Недавние тренды рунета

Теория лево-правого мозга — миф

Но левши и правши сильно разные

«Как известно, у левшей доминирует правая сторона мозга, у правшей — левая.

Вот нельзя было проще?

Не знаю, спрашивайте генеральных конструкторов, они видимо очень хотели перед кем-то выебнуться, когда делали человека.

Не иначе, как вписались в конкурс на разработку самого дорогостоящего и неоправданного удобрения для почвы планеты Земля.

Правши.

С ними всё понятно: ими кишит планета, они вменяемы, рациональны, обязательны, с ними легко иметь дело, они исправно ходят на работу, к родственникам, в спортзал. Потому что у них доминирует левое полушарие мозга, где прошиты логические процессы.

Левши.

Это вечные дети. Потому что подключены к правому полушарию, которое отвечает за пространственное восприятие.

Что это значит? …»

Да много чего:

• что проверить кто вы (правша или левша), на самом деле, не так просто;
• что левши живут ощущениями, а правши могут абстрагироваться;
• что все люди рождаются левшами, а прошивку выбирают ещё до того, как начнут говорить;
• что правши чаще сходит с ума;
• что если бы все были левшами, цивилизация, скорее всего, не выжила …

Правда, страшно интересно и увлекательно написано?

Это пишет Ануш — автор канала АШОТОВНА — канал моральной поддержки людей. Здесь автор пишет о психотерапии, травмах и психических расстройствах, об отношениях с собой и с людьми.

Удивительное сочетание легкости текстов с важностью и нетривиальностью тем.

• Практическая польза, — как от хорошего справочника.
• А удовольствие, — как от увлекательной беллетристики.

Весьма рекомендую не только подписаться, но и полистать ленту назад (там много интересного уже опубликовано, ценность которого ничуть не уменьшилась).

Ну а если вы все еще только в Medium, то вот вам отличный повод установить себе и Телеграм. Оно того стоит.

И не забудьте дочитать про левшей и правшей.

A это видео-десерт

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Однополый секс — не ошибка природы

Это базовый вариант для всего живого

Однополое сексуальное поведение зарегистрировано у более чем 1500 видов животных и широко распространено в большинстве основных клад: от кальмаров до пингвинов и крупного рогатого скота.

Как такое могло произойти в ходе эволюции, если это напрямую не способствует размножению?

Ни одна из существующих гипотез не может этого объяснить.

Однако, новое исследование предложило альтернативную гипотезу, объясняющую эту головоломку.

Вместо того, чтобы удивляться, почему однополое поведение независимо развилось у стольких видов, исследователи предположили, что оно могло присутствовать в самых старых частях семейного древа всех животных. Самые ранние животные, размножавшиеся половым путем, могли спариваться с любой другой особью, с которой они сталкивались, независимо от пола.

Ошибка всех предыдущих исследований была в предвзятом представлении о том, как устроена природа, в которой гомосексуальность — это, якобы, отклонение от нормы.

Но это было нормой. Гетеросексуальность — всего лишь результат слепого поиска природой эволюционных преимуществ. А гомосексуальность — это базовая линия, дошедшая в качестве исключения и до наших дней.

Подробней:

• популярно;
• научно.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Она ведет к интеллектуальной слепоте

Техно-деза — это не фейк ньюс.

Фейк ньюс умышленно фабрикуется для обмана читателей с целью увеличения трафика и прибыли или же в целях пропаганды.

Техно-деза — это новость, получающая вирусное распространение, вследствие своей ложной сенсационности, образовавшейся из-за непреднамеренного искажения сути реальной технологической новости.

Вот пара свежих примеров техно-дезы.

Задайте поисковику такие запросы:

• OpenAI научила роборуку собирать кубик Рубика одной рукой
• Нейросеть научили решать задачу трех тел

Для каждого из запросов вы получите выдачу с десятками вариаций техно-дезы из самых уважаемых источников. Эти вариации весьма похожи своей сенсационностью и дышат техно-оптимизмом. Но подавляющее большинство из них (а скорее всего, все), при этом — чистая техно-деза.

Техно-деза работает просто, но безотказно.

1) Появляется интересная (но вовсе не сенсационная) новость в области науки или технологий.

2) При ее изложении, в силу каких-то причин (напр. спешка или некомпетентность автора, или его искреннее желание увидеть в новости нечто большее, чем на самом деле), искажается суть новости, что делает ее сенсационной.

3) Инфа о сенсации превращается в вирусную новость, порождая волны инфо-каскадов в медиа-пространстве, как будто в середину пруда сбросили бетонный блок. О сенсации узнают миллионы.

