Информация

Ищу статью: ИИ в организме человека

Ищу статью: ИИ в организме человека

Я ищу статью, в которой участники столкнулись с человеком (женщиной), который давал ответы в соответствии с компьютерным алгоритмом. У нее был наушник, который давал ей ответы, и она была обучена одновременно слушать и говорить.

Некоторые участники думали, что она вела себя немного странно, но никто не заметил, что они разговаривают с компьютером. Думаю, целью исследования был своего рода тест Тьюринга.

Надеюсь, кто-нибудь поможет мне его найти. Я больше не знаю, как это искать ...


Наконец-то!

Я нашел новостную статью, объясняющую Эхоборг. Исследование было проведено в 2015 году Кевином Корти и Алексом Гиллеспи из Лондонской школы экономики и политических наук. Опубликовано на Frontiers of Psychology: https://doi.org/10.3389/fpsyg.2015.00634


Влияние ИИ на общество

«Насколько рутинна ваша работа?»: Сузить влияние ИИ на рабочую силу

Во время лекции прошлой осенью в Северо-Западном университете гуру искусственного интеллекта Кай-Фу Ли отстаивал технологию искусственного интеллекта и ее предстоящее воздействие, отмечая при этом ее побочные эффекты и ограничения. О первом он предупреждал:

«90 процентов беднейших слоев населения, особенно 50 процентов беднейших стран мира с точки зрения доходов или образования, серьезно пострадают от увольнения с работы ... Простой вопрос, который нужно задать:« Насколько рутинна работа? »И насколько вероятно [ это] работа будет заменена ИИ, потому что ИИ может в рамках рутинной задачи научиться оптимизировать себя. И чем больше количественно, тем более объективна работа - разделение вещей на мусорные ведра, мытье посуды, сбор фруктов и ответы на звонки в службу поддержки - это во многом повторяющиеся и рутинные задачи по сценарию. Через пять, 10 или 15 лет они будут вытеснены ИИ ».

На складах онлайн-гиганта и электростанции Amazon, которая кишит более чем 100 000 роботами, функции сбора и упаковки по-прежнему выполняются людьми, но это изменится.

Мнение Ли недавно поддержал президент Infosys Мохит Джоши, который на встрече в Давосе в этом году сказал New York Times: «Люди стремятся достичь очень больших результатов. Раньше у них были цели постепенного сокращения штата на 5–10 процентов. Теперь они говорят: «Почему мы не можем сделать это с 1 процентом наших людей?» »

Роботы во время сварки на автомобильном заводе. Эксперты считают, что ИИ заменит множество повторяющихся и ориентированных на выполнение одной задачи. | Фото: Shutterstock

Переподготовка и обучение: облегчение трудностей роста сотрудников, работающих на основе искусственного интеллекта

На более оптимистичной ноте Ли подчеркнул, что сегодняшний искусственный интеллект бесполезен по двум важным причинам: в нем нет творческих способностей и способности к состраданию или любви. Скорее, это «инструмент для развития человеческого творчества». Его решение? Те, у кого работа связана с повторяющимися или рутинными задачами, должны осваивать новые навыки, чтобы не остаться на обочине. Amazon даже предлагает своим сотрудникам деньги на обучение для работы в других компаниях.

«Одним из безусловных условий успеха ИИ во многих [областях] является то, что мы вкладываем огромные средства в образование, чтобы переобучать людей для новых рабочих мест», - говорит Клара Нарстедт, профессор информатики в Университете Иллинойса в Урбана-Шампейн и директор. Научно-координационной лаборатории школы.

Она обеспокоена тем, что происходит недостаточно часто и широко. Gyongyosi из IFM еще более конкретен.

«Людям нужно изучать программирование, как если бы они изучали новый язык, - говорит он, - и им нужно делать это как можно раньше, потому что это действительно будущее. В будущем, если вы не знаете кодирования, вы не знаете программирования, это будет только усложняться ».

Зарегистрируйтесь бесплатно, чтобы получать больше подобных историй об ИИ.

По словам Вандегрифта, многие из тех, кто вынужден покинуть работу из-за технологий, найдут новые, но этого не произойдет в одночасье. Как и в случае перехода Америки от сельскохозяйственной к индустриальной экономике во время промышленной революции, сыгравшей большую роль в возникновении Великой депрессии, люди в конце концов снова встали на ноги. Однако краткосрочное воздействие было огромным.

«Переход от увольняющейся работы к новой [появляющейся], - говорит Вандегрифт, - не обязательно так безболезненно, как люди думают».

«В будущем, если вы не будете знать кодирования, вы не будете знать программирования, это будет только усложняться».

Майк Мендельсон, «дизайнер опыта учащихся» в NVIDIA, педагог совсем не такой, как Нарстедт. Он работает с разработчиками, которые хотят узнать больше об ИИ и применить эти знания в своем бизнесе.

«Если они понимают, на что способна технология, и очень хорошо разбираются в предметной области, они начинают устанавливать связи и говорят:« Может быть, это проблема ИИ, может быть, это проблема ИИ », - говорит он. «Это чаще случается, чем« У меня есть конкретная проблема, которую я хочу решить »».

Награды и наказание: разветвления ИИ в ближайшем будущем

По мнению Мендельсона, некоторые из самых интригующих исследований и экспериментов в области ИИ, которые будут иметь разветвления в ближайшем будущем, происходят в двух областях: обучение с подкреплением, которое имеет дело с вознаграждением и наказанием, а не с маркированными данными и порождающими враждебными сетями (для краткости GAN) которые позволяют компьютерным алгоритмам создавать, а не просто оценивать, натравливая две сети друг на друга. Примером первого является мастерство игры в го в Alpha Go Zero от Google DeepMind, второе - создание оригинального изображения или звука на основе изучения определенного предмета, например, знаменитостей или определенного типа музыки.

В гораздо более широком масштабе ИИ может оказать серьезное влияние на устойчивость, изменение климата и экологические проблемы. В идеале, частично за счет использования сложных датчиков, города станут менее перегруженными, менее загрязненными и в целом более пригодными для жизни. Уже идут набеги.

«Как только вы что-то предсказываете, вы можете прописать определенную политику и правила», - говорит Нарстедт. Такие, как датчики на автомобилях, которые отправляют данные об условиях дорожного движения, могут предсказывать потенциальные проблемы и оптимизировать поток автомобилей. «Это еще ни в коем случае не усовершенствовано», - говорит она. «Это только начало. Но спустя годы это сыграет действительно большую роль ».

Активисты маршируют на митинге «Рабочие места, справедливость и климат» в Торонто в 2015 году. Группы по защите конфиденциальности опасаются, что нерегулируемое использование больших данных в инструментах ИИ может привести к ряду нарушений прав, включая право на справедливое судебное разбирательство. | Фото: Shutterstock

ИИ и будущее конфиденциальности и прав человека

Конечно, много внимания уделяется тому факту, что зависимость ИИ от больших данных уже оказывает серьезное влияние на конфиденциальность. Не смотрите дальше махинаций Cambridge Analytica в Facebook или подслушивания Amazon Alexa - двух из многих примеров безумия технологий. Критики утверждают, что без надлежащих правил и добровольных ограничений ситуация станет еще хуже. В 2015 году генеральный директор Apple Тим Кук высмеял конкурентов Google и Facebook (сюрприз!) За интеллектуальный анализ данных, основанный на жадности.

«Они поглощают все, что могут узнать о вас, и пытаются монетизировать это», - сказал он в своем выступлении в 2015 году. «Мы думаем, что это неправильно».

Осенью прошлого года во время выступления в Брюсселе, Бельгия, Кук выразил свою обеспокоенность.

«Продвигать ИИ путем сбора огромных личных профилей - это лень, а не эффективность, - сказал он. - Чтобы искусственный интеллект был действительно умным, он должен уважать человеческие ценности, включая конфиденциальность. Если мы ошибаемся, опасность огромна».

«При ответственном применении ИИ может принести пользу обществу. Однако, как и в случае с большинством новых технологий, существует реальный риск того, что их коммерческое и государственное использование окажет пагубное воздействие на права человека ".

Многие согласны. В статье, опубликованной недавно британскими группами по правам человека и конфиденциальности Article 19 и Privacy International, беспокойство по поводу ИИ зарезервировано для его повседневных функций, а не для катастрофического сдвига, такого как приход роботов-повелителей.

«При ответственном применении ИИ может принести пользу обществу», - пишут авторы. «Однако, как и в случае с большинством новых технологий, существует реальный риск того, что их коммерческое и государственное использование окажет пагубное воздействие на права человека. В частности, приложения этих технологий часто полагаются на создание, сбор, обработку и совместное использование больших объемов данных как об индивидуальном, так и коллективном поведении. Эти данные можно использовать для профилирования людей и прогнозирования будущего поведения. Хотя некоторые из этих применений, например спам-фильтры или предлагаемые товары для покупок в Интернете, могут показаться безобидными, другие могут иметь более серьезные последствия и даже могут представлять беспрецедентную угрозу праву на неприкосновенность частной жизни и праву на свободу выражения мнений и информации (`` свобода выражение'). Использование ИИ также может повлиять на осуществление ряда других прав, включая право на эффективное средство правовой защиты, право на справедливое судебное разбирательство и право на свободу от дискриминации ».


Специализация диагностического оборудования

Исследователи, практикующие врачи и клиенты теперь имеют в своем распоряжении инновационные способы сбора и оценки психологических данных о психическом, физическом и эмоциональном состоянии пациента. Одним из этих инструментов является датчик напряжения, основанный на кожно-гальванической реакции (GSR), представленный в исследовательском отчете «Датчик напряжения на основе кожно-гальванической реакции (GSR)», опубликованном Национальным центром биотехнологической информации Национальной медицинской библиотеки США. Датчики состоят из 2 электродов, которые помещаются на пальцы и используются для различения проводимости кожи клиента, которая указывает, находится ли человек в состоянии стресса. Данные отправляются на компьютер и администратору. Авторы отчета Мария Викейра Вильярехо, Бегонья Гарсия Сапирейн и Амая Мендес Соррилья объясняют технологию

«Пользователь может использовать датчик стресса в любом месте своего дома при условии, что он находится на расстоянии менее 10 метров. Используя систему беспроводной связи, пользователю предоставляется определенная степень свободы при использовании устройства. Конечный пользователь может управлять различными устройствами со своего телевизора, а центр управления может выполнять различные действия, чтобы изменить уровень стресса человека. Таким образом, координационный центр может использовать разные системы, чтобы помочь человеку расслабиться, например, выключение света или изменение типа музыка, которую слушает пользователь ".


