Недавние тренды рунета

Окончательный диагноз — большой войны не миновать

Pовно два года назад в 1ом посте серии «Большой войны не миновать» я рассказал, как в ходе Нобелевского симпозиума Нассим Талеб опроверг теорию Стивена Пинкера о будто бы уже начавшейся эпохе «долгого мира» с неуклонным падением уровня насилия, снижением кровопролитности и числа войн. Нассим Талеб математически обосновал совершенно противоположный и страшный вывод.

Большой войны с десятками миллионов жертв человечеству не миновать.

Год назад я опубликовал 2й пост этой серии, названный «Большая война ближе, чем мы думаем». В нем было рассказано о результатах исследования Аарона Клаузета, подтвердившего правоту Талеба и доказавшего следующее.

Мы живем в циклической реальности, в которой на смену всё более «долгого мира» идут всё более кровопролитные войны.

И вот только что опубликовано исследование Уго Барди с коллегами, доводящее счет в легендарном споре Талеба и Пинкера о судьбе человечества до разгромных 3:0. Результаты интеллектуального анализа данных самой большой в мире базы о жертвах войн за 600 лет еще раз (и похоже, окончательно) развенчали идеи «долгого мира» и «снижения уровня насилия», отстаиваемые Стивеном Пинкером, и поддерживаемые многими другими известными интеллектуалами.

Вердикт нового исследования ужасен.

В недалеком будущем мир ждет война ещё более кровопролитная, чем 2я Мировая.

Но это не всё.

Еще более поражает интегральный результат трех работ — Талеба, Клаузета и Барди,— переводящий наши представления о войне из области качественных гуманитарных оценок и категорий в естественнонаучную область математически формулируемых гипотез и их экспериментальной проверки на моделях, позволяющих количественную оценку их точности.

Война — это встроенный в структуру общества механизм эффективного снижения энтропии человеческих обществ — сложных систем, живущих на кромке хаоса в состоянии самоорганизованной критичности.

Что это? Почему так? Причем здесь энтропия? И что из всего этого следует, — обо всем этом желающие могут прочесть в 3ей, завершающей статье серии «Большой войны не миновать».

Тройная проверка

100 лет отделяет нас от окончания 1й Мировой войны, начатой без какой-либо видимой цели и принесшей страдания и гибель 40 миллионов человек. Эта война стала символом осознания необходимости положить конец всем войнам. Но вместо этого, всего через 2 десятка лет после неё началась 2я Мировая война, которая принесла страдания и гибель уже 100+ миллионов.

73 года после окончания 2й Мировой, прошедшие без новой большой войны, стали источником оптимизма и надежд, что мир становится менее жестоким. Эти несколько десятилетий и стали основанием для гипотезы «долгого мира» Стивена Пинкера, разделяемой сегодня многими известными интеллектуалами.

Пинкер пришел к заключению, что новые нормы общежития, установленные государствами, постепенно изменили саму человеческую психологию, которая стала учитывать интересы и нужды других людей. Помимо этого, распространение грамотности, демократии и развитие наднациональных институтов, а также демографические тенденции, новые технологии и, наконец, политика сверхдержав, — все это вкупе способствовало переходу человечества к эпохе «долгого мира» (подробней см. мой пост «Большой войны не миновать»).

В подтверждение своей гипотезы Стивен Пинкер использует статистические данные, экстраполируя статистику на несколько десятилетий с окончания 2й Мировой войны до наших дней. В результате этого делается вывод, что прошедшие 7 десятилетий без большой войны — это и есть начало эпохи «долгого мира», с каждым годом которой нравы человечества становятся все менее жестокими, а вероятность большой войны, соответственно, снижается.

Гипотеза, ничего не скажешь, — духоподъемная. Но беда в том, что она не проходит серьёзной проверки.

За последние годы были проведены три такие проверки — Талеб (2015), Клаузет (февраль 2018) и Барди (декабрь 2018), — показавшие статистическую недостоверность гипотезы «долгого мира» при её верификации путем интеллектуального анализа реальных исторических данных.

Cначала Нассим Талеб и Паскуале Сирилло проанализировали 565 крупнейших военных конфликтов (с числом жертв более 3 тыс.) за период 1–2015 гг.

Авторы пришли к следующим выводам (подробней см. мой пост «Большой войны не миновать»)

1. Гипотеза о снижении насилия (в течение ли всей истории или за последние 70 лет) статистически недостоверна.
2. Поскольку во всей предыдущей истории войны с максимальным числом погибших случались примерно раз в 100 лет, прошедшие после 2й Мировой войны 70+ лет не могут являться аргументом о какой-либо смене тренда на снижение насилия в мире.

Cпустя два года Аарон Клаузет проанализировал все межгосударственные войны в мире за 200 летний период с 1823 по 2003 год и пришел к следующим выводам (подробней см. мой пост «Большая война ближе, чем мы думаем»)

1. 70 летний «долгий мир» просто балансирует статистику, уравновешивая «великое насилие» первой половины 20-го века.
2. Чтобы стать статистически значимой тенденцией, «долгий мир» должен продолжаться еще, как минимум, 100–140 лет. Пока же «долгий мир» не является научно обоснованным трендом.

Hаконец, в декабре 2018 были опубликованы результаты 3го — самого обширного исследования, проведенного Уго Барди, Джанлука Мартеллони, Франческа Ди Патти. Они проанализировали крупнейший доступный каталог насильственных конфликтов, созданный Петером Брекке в 2011 г. и охватывающий 3078 конфликтов за 600 лет истории человечества (1400–2000 гг.)

Это исследование:

1. Подтвердило выводы исследований Талеба/Сириллио и Клаузета — 
   «На практике наши результаты подтверждают, что существует мало доказательств в поддержку идеи, пропагандируемой Пинкером⁠, что человечество продвигается к более мирной жизни. Эта оптимистическая гипотеза Пинкера просто неверна, если её проверять на данных нескольких столетий».
2. Выявило свидетельство того, что войны становятся все более редкими, но при этом все более смертоносными.
   «Отсюда следует, что существует вероятность крупного конфликта в недалеком будущем, который может затмить все прошлые конфликты с точки зрения разрушений, которые он может вызвать».
3. Подтвердило гипотезу, что война является статистическим явлением, в значительной степени независимым от религий, идеологий, денег и великих лидеров.
   «Война — это эмерджентный феномен сложной сети взаимодействия между человеческими обществами во всем мире».

Последний из результатов исследования особенно важен, поскольку из него следует вот что.

Гипотеза «долгого мира» не просто недостаточно обоснована, а в принципе концептуально ошибочна (подобно геоцентризму, общепринятому до создания гелиоцентрической теории планетных движений Коперником).

Если война — это статистический феномен, связанный с сетевой структурой общества, то все политические, экономические и геополитические причины войн — лишь фон и контекст развития сетевой структуры общества.

Следовательно, правильная трактовка исторических данных и, что особенно важно, предсказание трендов будущих войн, — требуют понимания законов, определяющих динамику развития сетевой структуры общества.

