Мнение
Глубокое обучение и конец социальных наук
Что происходит, когда компьютеры знают людей лучше, чем они знают себя?
Наука - это алгоритм. На сегодняшний день это может быть самый эффективный и полезный алгоритм - или семейство алгоритмов - из когда-либо изобретенных человечеством. Постоянно совершенствующиеся методы построения моделей того, как устроен мир, а затем проверка этих моделей на доказательствах, позволяют отличать хорошие идеи от плохих. Постепенно понимание человечеством Вселенной, мира и самого себя росло.
Это понимание может столкнуться с самой большой угрозой с тех пор, как Галлилей выступил перед инквизицией. Революция в области искусственного интеллекта вполне может изменить то, как хорошие идеи отделяются от плохих, и подорвать конечную цель науки - понимание.
Утверждение, что ИИ может подорвать научное понимание или даже сделать его устаревшим, далеко не ново. Алгоритмы глубокого обучения, в отличие от научных, совершенно не заботятся о понимании. Оптимизируют более приблизительные и банальные количества. Более десяти лет назад Крис Андерсон утверждал, что поток данных делает научный метод устаревшим. Он предсказал не что иное, как конец научной теории.
Появление огромных объемов данных вместе со статистическими инструментами для обработки этих цифр предлагает совершенно новый способ понимания мира. Корреляция заменяет причинность, и наука может развиваться даже без последовательных моделей, единых теорий или вообще без какого-либо механистического объяснения.
В 2017 году Дэвид Вайнбергер снова всколыхнул , заявив, что теперь у наших машин есть знания, которых мы никогда не поймем. Были ли утверждения о смерти теории преувеличенными или нет остается темой энергичных, иногда обнадеживающих дискуссий. Питер Суини предполагает, что новые и необъяснимые идеи, возникающие в результате глубокого обучения, могут возродить более глубокие объяснения, заключая, что:
Глубокое обучение следует ценить не как раскрытие границ знаний, а как мощный инструмент наблюдения.
Правильное изучение человечества
Большинство дискуссий о том, что глубокое обучение вытесняет научный метод, вращается вокруг естественных наук и медицины. От астрономии и физики элементарных частиц до геномики, биоинформатики и моделирования заболеваний - не требуется огромных усилий воображения, чтобы увидеть, как алгоритмы глубокого обучения могут исследовать обширные пласты доступных данных. Однако имеет значение, открывают ли эти усилия по добыче новые жемчужины понимания или просто богатую руду прибыльных прогнозов. Однако, когда претензии ставятся на почву социальных наук, это имеет гораздо большее значение.
Выделить знания о человеческом поведении и обществе из мутной грязи фольклора, выдавать желаемое за действительное и убеждений в целом становится труднее, чем понять физическую вселенную. На протяжении тысячелетий прогресс в направлении основанного на фактах понимания человеческого поведения и общества тормозился корыстными интересами, моральной интуицией, религиозными учениями, политическими догмами и нашим идиосинкразическим воспитанием. Прогресс также страдает от довольно распространенного взгляда на то, что науке нет места в человеческом понимании самого себя. Даже академические дисциплины, претендующие на использование научных методов, имеют тенденцию объединяться в племена, каждое из которых стремится доказать правоту своих идей.
Глубокое обучение готово положить конец этим ссорам. Не то чтобы это прояснило мрак и, наконец, отразило нам, кто мы есть и как мы становимся самими собой. Вместо этого алгоритмы глубокого обучения извлекут из горы пользовательских данных, кликов, лайков, подписок, твитов, сообщений, покупок и перемещений все, что им нужно для продажи продуктов, получения голосов и формирования мнений. Искусственный интеллект может вытеснить человеческое понимание и все многочисленные конкурирующие, несовместимые и взаимно презрительные формы теории. Да, даже Критическую теорию.
Природа и воспитание
В конце концов, все противоречивые теории о человечестве начинаются на водоразделе между природой и воспитанием. В конце концов, каждый из них возвращается, как мигрирующий лосось, в один из этих натальных потоков, снова, чтобы увековечить ложную дихотомию, которая затмевала человеческое понимание до тех пор, пока люди серьезно задумывались о том, как они стали такими, какие они есть. Платон и Аристотель спорили о том, возникают ли идеи врожденно или через опыт, и тот же вопрос занимал философов больше, чем любой другой.