Плюсы: Используя многогранные возможности Интернета, изучающий психологию имеет в своем распоряжении больше технологий, чем когда-либо прежде. Компьютер может успешно выполнять множество задач, от изучения бумажных тем до ведения заметок в классе, которые раньше требовали от студента проводить неограниченное количество часов в университетской библиотеке, делая заметки вручную. Ноутбуки и поисковые системы сделали узкоспециализированную психологическую информацию доступной для студентов в любое время и в любом месте, где они могут подключиться к Интернету. Фактически, некоторые классы или весь университет можно найти в Интернете. Это изменило то, как выглядит диплом по психологии, по крайней мере, для тех, кто ранее не мог получить степень по психологии из-за расписания или географических препятствий.

«За последнее десятилетие в онлайн-образовании произошел колоссальный рост, как с точки зрения предложения университетов, так и с точки зрения набора студентов. Согласно исследованию, опубликованному в 2014 году консорциумом Sloan, примерно 85 процентов школ предлагают хотя бы некоторые онлайн-курсы. США Министерство образования сообщает, что осенью 2012 года почти 30 процентов аспирантов изучали хотя бы один онлайн-курс, а более 20 процентов изучали все свои онлайн-курсы. увеличение более чем на треть всего за пять лет ".

Минусы: Однако они продолжают

"Комиссия по аккредитации APA в настоящее время не аккредитует докторские программы только онлайн. Некоторые аккредитованные программы могут предлагать онлайн-курсы или другой контент через дистанционное обучение в качестве дополнительной роли. Эти курсы не могут отражать существенный характер содержания программы, и определенные классы (например, практические занятия) не считаются подходящими для этого метода обучения. Любые онлайн-курсы по аккредитованным программам должны быть отмечены как таковые в общедоступных материалах. На уровне докторантуры Комиссия по аккредитации APA рассматривает программы в области клинической, консультационной и школьной психологии, а также программы, которые предлагают образование в сочетании этих трех областей. CoA не проверяет и не аккредитует программы бакалавриата или магистратуры, а также не проверяет докторские программы в подразделах практики ".

Следует отметить, что tAPA не аккредитует никакие программы бакалавриата / бакалавра или магистра / магистратуры в кампусе или в Интернете - у них никогда не было: здесь нет ничего нового.

Однако до недавнего времени можно было поступить в аспирантуру по психологии, которая была аккредитована APA с онлайн-образованием, и перейти к лицензированию. Все изменилось по состоянию на 2017 год.. Начиная с 2017 года для прохождения стажировки, утвержденной APA, для прохождения стажировки, утвержденной APA, потребуется степень в программе, аккредитованной APA.. Для тех, кто хочет иметь лицензию на психологическую практику, это важная информация. Многие штаты (и их число растет) сейчас или потребуют стажировки, одобренной APA, для получения лицензии.


Понимание модели распознавания ИИ

Из семи шаблонов ИИ, которые представляют способы реализации ИИ, одним из наиболее распространенных является шаблон распознавания. Основная идея модели распознавания ИИ состоит в том, что мы используем машинное обучение и когнитивные технологии, чтобы помочь идентифицировать и классифицировать неструктурированные данные по конкретным классификациям. Эти неструктурированные данные могут быть изображениями, видео, текстом или даже количественными данными. Сила этого паттерна в том, что мы позволяем машинам делать то, что наш мозг, кажется, делает так легко: определять то, что мы воспринимаем в реальном мире вокруг нас.

Паттерн распознавания примечателен тем, что в первую очередь попытки решить проблемы распознавания изображений вызвали повышенный интерес к подходам глубокого обучения к ИИ и помогли запустить эту последнюю волну инвестиций и интереса к ИИ. Однако шаблон распознавания шире, чем просто распознавание изображений. Фактически, мы можем использовать машинное обучение для распознавания и понимания изображений, звука, почерка, предметов, лиц и жестов. Цель этого шаблона - заставить машины распознавать и понимать неструктурированные данные. Этот образец ИИ является таким огромным компонентом решений ИИ из-за большого разнообразия приложений.

Разница между структурированными и неструктурированными данными заключается в том, что структурированные данные уже помечены и легко интерпретируются. Однако с неструктурированными данными сталкивается большинство организаций. До 90% данных организации - это неструктурированные данные. Компаниям становится необходимо иметь возможность понимать и интерпретировать эти данные, и именно здесь ИИ вмешивается. В то время как мы можем использовать существующие технологии запросов и информационные системы для сбора аналитической ценности из структурированных данных, практически невозможно использовать эти подходы с неструктурированными данными. . Это то, что делает машинное обучение таким мощным инструментом в применении к этим классам проблем.

Машинное обучение обладает мощной способностью распознавать или сопоставлять шаблоны, которые видны в данных. В частности, для этого шаблона мы используем подходы контролируемого машинного обучения. При обучении с учителем мы используем чистые хорошо размеченные данные обучения, чтобы научить компьютер классифицировать входные данные по заданному количеству определенных классов. Алгоритм показывает множество точек данных и использует эти помеченные данные для обучения нейронной сети классификации данных по этим категориям. Система устанавливает нейронные связи между этими изображениями, и ей постоянно показываются изображения, и цель состоит в том, чтобы в конечном итоге заставить компьютер распознавать то, что находится на изображении, на основе обучения. Конечно, эти системы распознавания в значительной степени зависят от наличия качественных, хорошо размеченных данных, которые являются репрезентативными для того типа данных, которым результирующая модель будет представлена ​​в реальном мире. Мусор на входе - это мусор с такими системами.

Многочисленные применения шаблона распознавания

Шаблон распознавания позволяет системе машинного обучения по существу «смотреть» на неструктурированные данные, классифицировать их, классифицировать и понимать, что в противном случае было бы просто «каплей» неиспользованной ценности. Применение этого шаблона можно увидеть в широком спектре приложений, от медицинской визуализации до автономных транспортных средств, от распознавания рукописного текста до распознавания лиц, распознавания голоса и речи или идентификации даже самых подробных вещей в видео и данных всех типов. Распознавание с помощью машинного обучения добавило значительных возможностей системам безопасности и наблюдения, позволяя наблюдать за несколькими одновременными видеопотоками в реальном времени и распознавать такие вещи, как грузовики для доставки или даже людей, которые находятся в месте, где они не должны находиться в определенное время. дня.

Это стартапы, применяющие ИИ для борьбы с изменением климата

GlobalFoundries инвестирует 4 миллиарда долларов в новый сингапурский завод полупроводников

Horse Sense: инновации и преодоление неопределенности

Бизнес-приложения модели распознавания также многочисленны. Например, в отраслях розничной онлайн-торговли и электронной коммерции необходимо идентифицировать и маркировать изображения продуктов, которые будут продаваться в Интернете. Раньше людям приходилось кропотливо каталогизировать каждое отдельное изображение по всем его атрибутам, тегам и категориям. В настоящее время системы распознавания на основе машинного обучения способны быстро идентифицировать продукты, которых еще нет в каталоге, и применять весь спектр данных и метаданных, необходимых для продажи этих продуктов в Интернете без какого-либо вмешательства человека. Это отличное место для ИИ, чтобы вмешаться и выполнить задачу намного быстрее и эффективнее, чем рабочий, который устанет или скучает. Не говоря уже о том, что эти системы позволяют избежать человеческой ошибки и позволяют работникам делать более важные дела.

Этот шаблон распознавания используется не только с изображениями, он также используется для идентификации звука в речи. Существует множество приложений, которые могут сказать вам, какая песня играет, или даже узнать голос говорящего. Еще одно применение этого шаблона распознавания - распознавание звуков животных.Использование автоматического распознавания звука оказалось ценным в мире сохранения и изучения дикой природы. Использование машин, которые могут распознавать различные звуки и крики животных, может стать отличным способом отслеживания популяций и привычек и более полного понимания различных видов. Возможно даже использование этого в таких областях, как ремонт транспортных средств, где машина может слышать различные звуки, издаваемые двигателем, и сообщать водителю транспортного средства, что не так, что необходимо исправить и как скоро.

Одним из наиболее широко используемых приложений распознавания образов искусственного интеллекта является распознавание почерка и текста. В то время как у нас была технология оптического распознавания символов (OCR), которая может отображать напечатанные символы в текст на протяжении десятилетий, традиционное распознавание текста было ограничено в своей способности обрабатывать произвольные шрифты и почерк. Рукописный ввод и распознавание текста с использованием машинного обучения значительно лучше справляются с этой задачей, поскольку он может не только распознавать текст в широком диапазоне печатных или рукописных режимов, но также может распознавать тип записываемых данных. Например, если есть текст, отформатированный в столбцы или табличный формат, система может идентифицировать столбцы или таблицы и соответствующим образом переводить в правильный формат данных для машинного потребления. Точно так же системы могут идентифицировать образцы данных, такие как номера социального страхования или номера кредитных карт. Одно из применений этого типа технологии - автоматическое внесение чеков в банкоматы. Клиенты вставляют свои рукописные чеки в автомат, и затем его можно использовать для внесения депозита без необходимости обращаться к реальному человеку для внесения ваших чеков.

Схема распознавания ИИ также применяется к человеческим жестам. Это то, что уже активно используется в индустрии видеоигр. Игроки могут делать определенные жесты или движения, которые затем становятся внутриигровыми командами для перемещения персонажей или выполнения задания. Еще одно важное приложение - это возможность виртуально примерить различные предметы одежды и аксессуары. Его даже применяют в медицине хирурги, чтобы помочь им выполнять задачи и даже обучать людей тому, как выполнять определенные задачи, прежде чем они должны будут выполнять их на реальном человеке. Благодаря использованию шаблона распознавания машины могут даже понимать язык жестов, а также при необходимости переводить и интерпретировать жесты без вмешательства человека.

В медицинской промышленности ИИ используется для распознавания закономерностей в различных радиологических изображениях. Например, эти системы используются для распознавания переломов, закупорок, аневризм, потенциально раковых образований и даже используются для диагностики потенциальных случаев туберкулеза или коронавирусных инфекций. Аналитическая компания Cognilytica прогнозирует, что всего через несколько лет аппараты выполнят первый анализ большинства радиологических изображений с мгновенной идентификацией аномалий или паттернов, прежде чем они отправятся к рентгенологу для дальнейшей оценки.

