в коннектоме (тем более, что у каждого человека он уникален) или заниматься глубоким обучением сетей? Что если нам нужно алгоритмизировать процесс эволюции системы, т. е. путь ее преобразования из менее совершенного состояния в более совершенное с помощью известных нам законов эволюции? Что если до сегодняшнего дня мы, действительно, решали не ту задачу?

При этом я вовсе не хочу сказать, что обучением сетей заниматься не надо. У этого и прочих направлений огромные перспективы. И тем более я не хочу сказать, что глубокие исследования физиологии мозга это бессмысленная трата времени. Изучение мозга это важная и нужная задача: мы лучше поймем, как мозг устроен, научимся его лечить, восстанавливать после травм и делать другие потрясающие вещи, вот только к интеллекту мы не придем.

Кто-то мне сейчас наверняка возразит: задачи, которые решает человек, связаны с миллионами самых разных систем природными, общественными, производственными, техническими Материальными и абстрактными, находящимися на разных уровнях иерархии. И развиваются-де они каждая по-своему, а дарвиновская эволюция это про живую природу. Зайчики, цветочки, рыбки, птички Но исследования показывают, что законы эволюции универсальны. Доказательства долго искать не надо они все перед глазами. Имеющие их да увидят. Что ни возьми от спички до Боинга, от танка до контрабаса везде (5) мы видим наследственность, изменчивость и отбор! А все многообразие эволюционных изменений (кажущаяся сложность которых связана с тем, что все системы очень разные по своей природе и находятся на разных уровнях иерархии) можно выразить единственным циклом. Вы же помните, да? Система с проблемой --> Система без проблемы.

Что такое Система с проблемой? Это Система (материальная и абстрактная, социальная, производственная и техническая, научная и любая объект, идея, гипотеза всё, что угодно), в которой обнаружены какие-то недостатки, влияющие (внимание!) на наше желание и возможность её использования. Система недостаточно хороша. Система недостаточно эффективна. У неё низкое соотношение польза / затраты. Мы хотим, можем и готовы от нее отказаться, и часто отказываемся. Но нам нужна другая (выполняющая нужную нам полезную функцию), но уже без проблем более эффективная, без недостатков (или с меньшим их количеством). Ну, вы видели эту картинку выше Конечно, одной стрелочки между двумя крайними состояниями (исходным и желаемым) нам мало. Нам нужен тот самый оператор, преобразователь, верно? Попробуем его найти? Вы же согласитесь, что в случае успеха мы получим описание (хотя бы, для начала и упрощенное) так нужного нам универсального алгоритма?



Исходная точка Система с проблемой. Мы начинаем задумываться о том, чтоб отказаться от её использования. Момент, который мы называем (или ощущаем) Надо что-то делать!
Причина, угрожающая выживанию системы низкая идеальность, выражающаяся в пониженной величине отношения полезных функций системы к функциям затратным (вредным).

Что мы делаем дальше? Мы либо а) создаем новую систему (если система с нужной функций либо не существует, либо у существующей системы нет ресурсов для улучшения) или же б) улучшаем, дорабатываем, существующую (если ресурсы еще есть). Мы изучаем внутреннее устройство и разбираемся с внешним окружением выявляем внешние и внутренние недостатки Системы и после их устранения получаем улучшенную Систему. Систему с повышенной идеальностью и повышенной жизнеспособностью!

В связи с тем, что представленная выше Схема описывает процесс развития, улучшения или, если хотите, эволюции любых систем (в чем легко убедиться, подставив вместо слова Система любое иное по желанию от Абажур до Якорь), я думаю, ее смело можно и даже нужно! назвать Универсальной Схемой Эволюции. И обратите внимание она абсолютно алгоритмична, т. е. полностью подпадает под определение алгоритма: Алгоритм точное предписание о выполнении в определённом порядке некоторой системы операций, ведущих к решению всех задач данного типа. значит может быть реализована в виде компьютерной программы).

В представленном виде Универсальная Схема Эволюции:
естественная законы эволюции выявлены в системах самого разного типа, и их действие проверено в технике, производстве, обществе, природе и мышлении;
объективная законы эволюции не зависят от мнения исследователя и/или пользователя;
логичная и непротиворечивая законы эволюции вытекают один из другого;
полная набор законов эволюции достаточен для описания любой системы;
жесткая законы эволюции нельзя переставлять и
замкнутая законы эволюции образуют цикл: система, пройдя один цикл изменений, тут же начинает новый.

Что у нас получается в итоге: Эволюция системы (представленная в виде Универсальной Схемы) это путь её улучшения, избавления от недостатков. Иными словами, это алгоритм решения задачи. А решение задачи это именно то, чем занимается интеллект. Упрощаем и получаем: Универсальная Схема = описание функции интеллекта.

Конструктивная критика приветствуется. :)



1. Дендриты важнее для мозга, чем ранее считалось chrdk.ru/news/dendrity-vazhnee-chem-schitalos
2. ru.wikipedia.org/wiki/Карго_культ
3. Е. Золотов. Пойми меня! Как неживое помогает разбираться в живом www.computerra.ru/161756/6502
4. Chapter 6. Problem Solving. Artificial Intelligence. A Knowledge-Based Approach by Morris W.Firebaugh University of Wisconsin Parkside PWS-Kent Publishing Company Boston 1988, p. 172.
5. Дарвиновская эволюция в мире техносферы. Мир вещей, создаваемый человеком, развивается по тем же законам, что и живая природа. www.ng.ru/science/2017-01-11/14_6899_evolution.html