В двадцатом веке обстановка стала особенно враждебной. Пионер культурный антрополог Альфред Л. Крёбер утверждал в 1915 году, что нельзя допустить, чтобы наследственность играла какую-либо роль в истории. Биологические / психологические объяснения никогда не могли быть согласованы с социальными / историческими исследованиями. Поколения антропологов поверили Креберу на слове, и, честно говоря, у них была причина. Евгеники и социальные дарвинисты уже продемонстрировали катастрофу, заключающуюся в том, что они делают выводы о том, что должно быть, из своих ограниченных взглядов на то, как устроена природа. Вскоре нацисты должны были продемонстрировать, насколько жестоко идеи о врожденных человеческих различиях и расовом превосходстве могут использоваться в оскорбительных целях.
Сегодня термин эволюционная психология может вызвать плевок и ярость у исследователей, оцениваемых другими способами, убежденных, что любое биологическое объяснение человеческого поведения неизбежно подделает тонкий конец следующего фашистского клина. В свою очередь, этот прием вызвал паранойю у многих эволюционных психологов, многие из которых убеждены, что гегемонистская Стандартная модель социальных наук навязывает наивные, но политически приемлемые идеи о том, что люди начинают жизнь с чистого листа, сформированного только социально сконструированными или культурными факторами. .
Подобные битвы бушуют в антропологии, где так называемые «теории» биологических и культурных антропологов часто взаимно непонятны другим племенам. Понимание природы, воспитания и сложных способов их взаимодействия важно для любого, кто хочет понять, откуда берутся несправедливость, насилие и эксплуатация. Тем более, если они хотят что-то с этим сделать. Социология, психология и экономика колеблются под тяжестью приверженности теориям, которые отстаивают одну причину и очерняют или игнорируют другую.
Если все социальные науки не выйдут за рамки вавилонского трайбализма и самоизоляции, ИИ сделает их неактуальными. Люди и корпорации, заинтересованные в том, как люди взаимодействуют, потребляют и тратят, мало заинтересованы в том, в какой степени поведение возникает через наследование или опыт. Алгоритмы не нужны для объяснений, а тем более для декоративных, но тривиальных частичных объяснений, которые многие исследователи, как мы надеемся, называют «теорией».
Конец
Пример того, как дети учатся читать, решает некоторые проблемы. Чтение требует перепрофилирования неврологических путей, которые эволюционировали для выполнения других функций. Многие трудности в обучении чтению имеют биологический компонент. Несмотря на то, что для того, чтобы стать читателем, нужны и природа (нервная система), и воспитание (обучение), старая детская борьба, из-за которой главное, продолжает бушевать.
Самая неприличная битва - известная просто как войны чтения - идет по касательной к линии разлома природы и воспитания. Это касается двух разных моделей воспитания: систематической фоники, которая учит ассоциациям между буквами и звуками, и всего языка, в которой учащиеся делают выводы или догадываются на основе изображений, контекста и другие подсказки, слова, которые они не узнают в письменной форме. Хотя некоторые исследователи предлагают смешать методы или найти лучшие подходы, многие предпочитают упорствовать в порочных склоках, из-за которых любой первоклассник наверняка попадет в непослушный угол. Или что бы то ни было в соответствии с передовой практикой в наши дни.
Изучать, как лучше всего научить детей читать, действительно сложно. Для начала вы должны разработать исследование, которое предлагает некоторым детям обучение фонетике, а другим детям - весь язык, справедливым для обоих методов. Затем вам нужно набрать много детей и получить согласие их опекунов и учителей на их участие. Затем начинается тяжелая работа, наблюдение за тем, как дети учатся, и измерение соответствующих результатов, желательно в течение нескольких лет. Даже если бы вы могли делать все это, было бы этично упорствовать, если бы стало казаться, что один метод более эффективен, чем другой? Не могли бы вы запретить родителям и родственникам использовать другой метод дома?