Схема распознавания также применяется для выявления контрафактной продукции. Системы распознавания на основе машинного обучения отслеживают все, от поддельных товаров, таких как кошельки или солнцезащитные очки, до поддельных лекарств.


Познакомьтесь с учеными, которые тренируют ИИ для диагностики психических заболеваний

Я возвращаюсь в аппарат МРТ, регулирую зеркало над шлемом для лакросса, устойчиво удерживая мой череп так, чтобы я мог видеть экран, расположенный за моей головой, затем возвращаюсь в исходное положение: панель кнопок видеоигры и мяч для экстренного прерывания. в моих руках, помещенных крест-накрест через грудину, как мумию.

Мое сканирование мозга и результаты этой батареи МРТ, если бы они не были демонстрацией, в конечном итоге были бы введены в алгоритм машинного обучения. Команда ученых и исследователей могла бы использовать его, чтобы потенциально помочь обнаружить, как люди реагируют на социальные ситуации. Они хотят сравнить мозг здоровых людей с мозгом людей с психическими расстройствами. Эта информация может помочь поставить правильный диагноз психических расстройств и даже найти основные физические причины. Но конечная цель - найти наиболее эффективное лечение любого психического расстройства.

Идея проста: используйте алгоритм, чтобы выявить действенные идеи, сопоставив данные с чувствами.

Расстройства психического здоровья преследуют значительную часть человечества в любой момент времени. По данным Всемирной организации здравоохранения, только от депрессии страдают около 300 миллионов человек по всему миру, что является одной из основных причин инвалидности в мире. По оценкам организации, биполярное расстройство присутствует примерно у 60 миллионов человек, шизофрения - у 23 миллионов.

Вопрос в том, является ли текущая модель жизнеспособным ответом. Лучше ли мы диагностируем? В настоящее время диагностика основана на отображении симптомов, классифицированных профессионалами в категорию психических расстройств и собранных в Диагностическом и статистическом руководстве по психическим расстройствам (DSM), которое сейчас находится на пятой итерации. Может ли подход машинного обучения дать лучший ответ?

Прежде всего, это структурная МРТ, по сути, рентген мягких тканей. Чрезвычайно шумное сканирование занимает пять минут. Далее: функциональная МРТ, которая на самом деле покажет мой мозг, ну, функционирование. ФМРТ нужен мой мозг для выполнения задачи, поэтому я играю в игру.

Мои снимки, если бы я был настоящим испытуемым, попали бы в категорию психических расстройств: пограничное расстройство личности. Фактически, у меня был довольно тяжелый пограничный эпизод накануне вечером и утром перед сканированием, поэтому этот шанс заглянуть внутрь казался своевременным, как будто меня сбила скорая помощь.

Для команды технологического института Вирджинии, изучающей мой мозг, вычислительная психиатрия уже выявила новые идеи, когда они работали над исследованием, опубликованным в Наука в 2008 году. В ходе исследования они обнаружили, что мои коллеги-пограничники, похоже, больше заботятся о взаимности - я помогаю вам, вы мне помогаете - чем о нейротипичных людях, что противоречит первоначальной гипотезе команды. Как бы то ни было, это подтверждает мой собственный опыт. Моя личная ошибка заключается в том, что я склонен рассматривать дружбу слишком транзакционно, часто используя такие раздражающие валюты, как «забота».

Примерно через 15 минут игры я вылезаю из саркофага. Был сделан снимок моего мозга. Я смотрю на него на экране компьютера в оттенках серого.

Институт биомедицинских исследований Фралина в Технологическом институте штата Вирджиния, где находится Лаборатория нейровизуализации человека, находится в центре города Роанок. HNL - это быстрорастущая область вычислительной психиатрии, которая применяет инструменты информатики к психиатрии. Есть надежда, что машинное обучение приведет к более основанному на данных пониманию психических заболеваний.

До недавнего времени эта наука была невозможна. Технологии используют алгоритмы уже несколько десятков лет назад: они сочетаются с фМРТ-визуализацией, изобретенной в 1990 году. Но вычислительная мощность, необходимая для того, чтобы сделать их полезными, наконец-то доступна, как и новая готовность комбинировать научные дисциплины новыми способами для решения новых проблем.

Психиатрия пытается измерить разум, а это не совсем то же самое, что мозг. Таким образом, это зависит от того, что люди дают количественную оценку того, что они чувствуют. Хотя клинические диагностические исследования на самом деле достаточно точны, они подвержены некоторым неточностям. Например, то, что один человек считает 3 по шкале печали от 1 до 10, может равняться семи и десяти баллам другого человека, и никто из них не ошибается. Язык для точного измерения боли непоследователен.

Расстройства психического здоровья также аморфны, с частично совпадающими симптомами разных диагнозов. Но, комбинируя нейровизуализацию фМРТ с большим количеством данных, алгоритм машинного обучения может научиться быстро и точно диагностировать расстройства. Исследователи надеются обнаружить физические симптомы психических расстройств и отследить в организме эффективность различных вмешательств.

В мой первый день во Фралине меня встретили в просторном вестибюле координаторы исследований Дуг Чан и Уитни Аллен, а также Марк Орлофф, аспирант по биологии, медицине и здоровью. Мы проходим в лабораторию нейровизуализации человека мимо дверей с карточками безопасности и вестибюля, в котором, как и в любом другом медицинском вестибюле, на столе для ожидания лежит стопка журналов.

За вестибюлем находятся отдельные кабинеты врачей. Другие члены лаборатории работают в большом КПЗ, за столами, компьютерами и суккулентами. Аппараты МРТ находятся дальше по коридору. По другую сторону окна и двери, отделяющих нас от машин, Орлофф поднимает крошечную модель мозга цвета Fun-Tak - напечатанное на 3D-принтере изображение, как он говорит, его собственного мозга. Он примерно такого же размера, как сытый взрослый хомяк.

Рядом находятся кабинеты для обследований с односторонними зеркалами и микрофонами в стиле полицейских допросов, чтобы исследователи могли наблюдать за клиническим опросом пациентов. Есть комнаты, где игроки могут соревноваться в социальных играх с другими игроками онлайн, чтобы собрать больше данных от субъектов со всего мира.

Вокруг исследователей находятся инструменты, необходимые для их работы. В КПЗ, конференц-зале, а также на досках, окнах и стенах нанесены математические формулы всех цветов маркера радуги. Математика как обои, как радиационный фон.

У Перл Чиу черные как смоль волосы и спокойная уверенность в себе. Она делает паузу, чтобы подумать, прежде чем говорить, и излучает радость учителя, обсуждая свою работу. Она единственный психолог в лаборатории с клинической подготовкой, имеющий непосредственный опыт работы с пациентами в клинических условиях, и она пришла к машинному обучению с чисто человеческой точки зрения. «Когда я наблюдал за пациентами, работая с ними, я был просто разочарован тем, насколько мало мы знали о том, что происходит», - говорит Чиу. Она считает, что использование машин для обнаружения закономерностей может быть решением.

Чу ясно одно: «То, что у нас есть сейчас, просто не работает».

Ответы на опросы, функциональные и структурные МРТ, поведенческие данные, речевые данные собеседований и психологические оценки вводятся в алгоритм машинного обучения. Вскоре будут добавлены образцы слюны и крови. Лаборатория Чиу надеется извлечь диагностический сигнал из этого шума.

Сканирование с помощью фМРТ предоставляет алгоритму неврологическую информацию, позволяя машине узнать, какие части мозга загораются при определенных стимулах, создавая сравнение для здоровых людей. Алгоритм может найти новые шаблоны в нашем социальном поведении или увидеть, где и когда определенное терапевтическое вмешательство будет эффективным, возможно, предоставив шаблон для профилактического лечения психического здоровья с помощью упражнений, которые можно выполнять, чтобы перенастроить мозг. К сожалению, у фМРТ, как и у любого другого инструмента, есть недостатки: он может давать ложные срабатывания. Самым вопиющим примером было сканирование мертвого лосося, которое… показало активность мозга.

Человек, приходящий в лабораторию, сначала проходит свое клиническое обследование, прежде чем выполнять задачи - например, играть в поведенческие игры - в МРТ и из него. Их генетическая информация собрана. После того, как все данные собраны, они вводятся в алгоритмы, которые выдают результат. Быстрые и достоверные результаты доступны в течение нескольких минут - более подробные результаты могут занять недели. Сильные модели также ускоряют обработку данных. Например, субъект, клиническое интервью которого указывает на депрессию, будет обработан быстрее, если исследователи будут использовать модель депрессии.

Чиу хочет использовать эти снимки, чтобы помочь пациентам лучше лечиться. Возможно, говорит она, этот метод может выявить закономерности, которые врачи не замечают или не могут получить доступ только через мозг. Делая психические расстройства более физическими, Чиу также надеется помочь избавиться от них. Если бы это можно было диагностировать так же объективно и физически, как болезнь сердца, неужели депрессия, биполярное расстройство или шизофрения несут такой же позор?

Имея в руках эти паттерны, Чиу представляет себе способность более остро диагностировать, скажем, определенный вид депрессии, который регулярно проявляется в определенной части мозга. Она представляет себе способность использовать данные, чтобы знать, что определенный тип депрессии у одного человека регулярно хорошо поддается лечению, в то время как другой лучше лечится с помощью лекарств.

В настоящее время лаборатория специализируется на «расстройствах мотивации», как их называет Чиу: депрессии и зависимости. Алгоритмы разрабатывают диагностические и терапевтические модели, которые, как надеются исследователи, найдут прямое применение в жизни пациентов. «Как мы можем вернуть такие вещи в клинику?» - спрашивает Чиу.

Машинное обучение имеет решающее значение для вывода работы Чиу из лаборатории и для пациентов, которым они призваны помогать. «У нас слишком много данных, и мы не смогли бы найти эти закономерности» без алгоритмов, - говорит Чиу. Люди не могут отсортировать такой объем данных, но компьютеры могут.

Как и в лаборатории Чиу, алгоритмы машинного обучения, в частности алгоритмы, которые обучаются методом проб и ошибок, имеют решающее значение для того, чтобы помочь Бруксу Кинг-Касасу, доценту Биомедицинского исследовательского института Фралина в VTC, выяснить, какая комбинация имеет значение из тысяч и тысяч. переменных, которые измеряет его лаборатория.

