Используя сразу несколько сервисов ИИ, можно проинтервьюировать гениев прошлого и получить от них ответы, будто перед тобой живой собеседник. Мария Данина, кандидат психологических наук и основательница онлайн-школы психологических профессий «Психодемия» делится алгоритмом, который позволил ей поговорить с Теслой, Тьюрингом и Фрейдом о развитии ИИ, будущем человечества и соцсетях — и рассказывает, что они ей передали.

Мне пришла идея высокотехнологичного спиритического сеанса, чтобы проинтервьюировать великие умы прошлого и «оживить» их. Было интересно соединить в одном проекте несколько сервисов ИИ, чтобы получился интересный формат контента.

Как ИИ «воскресил» гениев

В качестве базы для текстового интервью я использовала ChatGPT. Мне хотелось, чтобы мое личное участие в процессе оживления знаменитостей было минимальным. Поэтому составить вопросы для интервью я попросила ИИ. Но для хорошего результата главное — правильно поставить нейросети задачу. Для генерации вопросов интервью я просила ChatGPT подобрать сложные вопросы, способные вызвать у интервьюируемого процессы глубокой рефлексии, эмоциональные реакции и проявления внутриличностного конфликта. Также они должны были быть основаны на биографических данных личности, то есть быть не общими, а связанными именно с его уникальным опытом. Такие вопросы ИИ сформулировал для Алана Тьюринга, Николы Тесла и Зигмунда Фрейда.

Чтобы «воскресить» человека, а не просто получить банальные ответы, нужно также тщательно инструктировать ИИ. Например, я «разогревала» его вопросами о жизни выбранной личности, деталях биографии. После этого важно сформулировать тональность ответов. В стандартном виде ответы получаются безликими. Я просила ChatGPT говорить так, как говорил бы гений своего времени, эмоционально и изысканно, подсвечивать возможные противоречия в ответах.

Чтобы создать мультимедийный образ персонажа, я использовала два основных сервиса — Midjourney для генерации изображений и D-ID для создания говорящего аватара. Первый создал портреты воскрешенных гениев, а с помощью второго получилось дать персонажу голос и мимику.

Что сказали Никола Тесла, Алан Тьюринг и Зигмунд Фрейд

Алан Тьюринг — о будущем человечества и ИИ

— Что стало самым значительным достижением в развитии ИИ с тех пор, как вы впервые предложили тест Тьюринга в 1950 году?

— Я считаю, что это разработка алгоритмов глубокого обучения. Они дают машинам возможность учиться на больших объемах данных и принимать решения на их основе. Создан гораздо более сложный уровень ИИ, чем было возможно раньше.

—Как развитие технологии ИИ повлияет на наше понимание того, что значит быть человеком?

— Оно бросит вызов нашему пониманию того, что значит быть человеком. По мере того как системы ИИ становятся все более изощренными, они будут все больше стирать грань между людьми и машинами. Машины все чаще начнут делать то, что раньше считались доступным только людям. Это потребует от нас переосмысления определений интеллекта, творчества и сознания.

Никола Тесла — о любви к одиночеству и инвестициях в образование

— Каков Никола Тесла как человек?

Я всегда был одиноким человеком, предпочитаю проводить время в уединении в лаборатории или за чтением книг. Я не люблю большие собрания людей или вечеринки. Мне всегда было комфортнее в окружении лишь собственных мыслей и идей. Я не был женат и у меня нет детей. Я всегда был предан своей работе и своим изобретениям, и у меня не было ни времени, ни желания поддерживать длительные романтические отношения.

— Что мы можем сделать, чтобы обеспечить лучшее будущее?

Инвестировать в образование. Мы должны стремиться предоставить качественное образование всем людям, независимо от их происхождения или финансового положения. Мы также должны работать над продвижением научных исследований и разработок и обеспечивать ответственное и этичное использование новых технологий.

Зигмунд Фрейд — о соцсетях и о том, может ли ИИ заменить психоаналитиков

— Могут ли психоаналитические практики быть заменены искусственным интеллектом?

