Поколение интеллекта: Регистрируйся на хакатон «Новое поколение интеллекта» от Росатома, 1-2 декабря 2021 г.

Конфликтогенность искусственного интеллекта в образовательном пространстве молодежи поколения Z | Соколовская

И. Э. Соколовская

https://doi.org/10.20913/2618-7515-2021-4-4

Полный текст:

• Аннотация
• Об авторе
• Список литературы

Аннотация

Сегодня, в двадцатые годы ХХI века, становятся очевидными многие проблемы, которые еще не так давно, лет двадцать-тридцать назад, казались фантастическими сюжетами. Роботизация, искусственный интеллект, замена людей автоматами, которая приведет к массовой безработице и ненужности человека в будущем мире. Подобные ожидания получили название «конфликтогенных», поскольку вызывают будоражащие общество настроения. Действительно, в ряде областей человеческого труда искусственный интеллект работает лучше. Такие задачи, как подбор кадров в организацию, бухгалтерские операции, диспетчеризация, управление транспортным средством в ряде случаев сегодня перекладываются на роботов, электронный мозг. Процесс роботизации пока происходит в мире постепенно, в малоразвитых странах до сих пор выгоднее применять более дешевый человеческий труд, чем автоматы. Однако гарантий, что процесс замены людей автоматическими устройствами не приобретет взрывной характер, нет. Международный валютный фонд (МВФ) разработал сценарии возможных вариантов внедрения искусственного интеллекта в жизнь человечества. Поскольку процесс уже идет, первые симптомы конфликтогенности налицо. Осуществлено исследование реакций представителей молодых поколений на явления в социуме, связанные с вхождением искусственного интеллекта в реальную жизнь. Тревожащими конфликтогенами при внедрении искусственного интеллекта сегодня становятся самоизоляция; самозанятость; одиночество; ненужность обществу как невостребованного специалиста, который не может себя предложить; иллюзия реальности в виртуальной реальности; физиологическая атрофия, ухудшение здоровья; суицидальные наклонности; преступные наклонности (хакерство). Выявлены характерные опасения различных возрастных групп. Приведены точки зрения на ситуацию футурологов, сформулированы мысли о качествах, необходимых человеку ближайшего будущего, включающего широкое применение искусственного интеллекта в различных областях жизни.

Ключ. слова

конфликтогены,

искусственный интеллект,

«цифровой человек»,

автоматизация,

поколение Z,

модель,

роботизация,

Об авторе

И. Э. Соколовская

Государственный университет управления
Россия

Соколовская Ирина Эдуардовна – доктор психологических наук, профессор кафедры социологии, психологии управления и истории

109542, Москва, Рязанский пр-т, д. 99

Список литературы

1. Соколовская И.Э., Волочков И.В. Потребности человека Smart Nations в эпоху искусственного интеллекта // «Smart Technologies»for Society, State and Economy: Inst. of Sci. Communications conf. ISC 2020. Springer, 2020. P. 866–872.

2. Sokolovskaya I.E., Tseveen Ts. Capitalization of the education sector: problems and prospects // 60th International scientific conference on economic and social development – XX International social congress (ISC 2020). Moscow, 2020. P. 524–532.

3. Тоффлер Э. Третья волна. Москва: АСТ, 1999. 795 с.

4. Соколовская И.Э. Психические благоденствие (благосостояние) и доверие общества в условиях неопределенности // Общество. Доверие. Риски: материалы Ежегод. Междунар. форума. Москва, 2020. С. 252–257.

5. Феоктистов А. Поколения ДО, X, Z и поколение МиллениумY. // Проза.ру. URL: https://proza.ru/2019/04/07/663 (дата обращения: 20.12.2021).

6. Соловьев А.В. Культурная динамики информационного общества: от пост– к протокультуре: дис. … д-ра филос. наук: 24.00.01. Санкт-Петербург, 2009. 357 с.

7. Ожиганова Е. М. Теория поколений Н. Хоува и В. Штрауса. Возможности практического применения. Бизнес-образование в экономике знаний, 2015. №1. С. 94–97.

8. Клименко А.Г. XYZ. Три буквы латинского алфавита, три поколения, три эпохи // Southern Almanac of Scientific Research. 2017. №3. С. 71–74.

9. Асатуллин Б. Р. Влияние электронной коммуникации на современное общество // Язык. Культура. Коммуникация. 2017. №1. Ст. 34. С. 1–4.