Чтобы выполнить все шаги должным образом и с соблюдением этических норм, потребуются миллионы долларов. Это только для одного языка в одном культурном и экономическом контексте. Добавьте к этому потраченные впустую часы, подающие заявку на грант, и упущенные из-за того, что ученый когда-либо получит свой первый доллар поддержки исследований.
Искусственный интеллект предлагает заманчивую альтернативу. Можно, по крайней мере теоретически, создать программу, которая учит детей читать любым выбранным методом, измеряет их прогресс и оценивает успех каждого подхода. Но зачем останавливаться на достигнутом? Приложив немного больше усилий, можно было бы создать программное обеспечение, чтобы учиться у детей, даже если оно помогает им научиться читать. Он может генерировать новые стратегии, сочетающие в себе лучшее, что могут предложить фоника, язык в целом и любые другие методы обучения.
Такое программное обеспечение, которое еще предстоит создать, могло бы разрешить спор доктринерской «акустики» и «целого языка», решительно сойдя на одну сторону. Однако более вероятно, что это приведет к разработке новых стратегий обучения детей чтению, не согласующихся ни с одной из противоборствующих теорий. В самом деле, стратегия вполне может не поддаваться описанию. Дети могут научиться читать так, чтобы им нравилось больше, это было быстрее и расстраивало их меньше, чем любое предыдущее поколение учащихся, но никто не сможет понять, как это сделать.
Такого результата мы могли бы ожидать, если бы Дэвид Вайнбергер был прав, когда писал это:
Мы все больше полагаемся на машины, которые делают выводы из моделей, которые они сами создали, моделей, которые часто выходят за рамки человеческого понимания, моделей, которые «думают» о мире иначе, чем мы….
… Чтобы познать мир, может потребоваться отказаться от его понимания.
Примут ли педагоги или родители такое будущее? Даже если дети станут лучше, более увлеченными читателями, чем любое предыдущее поколение? Во-первых, если глубокое обучение узнает, как лучше всего научить детей читать, оно не будет продуктом какой-то безвредной схемы общественного блага, направленной на пополнение запасов человеческих знаний. Не с учетом того, как финансировались исследования и образование в последние десятилетия. Вместо этого частные компании будут разрабатывать программное обеспечение, накапливать данные и извлекать выгоду из того, чему учатся их алгоритмы.
Состоятельные родители смогут позволить себе лучшее, что новые технологии могут предложить их детям читающего возраста. Другие родители не захотят. Если вы думали, что идеологические битвы за то, как обучать чтению, были жестокими, вы могли бы предвидеть будущее, изучая огненные бури, охватившие частные и государственные школы.
Разведите свое племя
Данные, которые могут сделать устаревшими все сложные, идеологически заряженные проблемы, связанные с человеческим поведением и обществом, уже существуют. С каждым днем накапливается больше. Однако они не обязательно улучшат наше понимание друг друга и того, как мы функционируем. Я считаю, что ставки слишком высоки, чтобы социальные науки и человеческое самопознание упали в непознаваемую бездну глубокого обучения.
Чтобы социальная наука оставалась актуальной, она должна по-новому и четко сфокусироваться на «науке». Любой, кто заинтересован в понимании того, каковы на самом деле люди, за всеми этими слоями культуры, социализации, генетики, эпигенетики, привилегий, богатства и власти, должен будет развестись со своим собственным племенем и искать гражданство всего научного мира. Только тогда они могут надеяться развить те немногие идеи, которые подтверждаются доказательствами, и отвергнуть те, которые не подтверждаются.
Нам нужно улучшить социально-научный алгоритм. Для этого нам нужно будет, наконец, сбросить разноцветные пеленки мечты о принятии желаемого за действительное и найти бескорыстные способы отсеивания доказательств и извлечения уроков из массы доступных больших данных. Новая социальная наука, которая имеет такой же доступ к данным, как и корпорации, и которая включает глубокое обучение, имеет шанс улучшить как наше понимание самих себя, так и всех человеческих жизней.
Если социологи не могут делать эти сложные вещи, то машины и корпорации, которые ими владеют, узнают о нас все, что им нравится, зная нас, но все же ничего не понимая. И они совершат убийство.
Присоединяйтесь к моему списку рассылки для получения ежемесячных обновлений.