— Нет, я не верю в это. Хотя ИИ может обеспечить более эффективную и действенную диагностику, психоаналитические практики уходят своими корнями в человеческий разум и его сложности, искусственный интеллект никогда не сможет по-настоящему понять нюансы человеческого опыта. В то время как психоаналитические практики предназначены для раскрытия и изучения сложности человеческого разума. Кроме того, психоаналитические практики обеспечивают безопасную и благоприятную среду, в которой люди могут безопасно исследовать и обрабатывать свои эмоции, мысли и переживания. 

— Что вы думаете о популярности соцсетей?

—  С психоаналитической точки зрения их популярность можно рассматривать как проявление растущей одержимости общества созданием и поддержанием определенного образа самих себя. Социальные сети стали инструментом, с помощью которого пользователи могут тщательно контролировать свою публичную персону, представлять только то, что они хотят, чтобы другие видели. Этот ориентированный на образ менталитет может привести к чувству незащищенности и беспокойства, когда пользователи сравнивают себя с другими, а также может привести к искаженному чувству собственного достоинства.

Психолог Мария Данина — об эксперименте с ИИ

Конечно, сложно оценить релевантность ответов, но их звучание было довольно правдоподобным.

Многие креаторы справедливо опасаются, что технологии отнимут у них задачи. Но я считаю, что ИИ забирает у нас те задачи, над которыми и трудиться не стоит. Подобно тому, как людям больше не нужно заучивать тонну информации, доступ к которой есть в сети, творцу не надо тратить свои силы на технические и рутинные аспекты творчества. Он может сразу перейти к сути созидательного процесса. Настоящее творчество начинается там, где у тебя нет никаких границ в изобразительных возможностях, а любая твоя идея может быть воплощена с помощью мысли и слова. Это ли не освобождение художника?

Данная статья относится к Категории 🌌 История создания алгоритмов творчества

Алан Тьюринг предложил модель работы вычислительной машины с памятью, которая согласно формальным правилам преобразует входные данные с помощью последовательности элементарных действий, число которых — конечно.

Учёный показал, что при наличии достаточного количества времени и памяти эта машина может решить любую проблему, которая может быть разбита на элементарные логические шаги, при этом важно отметить, что конструкция этой машины не претендует на создание чего-то качественного нового…

«Тьюринг описал некую гипотетическую вычислительную машину («Машина Тьюринга»), у которой может быть только фиксированное конечное число возможных «состояний» и которая позволяет определить, какая функция вычислима. (Turing A.М. On Computable Numbers, with an Application to the Entscheidungs Problem // Proceedings of the London Mathematical Society. 1936. Ser. 2, 42, р. 230-265). Эта математическая абстракция оказалась весьма перспективной прежде всего в качестве теоретической основы для конструирования современных цифровых компьютеров.

В то же время она открыла новые возможности для проверки и реализации известной идеи Т. Гоббса и Д. Буля о том, что мышление есть вычисление.

Одним из первых исследователей, решивших проверить эту идею, был математик К. Шеннон, который предположил в 1948 г., что информация может быть представлена как выбор одной из двух равновероятных альтернатив, а количество передаваемой через канал связи информации может быть измерено в битах или с помощью цифр двоичной системы счисления. В результате были открыты средства репрезентации информации, независимые от её содержания и носителя, появилась возможность её квантификации. Шеннон также предположил, что электрические цепи или переключательные схемы в электротехнике удовлетворяют операциям алгебры логики (или булевой алгебры). Подобно двоичной арифметике булева алгебра основана на дихотомии, на выборе одной из двух альтернатив - «истина» и «ложь». Электрические цепи также могут находиться только в двух состояниях: цепь либо замкнута, либо разомкнута. Шеннон показал, что в силу бинарной природы этих двух систем в электрических цепях могут выполняться логические операции пропозиционального исчисления.