Таким образом, тройная проверка:

• во-первых, показала, что в основе идеи «долгого мира» в XXI веке примерно то же самое, что составляло основу идеи геоцентризма несколько столетий назад до открытий Коперника, Галилея и Кеплера— всего лишь незнание законов, описывающих механизмы функционирования изучаемых систем;
• во-вторых, необходим поиск и экспериментальная проверка таких законов, описывающих всё усложняющееся развитие структуры общества.

В поисках закона войны

«Я думаю, что война — это в основном биологическое явление. Наши войны ничем не отличаются от войн муравьев. И мы понимаем причины войн не сильно лучше, чем муравьи» —

написал автор 3го доказательства ошибочности гипотезы «долгого мира» проф. Уго Барди 4 января 2019 в своем блоге.

Одним из первых мысль о том, что войны —

• это не результат действий развязывающих их безумных диктаторов и даже не рациональная борьба за ресурсы или деньги (хотя этот фактор тоже играет свою роль),
• а просто что-то, происходящее вне человеческой способности контролировать или даже понимать это,

сформулировал гениальный русский писатель Лев Толстой, так изложивший эту мысль в великом романе “Война и мир” (выделение в цитате жирным шрифтом сделано мною).

«Для человеческого ума недоступна совокупность причин явлений. Но потребность отыскивать причины вложена в душу человека. И человеческий ум, не вникнувши в бесчисленность и сложность условий явлений, из которых каждое отдельно может представляться причиною, хватается за первое, самое понятное сближение и говорит: вот причина…
Но между человеком, который говорит, что народы Запада пошли на Восток, потому что Наполеон захотел этого, и человеком, который говорит, что это совершилось, потому что должно было совершиться, существует то же различие, которое существовало между людьми, утверждавшими, что земля стоит твердо и планеты движутся вокруг нее, и теми, которые говорили, что они не знают на чем держится земля, но знают, что есть законы, управляющие движением и ее и других планет. Причин исторического события — нет и не может быть, кроме единственной причины всех причин. Но есть законы, управляющие событиями, отчасти неизвестные, отчасти нащупываемые нами. Открытие этих законов возможно только тогда, когда мы вполне отрешимся от отыскиванья причин в воле одного человека, точно так же, как открытие законов движения планет стало возможно только тогда, когда люди отрешились от представления утвержденности земли».

Научные попытки проверить интуитивное прозрение Толстого на реальных исторических данных были предприняты только в XX веке.

• Питирим Сорокин проанализировал огромный объем статистических материалов в главном труде своей жизни — четырёхтомной работе “Социальная и культурная динамика”, изданной в 1937 г.
• Куинси Райт в 1942 г. опубликовал фундаментальное исследование “Изучение войны”, где были проанализированы история, природа и причины 284 войн и 3000 сражений, происходивших с 1500 по 1940 гг.

Но лишь спустя столетие после Толстого статистика достигла такого уровня, что стал возможен количественный анализ феномена войны.

Британский метеоролог и физик Льюис Фрай Ричардсон (1881–1953) применил эту концепцию к частоте и размеру человеческих войн и, в целом, к тому, что он назвал «смертельными конфликтами». В посмертно изданной и ставшей потом классической прорывной работе “Статистика смертельных конфликтов” Ричардсон провел количественный анализ 315 «смертельных конфликтов», каждый из которых повлек более 300 убитых в интервале с 1820 по 1949гг.

В память о прорывном открытии Ричардсона в 1989 г была учреждена медаль его имени — за вклад в изучение нелинейных процессов в науках о Земле.

Ричардсон обнаружил следующее.

Войны — это случайные явления, непредсказуемые и не связанные почти что ни с чем: они просто случаются.

Более поздняя работа подтвердила ранний анализ Ричардсона, обнаружив, что кровопролитность войн описывается степенным законом.

А уже в наше время, работы Талеба, Клаузета и Барди, детально проанализировали самые большие в мире базы данных по военным конфликтам, окончательно подтвердив, что вероятность кровопролитности войн (с учетом нормализации числа жертв к численности мирового населения на момент войны), подчиняется степенному закону.

Нормализация данных позволяет привести все используемые числовые значения переменных к одинаковой области их изменения, благодаря чему появляется возможность свести их вместе для анализа.

Вот как это выглядит на графиках из последней работы Барди и Со.

Страшный вывод —

войны — это случайные явления, непредсказуемые и не связанные с почти что ни с чем: они просто случаются —

можно количественно проиллюстрировать так:

• В XX веке умерло примерно 5 млрд человек.
• Из них около одного миллиарда людей были убиты , прямо или косвенно, другими людьми.
• Среди этого миллиарда убитых не все были убиты умышленно, но значительная их часть. В том числе около 262 миллионов человек, убитых в результате того, что Раммель называет «демоцидом» — организованное правительством уничтожение большого числа людей по политическим, расовым, религиозным или идеологическим причинам.

Комментируя этот график, автор 3го доказательства ошибочности гипотезы «долгого мира» проф. Уго Барди пишет:

«Вопрос в том, — может ли нечто подобное произойти в будущем? Оказывается, массовые уничтожения подобны землетрясениям, их возникновение точно предсказать невозможно, но можно оценить вероятность наступления события определенного масштаба. И чем больше времени проходит, тем более вероятным становится новый импульс массового уничтожения».

Мы живём на кромке хаоса в состоянии самоорганизованной критичности

Oтвет на поставленный профессором Уго Барди вопрос приведен в его новой работе “Pattern Analysis of World Conflicts over the past 600 years”.

С математической точки зрения, сообщества людей — это сложные системы, живущие на кромке хаоса в состоянии самоорганизации в критических состояниях — самоорганизованной критичности.

При таком математическом понимании людских сообществ и человечества в целом, войны являются естественным и наиболее эффективным механизмом уменьшения энтропии сложных систем с максимально возможной скоростью.

Поскольку далеко не все из читателей знакомы с теорией самоорганизованной критичности, попробую кратко пояснить, что это такое.

1. Войны, как и многие явления природы и, в особенности, жизни («формула жизни», «формула городов», «формула выборов» и т.д.) описываются степенным законом (подробней см. мой пост “Открыта формула победы на выборах”).
2. В природных и социальных системах степенной закон является отличительным признаком т.н. самоорганизованной критичности “self-organized criticality” (SOC).
3. SOC — это первая общая теория сложных систем, базирующаяся на прочном математическом фундаменте. Согласно этой теории, SOC — это спонтанная эволюция систем к критическому состоянию.
4. Все сложные SOC системы (от формирования ландшафта до эволюционных процессов, от деятельности нервной системы до экономического поведения) — имеют ряд общих свойств, принятых называть эмерджентными (т.е. свойствами, возникникающими у целого, тогда как его части такими свойствами не обладают):
   ✔️ 1е свойство — это прерывистое равновесие: долгие периоды относительного покоя время от времени прерываются катастрофами (“лавинами”) различных масштабов. Это может быть как сход лавины в буквальном смысле слова, так и разнообразные кризисные явления — массовые вымирания видов, обвалы и ралли курсов акций, солнечные вспышки или появление и исчезновение структур в клеточных автоматах.
   ✔️ 2е свойство — динамика таких систем описывается степенным законом: соотношения между размерами лавин могут быть описаны степенной функцией. Не требуется никаких специальных теорий для масштабных событий — — одни и те же силы отвечают как за текущее снижение индекса Доу-Джонса на 5 пунктов, так и за “черный понедельник” 1987 года.
   ✔️ 3е свойство — фрактальная геометрия таких систем, т.е. самоподобие, присущее системе на любых масштабах.