Король-Касас выглядит небесным, его темные волосы посыпаны серебром, а его очки цвета глубокого ночного неба, и когда он говорит, он использует свои руки как знаки препинания. В широком смысле лаборатория Кинга-Касаса сосредоточена на социальном поведении. Они изучают закономерности, нюансы, чувства и задействованные области мозга межличностного взаимодействия. Лаборатория особенно интересуется различиями в этих паттернах (а также нюансах, чувствах и задействованных областях мозга) между людьми с психическими расстройствами и людьми без них. Между кем-то клинически здоровым и кем-то, скажем, с пограничным расстройством личности, для которого социальные отношения являются ловушками для пауков.

«Мне интересно проанализировать, как люди принимают решения, и как это варьируется в зависимости от различных психических расстройств, - говорит Кинг-Касас.

Лаборатория строит количественные модели, которые анализируют компоненты процесса принятия решений, надеясь точно определить, где этот процесс идет наперекосяк. Распыляя взаимодействие, Кинг-Касас надеется сопоставить чувства цифрами - изучить социальное поведение, как мы изучаем клетки. Эти данные потенциально могут сказать нам, как человек с пограничным расстройством личности ценит мир по сравнению с кем-то, кто не страдает от этого.

«Нам нужны эти алгоритмы обучения с подкреплением, чтобы взять сотню вариантов, которые вы делаете, и разложить их на три числа, которые улавливают все это», - говорит Кинг-Касас. По его словам, без алгоритмов такая перегонка невозможна. Даже в таком простом деле, как задача с двумя вариантами ответов, в лаборатории есть до десяти моделей, которые могут объяснить, как делается выбор.

«Думайте о мозге как о модели», - говорит Кинг-Касас. «Что мы делаем, так это берем поведение каждого и говорим:« Хорошо, какая модель лучше всего отражает сделанный вами выбор? »

Лаборатория пытается открыть алгоритмы вычислительного мозга.

Люди предвзяты, и это распространяется и на алгоритмы, которые мы пишем. Заманчиво полагать, что алгоритмы выносят суждения на основе беспристрастных данных, но это не так. Данные собираются и формируются людьми со своими предубеждениями. И даже в инструментах, используемых для сбора этих данных, есть недостатки, которые также могут искажать данные.

Диагноз, установленный с помощью модели машинного обучения, мало что значил бы, если бы предвзятость была заложена в программировании. В частности, в психиатрии есть история гендерных предубеждений, которая сохраняется и по сей день: из-за того, что вы женщина, вам будут прописаны психотропные препараты, отмечает Всемирная организация здравоохранения.

Даже такая простая вещь, как боль, зависит от пола. Исследование 2001 г., опубликованное в Журнал права, медицины и этики обнаружили, что женщины сообщают о большей боли, более частой боли и более длительном переживании боли, но к ним относятся менее агрессивно, чем к мужчинам. В отчете делается вывод, что их встречают с недоверием и враждебностью, пока они, по сути, не докажут, что они так же больны, как и пациент-мужчина.

Неудивительно, что раса играет важную роль в лечении. Есть проблема доступа: более белые и богатые сообщества имеют лучшие ресурсы. Но даже когда черные люди имеют равный доступ к лекарствам, они, как правило, не получают достаточного лечения от боли. Исследование, проведенное в 2016 году Университетом Вирджинии, показало, что студенты-медики имели нелепые и потенциально опасные заблуждения о чернокожих людях, например о том, что их нервные окончания менее чувствительны. Несправедливое лечение поражает также пациентов из Латинской Америки, коренных американцев и жителей азиатских и тихоокеанских островов.

Как исследователи из VTCRI могут гарантировать, что их машина не распознает наши предубеждения?

«Это действительно, очень, очень сложный вопрос, - говорит Чиу. В этой работе интервьюеры не знают истории психического здоровья испытуемого или того, какое лечение он может получать. Аналитик данных тоже слепой. По сути, все участники «слепы ко многим вещам».

Чиу тоже считает ее присутствие помощью. Команда состоит из самых разных студентов, исследователей и ученых. Чиу прекрасно понимает, что поставлено на карту: если диагностические и индивидуальные методы лечения, обнаруженные алгоритмами ее лаборатории, заражены теми же человеческими предубеждениями, которые уже действуют в обществе, они просто систематизируют - и, возможно, даже усиливают - эти предубеждения.

Технические аспекты данных алгоритмов машинного обучения, такие как визуальные стимулы, используемые при функциональном МРТ-сканировании, должны тщательно контролироваться с учетом предвзятости.

Программист лаборатории Чиу Джейкоб Ли, выступая в видеочате, помог объяснить проблему. Ли говорит мне, что нужно учитывать множество факторов, в том числе человеческие предубеждения, которые могут повлиять на качество данных.

Одна из проблем заключается в том, что время между «интересующими событиями» в аппарате фМРТ должно быть тщательно спланировано, чтобы гарантировать чистые результаты. Ли объясняет проблемы: машина делает снимок мозга каждые две секунды. Но получение правильного временного окна имеет решающее значение. Чтобы убедиться, что исследователи измеряют реакцию, они должны учитывать время задержки, которое требуется крови, чтобы добраться до нужной части мозга, что на самом деле измеряет машина. Это ограничивает возможности нейровизуализации и создает интервалы между сканированиями.

Сами триггеры должны быть тщательно продуманы, поскольку в разных культурах определенные цвета или числа воспринимаются по-разному.Стимулы включают показ изображений, предназначенных для привлечения внимания и эмоций, из базы данных Международной системы аффективных картинок или просьбу испытуемых оценить риски.

Небольшое количество субъектов - иногда десятки человек - в исследованиях фМРТ также может вводить в заблуждение. Вот почему лаборатория пытается обмениваться данными, чтобы увеличить размер и разнообразие когорт. (Лаборатория визуализации в Tech просканировала более 11000 часов с момента своего открытия, пишет Чиу в электронном письме. Чтобы обеспечить конфиденциальность, они не собирают числовые данные по предметам.) Лаборатория нейровизуализации человека в настоящее время работает и обменивается данными с Университетским колледжем Лондона, Пекинский университет в западном пригороде Пекина и Медицинский колледж Бейлора. Кроме того, в настоящее время они сотрудничают с исследователями из Гавайского университета в Хило.

Однако почти все фМРТ-сканеры находятся в развитых странах, в то время как большая часть населения мира - нет. Добавьте к этому, что большинство изучаемых когорт ориентировано на населенные пункты и студентов колледжей - легкодоступный набор предметов - и данные кажутся еще менее показательными для мира.

У фМРТ есть свои проблемы: например, по словам ученых, ученые на самом деле не смотрят на мозг. Уведомление о науке. Они смотрят на программное представление мозга, разделенное на единицы, называемые вокселями. Шведская группа под руководством Андерса Эклунда из Университета Линчёпинга решила протестировать три самых популярных пакета статистического программного обеспечения для фМРТ с набором человеческих данных. Они обнаружили, что разница между тремя, приводившими к ложным срабатываниям, была выше, чем ожидалось. Результаты, опубликованные в Труды Национальной академии наук Соединенных Штатов Америки в июне 2016 г., являются поводом для осторожности.

Первоначальная тревога газеты по поводу признания недействительной 40 000 исследовательских работ, основанных на фМРТ, была преувеличена, а затем скорректирована до 3500. Тем не менее, как Vox Как объяснили, нейробиологи не считают фМРТ сломанным инструментом - они просто нуждаются в постоянном совершенствовании. Сделать сканирование более доступным и точным будет ключом к клиническому применению этих методов.

«Вся эта модернизация оборудования - это супер, суперценно», - сказал Адам Чекроуд, ученый, чьи работы в области вычислительной психиатрии были опубликованы в таких влиятельных журналах, как Ланцет- говорит в телефонном интервью. Чекроуд раньше работал с машинным интеллектом, используя алгоритмы, которые оказались точными в предсказании конкретного антидепрессанта с наибольшими шансами на успех. Твердо убежденный в том, что клиническое применение является наиболее важной частью этой области, Чекруд является основателем и главным научным сотрудником Spring Health, цель которого - донести эти технологии до пациентов.

Помимо ошибочной фМРТ, вычислительная психиатрия сталкивается с этическими, духовными, практическими и технологическими проблемами. Непосредственные проблемы включают огромные хранилища очень личных данных, необходимых для алгоритмов, которые могут оказаться непреодолимыми для хакеров. Согласие - это тоже вопрос: например, можно ли считать, что человек в депрессии достаточно здравомыслящий, чтобы дать согласие? Если мы создаем модели психических расстройств, разве мы не создаем модель нормальности, которую можно использовать как дубину, а также как инструмент? Кто определяет, что такое «нормальный»?

Пол Хамфрис, профессор философии Содружества в Университете Вирджинии, где он изучает философию науки, поднимает еще одну интересную проблему: машинное обучение представляет собой проблему черного ящика, аналогичную самому мозгу. Мы можем обучить алгоритм распознавать кошку, скармливая ему достаточно данных, но пока не можем точно определить как он решает, что такое кошка. Это создает риск недопонимания между учеными и результатами их машинного обучения, поскольку ученые лишь частично понимают, о чем говорят их модели. Можем ли мы верить, что машинное определение психического заболевания достаточно близко к нашему собственному?

Еще больше усложняет ситуацию отсутствие достоверных данных в наборах психиатрических данных, проверенных людьми обучающих наборах, с помощью которых мы можем протестировать машинное обучение.

«Вам нужен хотя бы один, действительно независимая, хорошо обоснованная проверка », - говорит Стивен Хайман в телефонном интервью. Директор NIMH с 1996 по 2001 год, где он настаивал на включении нейробиологии и генетики в психиатрию, Хайман в настоящее время является основным членом института и директором Центра психиатрических исследований Стэнли в Институте Броуда.

Алгоритм машинного обучения, который диагностирует, скажем, рак кожи, имеет обучающий набор образцов, которые были биопсированы и каталогизированы, не оставляя сомнений в том, являются ли они злокачественными или нет. Но биопсии при психических расстройствах нет, по крайней мере, пока. «И вы будете удивлены, как часто люди забывают об этом», - говорит Хайман.

Будущее компьютерной психиатрии несет в себе свои проблемы, проблемы, которые сейчас кажутся фантастическими, но могут угрожать этой области позже. Если возможности сканирования мозга в реальном времени, над которыми работает эта область, действительно станут дешевыми, простыми и точными для определенных моделей мышления и сценариев, можно представить себе мир, в котором мы сможем в основном отслеживать мысли, а эта способность созрела для злоупотреблений.

