Включи мозги. Зачем нужен ЗОЖ, если нас скоро заменят роботы?
Зачем нужны спорт и самообразование, если нас все равно скоро заменят роботы и искусственный интеллект? Может быть, лучше коллективно учиться кодировать? Ведущий специалист «Яндекса» Андрей Себрант не согласен с такой постановкой вопроса: роботы не заменят тех, кто умеет мыслить креативно и выходить за рамки шаблонов. Но как научить свой мозг вовремя включаться?
Мозг наш ленив. Благодаря этой нашей особенности человечество и выживает. Если бы мы в процессе эволюции — еще с тех пор, как бегали по саванне — непрерывно занимались размышлениями вместо того, чтобы автоматически реагировать на угрозу или еду, мы бы не выжили. Поэтому, как ни странно, наша слабость перед искусственным интеллектом заключается в том, что обычно мы приписываем машине, – в следовании шаблонам. Нам кажется, что это машина ведет себя так, как ее запрограммировали, но на самом деле, большую часть решений мы принимаем не думая. Уже потом, когда нас спрашивают, почему мы поступили так или иначе, мы начинаем успешно рационализировать свои действия. Но вся эта рационализация не имеет вообще никакого отношения к реальным процессам в работе мозга.
В отличие от которого, кстати, машина иногда лучше обучаема. Она способна принимать гораздо более многопараметрические решения. В том числе, потому, что у машины намного больше данных. Здесь парадокс: любимый аргумент в защиту человека перед роботом состоит в том, что количество связей у нас в мозгу такое, что аналогичное количество связей не светит в обозримом будущем никакому компьютеру. Но ведь важен не только «процессор», но и емкость оперативной памяти, и скорость доступа к этим данным.
А теперь давайте посмотрим на наш мозг с точки зрения разных периферических, в компьютерной терминологии, устройств. Даже у человека, который всю свою жизнь посвятит чтению, нет шансов прочитать всё, что создало человечество. А вот у компьютера есть доступ к любому тексту, зафиксированному в Google, «Яндексе» и прочих поисковых системах. И не только тексту. Поэтому все задачи, которые требуют обработки большого количества фактического материала — там у нас нет шансов.