4) Кто-то (напр. эксперт в данной области, а иногда и прозревший автор техно-дезы) публикует уточнение — обычно, длинное, нудное, но зато объясняющее допущенное ранее искажение смысла новости. Это уточнение приглушает в новости сенсационность, излагая все как есть на самом деле.

5) Однако, в силу специфики распространения инфо-каскадов, это уточнение доходит до микроскопической доли людей, прежде познакомившихся с сенсационной техно-дезой. Как и почему это так работает, я писал в посте «Триумф лжи над правдой в социальных медиа».

Итог: в головах 95%+ аудитории остается версия техно-дезы.

Т.е. люди так и будут теперь считать, что:

• OpenAI научила роборуку собирать кубик Рубика одной рукой.
• Нейросеть научили решать задачу трех тел.

А подробные разъяснения техно-дезы, —

типа этого про Кубик Рубика и этого про задачу трех тел,

— канут втуне. Ведь их прочтут гораздо меньше людей. И лишь это маленькое-премаленькое меньшинство будет знать, что на самом деле:

• OpenAI даже не собирался учить роборуку собирать кубик Рубика, а лишь использовал кубик для отработки тонкой манипуляции движений. Кубик же собирался по давно известному алгоритму, и вообще к делу не относится (вложить в роборуку можно было что угодно). Да и сенсации никакой. Эта работа ведется уже 2 года, и о ней не раз писали.
• С помощью нейросети вовсе не пытались решить знаменитую классическую задачу трех тел, а всего лишь находили частное решение предельно упрощенной задачи — три частицы одинаковой массы, начинающие движение с заданных положений с нулевой скоростью. Т.е. и здесь никакой сенсации. Нейронная сеть всего лишь была использована, как новый инструмент для интерполяции известных значений, полученных с использованием классической модели.

Чем это плохо (и даже очень плохо)

Техно-деза доводит людей до крайней степени кретинизма, поскольку среди интерпретаций реальных технических достижений самыми виральными становятся наиболее идиотские.
А основным инструментом распространения техно-дезы становятся «люди-супер-распространители» — самые популярные люди в сети, играющие в медиа-сети роль «полезных е-идиотов» (подробней см. мой пост «Новые убедительные доказательства изнасилования соцботами нашего здравого смысла»)

Современное «сетевое просвещение» дает обратный эффект. В результате эффекта Даннинга-Крюгера (метакогнитивное искажение типа «чем тупее, тем уверенней в себе»), мир неуклонно глупеет. Для борьбы с этим необходимы новые методы донесения научных данных, способные конкурировать с вирусными каскадами интеллектуальной слепоты масс, реагирующих на техно-дезу.
Но такие методы, увы, человечеством пока не разработаны (подробней см. мой пост «Метакогнитивные искажения не оставляют нам шансов»)

Желающим познакомиться с расширенной палитрой техно-дезы, преимущественно из области ИИ, рекомендую новый пост Гэри Маркуса.

P.S. Помимо обычно неумышленной техно-дезы, существует злонамеренная деза — основное оружие профессиональных троллей, ведущих инфо-пропаганду. Об этом весьма завлекательно написал на днях журнал Rollingstone в статье с интригующим названием «That Uplifting Tweet You Just Shared? A Russian Troll Sent It» и подзаголовком «Here’s what Russia’s 2020 disinformation operations look like, according to two experts on social media and propaganda».

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Франсуа Шолле из Google написал правду, которую его компания не может пока открыто признать

Принципиальная ошибка современной науки и технологий ИИ в том, что они развиваются в условиях, когда:

• мы так и не договорились, что понимаем под ИИ;
• у нас нет способа сравнить ИИ между собой и с интеллектом человека.

В результате:

1. мы разрабатываем нечто, что помогает нам решать конкретные задачи, но, возможно, не является при этом интеллектом: ни подобием человеческого (об определении которого мы не договорились), ни искусственным (поскольку невозможно сделать искусственную сепульку, не договорившись, что такое натуральная сепулька);
2. мы не в состоянии реально оценивать прогресс в создании ИИ, поскольку:
    — не определились с направлением «куда плывем»;
    — не договорились, как оценивать достигнутое (сравнивать разные интеллекты по «интеллектуальности»).

В итоге мы подобны морякам, отправившимся в далекое плавание, не договорившись, куда плывут, и не имея средств определения текущего местоположения.

В общем, ситуация тупиковая, не смотря на явный прогресс в прикладном использовании машинного обучения.

Ибо:

• с машинным обучением все ОК;
• а с созданием ИИ полная Ж.

И поэтому существующую парадигму ИИ необходимо кардинально менять.