Подробней о SOC см.:

• книгу первооткрывателя SOC Пера Бака “Как работает природа: Теория самоорганизованной критичности”;
• книгу Марка Бьюкенена “Вездесущность: новая наука универсальных моделей”;
• статью и презентацию А.В. Подлазова «Теория самоорганизованной критичности — наука о сложности».

SOC является результатом рассеивания накопленной энергии, которое происходит не постепенно, а в виде лавинообразных катастроф. Эти катастрофы могут быть смертельными в реальном мире. Землетрясения, оползни, лавины и другие явления, связанные со стихийными бедствиями, — все они имеют тенденцию происходить по степенному закону.

Обощая, можно сказать, что SOC — это новый универсальный закон природы. Его следы есть практически везде: в распространении лесных пожаров, массовых вымираниях, пробках на дорогах, землетрясениях, колебаниях фондового рынка, подъеме и падении народов и даже тенденциях в моде, музыке и искусстве.

Куда бы мы ни посмотрели, мир сконструирован по простому шаблону: как крутая куча песка, стоящая на грани нестабильности, с лавинами событий, идей и войн, следующих универсальной схеме изменений.

Это замечательное открытие предвещает то, что Марк Бьюкенен называет новой наукой «вездесущности», наукой, секрет которой лежит в повседневной жизни.

Понимание принципа «вездесущности» поможет нам управлять, контролировать и предсказывать будущее. Он может содержать основу математических моделей войн и иных культурно-исторических изменений, что изменит наше представление о мире и нашем месте в нем.

Войны — это Беспорядок Хаоса, возникающего из порядка. А Сложность — это сложность, возникающая из простоты математических законов.

Цель всех войн одна — снижение энтропии

B завершение работы “Pattern Analysis of World Conflicts over the past 600 years” авторы ставят еще один ключевой вопрос.

Если войны — это сетевой феномен, присущий развитию сложных систем человеческих обществ, живущих на кромке хаоса в состоянии самоорганизованной критичности, какова цель войн?

Ответ авторов данной работы таков.

Война — это встроенный в структуру общества механизм снижения энтропии человеческих обществ с максимальной скоростью.

Аналогичным образом работают многие природные системы. Если в открытую диссипативную систему поступает энергии больше, чем она способна аккумулировать, то система сбрасывает энергию в точках “стока”, или точках диссипации.

Если это действительно так, то этим подтверждается интуиция Толстого: войны не являются результатом идеологий, религий, безумных правителей или тому подобного. Войны инициируются развитием структуры социальной сети сообществ в результате того, как эти сообщества связаны, и какова накопленная в сети энергия.

Возможно, как считают авторы работы “Pattern Analysis of World Conflicts over the past 600 years”, для человеческих сообществ такой энергией является накопленный капитал, который нужно каким-то образом рассеять. Везде, где есть дисбаланс в накоплении капитала, избыток будет перетекать из более обеспеченной стороны в менее обеспеченную.

Если концепция проф. Уго Барди и его коллег верна, то в некотором смысле война — это порождение капитализма, а сам капитализм — это еще одно эмерджентное явление сложных обществ.

Это еще предстоит многократно проверить. Но тем не менее Уго Барди, опираясь на результаты анализа моделей прошлого так отвечает на вопрос — должны ли мы готовиться к новой мировой войне.

«Короче говоря, войны не вызваны нехваткой ресурсов, они вызваны избытком ресурсов».

Когда начнется новая мировая война, точно предсказать невозможно — это похоже на землетрясения. Никто не может точно сказать, где и когда произойдет сильное землетрясение, но мы знаем, что существует определенная вероятность того, что оно произойдет в сейсмических зонах, и рано или поздно оно произойдет.

То же самое относится и к войнам. Таким образом, тот факт, что начало войн не может быть точно предсказано, не означает, что мы не можем видеть, что сегодня мы бежим на полной скорости к новой большой войне.

Если тенденция последних 600 лет продолжится, вероятность того, что мы увидим новый пожар войны, более чем на порядок превосходящей 2ю Мировую войну по масштабу разрушений и количеству жертв , — существенно больше нуля.

Этот наивный, наивный, наивный, наивный мир

Как же зафиксировать и интерпретировать возрастание “сейсмической активности”, предвещающей новую большую войну?

Oдин из важнейших уроков, оставленных нам великим Эйнштейном, звучит так:

«Нельзя одновременно предотвращать и готовиться к войне».

Остановить гонку вооружений можно только одним способом — начать новую войну. Вместе с тем, на наших глазах мир снова сходит с ума.

Вот как росли военные расходы перед 1й Мировой войной.

Создается впечатление, что к 1913 году никто не знал, как остановить гонку вооружений, и единственное «решение», которое можно было найти, чтобы блокировать постоянно растущие расходы, — это начать войну… Что и было сделано.

А вот как растут нынче военные расходы двух современных сверхдержав: США и Китая. По прогнозам МВФ они возрастут в ближайшие десятилетия до 4 трлн долларов в Китае и 3 трлн в США (подробней о том, как ИИ технологии влияют на гонку вооружений см. мой пост “Впереди ИИ-национализм и ИИ-национализация. Анализ влияния технологий ИИ на геополитику”).

Сходство нынешней ситуации с годами, приведшими к 1й Мировой войне, отмечалось не раз. Так увидим ли мы новую мировую войну в ближайшем будущем?

Проф. Уго Барди отвечает так.

«Точно сказать нельзя: история на самом деле не повторяется, хотя и рифмуется. Возможно, нет необходимости начинать новую мировую войну, чтобы остановить экспоненциальный рост военных расходов, но данные не внушают оптимизма».
Новая большая война действительно может быть рядом.

Несмотря на бодрые заверения, что кто-то в результате новой большой войны попадет прямиком в рай, ядерная война может привести к сценарию, названному Уго Барди “Крах Сенеки” — столь радикальному и катастрофическому, что эта война действительно станет «войной, заканчивающей все войны» — как это наивно предполагали еще накануне 1й Мировой войны.

И тогда, наконец, сбудется другое известное предостережение Эйнштейна:

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Последствия труднопредсказуемы, но одно очевидно, — грядет бум гаджетов-стимуляторов

Tранскраниальная стимуляция мозга в перспективе может заменить многие наркотики и ноотропы на пути обретения сверхчеловеческих когнитивных способностей. На рынке уже есть всевозможные гаджеты, обещающие улучшить настроение, снять страхи и депрессию, убрать боль, контролировать беспокойство и лечить бессонницу.

У всех этих гаджетов и лежащих в их основе методов есть два серьёзных ограничителя для их широкого распространения.