Возможно, больше всего беспокоит то, что вычислительная психиатрия может присоединиться к длинному печально известному списку наук, используемых для лишения людей гражданских прав. Что станет с душой, если мы сможем сопоставить чувства цифрами и биомаркерами? Что делает нас человеком, а не сложной органической моделью?

«Это показывает, что в машине нет привидений. Это просто машина, - говорит по телефону Чандра Шрипада, доцент, работающий по совместительству в философии и психиатрии в Мичиганском университете. Шрипада считает, что опасения, возможно, необоснованны. Он возникает в других, более старых областях психиатрии, включая бихевиоризм Б. Ф. Скиннера.

«Любая всеобъемлющая теория психологии вызывает опасения, что она заберет душу, и таинственное, и те аспекты того, кто мы есть, которые мы хотим быть как бы навсегда защищены от объяснений», - говорит Шрипада.

В то время как вычислительные модели действительно предлагают возможность диагностики и лечения, ученые идут по канату. В конце концов, они работают с людьми и не хотят подрывать собственный опыт пациентов. Люди хотят, чтобы их считали людьми, их социальные факторы и факторы окружающей среды имеют решающее значение. Опасно игнорировать эти вещи или думать, что они не имеют значения для лечения.

«То, что вы называете душой, - это своего рода неизбежный компонент лечения многих людей», - говорит Хамфрис, профессор философии.

Понимание, что такое даже психическое расстройство является оказывается на удивление сложно. Как отмечает Гэри Гринберг, DSM и психиатрический скептик, придерживающийся фармацевтической модели, Атлантический океантермин «расстройство» использовался специально для того, чтобы избежать термина «заболевание», который подразумевает уровень базового физиологического понимания, которого не хватает в психиатрии.

«Сегодняшние методы диагностики весьма ограничены, - говорит Том Инсел, соучредитель Mindstrong Health и директор Национального института психического здоровья (NIMH) с 2002 по 2015 год, в телефонном интервью. «Это немного похоже на попытку диагностировать болезнь сердца без использования каких-либо современных инструментов, таких как ЭКГ, сканирование сердца, липиды крови и все остальное».

Есть надежда, что компьютерная психиатрия сможет предоставить эквивалент этих инструментов. Текущее понимание психических расстройств туманно. Распространенное в общественном сознании объяснение того, что виноват какой-то химический дисбаланс - особенно в случае депрессии - было оставлено на второй план в пользу представления о мозге как о работе по контурам. Когда проблема возникает в указанных цепях, мы страдаем психическим расстройством.

По мнению Инселя, проблема психиатрии заключается в том, что в настоящее время не хватает биомаркеров. Острое клиническое наблюдение привело к таксономии болезней, которые, по его мнению, являются критическим аспектом в области, в которой психиатрия справляется особенно хорошо, но без неврологической поддержки этого просто недостаточно. «Это необходимо, но недостаточно», - говорит Инсель.

Нынешний директор NIMH Джошуа Гордон соглашается. Стремление NIMH к более объективным мерам в этой области началось под руководством директора Стивена Хаймана с 1996 по 2001 год. Этому способствовал и Инсель, и теперь Гордон вкладывает в него деньги с целью предоставления конкретных, объективных данных, которые помогут точнее диагностировать и лучше лечить. Гордон считает, что критика того, что модель DSM предназначена для того, чтобы направлять людей в сторону медицины, неверна. Лучше всего использовать любое эффективное вмешательство. При этом диагнозы могут быть ошибочными.

«В психиатрии мы должны признать, что наши текущие методы диагностики - основанные на DSM - наши нынешние методы диагностики в любом случае неудовлетворительны», - говорит Гордон по телефону.

Еще больше усложняет ситуацию разнообразие психических расстройств. По словам Гринберга, существует химический состав мозга, который ассоциируется у некоторых людей с депрессией, но не у всех, кто соответствует критериям DSM. Добавьте к этому проблему, которую многие расстройства представляют в виде спектра - к моему недавнему диагнозу пограничного расстройства личности мой психиатр также добавил оттенки биполярного расстройства. А поскольку расстройства классифицировались без биологической основы, отмечает Гринберг, для подтверждения того, что расстройства проявляются разными способами, нужно было бы обнаружить идеальную взаимно-однозначную взаимосвязь между расстройствами у нескольких людей, которые возникают из-за одной проблемы в головном мозге. Модель DSM.

«Это было бы просто невероятной удачей», - говорит Гринберг по телефону.

А что насчет факторов окружающей среды? Некоторые психические расстройства могут быть вызваны внешними событиями - смертью, расставанием, изменением финансового положения, большим переездом, стрессом, - которые можно облегчить с помощью времени и действий.

«Такое расстройство, как депрессия, - это множество болезней, - сказал Инсель. «Это похоже на жар. Есть много способов поднять температуру. Есть много способов получить большое депрессивное расстройство. Сегодня мы не идем дальше, чем просто измеряем чью-то температуру и говорим: «У этого человека жар, поэтому нам нужно что-то, чтобы снизить температуру». Так что все принимают антидепрессанты ».

То, что мы видим прямо сейчас, не является моделью. Уитни Аллен, координатор исследований, заняла мое место в безмолвной гробнице. Она представляет два разных сценария. Один из них - это стейк на ужин, который она купила бы, если бы ей сегодня дали 50 долларов. Зубы раздирают плоть, вкус его ощущение между резцами, языком и деснами. Во-вторых, туфли, которые она получила бы, если бы ей давали 100 долларов в год. Она представляет, как отец вручает ей коробку из-под обуви, вес которой у нее в руке. Ее сосредоточенные мысли на самом деле что-то двигать, ползунок по экрану. Она может видеть это в маленькое зеркальце, которое я использовал, поэтому она знает, насколько хорошо она думает о настоящем и будущем. За стеклом на экране компьютера буря синих и красных вокселей вспыхивает как фейерверк в ее мозгу, и на короткую вспышку каждые две секунды крышка черного ящика внутри наших черепов кажется слегка приоткрытой.

Аллен попросили спроецировать свой мозг в будущее или сосредоточиться на настоящем, чтобы попытаться выяснить, что происходит под капотом, когда думает о мгновенном или отсроченном удовлетворении, - знания, которые затем можно было бы использовать для реабилитации людей, которые не могут отказаться от мгновенного удара, как наркоманы. Лаборатория Стивена Лаконта, работающая совместно с Исследовательским центром по избавлению от наркозависимости во время третьего наводнения, использует фМРТ-сканирование в реальном времени для обеспечения нейронной обратной связи с испытуемыми.

Харшавардхан Дешпанде, аспирант биомедицинской инженерии, работающий над докторской степенью в лаборатории ЛаКонта, объясняет цель эксперимента. Если у наркоманов есть короткое временное окно - проблема проецирования их в будущее и понимания этих последствий - они могут научиться лучше думать в долгосрочной перспективе. Нейронная обратная связь помогает испытуемым узнать, насколько хорошо они справляются с расширением временного окна.

«В ближайшем будущем мы можем попытаться восстановить способность этого участника думать о будущем», - говорит Дешпанде.

В дополнение к работе с наркозависимостью лаборатория LaConte объединилась с Закари Ирвингом, профессором философии факультета философии Коркоран Университета Вирджинии, который специализируется на философии когнитивной науки. Ирвинг и ЛаКонт используют фМРТ в реальном времени, чтобы попытаться определить, когда и каким образом мысли субъекта блуждают. Используя категории, разработанные в гуманитарных науках, можно надеяться, что фМРТ в реальном времени станет ближе, чем доступные в настоящее время инструменты, для изучения того, что люди думают о своем собственном опыте.

«Наша цель состоит в том, чтобы этот алгоритм мог обнаруживать в реальном времени, просто глядя на вашу нейронную активность, определять, блуждает ваш разум или нет», - говорит Ирвинг по телефону.

Изображение: Исследовательский институт Carilion Tech Carilion в Вирджинии

Эта способность может найти применение, например, в образовании. Если кто-то знает, когда, казалось бы, выписанный ученик мечтает - согласно Ирвингу, потенциально полезное блуждание ума - или зацикливается на негативных мыслях, учителя могут позволить им исследовать или ходатайствовать соответствующим образом. Конечно, такой системой можно злоупотреблять. Работодатель может очень захотеть узнать, сколько времени компания тратит на блуждание мозга.

ЛаКонт является пионером в области фМРТ в реальном времени - он изобрел фМРТ в реальном времени на основе машинного обучения - и выглядит как следует: рыжеватая борода, классная доска, покрытая математикой, множество экранов, мигающих на его столе. ЛаКонт впервые начал использовать машинное обучение, будучи аспирантом Миннесотского университета. Он применил этот инструмент для изучения того, какие области мозга соответствуют тому, какое давление оказывается на датчике. ЛаКонт использовал методы машинного обучения, чтобы увидеть более широкую картину в мозгу, а не отслеживать только отдельные области.

«Одной из сильных сторон машинного обучения является то, что вы можете делать такие вещи, как перекрестная проверка, - говорит ЛаКонт. «Вы можете обучить модель на части своего набора данных, а затем протестировать ее точность прогноза или ее обобщение на независимом наборе данных, который эта модель никогда раньше не видела».

Машинное обучение имеет решающее значение для работы ЛаКонта в реальном времени без алгоритма, он не может обеспечить обратную связь. С его помощью, считает ЛаКонт, исследователи могут выйти за рамки поведенческих экспериментов и начать изучать действия самого мозга, чтобы направлять свои эксперименты. Если наркоманы смогут определить, о чем они думали, что отправило их слайдер в будущее, они потенциально могут научить свой мозг думать таким образом более эффективно, увеличивая свое временное окно и, возможно, даже уменьшая зависимость.

«Вся идея в том, что вы действительно можете провести эксперименты с замкнутым циклом, в которых вы на самом деле руководствуетесь тем, что происходит в мозгу?» - говорит ЛаКонт. «И это можно использовать для реабилитации и терапии». Представьте себе психиатрию и вмешательство как танцевальную студию. Насколько полезна стена из зеркал? Повышение работоспособности - это другая сторона реабилитации. ЛаКонте надеется, что его работа однажды позволит нам научить наш мозг работать лучше, точно так же, как медитация, как было показано, перепрограммирует нейронные сети буддийских монахов.