Все вышесказанное — не просто мой очередной призыв к читателям канала «Малоизвестное интересное». Это преамбула к 60ти страничному «манифесту» On the Measure of Intelligence, на днях опубликованном Франсуа Шнолле — известным исследователем ИИ в компании Google, создателем библиотеки глубокого обучения Keras и соразработчиком фреймворка машинного обучения TensorFlow.

Шнолле сделал то, что не может позволить себе Google: открыто заявить — король ИИ голый, и ему нужно либо трусы надеть, либо крестик снять.

Ну а теперь о главном.

Главная ценность «Манифеста Шолле» не в его смелости и точности формулировок. А в том, что предложена четкая альтернатива, детально сформулировавшая (1) куда плыть и (2) как измерять свое местоположение на пути к цели (как сравнивать создаваемые интеллекты между собой и человеком).

1) Новое формальное определение интеллекта.

Интеллект измеряется

• НЕ способностями агента достигать сложных целей в широком диапазоне изменчивости внешней среды,
• а эффективностью приобретения навыков.

Дело в том, что навыки интеллекта сильно зависят от уже имеющихся у него знаний и опыта. Неограниченные данные при предварительном машинном обучении позволяют разработчикам новых ИИ «покупать» произвольные уровни навыка для своих систем, тем самым маскируя их ничтожную силу обобщения (генерализации).

В новом определении интеллекта делается упор на следующих критических понятиях, подлежащих учету при характеристике интеллектуальных систем: ограничения задачи (scope), сложности обобщения (generalization difficulty), априорная информация (priors) и опыт (experience).

При таком определении интеллектуальность легендарной AlphaZero, в течение 24 часов достигшей сверхчеловеческого уровня игры в шахматы, сёги и го, не столь и высока. Ибо ее сверхчеловеческий навык «куплен» за счет неограниченных, по человеческим меркам, данных.

2) Новый подход к тестированию интеллектов.

На основе нового определения ИИ, предлагается набор руководящих принципов построения «Общего теста ИИ», позволяющего сравнивать разные ИИ между собой и с человеком.

3) Новый инструментарий сравнения интеллектов.

Представлен новый корпус абстракций и рассуждений Abstraction and Reasoning Corpus (ARC), построенный на явном наборе уже имеющихся у интеллектуального агента знаний и опыта с тем, чтобы соотносить его как можно ближе к свойственным человеку знаниям и опыту.

Автор утверждает, что ARC:

• может быть использован для измерения человекоподобной формы общего подвижного интеллекта (fluid intelligence — способность мыслить логически, воспринимать и запоминать новое, решать новые непривычные проблемы);
• и позволяет проводить объективное сравнения общего интеллекта между ИИ системами и людьми.

Что теперь на это ответит Google — большой вопрос.

Отмежуется, начнет ИИ-революцию или просто промолчит?

От этого, по гамбургскому счету, зависит траектория развития важнейшей в истории человечества технологии на ближайшие десятилетия.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Скетч-рид

На днях проводили смыслотон по корпоративным ценностям. Было несколько инсайтов, в том числе и у меня. В этом скетч-риде хочу поделиться открытиями о том как связаны рост, развитие, результативность и эффективность.

Начну с вопросов для размышления: как связаны между собой результативность и эффективность? Имеет ли смысл фраза: “достигаем результата наиболее эффективным образом”?

И чтобы подобраться к ответам, предложу вам подумать над моделью результативности.

• Представьте себе, что вы только получили некую задачу и ещё ничего не успели сделать. Вы не потратили усилий и результат для вас 0% (точка А).
• Теперь представьте, что вы с этой задачей справились, то есть: потратили 100% усилий и получили 100% результат (точка В).

Изобразим эти две точки на графике:

Очевидно, что между точками А и В есть какая-то траектория прогресса решения задачи. Как вы думаете, какова эта траектория? Линейна, выпукла вверх, выпукла вниз? Если выпукла, то насколько?

Порассуждаем.

Вот вы получили какую-то задачу. С чего начинаете? Скорее всего, с анализа. Вы пытаетесь понять требования, образ результата и наиболее оптимальный способ его достижения, составляете план действия и ищите ресурсы. Вы тратите какие-то усилия, но пока к результату не приблизились. Изобразим это на графике — участок альфа.

Теперь представим, что вы уже близки к финишу. Вам приходится много тестировать и перепроверять соответствие полученного результата исходным требованиям. Тратите много усилий для того, чтобы убедиться, что всё в порядке. Возможно, обнаруживаете огрехи и вносите правки. На это тратится много сил, но движение к результату опять замедленно (привет закон “убывающей предельной полезности”). Изобразим на графике участок гамма.

А что же между этими участками? Скорее всего, довольно бодрый прогресс. Соединим альфу и гамму. Обнаруживаем участок бета.