1. Аналогичного эффекта можно достичь и без них с помощью традиционной и нетрадиционной медицины, разрешенных и не совсем наркотиков, все расширяющегося спектра ноотропов, а также алкоголя, медитации, секса … да мало ли чего еще.
2. Все они обещают лишь убрать у человека какие-то неприятные ощущения или состояния (от депрессии до бессонницы), не даруя людям каких-либо важных и ценных для них новых качеств.

А вот если бы была возможность повысить свой интеллект!

Хочешь, например, изобретать или найти способ, как обойти конкурентов, или написать какую-то совершенно невообразимую ранее музыку, или …, — включил гаджет и вперёд.

Все современные «усилители интеллекта» — это всевозможные «таблетки для ума» (типа фенотропила) балансирующие на грани полной профанации и плацебо, т.к. никаких серьезных исследований, подтверждающих их эффективность, нет.

Что же до транскраниальных стимуляторов интеллекта, то их нет, поскольку никто не понимает, как можно повысить человеческий интеллект, толком не понимая, как он вообще работает.

И вот прорыв. Новое исследование «Right temporal alpha oscillations as a neural mechanism for inhibiting obvious associations» (правосторонние альфа-волны, как нейронный механизм подавления очевидных ассоциаций):

• во-первых, показало, как можно повысить интеллект, даже не понимая, как он работает;
• во-вторых, проверило действенность предложенного метода на 4х независимых экспериментах.

__ __ __ __ __

Первая из ключевых идей авторов нового исследования проста, но продуктивна,

— измерять креативность — важнейшую составляющую интеллекта.

В пользу такого подхода можно сказать следующее.

• Говорить о повышении интеллекта, есть смысл, только если понимаешь, как измерять его уровень.
• 30+ наиболее известных методов измерения уровня интеллекта выделяют один ключевой признак, по которому уровень интеллекта гениев всех времен и народов отсчитывается от тройки лидеров: №1 — Гёте, №2 — Ньютон и №3 — Эйнштейн.

Этот признак — продуктивная креативность человека — интегральный по времени показатель (т.е. накапливающийся с течением времени) значимости новых важнейших идей, привнесенных человеком в мир.

3) Тогда повышение креативности будет вполне обоснованно отражать повышение интеллекта.

Последнее из трёх замечаний в наше время становится все более актуальным. Креативность с каждым годом все более ценится абсолютно во всех сферах деятельности: от искусства, до науки и даже бизнеса.

Вторая ключевая идея нового исследования касается того, что стимулировать креативность можно,

просто настраивая наш мозг на выбор менее проторенных путей при размышлении и принятии решений.

“Выбор менее проторенного пути” считается эффективным подходом к творчеству (т. е. творческое мышление требует временного отказа от привычного мышления и ассоциаций). И хотя пока что мало известно о лежащем в основе этого нервном механизме, им вполне можно воспользоваться, если научиться настраивать мозг на более творческий подход.

И тут сработала третья ключевая идея нового исследования

— использовать альфа-волновое стимулирование мозга.

Известно, что альфа-колебания в мозге на частоте около 10 Гц характеризуют процесс активного ингибирования для подавления несущественной информации, такой, например, как ингибирование отвлекающих факторы при визуальном поиске.

Через контроль электрической активности мозга при выполнении различных творческих задач и путем стимулирования правой височной зоны мозга на альфа-частоте, авторы нового исследования показали, что подобный процесс активного торможения является также ключом к творческому мышлению.

Данные 4х экспериментов, проведенных в рамках исследования, указывают на то,

что правостороннее альфа-волновое стимулирование мозга может повышать творческие способности, задействовав нервный механизм для активного подавление очевидных семантических ассоциаций.

В результате

• мышление начинает идти по наименее проторенным путям;
• повышается творческий потенциал за счет новых неочевидных семантических ассоциаций;
• принимаются новые нестандартные решения.

Пока трудно сказать, какое будущее сулит человечеству это новое открытие. Поиск в сети термина «альфа-волновой стимулятор» (alpha wave stimulator) находит ссылки на грубые альфа-усиливающие устройства, работающие через прикрепленные к ушам электроды, которые, как утверждают, снимают боль, контролируют беспокойство, борются с депрессией или лечат бессонницу.

Новое исследование может в корне поменять ситуацию на рынке гаджетов для транскраниальной стимуляции мозга . По непроверенным данным, как минимум, уже три английских стартапа заинтересовались новым открытием за прошедшие две недели.

Если усилители креативности запустят в серию, нас ждет бум спроса на подобные гаджеты.

Гениальный Франсуа де Ларошфуко сказал,

«все жалуются на свою память, но никто не жалуется на свой ум».

Но это было сказано до изобретения «усилителя креативности». И теперь многие будут совсем не прочь стимулировать свой ум с помощью простого как смартфон гаджета.

Вот только за любое использование допинга надо потом платить… Но это уже другой вопрос.

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

1е открытие 2019 — возможности ИИ оказались небеспредельными

Подобно человеческому разуму, ИИ ограничен парадоксами теории множеств

До сих пор считалось, что самой фундаментальной проблемой развитии технологий ИИ является необъяснимость принимаемых им решений. В январе 2019 к этой проблеме добавилась еще одна, не менее фундаментальная проблема — принципиальная непредсказуемость, какие задачи ИИ может решить, а какие нет.

На пути триумфального развития технологий машинного обучения, как казалось, способных при наличии большого объема данных превзойти людей в чем угодно — в играх, распознавании, предсказаниях и т.д. — встала первая из 23 проблем, поставленных в докладе Давида Гильберта на международном математическом конгрессе в Париже еще в 1900-м году.

Первой в списке этих 23 проблем, решение которых до сих пор считается высшим достижением для математика, была так называемая гипотеза континуума (континуум-гипотеза или 1я проблема Гильберта), которую выдвинул и пытался решить (но потерпел неудачу) еще сам создатель теории множеств Георг Кантор.

И вот сейчас, на исходе второго десятилетия XXI века гипотеза континуума, будучи примененная к задачам машинного обучения, стала холодным отрезвляющим душем для всех технооптимистов ИИ.

Машинное обучение оказалось не всесильно

И что еще хуже, — в широком спектре сценариев обучаемость ИИ не может быть ни доказана, ни опровергнута.

__ __ __ __ __

Первая же научная сенсация 2019 года оказалась совершенно крышесрывательной. Опубликованная 7го января в Nature Machine Intelligence статья «Learnability can be undecidable» (Обучаемость может быть неразрешимой) устанавливает предел возможностей машинного обучения — ключевого метода вычислений, на коем стоит весь современный ИИ.

Этот научный вывод столь важен, что журнал Nature сопроводил статью еще двумя популярно её разъясняющими статьями «Unprovability comes to machine learning» (Недоказуемость приходит в машинное обучение) и «Machine learning leads mathematicians to unsolvable problem» (Машинное обучение приводит математиков к неразрешимой задаче).

Суть всех этих статей в следующем.