10. Рыжков Д.Л. «Информационное общество»: к вопросу о содержании и использовании понятий // Вестник Ленинградского государственного университета имени А.С. Пушкина. 2011. Т. 2, №3. С. 171–178.

11. Парасюк Н.В. Рецензия на книгу Юваль Ноя Харари «Sapiens: краткая история человечества». (М., Синдбад, 2018) // Вестник РУДН. Серия: Всеобщая история. 2018. Т. 10, №2. С. 207–211. DOI: 10.22363/2312-8127-2018-10-2-207-211.

Дополнительные файлы

Для цитирования:
Соколовская И.Э. Конфликтогенность искусственного интеллекта в образовательном пространстве молодежи поколения Z. Профессиональное образование в современном мире. 2021;11(4):28-35.
https://doi.org/10.20913/2618-7515-2021-4-4

For citation:
Sokolovskaya I.E. The artificial intelligence conflictogenicity at Z generation youth educational space. Professional education in the modern world. 2021;11(4):28-35.
(In Russ.) https://doi.org/10.20913/2618-7515-2021-4-4

Просмотров: 174

Обратные ссылки

• Обратные ссылки не определены.

Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2224-1841 (Print)

General Dynamics представила танк Abrams нового поколения — с необитаемой башней и искусственным интеллектом

• Павел Аксенов
• Русская служба Би-би-си

9 октября 2022

Подпишитесь на нашу рассылку ”Контекст”: она поможет вам разобраться в событиях.

Автор фото, General Dynamics

Подпись к фото,

Прототип Abrams X — скриншот из видеопрезентации с официального YouTube-канала General Dynamics Land Systems

Американская корпорация General Dynamics Land Systems представила прототип танка нового поколения Abrams X.

Танк будет представлен на выставке Ассоциации армии Соединенных Штатов (Association of the United States Army — AUSA-2022), которая откроется в Вашингтоне 10 октября.

Судя по описанию на сайте компании, компоновка этого танка будет отличаться от традиционных — в нем будет необитаемая башня. Такую же компоновку применили конструкторы российского основного боевого танка Т-14 семейства «Армата».

• Танк «Армата» оказался слишком дорогим для России, а Т-72 — не таким уж старым

В танках M1 Abrams всех модификаций, которые производятся с начала 1980-х годов, — четыре члена экипажа: механик-водитель, командир, наводчик и заряжающий.

В безэкипажной башне нового танка не будет заряжающего и, очевидно, будет установлено устройство автоматического заряжания пушки.

Как отмечается в описании, в танке будут использованы технологии искусственного интеллекта, что позволит использовать его в полностью «беспилотном» режиме.

Кроме того, в танке будет установлена гибридная силовая установка, что позволит сократить расход топлива наполовину, снизить шумность, а также повысить общую электрификацию боевой машины.

Необитаемая башня

Эксперименты с танками, оснащенными необитаемой башней, проводились еще в 1980-е годы, однако в результате они не вышли из стадии прототипов.

В Советском Союзе в 1990-м году такой танк был построен в рамках опытно-конструкторских работ по проекту «Совершенствование-88». Был построен прототип, получивший название Объект 195, или Т-95.

Эту программу свернули в 1990-х годах, начав разрабатывать новую, которая в результате вылилась в семейство «Армата».

В США в 1980-х тоже пытались построить танк с необитаемой башней, но программа была свернута. В ее рамках был построен прототип Abrams Tank Test Bed (TTB).

Вслед за «Пантерой»

Ранее в июне 2022 года свой прототип танка нового поколения представила германская компания Rheinmetall. Он называется KF51 Panther.

Автор фото, AFP

Подпись к фото,

Прототип KF51 Panther на выставке Eurosatory 2022

Их танк отличается от американского прототипа и российской «Арматы».

Во-первых, немецкие конструкторы не стали отказываться от экипажа в башне, оставили его количественный состав, но изменили качественный.

В танке остались четыре члена экипажа, но их роли изменились. В танке появился автомат заряжания, а вместо наводчика в экипаж был введен новый специалист, который будет заниматься цифровыми системами, а также, вероятно, управлять двумя беспилотниками, которыми будет оснащаться новая «Пантера».

Автор фото, Getty Images

Подпись к фото,

Т-14 «Армата» был впервые представлен на параде в 2015 году

Кроме того, на этом месте в командирском варианте машины может находиться офицер, командующий подразделением.

