Когда мы говорим об искусственном интеллекте, мы интуитивно представляем себе объекты из кремниевых чипов, металла и пластика. Если эти устройства способны воспринимать окружающую среду и предпринимать действия, чтобы максимизировать свои шансы на достижение конкретной цели, мы считаем, что они демонстрируют искусственный интеллект (ИИ).
Однако люди редко говорят об ИИ в форме биологического материала, хотя это будет одним из самых радикальных последствий машинного обучения (одного из самых последних применений ИИ).
Машинное обучение основано на идее, что мы предоставляем устройствам доступ к большим наборам данных, что позволяет им учиться независимо, распознавать закономерности и делать прогнозы на основе этих данных. Сложность моделей, созданных этими ИИ, скоро будет очень трудно понять людям.
Машинное обучение даст нам беспилотные автомобили, ценную и надежную роботизированную хирургию, а также огромное понимание человеческого генома.
На данный момент «ИИ еще не думает так, как думаем мы».
Интеллект — это в основном способность моделировать новые системы и проблемы. Наш текущий уровень инструментов машинного обучения уже моделирует вещи. Однако они моделируют не с такой же когнитивной силой, как моделируем мы, люди. Кроме того, машинное обучение еще не способно моделировать «сознание» (и это, в конце концов, может быть хорошо. По крайней мере, до тех пор, пока мы не полностью осознаем сами, что это будет означать) .
При нынешней скорости инноваций машинное обучение может понять нашу ДНК и предсказать любые мутации в нашем генетическом коде раньше, чем мы ожидаем.
Затем машинное обучение найдет существенное применение в разработке биосинтетических нейронных сетей. В человеческом мозгу нервные клетки никогда не работают в одиночку. Типичная нервная клетка (нейрон) собирает сигналы от других через тонкие структуры, называемые дендритами. Нейрон передает электрическую активность с помощью длинного провода, называемого аксоном, который делится на несколько ответвлений. В конце этих ветвей находится структура, называемая синапсом, которая преобразует активность и может как возбуждать, так и подавлять связанные нейроны. Приблизительно 100 миллиардов нейронов взаимодействуют как сеть и формируют наше сознание таким образом, что ученые до сих пор с трудом понимают его.
Что, если машинное обучение будет быстрее нас понимать и создавать искусственные нейронные сети? На данный момент искусственные нейронные сети представляют собой набор алгоритмов, смоделированных на примере человеческого мозга. В определенной степени они способны интерпретировать сенсорные данные посредством своего рода машинного восприятия и классифицировать соответствующие входные данные. Проблема в том, что цифровая машина может быть не в состоянии достичь гибкости и динамики биологической системы. Однако машинное обучение может стать достаточно умным, чтобы экспортировать свои знания и искусственную нейронную сеть в биосинтетическую оболочку.
Как только ИИ поймет, как записывать и модифицировать ДНК, а также поймет, что может быть проще разработать гибкий биосинтетический ИИ, мы больше не сможем быть самым разумным органическим существом на этой планете.
В конце концов мы должны открыть глаза на потенциальные этические проблемы, связанные с «биоискусственным интеллектом», и думать на один шаг дальше, чем просто обычный искусственный интеллект.