Из открытий А. Тьюринга и К. Шеннона вытекал ряд многообещающих следствий. Во-первых, эти открытия предоставили средства для описания состояний и процессов механических систем в терминах обработки информации, т. е. с точки зрения того, какая представлена информация и как она обрабатывается. Кроме того, напрашивался вывод, что вычислительные машины в состоянии осуществлять логические рассуждения, что мышление (хотя бы частично, как это предполагалось Д. Булем) может быть автоматическим. И наконец, основываясь на том, что вычислительная система способна совершать такие же действия, что и человек, можно было попробовать применить полученные результаты к исследованию мозга.

Важным этапом в реализации этой идеи стала выдвинутая в 1948 г. У. Мак-Каллохом и В. Питтсом гипотеза о том, что мышление как процесс обработки информации в принципе может протекать в нейронных сетях мозга. Как известно, нервные системы человека и животных состоят из элементов, или нервных клеток, получивших название нейронов, которые под воздействием слабых электрических токов обнаруживают многообразные сложные свойства. В частности, их физиологическое поведение подчиняется принципу «всё или ничего» (т. е. они могут находиться либо в состоянии покоя, либо в возбужденном состоянии), напоминая в этом отношении работу электрического реле. Обмен информацией между нейронами происходит через специальные контакты, или синапсы, число которых существенно варьируется. Некоторые комбинации входных импульсов в сочетании с предшествующим состоянием нейрона приводят к переходу этого нейрона и возбужденное состояние, а другие нет.

Аналогичный процесс имеет место и в вычислительной машине, где определённая комбинация входных сигналов служит стимулом для возбуждения соответствующего элемента. Таким образом, поскольку вычислительная машина строится на последовательном соединении переключательных устройств, то ее можно в принципе рассматривать как грубую модель функционирования нервной системы. Несколько позднее Мак-Каллох и Питтс разработали первую нейронную модель мозга, где взаимодействия между сетями нейронов имитировали логические операции пропорционального исчисления аналогично тому, как это имеет место в электромеханических цепях. Из этой нейронной модели, в частности, следовало, что схемы нейронных возбуждений можно рассматривать как внутренние ментальные репрезентации и утверждения о мире.

Этот вывод, естественно, противоречил бихевиористским взглядам на функционирование центральной нервной системы как системы внутренне пассивной, бездействующей, активация которой возможна только в ответ на внешнюю стимуляцию. Уже первые попытки применения этой, весьма упрощенной модели - её задача ограничивалась имитацией только автоматических мыслительных процессов, выполняющихся в нейронных сетях - показали, что на нейронном уровне сложное упорядоченное поведение (например, игра на фортепиано) не может быть объяснено с помощью цепи «стимул - реакция» как сумма простых рефлекторных дуг в силу недостатка времени для сенсорного контроля быстрых движений».

Меркулов И.П., Эпистемология (когнитивно-эволюционный подход), Книга 1,СПб, «Русский Христианский гуманитарный университет», 2003 г., с. 24-27.

Источник — портал VIKENT.RU

Дополнительные материалы

Кибернетические модели решений / творчества – бывают слишком упрощёнными по оценке А.Н. Колмогорова

см. термин Инновации технические в 🔖 Словаре проекта VIKENT. RU

+ Плейлист из 16-ти видео: СТРАТЕГИИ ТВОРЧЕСТВА / КРЕАТИВА

+ Ваши дополнительные возможности:

Идёт приём Ваших новых вопросов по более чем 400-м направлениям творческой деятельности – на онлайн-консультацию третье воскресенье каждого месяца в 19:59 (мск). Это принципиально бесплатный формат.

Задать вопросы Вы свободно можете здесь: https://vikent.ru/w0/

Изображения в статье

Алан Тьюринг — английский математик, логик и криптограф. Учился во Франции, Великобритании и США. В 1936-1937 годах он ввёл математическое понятие эквивалента алгоритма, получившее затем название «Машина Тьюринга» / Iconografia da Historia & Image by starline on Freepik

Photo by Bret Kavanaugh on Unsplash

Photo by Marek Piwnicki on Unsplash

Photo by Batyrkhan Shalgimbekov on Unsplash