В KF51 Panther конструкторы сделали ставку на максимальную «цифровизацию» танка. Управление машиной, вооружением, различные системы разведки и связи будут в нем включены в единую цифровую архитектуру, которая также использует технологии искусственного интеллекта.

В будущем также планируются варианты KF51 Panther с необитаемой башней или полностью дистанционно управляемые машины.

Элиза Филби: Интеллект поколений и то, как он формирует общество

2019-09-20

Адам Тинворт

Социальные и экономические условия помогают определить характеристики каждого поколения. Что мы можем узнать о них — и что это говорит нам о том, как мы воспитываем поколение Альфа?

Элиза Филби — консультант по поколениям в Gratrain. Sh e говорил во время утреннего заседания NEXT19 20-го числа Сентябрь 2019. Это наши заметки в прямом эфире.

Возраст — запретная тема. Но разные поколения думают по-разному. Например, Зои 17 лет, и она живет в Корнуолле в Великобритании. Как она проводит время? «Я нашла книги, — ответила она. Элиза, как автор, была в восторге. «Читать — это действительно здорово, — говорит Зои. «Я и мои друзья делимся «полками» друг с другом».

Зои любит выключать телефон и проводить время с книгой. Но она считает Amazon Prime слишком медленным. Она должна ждать 24 часа для книги! Итак, она обнаружила… библиотеку. Книги просто есть!

Разрушение исходит от людей: эмоциональный интеллект, а не искусственный интеллект.

Определение поколений

Бэби-бумеров в зале — это привилегированное поколение — те, кто извлек выгоду из послевоенного бума, бума активов и государства всеобщего благосостояния. У них была классическая трехэтапная жизнь: бесплатное образование, хорошая карьера и комфортная пенсия. В Великобритании ЗППП находятся на подъеме среди бумеров. Им весело…

Поколение X — игнорируемое поколение. Их меньше из-за бюста. Они определяются переходом к многорасовым обществам. Это скептическое поколение, родившееся в 70-х и 80-х годах. Это техническое поколение. Они были первыми, кто использовал Walkman и BlackBerry. Поколение X создало технологию — и часто может исправить ее. А вы — угнетенное поколение, которое больше всех пострадало от финансовых кризисов. И вы заботитесь о детях и родителях.

миллениалов очень оклеветаны — эгоистичное, высокомерное поколение «я-я-я». Они определяются смартфоном и плавностью работы и жизни. Распространение массовых путешествий сделало их глобальным поколением — и они являются самым образованным поколением в истории. Они чрезмерно образованы и недостаточно заняты.

Gen Z мало что помню. Они не могут вспомнить 11 сентября. Они не могут вспомнить краха Lehman Brothers. Но они поколение рецессии. Они выросли в условиях глубочайшего экономического спада со времен войны. Бум одежды секонд-хенд в этом поколении. Они также являются поколением социальных сетей. У них в кармане вся информация и торговые площадки со всего мира с 13 лет, но они не могут вспомнить ни MySpace, ни времена, когда однополые браки не стали универсальными. Они телеведущие — общаются и думают в видео.

Следующим будет поколение Alpha . К пяти годам у них загружено 15 000 изображений.

Золотой век семьи

Все поколения живут вместе как семьи. Мы наблюдаем рост семьи из нескольких поколений — и это новая группа потребителей. Многие вещи стали дешевыми, и миллениалы их покупают. Жилье, здравоохранение и образование очень дорогие, поэтому их покупают родители миллениалов. Бабушки и дедушки больше, чем когда-либо прежде, вовлечены в жизнь своих внуков.

Семья жива и здорова. Мы продвигаемся вперед, потому что мы экономически должны .

Нам нужно больше времени, чтобы вырасти. Когда вы:

• Закончили обучение?
• Уйти из дома?
• Стать финансово независимым?
• Выйти замуж?
• Стать родителем?

Люди становятся «взрослыми» примерно на пять лет позже, чем их родители.

Происходят демографические сдвиги

Facebook обогнали старички. Там бабушки и дедушки, загружают десятки фотографий. Через несколько лет в Facebook будет больше мертвых, чем живых. Молодое поколение есть в Instagram и Snapchat.

Миллениалы сильно отличаются от бумеров: они заботятся об окружающей среде, получают статус, делясь, а не потребляя, и они измотаны . Современная жизнь утомительна.

