Автор Марк Джонсон
Есть некоторые вещи, связанные с технологиями в образовании, которые меня очень беспокоят. Первое место в списке занимает битва в стиле уличного кукольного театра «Панч и Джуди» между сторонниками ИИ и критиками ИИ. Так или иначе, об ИИ говорят в интересах обеих сторон - промоутеры хотят поощрять большие денежные вложения (обычно, но не всегда, в гнусных целях); критикам нужна платформа, на которой они могут строить / повышать свою академическую репутацию - что бы они делали без ИИ ??
В любом случае нигде нет настоящего интеллектуального интереса к технологии. Обе стороны видят в этом функционализм - либо обеспечение «эффективности» (и, предположительно, прибыли), либо провокацию образовательной катастрофы. Первое возможно, но огромная упущенная возможность; последнее маловероятно, потому что технология не такая, как ее воображают критики. На самом деле, эта технология очень интересна во многих отношениях, и если бы мы были учеными, мы бы проявили к ней активный интерес.
Как я уже говорил ранее, термин «искусственный интеллект» вводит в заблуждение. Что такое машинное обучение, так это использование рекурсивных алгоритмов, ссылающихся на себя, которые отображают свойство «упреждающей системы»: оно предсказывает вероятные категории данных, которых раньше не видел, благодаря обучению конструировать фундаментальные особенности каждой категории. Раньше у нас не было таких технологий - они новые. Например, это не база данных, которая будет возвращать данные, которые были помещены в нее в ответ на запрос (хотя ИИ - это своего рода эволюция базы данных).
«Искусственные системы предвидения» чрезвычайно важны по причинам, которые мы не начали понимать. Глубокая проблема заключается в том, что, как и все биологические системы, мы также являемся «системами предупреждения». Более того, принципы предвосхищения в биологических системах удивительно похожи на принципы упреждающих систем в машинном обучении: оба основаны на огромном количестве «избыточности информации», то есть на разных описаниях одного и того же. Избыточность была определена Грегори Бейтсоном (давным-давно) как фундаментальная для смыслообразования и познания. Карл Прибрам написал блестящую статью о природе избыточности и памяти (см. T-039.pdf (karlpribram.com)).
Поэты (Уоллес Стивенс в «The necessary angel»), музыканты (Леонард Б. Мейер), физики (Дэвид Бом). ) и многие другие говорили то же самое о множественных описаниях и избыточности. Как это работает? Мы не знаем. Но вместо того, чтобы использовать возможность проверить технологию, глупые ученые делают вид, что либо пытаются уничтожить материал, либо носить его как костюм.
К черту большинство из них!
На днях я прочитал недавно опубликованное замечание известного и очень умного ученого против самого эмпиризма. Аргумент состоял в основном в том, что сторонники "плоской Земли" (и другие теоретики заговора) были эмпириками, потому что апеллировали к простым наблюдениям. Вместо этого «эмпиризма» был нужен тщательно сконструированный критический аргумент дискурса социальных наук.
Я думаю, что отчасти виню в этом философию «критического реализма (CR)» (и я говорю как человек, который долгое время уделял много времени CR). Рой Бхаскар проводит различие между «эмпирическим», «действительным» и «реальным», утверждая, что эмпирическое - это наиболее ограниченная ситуация, поскольку она включает наблюдение за событиями (обычно, но не исключительно, посредством искусственных экспериментов с замкнутой системой для создания наблюдаемых и воспроизводимых последовательностей событий). Фактическое, напротив, рассматривает события, которые могут произойти, но могут не наблюдаться. Реальное, напротив, включает в себя мир, находящийся за пределами человеческого восприятия - то, что Бхаскар считает результатом «генеративных механизмов».
Что же плохого в этом отрицании эмпиризма? Настоящая проблема возникает из-за того, что Бхаскар основывает свои аргументы на конкретном прочтении научной теории Юма, которая предполагает, что наука является результатом экспериментов, производящих регулярные события, а ученые конструируют причины для объяснения этих событий. Позиция Юма, к сожалению, многими неверно истолковывается как защита наивной независимой от разума эмпирической реальности (что было противоположностью того, что на самом деле говорил Юм), но точка зрения Бхаскара состоит в том, что Юм ошибался, говоря, что причины были конструкциями. [Извилистая сложность этих аргументов меня утомляет!]
Однако за всем этим стоит более глубокая проблема, в том эксперименте, который рассматривается как полностью рациональная и когнитивная операция, а это почти наверняка не так. Более того, этот когнитивный и рациональный взгляд становится неотъемлемой частью авторитарной «школьной науки», которую мы все помним.
Плоскоземельцы не являются эмпириками. Они авторитарны - заимствуют когнитивное неверное толкование науки из школьной комнаты, чтобы доказать свою точку зрения.
Как физиологические сущности, ученые при проведении экспериментов занимаются чем-то гораздо более тонким. Наука - это действительно «танец с природой» - процесс координации набора действий против набора неизвестных ограничений со стороны природы. Создание регулярной последовательности событий - это способ кодификации некоторых ограничений, которые могут быть обнаружены, но в некотором смысле это действительно эпифеномен эмпирического предприятия. Кодификация важна по причинам социального статуса в науке и, возможно, для социальной координации (например, если это кодификация генома вируса). Но не это движет эмпирическими усилиями. Это происходит из-за того, что мы постоянно задаем новые вопросы и делаем новые вмешательства, чтобы получить все более богатые версии реальности. Стремление к этому любопытству может быть связано с эволюцией или с энергией и негэнтропией. Как указывал Дэвид Бом, научное понимание скорее похоже на непрерывное наращивание множества описаний природы. Речь также идет об избыточности.
Вот почему я считаю машинное обучение таким важным и почему нелепое позирование вокруг него сводит меня с ума. Это технология, которая воплощает (это, конечно, неуместный термин) принцип, лежащий в основе нашего осмысления мира. Его изучение прольет свет на некоторые глубокие загадки сознания и обучения, а также на наши отношения с технологиями. По мере того, как мы приближаемся к квантовым вычислениям и приближаемся к возможности изучать природу «в чистом виде», некоторые выводы, сделанные на текущем этапе разработки машинного обучения, станут полезным компасом для будущих исследований. Я уверен, что они родственные области.
То, что критики искусственного интеллекта не являются учеными, может быть большей трагедией, чем то, что многие сторонники искусственного интеллекта в образовании являются преступниками.