Получился до боли узнаваемый график S-образной кривой. А что же с эффективностью? Это легко понять из определения: эффективность равна результату, делённому на усилия. Эффективность — это производная результативности! Можем изобразить её графически.

Мы видим, что в начале проекта и при его завершении, эффективность резко падает. Эффективно команда движется лишь в середине проекта.

На этом месте я пересмотрел своё понимание правила Парето — когда 80% результата дают 20% усилий. Это так, но проблема в том, что эти самые 20% усилий находятся в середине пути и чтобы до них добраться, потребуется пройти 40% пути, получив всего лишь 10% результата.

Посмотрим на участки альфа, бета и гамма:

• гамма — мы результативны, но мало эффективны;
• бета — мы эффективны, но пока мало результативны;
• альфа — мы не результативны и не эффективны;

Теперь пару слов о развитии. Есть ощущение, что данный качественный анализ подходит не только к отдельным задачам и проектам. Он также относится к бизнес-моделям и любым системным решениям. Всё имеет предел роста результативности и требует “пересборки”, “переизобретения” — шага развития. Таким образом, получаем серию S-образных кривых.

И на этом графике мы можем выделить участки роста и участки развития:

• развитие связано с переходом на новую S-образную кривую, то есть с запуском нового решения.
• рост связан с бета-участком внутри S-образной кривой.

Инсайт номер два — шаг развития связан с контролируемой потерей эффективности и результативности. Если сильны внутренние приоритеты на результативность, или эффективность, то это блокирует развитие. Так что, для реализации шага развития приходится тратить накопленные ресурсы.

Резюме

• Эффективность — это производная результативности;
• Почти никогда максимумы эффективности и результативности не совпадают;
• Развитие всегда приводит к временному снижению как эффективности, так и результативности;
• Правило Парето — обманка.

Эффективность глазами концептолога was originally published in smysloteka on Medium, where people are continuing the conversation by highlighting and responding to this story.

Оригинал и комментарии

Новый анализ мировой техно-экспансии Поднебесной

От новой инфографической карты, опубликованной позавчера International Cyber Policy Centre ASPI, просто едет крыша. Мир уже привык к фантастическим темпам строительства небоскребов и дорог в Китае. Но чтоб такими темпами подгребать под себя весь мир, — такое не снилось даже Александру Македонскому и Чингисхану. В курилках ЦРУ нервно курят аналитики, т.к. становится ясно — Компартия Китая наконец определилась со стратегией обретения статуса 1й сверхдержавы и возвращения себе своего истинного имени — Поднебесная.

✔️ Ставка только на технологии не проходит. В КПК рулят реалисты, осознавшие, что технологически США по-прежнему сильнее.

✔️ Поэтому в скорректированной стратегии 2030 сделана ставка на сочетание технологий, денег и кооперации. Иными словами, — глобальное проникновение с технологическим опутыванием совместными проектами с долевым китайским финансированием.

Опубликованные новые данные позволяют анализировать динамику мировой экспансии 23 компаний — техно-лидеров Китая в 96 странах.

Ими уже:

• Налажено международное сотрудничество по 295 инициативам развертывания видео наблюдения и слежки.

• В 45 странах будут развернуты китайские сети 5G.

• В 71 городе мира внедряются системы безопасности класса «Умный город».

• Налажена кооперация с 145 научно-исследовательскими лабораториями мира, наибольшая концентрация которых в Европе.

• Построено 208 ЦОДов и запущено 342 телко и IT-проекта по всему миру.

Новый отчет Mapping more of China’s technology giants (о запуске этого проекта инфо-картирования техно-экспансии Китая я рассказывал 8го августа) содержит информацию еще о 12 техно-гигантах Китая. Т.е. теперь их всего 23.

• Alibaba
• Baidu
• BeiDou
• BGI
• ByteDance
• China Electronics Technology Group (CETC)
• China Mobile
• China Telecom
• China Unicom
• CloudWalk
• Dahua
• DJI
• Hikvision (a subsidiary of CETC)
• Huawei
• iFlytek
• Megvii
• Meiya Pico
• SenseTime
• Tencent
• Uniview
• WuXi AppTec Group
• YITU
• ZTE

Интерактивная карта, позволяет анализировать, как экспансию конкретных компаний, так и географию протягивания ими 322х техно-щупалец по миру — 14 категорий экспансии 23х компаний.