Поколение Z не хочет этого. Они серьезные, меньше занимаются сексом, принимают меньше наркотиков, не пьют. Давление социального стыда и образования доходит до них. 70% из них имеют блокировщики рекламы. Они скептически относятся к политикам и маркетологам. И они стирают границы между созданием и потреблением.

Представители поколения X и миллениалы вполне могут дожить до 100 лет. Возможно, им придется работать до 80 лет. Итак, старость будет совсем другой. Бэби-бумеры заняты переосмыслением старости. Они не живут в домах престарелых — они наслаждаются вторым дыханием.

Воспитание поколения «Альфа»

Поколение «Альфа» больше всего подвержено влиянию ИИ и робототехники. А роботы не умеют танцевать — так что учите своих детей танцевать. Наши телефоны отключили наши головы от наших тел. Воссоединитесь с природой, спортом – со своим телом.

• Научите своих детей плакать – сопереживать и уважать чувства других.
• Научите своих детей смеяться над собой — мы живем в эпоху возмущения, когда люди слишком серьезно относятся к себе.
• Научите своих детей быть нерешительными, потому что взвешивание вариантов показывает вашу человечность.
• Научите своих детей концентрироваться – концентрация человеческого внимания снижается. Способность концентрироваться выделит их

Следующее поколение искусственного интеллекта

Легенда ИИ Янн ЛеКун, один из крестных отцов глубокого обучения, считает обучение с самоконтролем … [+] ключом к будущему ИИ.

© Bloomberg Finance LP, 2018 г.

Область искусственного интеллекта развивается быстро. Прошло всего 8 лет с тех пор, как на конкурсе ImageNet в 2012 году началась современная эра глубокого обучения. С тех пор прогресс в этой области был захватывающим и неустанным.

Во всяком случае, этот головокружительный темп только ускоряется. Через пять лет область ИИ будет выглядеть совсем иначе, чем сегодня. Методы, которые в настоящее время считаются передовыми, устаревают; методы, которые сегодня только зарождаются или находятся на периферии, станут мейнстримом.

Каким будет следующее поколение искусственного интеллекта? Какие новые подходы к искусственному интеллекту откроют невообразимые в настоящее время возможности в технологиях и бизнесе? В этой статье освещаются три новые области в области ИИ, которые готовы переопределить эту область — и общество — в ближайшие годы. Учитесь сейчас.

1. Неконтролируемое обучение

Сегодня доминирующей парадигмой в мире искусственного интеллекта является контролируемое обучение. При контролируемом обучении модели ИИ учатся на основе наборов данных, которые люди отобрали и пометили в соответствии с заранее определенными категориями. (Термин «обучение с учителем» происходит от того факта, что люди-«руководители» готовят данные заранее.)

ДОПОЛНИТЕЛЬНО ДЛЯ ВАС

В то время как обучение с учителем привело к значительному прогрессу в области искусственного интеллекта за последнее десятилетие, от автономных транспортных средств до голосовых помощников. , он имеет серьезные ограничения.

Процесс ручной маркировки тысяч или миллионов точек данных может быть чрезвычайно дорогим и громоздким. Тот факт, что люди должны маркировать данные вручную, прежде чем модели машинного обучения смогут их воспринять, стал основным узким местом в ИИ.

На более глубоком уровне контролируемое обучение представляет собой узкую и ограниченную форму обучения. Вместо того, чтобы исследовать и поглощать всю скрытую информацию, взаимосвязи и последствия в данном наборе данных, контролируемые алгоритмы ориентируются только на понятия и категории, которые исследователи определили заранее.

В отличие от этого, неконтролируемое обучение — это подход к ИИ, при котором алгоритмы учатся на основе данных без меток или указаний со стороны человека.

Многие лидеры ИИ считают обучение без учителя следующим великим рубежом в области искусственного интеллекта. По словам легенды ИИ Яна Лекуна: «Следующая революция ИИ не будет контролироваться». Профессор Калифорнийского университета в Беркли Джитенда Малик выразился еще красочнее: «Ярлыки — это опиум для исследователя машинного обучения».

Как работает обучение без учителя? Короче говоря, система узнает о некоторых частях мира на основе других частей мира. Наблюдая за поведением, моделями и отношениями между сущностями — например, словами в тексте или людьми в видео, — система обеспечивает общее понимание своего окружения. Некоторые исследователи резюмируют это фразой «предсказание всего на основе всего остального».