Обнаружены сценарии, в которых невозможно доказать, может ли алгоритм машинного обучения решить конкретную проблему.

Этот вывод может иметь огромное значение, как для существующих, так и для будущих алгоритмов обучения.

Обучаемость ИИ не может быть ни доказана, ни опровергнута с использованием стандартных аксиом математики, поскольку это связано с парадоксами, открытыми австрийским математиком Куртом Гёделем в 1930-х годах.

Парадоксы бесконечности

Теория множеств, так или иначе, является основой большинства разделов математики.

Парадоксы — это формально-логические противоречия, которые возникают в теории множеств и формальной логике при сохранении логической правильности рассуждения. Парадоксы возникают тогда, когда два взаимоисключающих (противоречащих) суждения оказываются в равной мере доказуемыми.

С точки зрения математики, вопрос «обучаемости» сводится к тому, сможет ли алгоритм извлечь шаблон из ограниченных данных. Ответ на этот вопрос связан с парадоксом, известным как вышеупомянутая континуум-гипотеза (проблема континуума или 1я проблема Гильберта) и разрешенным в 1963 г. американским математиком Полом Коэном.

“Решение оказалось весьма неожиданным: то, что утверждается в гипотезе континуума, нельзя ни доказать, ни опровергнуть,
исходя из аксиом теории множеств. Гипотеза континуума логически независима от этих аксиом. Неспециалисту довольно трудно понять, почему утверждения такого рода играют для математики столь большую роль и ставятся на первое место в списке важнейших проблем. Отметим лишь, что на самом деле речь идет о вещах принципиальных и фундаментальных,

так как континуум — это, по сути, базовая математическая модель окружающей нас физической, пространственно-временной реальности (частью которой являемся и мы сами),
а в математике континуум — еще и синоним совокупности всех действительных чисел, также центрального понятия математики и ее рабочего инструмента”.

(подробней см. в Кратком конспекте лекций для аспирантов-математиков «Философские проблемы математики» С. Н. Тронина).

По сути Гёдель и Коэн доказали, что континуум-гипотеза не может быть доказана ни как истинная, ни как ложная, начиная со стандартных аксиом — утверждений, принятых как истинные для теории множеств, которые обычно принимаются за основу всей математики.

Иными словами, — утверждение не может быть ни истинным, ни ложным в рамках стандартного математического языка.

Что не менее важно, работа Гёделя и Коэна над континуум-гипотезой подразумевает, что

могут существовать параллельные математические вселенные, которые совместимы со стандартной математикой — одна, в которой гипотеза континуума добавляется к стандартным аксиомам и поэтому объявляется истинной, а другая — в которой она объявляется ложной.

Не все наборы данных равны

Исследователи часто определяют обучаемость с точки зрения того, может ли алгоритм обобщать свои знания. Алгоритм сначала учится давать ответ на вопрос «да или нет» (например «показывает ли изображение кошку?») для ограниченного числа объектов, а затем алгоритм должен угадывать ответы для новых объектов.

Авторы нового исследования пришли к своему результату, исследуя связь между обучаемостью и «сжатием», подразумевающим поиск способа суммировать характерные особенности большого набора данных в меньшем наборе данных. Авторы обнаружили, что способность информации эффективно сжиматься сводится к вопросу из теории множеств. В частности, это относится к разным размерам множеств, содержащих бесконечно много объектов.

Т.о. с точки зрения математики,
обучаемость — это способность делать прогнозы для большого набора данных путем выборки небольшого числа точек данных.

Однако существует бесконечно много способов выбора меньшего множества, и размер этой «бесконечности» неизвестен.

• Если континуум-гипотеза верна, то для экстраполяции достаточно небольшой выборки.
• Но если это неверно, никакой конечной выборки может быть недостаточно.

В итоге получается, что проблема обучаемости эквивалентна континуум-гипотезе.

Следовательно, проблема обучаемости также находится в состоянии неопределенности, которая может быть решена только путем выбора аксиоматической вселенной.

Как отмечают авторы, — “недоказуемость приходит в машинное обучение”.

«В 2019 году машинное обучение превратилось в математическую дисциплину, объединяющую многие области математики, которые связаны с бременем недоказуемости и сопутствующими ему заморочками. Возможно, результаты, подобные этому, привнесут в область машинного обучения здоровую дозу смирения, даже если алгоритмы машинного обучения продолжат революционизировать мир вокруг нас».

__ __ __ __ __

Вот и получается, что знаменитая фраза В.Ерофеева справедлива и для машинного обучения, — в нашей математической вселенной
«все должно происходить медленно и неправильно, чтобы не сумел загордиться человек, чтобы человек был грустен и растерян».

Ну а кого это не устраивает, могут попробовать сменить нашу математическую вселенную на какую-то иную.

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Известная по своей вводящей в заблуждение и лженаучной рекламе российская компания “Генотек” (опять) опубликовала очередное исследование.

В принципе, ничего нового. Но достаточно показательно для понимания того, как работает коммерческая наука вообще и компания “Генотек” в частности.

Речь в этот раз идет о “генах алкоголизма”. Именно их у россиян обнаружили специалисты этой компании.

Сравнив наборы нескольких тысяч мелких мутаций в ДНК всех четырех групп добровольцев, генетики выделили несколько генов, связанных со склонностью к алкоголизму, часть из которых ученые раньше не открывали в геномах жителей других стран.

Оставим научно-популярное изложение, свойственное российской прессе, у нее же на совести. И обратимся к оригинальной (неопубликованной пока нигде) статье “Генотека”, которую они услужливо выложили в bioRxiv.

Что мы там видим интересного?

Авторы

Целая коллегия авторов из разных организаций. Все, кажется, очень серьезно.

1. Genotek Ltd.
2. Pirogov Russian National Research Medical University, Ostrovityanova str 1, 117997, Moscow, Russia
3. Institute of Biomedical Chemistry, Pogodinskaya street 10 build. 8, 119121, Moscow, Russia
4. Vavilov Institute of General Genetics, Gubkina str 3, 119333, Moscow, Russia
5. Lomonosov Moscow State University, Faculty of Mechanics and Mathematics, Leninskiye Gory, Main building, 119991, Moscow, Russia

Методология

В общей сумме авторами проанализированы геномы 1008 человек на чипе с 500 000+ SNP. Hайдено 5 кандидатов на связь с алкоголизмом.

Например (обратите внимание на p-values в таблице, мы к ним еще вернемся) в таблице:

Научная ценность

Собственно, все уже догадались и она напрямую следует из методологии. Но я попробую коротко объяснить.

Даже если отбросить мою категорическую нелюбовь к методам Фишера, работа представляет собой полный буллшит. Ключевая проблема носит название проблемы “множественных сравнений”, об этом много где писано, но я попробую объяснить еще раз.

Каждый раз, когда в ограниченном числе шумных данных вы ищете бесконечное число корреляций — вы их находите. Теория вероятностей не только разрешает найти подобные случайные корреляции, но гарантирует их находку. Просто потому что теория вероятностей — это не про равномерность и постоянство нашего мир. Она про случайности и совпадения. И она предсказывает, что чем вы тщательнее ковыряетесь в данных — тем больше будет подобных совпадений. Потому что они там есть. Но они совпадения, а не закономерности. То есть, конечно, закономерности тоже могут быть, но отделить одно от другого непросто и именно для этого и применяются статистические методы.