В новый отчет включены:

SenseTime — один из самых дорогих в мире стартапов в области ИИ;

iFlytek — частично государственная компания по распознаванию речи;

Meiya Pico — компания по цифровой криминалистике и безопасности, пестрящая в заголовках СМИ в этом году из-за её мобильного приложения для сбора информации со смартфонов MFSocket;

DJI — специализируется на беспилотных технологиях;

BeiDou — не компания, а Спутниковая навигационная система китайского правительства;

ByteDance — интернет компания, возможно, самая известная в мире своим видео-приложением TikTok, страшно популярным среди подростков. Но TikTok тоже привлекает все большее общественное и медиа-внимание в США из-за использования данных граждан США и обвинения в цензуре, включая скрытый бан — понижение рейтинга отдельных тем алгоритмами приложения, чтобы пользователи не видели определенные темы в своем канале.
Обвинение, аналогичное тому, в чем все чаще пользователи обвиняют новостной агрегатор Яндекса.

Отчет содержит описание 4х кейсов:

- TikTok: цензура и слежка;

- Meiya Pico: извлечение данных со смартфонов для спецслужб;

- CloudWalk: дата-колониализм в Зимбабве;

- BeiDou: спутниковая и космическая гонка.

Резюме

Если так пойдет, то к 2030 Китая не будет.

А будет Поднебесная.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Госфинансирование ИИ Китая не столь грандиозно, как представлялось

План Компартии Китая добиться к 2030 статуса 1й сверхдержавы по ИИ сталкивается с серьезными затруднениями.

• Реалисты из КПК уже поняли, что ставка исключительно на технологическое превосходство не проходит, т.к. здесь США по-прежнему сильнее (см. «Стратегия захвата мира Китаем определилась»).

• Кроме того, эксперты при правительстве США, наконец, вышли из спячки и подготовили 5 направлений «гашения» Китая (см. «США проснулись и готовят ответный удар по ИИ Китая»).

Направление №1 — скачек в госфинансировании невоенного ИИ до $12 млрд в год (в том числе, на прорывные фундаментальные и прикладные ИИ исследования $9 млрд), а военного, примерно, до $6 млрд. Это ход, несомненно, очень сильный. Как показывает история технологических противостояний, превосходство в финансировании — важнейший фактор победы.

Но есть одно «но», — а сколько тратит на фундаментальные и прикладные ИИ исследования Китай?

И здесь засада. Китай эти цифры не раскрывает. А все существовавшие до сих пор оценки были уж больно огромные. Получалось, что госфинансирование Китаем невоенных ИИ составляет от $25 до $40 млрд в год. Против такого, даже США бессильны. Если, конечно, не объявлять «мобилизационный режим». Что в истории США бывало. Но сейчас ни Трамп, ни его возможный сменщик на такое вряд ли решится.

И тут неожиданный сюрприз. Коллеги из Центра безопасности и новейших технологий (CSET) при Школе иностранной службы Уолша в Джорджтауне опубликовали 1ю редакцию детального анализа госфинансирования Китаем невоенных ИИ исследований и прикладных разработок.

Работа выполнена весьма креативно и филигранно. Построена аналитическая модель. В нее вкатили море довольно сырых и подчас непроверяемых данных. Модель их просеяла и отфильтровала. И получилась довольно убедительная картина. Такой подход — единственно продуктивный в ситуации, когда мало достоверной информации. Например, в России ЛИНЭКС таким же методом в 2007 пересчитал объемы сегментов IT рынка, в результате чего IDC приняла эти оценки, скорректировав свои отчеты.

Теперь этот же подход был применен для раскрытия секретных цифр, скрываемых КПК.

Результат получился очень интересным.

Оказалось, что госфинансирование ИИ Китаем совсем не столь огромное, как Китай пытается внушить миру.

Резюме цифр приведено на приложенной таблице. Из нее следует:

1) В 2018 госфинансирование Китаем невоенных фундаментальных и прикладных ИИ исследований составило от $1.7 до $5.7 млрд, а военных от $0.3 до $2.7 млрд.

2) С одной стороны, это почти шестикратное превосходство в объемах госфинансирования ИИ США в 2018 (плохая новость для США)

3) С другой стороны, — это вдвое меньше объема госфинансирования ИИ США, которое предложено с 2020 в промежуточном докладе конгрессу США Комиссией по национальной безопасности и искусственному интеллекту (плохая новость для Китая).

Если план финансирования, предложенный Комиссией по национальной безопасности и искусственному интеллекту США будет принят, это лишит Китай уже 2го козыря — превосходство в финансировании (1й козырь — технологическое превосходство, — пока в руках США).

Если же конгрессменов жаба задушит, то шансы Китая реализовать свой план ИИ-превосходства сильно подскочат.

Отчет здесь.

А резюмирующие цифры таковы.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Эйнштейн 21 века на подходе к открытию «уравнения мозга»

Два года назад сын Альберта Ласло Барабаши (которого я уже много лет считаю Эйнштейном 21 века) втравил отца в грандиозную авантюру — попытаться раскрыть величайшую из загадок: как генетически кодируется устройство хадвера разума — нейронная архитектура связей индивидуального мозга.