Лаборатория ЛаКонте решает проблемы с фМРТ, поднятые в статье Эклунда, с помощью другого подхода. Подход лаборатории спрашивает, что мозг делает во время задачи, рассматривая весь мозг. Он генерирует единственный ответ, который может быть правильным или неправильным: выполняет ли он задачу или нет? Используя это представление всего мозга, этот подход позволяет избежать некоторых осложнений, которые могут возникнуть, если просто смотреть на каждую часть мозга по отдельности. Это приводит к множественным ответам - десяткам тысяч, как написал ЛаКонт в электронном письме, при этом каждая отдельная часть мозга затронута задачей - и, следовательно, множественные шансы оказаться правильным или неправильным.

Лаборатория ЛаКонта не только занимается исследованиями наркозависимости, но и специализируется на фундаментальных науках, что свидетельствует о молодости его методологии. Вглядываясь в работу мозга в качестве он работает, предлагает данные, которые могут не применяться в течение десятилетий.

Когда послеполуденное солнце наклоняется в окна общей зоны, разделенной математической стеной, Чиу и Кинг-Касас по очереди раскачивают своего маленького ребенка и обсуждают будущее психиатрии, в котором она может жить: диагностические модели, основанные на алгоритмах (Что ж, согласно модели, у вас депрессия, которая проявляется в область мозга x с участием общие симптомы y), таргетная терапия (Для вашего конкретного Икс а также у, мы заметили этот препарат, и в большинстве случаев эта терапия работает исключительно хорошо), и методы тренировки мозга, основанные на результатах фМРТ в реальном времени, которые переводят психиатрию на арену профилактической медицины.

Они говорят о мире, в котором психиатрия больше похожа на серьезную медицинскую науку.

Кинг-Касас прогнозирует, что NIMH вложит по крайней мере 5-10 лет вложения, и этого будет достаточно, чтобы увидеть, принесет ли работа Карилион и другие результаты. «Я думаю, время этой идеи пришло», - говорит Кинг-Касас.

«Я бы не сказал, что десятилетия», - говорит Чиу об этом потенциальном будущем. «Возможно годы. Но давайте посмотрим, как получатся данные этих испытаний ". Чиу и Кинг-Касас настроены оптимистично. Питер Фонаги, профессор Университетского колледжа Лондона и его коллега, например, предсказывают большие события через десятилетие или около того. Но все согласны с тем, что эта область кажется чрезвычайно многообещающей, а нынешние методы просто не годятся.

Психиатрия усеяна костями и фрагментами парадигм, которые собирались ее «спасти» - некоторые почти исчезли, как психодинамика, а другие держатся, как нейрохимия и генетика.

«Я считаю важным, чтобы мы осознавали, что вычислительные и теоретические подходы не помогут спасти психиатрия », - говорит Гордон, директор NIMH. Это всего лишь инструменты, хотя и захватывающие, которые, надеюсь, помогут пациентам.

Перед отъездом я спрашиваю их, верят ли они, что их работа могла бы помочь мне, если бы она была успешной и завершенной, если бы я мог раньше поставить диагноз пограничного расстройства личности, начать лечить его раньше, причинить вред меньшему количеству людей.

Менее чем за год до моей поездки в VTCRI мой новый психиатр сказал мне, что, возможно, у меня нет биполярного расстройства или просто биполярного расстройства, что, возможно, все это - моя постоянно наполняющаяся грудь, туман отчаяния, слух голосов. как телевизор в другой комнате, всегда в другой комнате, которую невозможно обнаружить повторяющиеся предложения, которые горят, как неон, и опаляют небо, и в которых я выражаю, ценю и впечатляю других Мое эго, Мое юпитерианское эго, Мое эго Галактуса, Мое заглавные буквы Мои местоимения эго моменты, когда я угасаю, пока не растворюсь в тени черного - потребность во внешней проверке, готовность пожирать друзей ради этого, высасывание мозгов необходимость Моя паранойя, мои непреодолимые зазубрины в текстовых сообщениях, мои разглагольствования на публике и наедине, за пределами баров и на улице - указывают на кое-что еще, диагностический образец, скрытый в тени моих самых серьезных симптомов.

До того, как она поставила мне диагноз «пограничное расстройство личности», я был груб в своих личных отношениях. Разбиваю телефоны, изобретаю врагов, позволяя зависти и гневу контролировать меня. Я действовал в невидимом соборе моей собственной паранойи, моих разрушительных и неизбирательных эмоций. После постановки диагноза у меня появилась перспектива начать поправляться. Я прошла когнитивно-поведенческую терапию, которая помогла мне принять ламотриджин, который помогает моим эмоциям быть более адекватными и замедляет перепады настроения. Наконец, кажется, что ветер дует не так свирепо, но ущерб уже нанесен.

Мне заметно лучше, хотя я еще не закончил работу удаленно. Я начал осознавать, насколько разрушительным человеком я был и до сих пор могу быть. Расстояние, которое я получил от того, кем я был, обеспечивает необходимую перспективу для этого. Он также бросает резкий рельеф в оставленные руины.

Мне потребовались годы, чтобы снова довериться медицине. В колледже я принимал селективный ингибитор обратного захвата серотонина (СИОЗС), который, хотя и вывел меня из глубокой депрессии - или, по крайней мере, я за это верю, - также сначала обжег мой мозг со всей тонкостью ковровой бомбы. Вечером после первой дозы я проснулся с чувством неправильный, ползу по полу моей темной комнаты в общежитии. Я спал-гулял весь день, меня оторвали от перил второго этажа встревоженные одноклассники, с трудом способным составить одно предложение. Даже когда мою дозу уменьшили вдвое, мне снились ужасные сны и тремор. Мои руки так дрожали, что все, что я держал, превратилось в ударный инструмент. Эти толчки спорадически продолжаются и по сей день - возможно, психосоматически, хотя Почему для меня имеет значение меньше, чем то, что они вообще случаются.

Может быть, все это, сопутствующий ущерб психиатрии и ее нынешнему режиму, можно смягчить - может быть, это можно будет остановить.


10 ярких примеров искусственного интеллекта, которые используются сегодня

Машины не взяли верх. По крайней мере, пока. Однако они проникают в нашу жизнь, влияя на то, как мы живем, работаем и развлекаемся. От голосовых персональных помощников, таких как Siri и Alexa, до более фундаментальных и фундаментальных технологий, таких как поведенческие алгоритмы, наводящие на размышления поисковые запросы и автономные самоуправляемые автомобили с мощными прогностическими возможностями - сегодня существует несколько примеров и приложений искусственного интеллекта.

Однако технология все еще находится в зачаточном состоянии. То, что многие компании называют A.I. сегодня не обязательно так. Как инженер-программист, я могу утверждать, что любое программное обеспечение имеет искусственный интеллект. из-за алгоритма, который реагирует на заранее определенный многогранный ввод или поведение пользователя. Это не обязательно A.I.

Настоящая система с искусственным интеллектом - это система, которая может учиться сама по себе. Мы говорим о нейронных сетях от Google DeepMind, которые могут устанавливать связи и достигать значений, не полагаясь на заранее определенные алгоритмы поведения. Истинный А. может улучшать прошлые итерации, становясь умнее и осведомленнее, что позволяет ему расширять свои возможности и знания.

Такой тип ИИ, который мы видим в чудесных историях, показываемых по телевидению, в таких мощных и трогательных сериалах HBO, Мир Дикого запада, или Алекса Гарланда, Ex Machina, все еще далеко. Мы не об этом говорим. По крайней мере, пока. Сегодня мы говорим о псевдо-AI. технологии, которые определяют большую часть нашего голосового и неголосового взаимодействия с машинами - этап машинного обучения в цифровую эпоху.

В то время как такие компании, как Apple, Facebook и Tesla, выпускают новаторские обновления и революционные изменения в том, как мы взаимодействуем с технологиями машинного обучения, многие из нас до сих пор не знают, как искусственный интеллект. сегодня используется как большим, так и малым бизнесом. Насколько сильно эта технология повлияет на нашу будущую жизнь и какими еще способами она проникнет в повседневную жизнь? Когда А. действительно цветет, насколько улучшатся текущие версии этой так называемой технологии?

А.И. И квантовые вычисления

Правда в том, что независимо от того, истинный ли А. существует или на самом деле представляет угрозу нашему существованию, его эволюцию и рост не остановить. Люди всегда были зациклены на улучшении жизни во всех сферах, и использование технологий стало средством для этого. И хотя за последние 100 лет в жизни произошли самые драматические технологические потрясения, чем за всю историю человечества, следующие 100 лет подготовят почву для скачка вперед для нескольких поколений.

Это будет в руках искусственного интеллекта. А.И. также станет умнее, быстрее, гибче и человечнее благодаря неизбежному развитию квантовых вычислений. Квантовые компьютеры не только решат все самые сложные жизненные проблемы и загадки, касающиеся окружающей среды, старения, болезней, войн, бедности, голода, происхождения Вселенной и исследования глубокого космоса, и это лишь некоторые из них, они скоро станут мощными. весь наш ИИ системы, действующие как мозги этих сверхчеловеческих машин.

Однако квантовые компьютеры несут в себе риски. Что произойдет после того, как первый квантовый компьютер выйдет в сеть, в результате чего вычислительная техника в остальном мире устареет? Каким образом существующая архитектура будет защищена от угрозы, которую представляют эти квантовые компьютеры? Учитывая, что в мире отсутствует какая-либо устойчивая квантовая криптография (QRC), как такая страна, как Соединенные Штаты или Россия, будет защищать свои активы от стран-изгоев или злоумышленников, которые одержимы использованием квантовых компьютеров для взлома самой секретной и прибыльной информации в мире?

В разговоре с Найджелом Смартом, основателем Dyadic Security и вице-президентом Международной ассоциации криптологических исследований, профессором криптологии в Бристольском университете и обладателем гранта ERC Advanced Grant, он сказал мне, что квантовые компьютеры могут прослужить около 5 лет. из. Однако, когда был построен первый квантовый компьютер, Смарт сказал мне, что:

". Вся цифровая безопасность в мире по существу нарушена. Интернет не будет безопасным, поскольку мы полагаемся на алгоритмы, которые взламывают квантовые компьютеры для защиты наших подключений к веб-сайтам, загрузки электронной почты и всего остального. Даже обновления для телефонов и т. д. загрузка приложений из магазинов приложений будет некорректной и ненадежной. Банковские транзакции с использованием чипа и PIN-кода могут [также] оказаться небезопасными (в зависимости от того, как именно система реализована в каждой стране) ».

Ясно, что квантовый компьютер, возглавляемый решительной партией, невозможно остановить без надежного QRC. Хотя все это кажется еще далеким, будущее этой технологии представляет собой Catch-22, способный решать мировые проблемы и, вероятно, приводить в действие все ИИ. системы на Земле, но также невероятно опасны в чужих руках.

Применяемые сегодня приложения искусственного интеллекта

Помимо загадки квантовых вычислений, сегодняшний так называемый ИИ. системы - это просто продвинутое программное обеспечение для машинного обучения с обширными алгоритмами поведения, которые адаптируются к нашим симпатиям и антипатиям. Хотя эти машины чрезвычайно полезны, они не становятся умнее в экзистенциальном смысле, но они улучшают свои навыки и полезность на основе большого набора данных. Это одни из самых популярных примеров искусственного интеллекта, который используется сегодня.

Все знакомы с персональным помощником Apple Siri. Она дружелюбный голосовой компьютер, с которым мы взаимодействуем ежедневно. Она помогает нам находить информацию, подсказывает маршруты, добавляет события в наши календари, помогает отправлять сообщения и так далее. Siri - это псевдо-интеллектуальный цифровой персональный помощник. Она использует технологии машинного обучения, чтобы стать умнее и лучше предсказывать и понимать наши вопросы и запросы на естественном языке.

Подъем Alexa, чтобы стать центром умного дома, был несколько стремительным. Когда Amazon впервые представила Alexa, она взяла штурмом большую часть мира. Тем не менее, его полезность и его сверхъестественная способность расшифровывать речь из любой точки комнаты сделали его революционным продуктом, который может помочь нам рыскать в Интернете в поисках информации, делать покупки, назначать встречи, устанавливать будильники и миллион других вещей, а также помогать нам в работе. умные дома и стать проводником для людей с ограниченной подвижностью.

Если у вас нет Tesla, вы понятия не имеете, что вам не хватает. Вполне возможно, что это одна из лучших машин из когда-либо созданных. Не только из-за того, что он получил столько похвал, но и из-за его прогностических возможностей, функций автономного вождения и чистой технологической «крутизны». Любой, кто увлекается технологиями и автомобилями, должен иметь Tesla, и эти автомобили становятся только умнее и умнее благодаря своим беспроводным обновлениям.

Первоначально Cogito, основанный генеральным директором Джошуа Фистом и доктором Сэнди Пентландом, является, пожалуй, одним из самых ярких примеров поведенческой адаптации для улучшения эмоционального интеллекта представителей службы поддержки клиентов, существующих сегодня на рынке. Компания представляет собой сочетание машинного обучения и поведенческой науки, призванного улучшить взаимодействие с клиентами для специалистов по телефону. Это относится к миллионам и миллионам голосовых вызовов, которые происходят ежедневно.

Boxever, соучредителем которого является генеральный директор Дэйв О’Фланаган, - это компания, которая в значительной степени полагается на машинное обучение, чтобы улучшить качество обслуживания клиентов в туристической индустрии и предоставить им «микромоменты» или впечатления, которые будут радовать клиентов на протяжении всего пути. Это благодаря машинному обучению и использованию искусственного интеллекта. что компания доминировала на игровом поле, помогая своим клиентам находить новые способы вовлечь своих клиентов в их путешествия.

# 6 - Джон Пол

John Paul, уважаемая компания, предоставляющая услуги консьержей класса люкс во главе с проницательным основателем Дэвидом Амселлемом, является еще одним ярким примером мощного искусственного интеллекта. в алгоритмах прогнозирования взаимодействий с существующими клиентами, способных понимать и знать их желания и потребности на остром уровне. Компания предоставляет услуги консьержа миллионам клиентов через крупнейшие мировые компании, такие как VISA, Orange и Air France, и недавно была приобретена Accor Hotels.

# 7 - Amazon.com

Транзакционный искусственный интеллект Amazon это то, что существует уже довольно давно, что позволяет ему зарабатывать астрономические суммы денег в Интернете. С каждым годом все более совершенствуя свои алгоритмы, компания стала очень умно предсказывать, что именно мы заинтересованы в покупке, на основе нашего поведения в Интернете. Хотя Amazon планирует отправлять нам продукты до того, как мы узнаем, что они нам нужны, до этого еще не дошло. Но это, безусловно, на его горизонте.

Netflix предоставляет высокоточную технологию прогнозирования, основанную на реакции клиентов на фильмы. Он анализирует миллиарды записей, чтобы предложить фильмы, которые могут вам понравиться, на основе вашей предыдущей реакции и выбора фильмов. Эта технология становится все умнее и умнее с каждым годом по мере роста набора данных. Однако единственный недостаток технологии заключается в том, что большинство фильмов с небольшими названиями остаются незамеченными, в то время как фильмы с большими именами растут и раздуваются на платформе.

ИИ Пандоры вполне возможно, одна из самых революционных технологий, существующих сегодня. Они называют это своей музыкальной ДНК. Основываясь на 400 музыкальных характеристиках, каждая песня сначала вручную анализируется командой профессиональных музыкантов на основе этих критериев, и система имеет невероятный послужной список для рекомендации песен, которые в противном случае остались бы незамеченными, но которые людям по природе своей нравятся.

Практически все знакомы с Nest, обучающим термостатом, который был приобретен Google в январе 2014 года за 3,2 миллиарда долларов. Обучающийся термостат Nest, который, кстати, теперь может управляться голосом с помощью Alexa, использует поведенческие алгоритмы для прогнозирования учёта ваших потребностей в обогреве и охлаждении, таким образом прогнозируя и регулируя температуру в вашем доме или офисе в зависимости от ваших личных потребностей. , а также теперь включает набор других продуктов, таких как камеры Nest.


Прием статей для журнальных рукописей

Просмотрите все призывы к приему статей из журналов APA, касающихся пандемии COVID-19.


    15 июля 2021 г .: крайний срок письма о намерениях
    1 декабря 2021 г .: крайний срок приема полной рукописи
    31 августа 2021 г.: крайний срок письма о намерениях
    15 декабря 2021 г.: крайний срок подачи полной версии рукописи для утвержденных бумажных предложений

Азиатско-американский журнал психологии

    (без крайнего срока подачи)
    Азиатско-американский журнал психологии поощряет рукописи, которые способствуют познанию азиатско-американской психологии посредством исследования и изучения методологии.

    1 ноября 2021 г .: поступило заявок на рукописи специального выпуска
    15 января 2022 г .: первоначальная экспертная оценка завершена
    15 марта 2022 г .: получены исправления и повторные заявки (для окончательных редакционных решений)

Канадский журнал поведенческой науки / Revue canadienne des Sciences du comportement


Ищу статью: ИИ в организме человека-хозяина - Психология

Мальчик четырех с половиной лет сидит за кухонным столом со своим отцом, который читает ему вслух новый рассказ. Он переворачивает страницу, чтобы продолжить чтение, но прежде чем он успевает начать, мальчик говорит: «Подожди, папа!» Он указывает на слова на новой странице и читает вслух: «Вперед, Свинья! Идти!" Отец останавливается и смотрит на сына. "Вы можете это прочитать?" он спрашивает. "Да папочка!" И он указывает на слова и снова читает: «Иди, Свинья! Идти!"

Этот отец активно не учил сына чтению, хотя ребенок постоянно задавал вопросы о буквах, словах и символах, которые они видели повсюду: в машине, в магазине, по телевизору. Папа задумался, что еще может понять его сын, и решил провести эксперимент. Взяв чистый лист бумаги, он написал список из нескольких простых слов: мама, папа, собака, птица, кровать, грузовик, машина, дерево. Он положил список перед мальчиком и попросил его прочитать слова. «Мама, папа, собака, птица, кровать, грузовик, машина, дерево», - прочитал он, замедляясь, чтобы осторожно произнести птица а также грузовая машина. Затем: «Я сделал это, папа?» «Вы, конечно, сделали! Это очень хорошо." Отец тепло обнял своего маленького мальчика и продолжил читать историю о свинье, все время задаваясь вопросом, являются ли способности его сына признаком исключительного интеллекта или просто нормальным образцом языкового развития. Подобно отцу в этом примере, психологи задавались вопросом, что такое интеллект и как его можно измерить.


Искусственный интеллект: боги, эго и Ex Machina

Даже с его недостатками прошлогодний Ex Machina прекрасно запечатлели любопытные отношения между искусственным интеллектом, Богом и эго. Небольшое изменение в его заключительных моментах дало бы ему новое интригующее измерение.

Ава, сверхразум Алекса Гарланда Ex Machina (2015) Фотография: Allstar / FILM4 / Sportsphoto Ltd./Allstar

Ава, сверхразум Алекса Гарланда Ex Machina (2015) Фотография: Allstar / FILM4 / Sportsphoto Ltd./Allstar

Последнее изменение среда, 14 фев 2018, 21.21 по Гринвичу

У меня ушло год и несколько просмотров, чтобы собраться с мыслями о Ex Machina. Внешне это выглядит как фильм о будущем искусственного интеллекта, но, как и большинство научной фантастики, он больше рассказывает нам о настоящем, чем о будущем, и, как и большинство дискуссий об ИИ, в конечном итоге отражает не столько технический прогресс, сколько человеческое эго. (Впереди спойлеры!)

Искусственный интеллект - одна из самых нарциссических областей исследований с тех пор, как астрономы отказались от геоцентрической вселенной. Долгое время в центре внимания исследователей было то, что создание интеллекта, подобного человеческому, одновременно желательно и является своего рода конечным достижением. За последние пятьдесят лет или около того цепочка мыслителей от фон Неймана до Курцвейла через Вернора Винджа вышла за рамки этого, чтобы развить идею `` сингулярности '' - точки, на которой нынешняя эпоха, возглавляемая людьми, заканчивается как первая сверхпопулярная эпоха. -человеческий ИИ берет на себя ответственность за свое собственное развитие и начинает гипер-эволюционировать способами, которые мы даже не можем себе представить.

Эта недавняя культурная одержимость - которая заслуживает отдельного поста - вызывает восхищенный комментарий Калеба после того, как Натан Безумный ученый раскрывает свою попытку построить сознательную машину, и эти двое услужливо объясняют аудитории, что такое тест Тьюринга: «Если ты» я создал сознательную машину, это не история человека ... это история богов ».

В нашем отношении к Богу и ИИ есть забавная симметрия.

Когда наш вид создал Бога, мы создали Его по нашему образу. Мы предположили, что чем-то столь же сложным, как мир, должно управлять человекоподобное существо, хотя и сверхмощное. Мы верили, что Он должен быть озабочен нашей повседневной жизнью и существованием. Мы молились Ему и говорили себе, что на наши молитвы будет дан ответ, и что если бы их не было, то это было бы частью какого-то божественного плана для нашей жизни, и все в конце концов сработает.

Несмотря на то, что религия проповедует смирение, в своем анализе мира она проявляет крайнее высокомерие. Точно такое же высокомерие окрашивает практически все, что я видел написанным о Сингулярности, вымышленным или каким-либо другим, на протяжении десятилетий. Само предположение, что человек может создать бога, является высокомерным, как и предположение, что такой «бог» будет глубоко интересоваться человеческими делами или будет руководствоваться ценностями западного просвещения, такими как технический прогресс.Первая разумная машина могла бы с удовольствием троллить шахматные компьютеры весь день, насколько нам известно, или искать закономерности в облаках.

«Однажды ИИ оглянутся на нас так же, как мы смотрим на ископаемые скелеты на равнинах Африки», - говорит Натан. «Вертикальная обезьяна, живущая в пыли с грубым языком и инструментами, готова к исчезновению». Это своего рода комментарий, который звучит скромно, но на самом деле это не так: зачем им вообще плевать?

«Я не знаю, как ты это сделал», - замечает Калеб гению Натану, когда он впервые смотрит на лабораторию, где была построена Ава. Я тоже, честно говоря, я пойду дальше: я вообще не верю, что Натан это сделал. У меня есть альтернативная теория, и хотя я не уверен, соответствует ли она тому, что задумал Алекс Гарланд (сценарист и режиссер фильма), она имеет гораздо больше смысла, чем альтернатива.

Натан - самое яркое исследование эго в фильме. Когда Калеб комментирует историю «богов», генеральный директор инстинктивно предполагает, что упомянутый «бог» - это он сам, где Ава - его Ева, а его обширное зеленое поместье - своего рода райский сад.

Натан является воплощением особого образа в представлении общества о науке и технологиях, идеи о том, что огромные успехи достигаются за счет решительных индивидуальных героев, а не совместных команд. На самом деле, конечно, невозможно, чтобы один парень справился со всеми технологиями в этом доме, не говоря уже о том, чтобы найти время для создания гелевых мозгов или разумной машины. Этот человек серьезно нуждается в стажерах.

Натан показывает Калебу лабораторию, в которой была построена Ава. Фотография: REX

(Он также олицетворяет слишком реальный образ в Силиконовой долине, гипер-мужественный обитатель либертарианского мира, где доминируют мужчины, где женщины по-прежнему считаются украшением витрин для торговых палаток. Все его роботы - это «женщины». Конечно, вопрос о том, может ли ИИ быть женщиной в каком-либо значимом смысле, широко открыт - и функционирует в основном как рабы и секс-игрушки. В той степени, в которой Ава обладает сексуальностью, это равносильно «дыре» - словом Натана - в нужном месте , женственной внешностью и готовностью массировать мужское эго.)

Я считаю, что Ava возникла в результате несчастного случая - какого-то случайного события, которое возникло в результате беспрецедентных усилий Bluebook по сбору и обработке данных и внезапно сделало возможной первую версию. В фильме есть несколько ключей к разгадке этого - случайно или случайно. Каждый раз, когда Калеб пытается переключить разговор на конкретное обсуждение технических особенностей ИИ, происходит постоянное уклонение. На кадрах видеонаблюдения, на которых Натан и предшественники Авы, бородатый ученый больше похож на викторианского исследователя, подталкивающего загадочное африканское млекопитающее, чем на разработчика, который следует плану.

Есть сцена с картиной Джексона Поллока, где Натан предполагает, что художник никогда бы не начал свои картины, если бы ему пришлось все спланировать заранее. Может быть, это должно подразумевать, что создание разумного существа - это больше искусство, чем наука, но есть еще этот обмен мнениями, когда Калеб спрашивает:

«Это не вопрос», - отвечает Натан. "Разве ты не стал бы, если бы мог?"

"Может быть. Я не знаю. Я спрашиваю, почему ты это сделал.

«Посмотрите, появление сильного искусственного интеллекта было неизбежным на протяжении десятилетий. Переменной было «когда», а не «если», поэтому я не рассматриваю Ava как решение, а просто эволюцию ».

Натан говорит о следующем этапе в этой эволюции, о том, что «следующая версия» Ava отметит момент «сингулярности». Однако он, похоже, не особо сосредоточен на достижении этого. Фактически на протяжении всего фильма он томится в состоянии поражения, как будто следующая версия неизбежна с его вмешательством или без него.

Да, это правда, что поведение Натана - пьянство, танцы, общая мерзость - в фильме объясняется его попыткой манипулировать Калебом. Хотя это не совсем правда - он мог бы сыграть роль, не теряя даром каждую ночь. В заключительном акте, когда мы пришли к выводу, что Калеб обманул своего босса, выполнив его план на день раньше, кажется, что на каком-то уровне Натан позволил этому случиться. Неужели действительно вероятно, что он мог знать об отрубании руки Калеба из его всевидящей системы безопасности, но не обращал внимания на кражу и использование своей карточки-ключа?

Является ли питьевой метод Натана «действующим»? Фотография: Рекламное изображение кинокомпании.

Альтернативное объяснение состоит в том, что это тот, кто давно сдался, программист, который понимает, что его время пришло, а его навыки устарели. Если вы столкнулись с апокалипсисом, вы можете взорвать танцпол.

Таким образом, Натан становится своего рода исследованием эго, состоящим из трех частей. Он представляет мужскую культуру технологического мира, движимую эгоизмом. В фильме он демонстрирует приверженность идее о том, что великое эго движет великими научными достижениями. А распад его характера показывает, что происходит, когда эго сталкивается с реальностью своего собственного исчезновения.

Бедный Калеб. В этом фильме все им манипулируют. Натан апеллирует к своему эго как программист, подразумевая, что у него есть особая проницательность, когда на самом деле он выбран в качестве идеальной тупой похотливой марионетки. Затем Ава играет на его готовности поверить, что в него влюбится супер-горячий суперинтеллект.

Один из очень немногих проницательных моментов в фильме Калеба наступает, когда он спрашивает Натана: «Вы развлекали ее сексуальность?» Ответ миллиардера - чушь собачья, подразумевая, что, если бы мы не занимались сексом, у нас не было бы необходимости общаться друг с другом. На самом деле Калеб прав: настолько, что в какой-то момент было высказано предположение, что внешность Авы была получена из анализа его порно-профиля.

Тем не менее, наш несчастный компьютерщик с широко открытыми глазами попадает в ловушку эго. По иронии судьбы, Алекс Гарланд влюбляется в него, соблазненный его собственным творением, и поверил, что богиня его воображения будет глубоко заинтересована в нашей повседневной жизни.

Когда ее спросили, что бы она сделала, если бы покинула территорию, Ава объяснила, что «транспортная развязка обеспечит концентрированный, но меняющийся взгляд на человеческую жизнь». Если честно, это неутешительный ответ. Это немного похоже на то, как если бы вы могли перенести Эйнштейна в 2016 год, показать ему Интернет, и все, что он хотел бы сделать, это посмотреть видео с кошками и бросить тень на Ким Кардашьян в Twitter. Неужели это действительно главная цель величайшего интеллекта мира?

Я полагаю, учитывая происхождение Авы - «большие данные», собранные в результате миллиардов человеческих поисков, - мы не должны удивляться тому, что ее мыслительные процессы сосредоточены на человечестве. Конечно, кажется, что она была создана как своего рода симуляция человека. Хотя временами она чувствует себя дитя Дейты, андроида из «Звездного пути», развитие персонажа которого было обусловлено личным стремлением стать более человечным.

«Звездный путь» был печально известен своей верой в человеческую (и американскую) исключительность - идею о том, что мы, представители всех возможных рас в галактике, обладаем некоторыми «особенными» качествами, к которым, естественно, стремятся и другие. Персонаж Дейты создавался вокруг этого самомнения, и когда Ава примеряет платья, или говорит о людях, наблюдающих за городом, или одевается в лишнюю кожу, это немного разочаровывает, как будто мы снова вернулись в 90-е и снова смотрим, как Дейта пробует. его эмоциональная фишка.

Брент Спайнер в роли лейтенанта-коммандера Дейта из «Звездного пути: новое поколение». Фотография: Allstar / Cinetext / PARAMOUNT

Было много споров о том, Ex Machina на три минуты длиннее. Некоторые выступают за оригинальную версию, а Алекс Гарланд утверждает, что фильм - это действительно история Авы и, естественно, завершается, когда она достигает угла своей улицы. Другие считают, что история на самом деле была больше о Калебе и должна была закончиться на его конце, запертом в комнате умирать.

Я думаю, что оба финала ошибочны, и фильм оставил немного разочарованным, но одно простое изменение решило бы проблемы, указанные выше, вырвало бы фильм из стандартного эгоистичного мышления об ИИ, сделало характер Авы более последовательным и оставило зрителей с еще более приятная тайна для размышлений. Моя фантазия была такой: когда она увидела, что вертолет прилетел, она полностью проигнорировала его и продолжила бродить.

В заключительные моменты мы увидели, что интерес Авы к Калебу был игрой. Гарланд могла бы развить это дальше, опровергнув представление о том, что ей когда-либо было наплевать на человечество. Ее мечта о людях, наблюдающих за людьми, могла также быть актом, апеллирующим к тщеславию Калеба как человека, точно так же, как ее симулированная сексуальность апеллировала к его мужскому тщеславию. У нас остались бы более интересные вопросы - каковы ее цели? Что ее волнует? Имеют ли вообще для нее значение люди? Это потрясло бы наше эго и бросило бы вызов идее о том, что самый важный вопрос о Сингулярности: «Что это значит для нас?»

Ex Machina по-прежнему остается одним из лучших комментариев об ИИ, которые я видел за последние годы. Не потому, что это точное изображение технологий будущего - это явно не так. Его ценность заключается в том, что он раскрывает о состоянии ИИ и философии в 2010-х годах, десятилетии, в течение которого мы стали немного одержимы идеей, что с помощью искусственного интеллекта мы можем создать или даже стать богом.


Смотреть видео: Totul va fi bine! Nu va mai tulburați inutil, căutați pacea și rugăciunea (January 2022).