В случае с полногеномными поисками ассоциаций (Генотек — работа является представителем именно такого типа поиска) такая проблема, часто ее называют проблемой множественных сравнений, стоит особенно остро. Одновременно тестируется огромное количество гипотез (равное количеству SNP, в нашем случае полмиллиона).

Разумеется, в общем случае исследователи это понимают, и не используют общепринятый уровень значимости 0.05.

Условным стандартом для подобного рода исследований давно стала альфа = порядка 1e-8 — 5e-8*.

Возьмем крайнее значение и оттолкнемся от него.

Иными словами. Если p < 5е-8, то найденная ассоциация статистически значима и, возможно, не случайна. Если > 5е-8, то мы не смотрим в эту сторону. В этом случае ассоциация считается шумом и случайностью и размышлять о взаимосвязях рановато.

Теперь еще раз посмотрим в таблицу из работы российских авторов и особенно пристально в последний столбец и сделаем выводы.

Как можно заметить невооруженным глазом, ни одна из ассоциаций даже близко не приближается к статистической значимости. Лучшее, что удалось достичь — это 1е-6 при желаемых хотя бы 5е-8.

То есть примерно в 20 раз больше. Авторы даже близко не подошли к тем цифрам, при которых можно только начать говорить о возможной взаимосвязи. И совершенно неважно, что в выводах к своей работе авторы пишут, что нашли несколько генов, которые связаны с потреблением алкоголя:

This study presents the GWAS of alcohol consumption in Russian population and identifies several genetic loci in genes involved in nervous system function and mental disorders with some alcohol drinking patterns. Further independent studies are required to confirm these findings.

Единственный вывод, который напрямую следует из данных, должен быть сформулирован по-другому:

В результате проведенной работы нам не удалось выявить ни единого участка ДНК, который мог бы быть ассоциирован с алкоголизмом у россиян.

Это,конечно, не значит, что подобных генов нет вообще. Может и есть, просто статистическая мощность данного исследования (всего 1008 человек) не позволила их выявить.

Следует добавить, что, как уже сказано выше, статья пока нигде не опубликована. И, я надеюсь, никогда не будет. Потому что к науке это не имеет никакого отношения.

Даже к российской.

_____________________________
* Порог, который используется для определения статистической значимости в GWAS — тема очень горячая и дискуссионная. В некоторых источниках рекомендуется использовать 5e-8, в других до 1e-8, в третьих рассчитывать индивидуально под каждое конкретное исследование, что кажется наиболее верным, но все равно никак не выше, чем 5e-8.

Важно то, что это вроде бы достаточно низкая величина на самом деле не низкая. Она возникает в результате поправки порога статистической значимости для тестирования одной гипотезы на множественные сравнения, связанные с одновременным определением многих сотен тысяч SNP.

Оригинал и комментарии

По наводке читателя, с интересом познакомился с превосходной медиапродукцией современного последователя Джеффа Питерса и Энди Таккера по имени Кли Ирвин.

Если Джефф и Энди 100 лет назад зарабатывали на жизнь с помощью довольно простого, но весьма творческого мошенничества (эксплуатируя человеческие жадность, глупость, страх и тщеславие), то Кли сегодня собирает на порядки больше, доведя мошенничество до такого уровня, что его предшественникам даже и не снился.

Вот классный ролик от Кли Ирвина — «Теория Симуляции — Взлом Реальности», сделанный на уровне Спилберга, если бы тот вдруг решил работать на National Geographic или на BBC Science.

Превосходно всё — от сценария до анимации, от монтажа до звука и т.д. (насладитесь 🤪)

Но больше всего поражает уровень популярной завлекательности в подаче и донесении «майн кампфа» Кли Ирвина — «Emergence Theory».

Это «теория точечного пространства-времени и реальности, как квазикристаллического точечного пространства, спроецированного из кристалла E8». Цель теории — создание единой и непротиворечивой концептуальной модели мира, объединяющей теорию относительности и квантовую механику с феноменами информации и сознания.

К чему я веду?

А к тому, чтобы проиллюстрировать, до какого запредельного уровня привлекательности и убедительности для людей, не обладающих всей полнотой информации по какой-либо теме, может доходить фейковая медиареальность в руках талантливых и экстра-креативных мошенников.

Но это еще не самое страшное, а вот что.

Новое исследование «People use less information than they think to make up their minds» подводит нас к довольно поразительному и неожиданному выводу.

1. Доступ ко всей полноте информации, способный, казалось бы, кардинально влиять на человека в наш информационный век, мало кого спасает.
2. Для подавляющего большинства доступ к обильной информации НЕ способствует формированию у них более информированных мнений и суждений.
3. В итоге, чем к большему объему информации люди имеют потенциальный доступ, тем менее объективно информированным становится большинство.

Результат очевиден:

Информационное общество XXI века обречено на расцвет фейковых новостей и псевдонаучных заманиловок, типа «Emergence Theory», проекта «Чистая вода» и много-много чего еще.

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Страшная сила великой безответственности

Прочтя за праздники больше сотни разнообразных материалов с анализом итогов 2018 и прогнозами на 2019 в области ИИ, я попытался как-то отжать из них общий сухой остаток для своих читателей.

Заголовок поста — это то, что получилось.
• 1е предложение — взгляд оптимистов
• 2е — пессимистов.

Для иллюстрации взглядов оптимистов я использую итоговый отчет по ИИ за 2018 издания The Verge.

В роли пессимистов, как и положено по названию, — у меня выступит редакция The Guardian со своим прогнозом ИИ «Мир в 2019».

The Verge

2018 ознаменовался парадом негативных заголовков о скандальных результатах и перспективах ИИ проектов.

• первые смертельные жертвы самоуправляемых авто;
• фирма Кембридж Аналитикс оскандалилась в попытках влияния на общественное мнение;
• компанию Facebook обвинили, что она способствовала геноциду в Мьянме;
• а компанию Google — в том, что помогала Пентагону обучать военные беспилотники;
• все технологические ассоциации, не сговариваясь, бьют в набат об огромном риске непроработанности этических вопросов ИИ.

Эти и многие другие примеры сподвигли исследовательскую группу AI Now охарактеризовать 2018, как год «каскадных скандалов» в области ИИ. И это точное, хотя и удручающее, определение.

В то же время, The Verge считает, что лучше уж публичные скандалы, чем заметание сора под ковёр. И если открыто клеймить все скандалы и обличать жадность и дурь тех, кто пытается использовать ИИ для своих низких целей или просто из-за суетливого желания застолбить за собой поляну с помощью недостаточно проработанных решений с непродуманными последствиями, — есть шанс, что всё понемногу образуется.

А другими словами, — ИИ может и сгубит мир, но не сразу, а мы еще успеем как следует помучиться. Вот такой оптимизм получился.