1й этап этой работы закончен и дал потрясающий результат (как говорится, Эйнштейн — он и в Африке Эйнштейн). Опубликованные 2 декабря в Neuron подробности — малопонятные для неспециалиста, но увлекательные, как триллер — описать простым языком навозможно.

Понятийные аппараты и терминология науки о сложных сетях и нейробиологии наложились друг на друга, создав гремучую смесь с эзотерическим подтекстом (как никак, вопрос на уровне Бога — как в генетике программируется разум).

Помимо этой немеряной сложности, есть и вторая — математически, эта задача, казалось бы, неразрешима. Ведь в ДНК просто нет столько памяти, чтобы закодировать триллионы связей миллиардов нейронов мозга. А кроме ДНК другой супер-памяти у генетики нет.

И, наконец, третья неподъемная сложность (снова как бы толкающая тему в сторону эзотерики).
А существует ли вообще генетический план прошивки мозга в свете того, что она, в значительной мере (но не понятно какой) формируется уже при жизни на основе обучения и опыта?

Существующие теории о генетическом программировании прошивки мозга по своей сути стохастичны, и поэтому не могут воспроизводить конкретные схемы прошивки. И, следовательно, не могут ответить ни на один из поставленных выше вопросов.

А можно ли вообще найти «формулу мозга», математически строгую и позволяющую выдвигать и проверять (фальсифицировать) гипотезы о механизмах связи генетики и нейронной архитектуры?

Новое исследование «A Genetic Model of the Connectome» проливает свет на такую возможность.

• Отец и сын Барабаши начали с гипотезы о том, что генетическая идентичность нейронов определяет формирование синапсов.
• На этой основе они предложили модель коннектома, позволяющую предсказывать результаты генетически управляемой нейронной прошивки.
• Модель предсказывает существование 3х разновидностей специфических повторяющихся узоров (мотивов) биклик (полных двудольных подграфов соединений пар нейронов).

• Для этих биклик авторы нашли математически подтверждаемую зависимость с транскрипционными факторами — формированием нейронных связей конкретными комбинациями экспрессируемых генов.

• В результате можно идентифицировать гены, ответственные за наблюдаемые локальные паттерны нейронных связей — повторяющихся узоров биклик.

Все это проверялось на модели самого простого коннектома червяка С elegans. И проверка показала, что модель позволяет увязывать нейронную архитектуру и экспрессию генов.

Что теперь?

Впереди долгий путь. Для коннектома человека все гораздо сложнее. Да и влияние обучения с опытом у человека посерьезней, чем у червяка.

Но главное — выявлен и проверен путь, вполне возможно, ведущий к раскрытию величайшей тайны человечества.

По крайней мере, Альберт-Ласло Барабаши настроен серьезно, написав в своем Твиттере — «Оставайтесь на связи — в ближайшее время последует математическая обработка результатов, позволяющая набросать уравнение мозга».

Так что реально стоит оставаться на связи.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Оригинал и комментарии

Оригинал и комментарии

Это стало возможно, т.к. тело может мыслить и без мозга

Революционность этого открытия в том, что:

- до сих пор мы стремились сделать неживые машины с неким аналогом мозга (от компов и смартфонов до роботов);

- теперь же стало ясно, что если сделать живую машину, то она сможет обходиться и без мозга.

Суть открытия в том, что найден революционный способ реализации вычислений (память, логика, прогнозирование и решение проблем) у живых организмов БЕЗ нейронных сетей.

Из чего следует.

✔️ У живого организма 2 вычислительные системы: нейронная и не-нейронная (на основе обычных клеток).

✔️ И, соответственно, 2 механизма познания: нейронное и базальное (Basal Cognition).

Базальное познание есть у всех неневральных животных, растений, грибов и одноклеточных организмов. А у многоклеточных, включая нас, оно выполняет сложнейшие функции:

- неподъемные для нейронного познания: типа, конструирования и сборки органов — от глаза до сердца;

- и, что еще более важно, — не допускающие ошибок (коих в нейронных сетях избежать трудно).

То, что базальное познание (универсальный вычислитель на НЕнейронной основе) существует, биологи подозревали давно. Одноклеточные формы жизни и соматические клетки многоклеточных организмов принимают гибкие решения на основе входов в их микросреду. Например, биоэлектрические сигналы опосредуют важные аспекты долгосрочной координации, которые удерживают клетки для поддержания плана тела и не допуская развития онкогенеза. Нейроны же произошли от этих древних типов клеток, которые использовали биоэлектрическую сигнализацию для выполнения вычислений.

В то же время, даже у самых эволюционно развитых многоклеточных (типа людей) многие биопроцессы в организме (вплоть до сложнейшего регулирования морфогенезом и регенерацией), можно рассматривать как процессы, включающие обработку информации и принятие решений без участия мозга.

