Иллюзия интеллекта: чего на самом деле не хватает ChatGPT
Профессор Принстона Том Гриффитс объясняет, почему одних нейросетей мало для создания AGI и какую математику мы забыли по дороге к будущему.
Обновлено:
2 мин чтения
1 просмотров
Профессор Принстона Том Гриффитс объясняет, почему одних нейросетей мало для создания AGI и какую математику мы забыли по дороге к будущему.
2 мин
Мы привыкли думать, что секрет создания искусственного разума кроется в наращивании вычислительных мощностей и увеличении количества параметров в нейросетях. Чем больше видеокарт NVIDIA мы подключим, тем умнее станет модель. Но что если мы бежим не в ту сторону?
Том Гриффитс, директор Лаборатории компьютерных когнитивных наук Принстонского университета, в своей новой книге «Законы мышления» выдвигает отрезвляющий тезис: современный ИИ опирается лишь на одну грань интеллекта, игнорируя столетия математических открытий. Пока Кремниевая долина одержима нейросетями, наука о мозге подсказывает, что для настоящего прорыва нам нужно вернуться назад.
Гриффитс выделяет три фундаментальных каркаса, на которых строится любой разум — и человеческий, и машинный. Первый — это логика и символы. Это язык правил, на котором работали компьютеры XX века. Он идеален для дедукции и планирования, но беспомощен, когда нужно отличить кошку от собаки. Второй каркас — это нейросети. Они блестяще справляются с обучением и распознаванием образов, но часто «галлюцинируют» и не понимают причинно-следственных связей.
Главная проблема текущего хайпа вокруг <a href="/glossary/llm" class="text-primary hover:underline">LLM</a> заключается в том, что мы пытаемся решить все задачи только вторым инструментом. Мы заставляем нейросеть «угадывать» логику, вместо того чтобы дать ей инструменты для строгого мышления. Гриффитс утверждает: недостающее звено — это третий каркас, теория вероятностей и байесовская статистика.
Именно вероятность позволяет разуму работать с неопределенностью. Человек не просто запоминает паттерны, как <a href="/glossary/gpt" class="text-primary hover:underline">GPT</a>-4. Мы строим гипотезы, оцениваем шансы и принимаем решения в условиях нехватки информации. Это то, что когнитивная наука называет индуктивным выводом. Современные модели имитируют этот процесс, но не владеют им на фундаментальном уровне.
История повторяется. Столетия назад Джордж Буль пытался описать законы человеческого мышления через алгебру, что привело к созданию компьютеров. Сегодня мы пытаемся сделать обратное — заставить компьютеры мыслить как люди. Но пока мы не объединим жесткую логику, гибкие нейросети и вероятностное мышление в единую систему, наши ИИ будут оставаться лишь очень начитанными попугаями, не способными к настоящему суждению и метапознанию.
Для создания настоящего AGI недостаточно просто тренировать большие нейросети — необходимо объединить их с символьной логикой и теорией вероятностей.
Мы не изобретаем новый интеллект, а лишь заново открываем математические принципы работы человеческого мозга, известные столетиями.