Теперь про анализ The Guardian

1) 2018 показал, что уровень ИИ технологий и человеческой глупости растут неимоверно быстро. И в 2019 нужно более всего опасаться слияния этих двух трендов.

2) Правительства, похоже, для себя вопрос с ИИ решили. Прагматический Китай не стесняясь заявил, что будет максимально использовать ИИ для «прогнозирования траекторий развития интернет-инцидентов … превентивного вмешательства и управления общественным мнением для предотвращения массовых вспышек общественного мнения в Интернете и улучшения возможностей социального управления». Скромные правительства Запада вслух такого пока не говорят, но с интересом смотрят, что у Китая получится, чтобы сделать работу над ошибками.

3) В 2018 произошел концептуальный прорыв Google DeepMind в создании AlphaZero — самообучаемого класса программ, способных без участия человека в течение всего нескольких дней достигать сверхчеловеческого уровня в любой игре с «идеальной информацией», где все факты игры известны всем игрокам. Этот прорыв ставит крест на попытках сменить курс разработки ИИ систем в сторону понимаемого человеком способа решения задач ИИ программами. AlphaZero подход делает окончательно невозможным реконструировать процесс, по которому программы приходят к своим выводам, как решать задачу.
Вот превосходный рассказ всей истории AlphaZero

4) Второе великое событие прошлого года немерено повышает риски от использования ИИ. В 2018 рост мощности HW и SW, сопровождаемый повсеместным триумфом облачных технологий, привел к полной демократизации ИИ технологии (они теперь доступны практически всем), но на самом деле это полная анархизация использования ИИ. Теперь все, от авторитарных правителей до криминала, получают в руки мощнейшие инструменты, и то, как они их применят, зависит лишь от уровня креативности их консультантов.
Вот свежий превосходный пример демократизации ИИ

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Два новых открытия позволяют увидеть мир иначе, чем представлялось

✔️ Мы привыкли думать, что в основе затейливой сложности мира какие-то замысловатые процессы и мудреные законы.

✔️ Всё новые открытия свидетельствуют об обратном: мир устроен на основе чрезвычайно простых паттернов, организованных по совсем простым принципам.

Выявить эти закономерности можно из практически любых массивов данных, анализировать которые раньше просто не приходило в голову.

Каким образом это теперь приходит в головы исследователей, остается загадкой, про которую можно лишь сказать эпиграфом из Гоголя к повести Стругацких «Понедельник начинается в субботу».

«Но что страннее, что непонятнее всего, это то, как авторы могут брать подобные сюжеты, признаюсь, это уж совсем непостижимо, это точно… нет, нет, совсем не понимаю. Н.В. Гоголь»

Вот эти два открытия.

1) Биологические закономерности, определяющие формирование рисунка перьев у цыплят, развитие волос млекопитающих, структуру зубообразных выступов на коже акул и др., — описываются простыми паттернами математической модели, придуманной Аланом Тьюрингом, придумавшим «мать всех компьютеров» — машину Тьюринга и приблизившего окончание Второй мировой войны, взломав немецкий секретный код Enigma (см. прекрасный фильм «Игра в имитацию»).

Модель Тьюринга, называемая модель реакции-диффузии, очень проста. Для неё требуются только два взаимодействующих вещества, активатор и ингибитор, которые диффундируют через ткань, подобно чернилам, уроненным в воду. Активатор инициирует некоторый процесс, такой как формирование пятна, и способствует воспроизводству самого себя. Ингибитор останавливает этот процесс. Важно отметить, что ингибитор распространяется через ткани быстрее, чем активатор. Это более быстрое распространение ингибитора предотвращает переполнение очагов активации. В зависимости от того, когда и где высвобождаются активатор и ингибитор, области активации будут располагаться в виде равномерно расположенных точек, полос или других рисунков. В результате получаются регулярные паттерны роста перьев, чешую или даже зубов.

Подробней:

• популярно

• научная статья
• также рекомендую 4х минутный ролик про Реакцию диффузии — завораживающее зрелище под гипнотизирующую музыку.

2) Пунктуация любого литературного текста описывается простыми паттернами, по которым, как по отпечаткам пальцев, можно определить автора текста и его жанр.

• То, что по результатам анализа текста можно определить его автора, сегодня мало кого удивишь.
• То, что можно выкинуть все слова, оставив лишь знаки препинания, и по их последовательности и частоте можно также определить автора, звучит бредово, но это факт.

Вот на картинке показаны хитмапы анализа пунктуации трех разных авторов, по которым их можно вычислить, не прочтя ни одного слова в их текстах — только по пунктуации.

Подробней:

• популярная статья еще только пишется

• научная статья

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

100 хороших новостей, о которых мало кто слышал в 2018 году. А зря!

Ценность позитивных новостей не только в уменьшении тревоги и депрессии, нагнетаемых большинством публикаций СМИ, но и в сокращении фатализма, цинизма и радикализма, всё более охватывающих мир.

Bот 3 новости из 100, взятые просто навскидку:

• Индия объявила, что к 2022 году страна ликвидирует все одноразовые пластиковые изделия (FYI: уже три года, как Индия сделала обязательным использование пластиковых отходов в дорожном строительстве, и сейчас в стране насчитывается уже 100 000+ км. пластиковых дорог).
• Благодаря изменяющимся вкусам людей, родившихся после 1980 года, уже 70% населения мира сокращают потребление или вообще отказываются от мяса (а мы говорим, что у нас плохая молодежь!)
• Ирландия стала первой в мире страной, отказавшейся от ископаемого топлива (ведь можно же!)

Понизьте уровень своей тревоги (ведь как ни хорохорься, а она есть). Да и лишний цинизм вам незачем.

Просто полистайте оставшиеся 97 новостей, чтобы почувствовать:

✔️ мир не развалился в 2018;

✔️ а в 2019 нужно почаще читать новости из правильных источников.

Читайте 100 хороших новостей

А здесь сокращенно и без гиперссылок, но зато по-русски.

P.S. А еще не пожалейте 20 мин. на классную видео-презентацию — послание миру от авторов «100 хороших новостей» команды FUTURE CRUNCH, — о которой не самые глупые люди отзываются так:

«Лучшая презентация о состоянии мира, которую я видел за последние годы»

«Удивительная способность взглянуть на глобальные вызовы в перспективе и создать ощущение обоснованной надежды»

«Их послание о науке, необходимости критического мышления и оптимизма, которого мы должны придерживаться, уникально»

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Оригинал и комментарии

Новый прорывной метод сделать ИИ подобным людям

Возможность рассуждать и выбирать — это не только то, что делает человека подобным Богу, но и то, что кардинально отличает человека от ИИ.

Ведь как работает современный ИИ на основе глубокого обучения?

Умеющему учиться (например, переводу) на основе обрабатываемых им данных алгоритму (он же — ИИ), дают на вход миллионы примеров, скажем, использования слова bank и для каждого из них фиксируют, что это слово означает в конкретном контексте («банк», «берег» и т.д.) Обучающийся алгоритм просто обрабатывает огромное количество данных. Никто не указывает, какие правила он должен использовать. Алгоритм должен сам найти контекстные ассоциации, позволяющие предсказывать конкретное значение слова для каждого из переводимых текстов. И чем больше данных загружается, тем точнее его предсказания, а значит и перевод.