Память, прогнозирование и решение проблем прекрасно демонстрируются у абсолютно безмозглых сперматозоидов, амеб, дрожжей и растений. А у многоклеточных, например, при регенерации, сложность вычислительных задач, решаемых без участия нейронных систем, просто зашкаливает.

Например, хвосты, привитые по бокам саламандры, медленно переделываются в конечности, демонстрируя способность ткани определять свое положение в теле, сравнивать анатомию на уровне органов с целевой анатомией, и переделывая алгоритм регенерации тканей с учетом правильной анатомической корректировки.

Задача — понять,

как ткани вычисляют с помощью биоэлектрических процессов,

крайне важна для эволюционной биологи, регенеративной медицины и синтетической биоинженерии (разработка синтетических «живых машин»).

Новое исследование «Modeling somatic computation with non-neural bioelectric networks» построило модель биоэлектрической сети BEN, способной решать когнитивные задачи в контексте биологических процессов (например, морфогенеза и ремоделирования), где сети НЕнейронных клеток совместно вычисляют и принимают решения.

Сети BEN позволяют реализовывать весь необходимый для вычислений HW: логические вентили, составные логические элементы, детекторы паттернов и память.

Это первое научное доказательство существования класса биологических систем, где вычислительный подход реализован на соматических биоэлектрических сетях.

Кроме того, авторы продемонстрировали, что логика может быть реализована в схемах с двунаправленными соединениями, которые типичны для НЕнейронных тканей, в отличие от традиционных однонаправленных схем, таких как нейронные сети и цифровые электронные схемы.

Мало того, что сети BEN могут вычислять, но они также могут быть устойчивыми к повреждениям, сохраняя вычислительные функцию даже после удаления части клеток.

Авторы считают, что это исследование обеспечивает концептуальные и моделирующие основы для понимания и управления развитием и регенерацией, а также для создания вычислительных искусственных живых машин.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

Подвижный интеллект — генератор разума

И этот генератор нельзя приобрести, т.к. он наследуется

Интеллект зависит, как от HW (структура мозга — размеры его регионов и их связанность), так и от SW («прошивка» мозга — меняющаяся в процессе обучения и опыта коммутация нейронной сети).

Согласно доминирующей теории когнитивных способностей (Кеттелла — Хорна — Кэрролла), SW интеллекта включает в себя:

1) подвижный интеллект (fluid intelligence) — способность мыслить логически, воспринимать и запоминать новое, решать новые непривычные проблемы;

2) и кристаллизовавшийся интеллект (crystallized intelligence) — накопленный опыт и способность использовать усвоенные знания и навыки.

1й — это своего рода фреймворк для разработки приложений, а 2й — сами приложения, умеющие делать разные полезные вещи.

Но ведь эти приложения всего лишь результат использования (пока не понятно кем) фреймворка. А у разных людей сложность и совершенство этого фреймворка сильно разная.

Причем настолько, что одно и то же обучение:

• одним людей позволяет оснастить себя шикарным набором новых приложений;

• другим — обзавестись набором приложений попроще;

• третьим — лишь увеличить число багов в уже имеющихся у них приложениях.

Все вышеизложенное долгое время (как минимум, с 1971, когда была разработана theory of fluid and crystallized intelligence) оставалось теорией. Но с развитием методов всевозможного сканирования и картирования мозга начались прорывы.

В начале этого года, использовав данные сотен участников проекта «коннектом человека», сразу несколько ведущих лабораторий мира продемонстрировали, что паттерны связности мозга создают «индивидуальные отпечатки», отличающие каждого человека. Люди с сильными функциональными связями между определенными регионами имеют обширный словарный запас и проявляют более высокий подвижный интеллект. Они, как правило, имеют лучшее образование и удовлетворенность жизнью, а также лучшую память и внимание.

Люди же с более слабыми функциональными связями среди тех же самых областей мозга имеют более низкий подвижный интеллект, снижающий способности к концентрации внимания и, в целом, к обучению.

За 1й волной прорывов пошла 2я.

Новое исследование на 424 добровольцев дало ответ на вопрос

можно ли, проанализировав размеры отдельных областей мозга, оценить уровень подвижного интеллекта человека (т.е. сложность и совершенство его фреймворка для разработки приложений)?

Исследователи однозначно ответили — да.

При этом для выявления значимых различий в уровне подвижного интеллекта, достаточно проанализировать лишь две структуры в мозге — парагиппокампальную кору и хвостатое тело.

Иными словами,

можно заранее определить,

• кого стоит учить сложным навыкам,

• а кого — только время терять.

Вот такая, извините, получается почти что нейро-евгеника HW (что вовсе не отменяет значение социо-культурной прошивки SW).

Авторы исследования уже поставили следующую цель — найти способ усиления подвижного интеллекта на имеющемся HW. Всякие там нейро-импланты и т.д.

- Популярно

- Научно за пейволом

- Открытый текст

P.S. Эта новость имеет важный подтекст. Если наш интеллект все же так сильно зависит от наследуемого HW, то опасения Харари о скором появлении супер-людей за счет перепрошивки их алгоритмов (SW), оказываются несколько преждевременными.

P.P.S. Инфу об исследовании прислал читатель канала, планирующий использовать метод исследования в весьма перспективном новом проекте. Если взлетит — напишу.

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

Оригинал и комментарии

И почему не так важно, что хранится в «мировом разуме», а кто к нему подключен

Мир таков, каким его представляет большинство. А это зависит от текущего состояния «мирового разума» — совокупности доминирующих конфигураций мировой сети идей, представлений и верований.

Вот уже с десяток лет, как основной медиа-средой «мирового разума» стала мировая паутина (WEB), состоящая из триллионов элементов электронного контента (информации) и миллиардов оперирующих им индивидов.

И оказалось, что текущее состояние «мирового разума» зависит от конфигурации связей индивидов ничуть ни меньше (и даже больше), чем от всей хранящейся в коллективной памяти человечества информации, сконденсированной в э-контенте «мирового разума».

✔️ Но от чего зависит конфигурация связей индивидов в мировой сети идей, представлений и верований?

До сих пор было ясно лишь одно — с каждым годом эта зависимость все более переходит от офлайновых социальных сетей (кругов знакомых в реальной жизни) к онлайновым (круги френдов ФБ, ВК и т.д.).

✔️ Что же до понимания механизма влияния сетевых связей на формирование идей, убеждений и верований людей, то до последнего времени это было совсем не ясно.

Вот почему так интересен результат нового исследования (еще находящегося в процессе пир-ревю) «Индивидуальные цифровые отпечатки когнитивного отражения» Digital Fingerprints of Cognitive Reflection.

Авторы представили убедительную аргументацию, что механизм влияния сетевых связей на формирование идей, убеждений и верований людей зависит от 2х ключевых факторов:

1. (здесь никаких сюрпризов) от конфигурации связей индивида;
2. (сюрприз-сюрприз) от когнитивного стиля индивида: интуиционист или рефлексионист.

Созданный в 2005 тест на когнитивное отражение Cognitive Reflection Test (CRT) все больше доминирует в теории индивидуальных различий в склонности к интуитивному/рефлексивному мышлению, и связан со многими реальными убеждениями, суждениями и верованиями, такими, например, как религиозность, паранормальные убеждения и моральные и политические суждения.

CRT выявляет склонность индивида к неправильным ответам, которые легко приходят на ум.

Предполагается, что способность увидеть подвох в вопросе равносильна решению задачи. Человек либо увидит подвох и задумается (рефлексионист), либо не увидит подвоха и даст напрашивающийся ответ (интуиционист).

Вопросы CRT — особенные. Типа, —

«если вы бежите кросс и обгоняете бегущего вторым, — на каком месте вы теперь находитесь?»

Достаточно всего нескольких ответов на подобные вопросы CRT, чтобы определить, кто вы: интуиционист или рефлексионист. Желающие могут пройти сюда и за 1 мин пройти тест.

Оказалось, что когнитивный стиль человека довольно точно определяет:

• насколько человек разборчив в использовании информации от своих социальных связей;
• насколько избирательно человек обменивается новостями;
• насколько тщательно выбирает надежные источники;
• насколько более вероятно ретвитит или разшаривает инфу, в зависимости от ее важности/весомости.

Не менее важен вывод исследования о процессе формирования эхо-камер, — не только по политическим пристрастиям, но и по любому (!) вопросу.

Оказалось, что люди с низким уровнем когнитивного отражения, просто бессильны против их засасывания в эхо-камеры. По сути, для интуитивистов эхо-камера — как черная дыра, в которую он будет падать бесконечно долго.

Если подтвердятся выводы исследования, то каждому новому пользователю соцсетей его показатель CRT нужно будет выбивать на «личном жетоне», подобно группе крови на «жетоне военнослужащего». И без такого жетона в соцсеть ни ногой … Иначе засосет в сетевую «черную дыру».

________________________________

Если понравился пост:
- нажмите на “палец вверх”;
- подпишитесь на обновления канала на платформе Medium;
- оставьте комментарий.
Еще больше материалов на моем Телеграм канале «Малоизвестное интересное». Подпишитесь

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

Оригинал и комментарии

Оригинал и комментарии