Миф об искусственном интеллекте: почему компьютеры не могут мыслить так, как мы на русском
The Myth of Artificial Intelligence: Why Computers Can’t Think the Way We Do (B08TV31WJ3)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Erik J. Larson | #97: Бизнес и менеджмент, Технологии, История
«Книга выявляет огромный разрыв между реальной наукой, лежащей в основе ИИ, и громкими заявлениями, которые делаются в его поддержку». — Джон Хорган
«Если вы хотите узнать об искусственном интеллекте, прочтите эту книгу… Она показывает, как якобы футуристическое почитание искусственного интеллекта тормозит прогресс, принижая наш самый незаменимый ресурс для любого будущего прогресса: наш собственный человеческий интеллект». — Питер Тиль
Со времен Алана Тьюринга энтузиасты ИИ приравнивали искусственный интеллект к человеческому. Эрик Ларсон, специалист по информатике, работающий на переднем крае обработки естественного языка, знакомит нас с ландшафтом ИИ и объясняет, почему это глубокая ошибка.
Искусственный интеллект работает на основе индуктивного мышления, обрабатывая наборы данных для прогнозирования результатов. Но люди не сопоставляют наборы данных. Мы делаем предположения, основываясь на контексте и опыте. И мы понятия не имеем, как запрограммировать подобное интуитивное мышление, которое лежит в основе здравого смысла. Футурологи утверждают, что ИИ вскоре превзойдет возможности самых одаренных умов, но Ларсон показывает, как далеко мы находимся от сверхинтеллекта — и что потребуется для его достижения.
«Ларсон опасается, что мы совершаем сразу две ошибки: занижаем оценку человеческого интеллекта, переоценивая при этом потенциал ИИ… Еще одна проблема — это выработанная пассивность: наша склонность предполагать, что ИИ решит проблемы, и, как следствие, наша неспособность развивать человеческую изобретательность».
— Дэвид А. Шейвиц, Wall Street Journal
«Убедительные доказательства того, что искусственный общий интеллект — машинный интеллект, сопоставимый с нашим собственным, — выходит за рамки возможностей алгоритмического машинного обучения, поскольку существует несоответствие между тем, как люди и машины познают то, что они знают».
—Сью Халперн, New York Review of Books