Такой подход профессор MIT и Чикагского универа Муллайнатан называет «индуктивным научным методом» (от слова «индукция»). Взамен проверки конкретной гипотезы о значимости определенного фактора проверяются все возможные факторы (подробней см. здесь).

Однако, такой метод эффективен далеко не всегда.

Когда самообучающийся алгоритм сам определяет все факторы, наибольшим образом влияющие на интересующий нас результат, — он может быть эффективным лишь, если получаемые результаты трактуются НЕ как причинно-следственные связи между исследуемыми факторами, а как некоторую из интерпретаций причинно-следственных связей.

При невыполнении этого условия легко впасть в заблуждение, а то и хуже, — в мистику и шаманство.

И тут мы сталкиваемся с одной из самых фундаментальных проблем в науке

— нахождение и расшифровка причинно-следственных связей в больших массивах данных.

Современные подходы к выявлению причинно-следственных связей при машинном обучении основаны на тестах линейной и нелинейной регрессии и корреляции.

Эти подходы, мягко говоря, плохо справляются с иерархически структурированными данными и индуктивным выводом.

Из этого следуют 2 страшно неприятных результата, не позволяющих ИИ хоть как-то приблизиться к подобию людей. Современный ИИ не способен, подобно людям:

1. рассуждать (выносить суждения на основе выявленных путем индуктивного метода причинно-следственных связей).
2. решать новые проблемы на основе опыта решения иного рода проблем (иными словами, ИИ должен запускаться с нуля каждый раз для каждой новой проблемы).

Новый прорывной метод, если не устранения, то эффективного обхода названных выше двух принципиальных ограничений современного ИИ предложен в работе с несильно понятным для непрофессионала названием «Казуальная деконволюция алгоритмических генеративных моделей». Замена «казуальной деконволюции» на «причинную обратную свертку» мало кому поможет понять, о чем речь.

Посему попытаюсь сказать, если не проще, то хоть конкретней.

Авторы придумали объединить:

• технику анализа возмущений, предложенную Джуда Пёрлом в его структурной модели причинности (подробней см. здесь),
• и аппарат алгоритмической вероятности, предложенный в рамках Алгоритмической теории информации Колмогоровым и Соломоновым (подробней см. здесь).

Свою идею авторы опробовали на сверточных нейронных сетях — одном из наиболее многообещающих подходов к классификации изображений в машинном обучении, в котором набор примитивных признаков извлекается из распределения изображений.

В результате им удалось построить алгоритмическую объяснительную генеративную модель, основанную на более глубоком понимании причинного механизма, чем это возможно посредством нелинейной регрессии.

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Ненависть — это хорошая штука. Просто с ней надо уметь работать.

Люди довольно часто занимаются самокопанием и прочими самопознавательными практиками. Тесты там всякие сдают, пытаются понять, к чему они пригодны. Отвечают на вопрос: «Кто я?» снова, и снова, и снова, и снова.

ТЫ ТОЧНО НЕ ТОТ, КОГО НЕНАВИДИШЬ.

Если составить список мерзких поступков и качеств, за которые ненавидел бы даже себя любимого, то возникает довольно четкая граница, внутри которой живет твоя суть.

Нет! Это не те поступки, которые ты втайне хочешь совершить, но никогда никому в этом не признаешься. Это те, за которые раскаивался бы до конца дней своих даже на необитаемом острове, где некому исповедоваться.

От настоящей ненависти до любви пропасть. Это не то, что может вдруг свичнуться в иное состояние. Как гигантская сороконожка, заползающая к тебе под одеяло, предмет ненависти вызывает резкое и однозначное чувство неприемлемого.

Неприемлемое неприемлемо. Все остальное – возможности. Всем остальным, в теории, ты можешь быть, если захочешь.

Оригинал и комментарии

Используйте его сами и учите по нему детей, а еще примите участие в эксперименте

Про это метод, полагаю, никто из вас даже не слышал. А ведь штука весьма полезная.

Суть идеи проста и очевидна — чтобы людям лучше понимать и запоминать ценную информацию, нужно у них предварительно задействовать элемент личной заинтересованности.

Для этого и придуман метод опережающей интерактивной визуализации:

1. сначала спросить, заинтриговав «загадкой»;
2. потом визуализировать «загадку» в максимально простой и понятной форме (в идеале, инфографикой);
3. потом мотивировать человека думать, что и даст нужный результат: улучшение понимания и запоминания до 300%.

✔️ Чтобы все это прочувствовать на практике, поучаствуйте в эксперименте. Он очень интересен, информативен, полезен и, точно, вас удивит.

• Пройдите по ссылке.
• Вам покажут 10 статистических данных о мире, а затем попросят пройти быстрый анонимный опрос.
• В конце января будут представлены результаты, о которых вы узнаете в блоге автора эксперимента — великолепного Ники Кейса .

➡️ Не читающим по-английски — ниже перевод вопросов (так вы легко пройдете эксперимент)

Вопрос 1: Какой % населения мира живет при демократии?

Вопрос 2: какой % населения мира имеет хотя бы одно психическое расстройство или расстройство, связанное со злоупотреблением психоактивными веществами?

Вопрос 3: как изменился со временем уровень смертности от самоубийств в мире?

Вопрос 4: как рождаемость в мире (среднее число детей на маму) изменились с течением времени?

Вопрос 5: Каков % смертности в мире от сердечно-сосудистых заболеваний?

Вопрос 6: какой % смертей во всем мире приходится на хомицид — т.е. убийства + война + терроризм вместе взятые?

Вопрос 7: как изменилось со временем количество ядерных боеголовок в мире?

Вопрос 8: как изменилось со временем мировое соотношение людей, живущих в условиях крайней нищеты?

Вопрос 9: как изменилось загрязнение воздуха с течением времени?

Вопрос 10: насколько изменились глобальные годовые выбросы CO2 с течением времени?

ℹ️ Этот эксперимент был вдохновлен проектом New York Times «You Draw It» на тему «Как скачок передозировки наркотиков соотносится с другими причинами смертности в США?»

Весьма рекомендую посмотреть и его — познавательная и интересная иллюстрация метода опережающей интерактивной визуализации

Про память я пишу посты регулярно — см. в Телеграм-канале по тэгу #Память

________________________________

Если вам понравился этот пост — не забудьте:

- нажать “палец вверх”;

- подписаться на обновления канала на платформе Medium;

- оставить комментарий.

Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

А как бы вы сами ответили на этот вопрос? И дополнительный вопрос: в каких местах в вашем вопросе выкручены люфты? :)

Оригинал и комментарии

Ага, это сделали замечательные ребята из http://obraz.io (рекомендую также их канал на Youtube). Если присмотреться к постеру, в правом нижнем углу есть упоминание вашего покорного слуги. :)

Оригинал и комментарии

http://www.eoht.info/page/War+thermodynamics

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии