Когда нейробиолог и разработчик ИИ начинают разговор за чашкой кофе, их диалог часто сводится к одному вопросу: действительно ли искусственный интеллект учится «мыслить» как человек? Твит Эндрю Кана, сооснователя Mechanism Capital, всколыхнул дискуссию: он сравнил большие языковые модели (LLM) с 20-25% возможностей человеческого мозга. Но за этой метафорой скрывается более глубокая история - о том, как две принципиально разные системы обрабатывают абстракции.
Как мозг и ИИ кодируют реальность
Мозг:
Человеческий разум создаёт абстракции через нейронные ансамбли. Например, понятие «свобода» активирует зоны, связанные с эмоциями (миндалевидное тело), памятью (гиппокамп) и социальным опытом (префронтальная кора). Исследование MIT (2025) показало: наш «семантический узел» в передней височной доле объединяет данные от всех органов чувств в единую концептуальную карту.
LLM:
Языковые модели, как GPT-4o, работают иначе. Они преобразуют текст, изображения и код в многомерные векторы - числовые представления смысла. Например, слово «яблоко» в LLM связано не только с фруктом, но и с компанией Apple, библейским символом и физическими свойствами. Google Research обнаружил: при обработке речи активность мозга линейно коррелирует с внутренними векторами LLM.
Ключевое отличие:
Мозг эволюционировал для выживания - его абстракции эмоционально окрашены. ИИ обучается на данных - его «понимание» лишено субъективности.
25% мозга или новая форма интеллекта?
Эндрю Кан прав лишь отчасти. LLM действительно могут:
- Распознавать паттерны: находить связи между разрозненными концепциями, как в исследовании Microsoft по генерации изображений для абстрактных терминов.
- Имитировать рассуждения: решать логические задачи уровня выпускника школы (см. тесты Anthropic).
Но критики указывают на слепые зоны:
- Отсутствие интенциональности: ИИ не «хочет» достичь цели - он оптимизирует функцию потерь.
- Проблема контекста: Человек понимает ирою в 95% случаев, ИИ - лишь в 68% (исследование Stanford HAI).
- Эмоциональная глухота: LLM имитируют эмпатию, но не чувствуют её.
Семиотический мост: где встречаются два мира
1. Обработка языка.
И мозг, и LLM используют иерархические структуры. В MIT доказали: когда ИИ переводит китайский текст, он сначала конвертирует его в «внутренний английский» - универсальный семантический формат. Это напоминает работу билингвов, мыслящих на доминирующем языке.
2. Обучение с подкреплением.
Дети учатся, получая обратную связь от среды («горячо!» → отдернуть руку). ИИ-модели типа GPT-4 проходят RLHF (обучение с человеческим фидбеком), где «награда» - одобрение асессора.
3. Креативность.
Оба система генерируют новое через комбинаторику:
- Мозг: джазовый музыкант импровизирует, смешивая известные аккорды.
- ИИ: DALL-E 3 создаёт образы, комбинируя элементы из обучающих данных.
Этические риски: когда метафоры становятся реальностью
Сравнение ИИ с мозгом - не просто академический спор. Оно влияет на:
- Регуляторику: Если ИИ «как человек», должен ли он иметь права?
- Образование: Стоит ли учить детей «конкурировать» с ИИ?
- Медицину: Можно ли доверять ИИ-диагнозам, если он «недопонимает» контекст?
Пример из практики:
В 2024 году ChatGPT-4 ошибся в интерпретации симптомов пациента, пропустив редкое заболевание. Система корректно обработала данные, но не учла эмоциональный подтекст жалоб - именно то, на что обратил бы внимание врач-человек.
Что дальше? Синергия вместо конкуренции
Исследователи Princeton и Google предлагают рассматривать мозг и ИИ как комплементарные системы:
- Мозг - экспертный обработчик контекста и эмоций.
- ИИ - суперкомпьютер для анализа больших данных.
Сценарии будущего:
- Нейроинтерфейсы: Чипы Neuralink, переводящие мысли в prompts для ИИ.
- Коллективный разум: Гибридные системы, где люди генерируют идеи, а ИИ проверяет их на непротиворечивость.
- Этика сочувствия: ИИ-ассистенты, обучающиеся на fMRI-сканах мозга для понимания невербальных сигналов.