Неконтролируемое обучение более точно отражает способ, которым люди познают мир: посредством открытых исследований и выводов, без необходимости в «тренировочных колесах» контролируемого обучения. Одним из его фундаментальных преимуществ является то, что в мире всегда будет гораздо больше неразмеченных данных, чем размеченных (а первые гораздо легче найти).

По словам Лекуна, который предпочитает близкородственный термин «обучение с самоконтролем»: «При обучении с самоконтролем часть входных данных используется в качестве контрольного сигнала для прогнозирования оставшейся части входных данных… .Больше знаний о структуре мира можно получить с помощью обучения с самоконтролем, чем с помощью [других парадигм ИИ], потому что данные не ограничены, а количество отзывов, обеспечиваемых каждым примером, огромно».

Неконтролируемое обучение уже оказывает преобразующее влияние на обработку естественного языка. В последнее время НЛП добился невероятного прогресса благодаря новой архитектуре обучения без учителя, известной как Transformer, которая была разработана в Google около трех лет назад. (Подробнее о трансформерах см. ниже № 3.)

Попытки применить неконтролируемое обучение к другим областям ИИ остаются на более ранних стадиях, но уже достигнут быстрый прогресс. Возьмем, к примеру, стартап Helm.ai, который пытается использовать неконтролируемое обучение, чтобы обойти лидеров отрасли автономных транспортных средств.

Многие исследователи считают неконтролируемое обучение ключом к развитию искусственного интеллекта человеческого уровня. По словам Лекуна, овладение неконтролируемым обучением — «самая большая проблема в машинном обучении и искусственном интеллекте в ближайшие несколько лет».

2. Федеративное обучение

Одной из главных проблем цифровой эпохи является конфиденциальность данных. Поскольку данные являются источником жизненной силы современного искусственного интеллекта, вопросы конфиденциальности данных играют значительную (и часто ограничивающую) роль в развитии ИИ.

Искусственный интеллект с сохранением конфиденциальности — методы, которые позволяют моделям ИИ учиться на основе наборов данных без ущерба для их конфиденциальности — становится все более важным занятием. Возможно, наиболее перспективным подходом к сохранению конфиденциальности ИИ является федеративное обучение.

Концепция федеративного обучения была впервые сформулирована исследователями Google в начале 2017 года. За последний год интерес к федеративному обучению резко возрос: за первые шесть месяцев 2020 года было опубликовано более 1000 исследовательских работ по федеративному обучению по сравнению с всего 180 за весь 2018 год.

Стандартный подход к построению моделей машинного обучения сегодня заключается в сборе всех обучающих данных в одном месте, часто в облаке, а затем в обучении модели на данных. Но этот подход неприемлем для большей части мировых данных, которые по соображениям конфиденциальности и безопасности не могут быть перемещены в центральное хранилище данных. Это делает его недоступным для традиционных методов ИИ.

Федеративное обучение решает эту проблему, переворачивая традиционный подход к ИИ с ног на голову.

Вместо того, чтобы требовать один унифицированный набор данных для обучения модели, федеративное обучение оставляет данные там, где они есть, распределенными по многочисленным устройствам и серверам на границе. Вместо этого рассылается множество версий модели — по одной на каждое устройство с обучающими данными — и локально обучается на каждом подмножестве данных. Полученные параметры модели, но не сами обучающие данные, затем отправляются обратно в облако. Когда все эти «мини-модели» объединяются, в результате получается одна общая модель, которая функционирует так, как если бы она была обучена сразу на всем наборе данных.

Первоначальный вариант использования федеративного обучения заключался в обучении моделей ИИ на основе персональных данных, распределенных по миллиардам мобильных устройств. Как подытожили эти исследователи: «Современные мобильные устройства имеют доступ к огромному количеству данных, подходящих для моделей машинного обучения… Однако эти обширные данные часто зависят от конфиденциальности, большого количества или и того, и другого, что может препятствовать регистрации в центре обработки данных. …. Мы выступаем за альтернативу, при которой обучающие данные остаются распределенными на мобильных устройствах, а изучается общая модель путем агрегирования локально вычисляемых обновлений».

Совсем недавно здравоохранение стало особенно многообещающей областью для применения федеративного обучения.

Легко понять, почему. С одной стороны, существует огромное количество ценных вариантов использования ИИ в здравоохранении. С другой стороны, медицинские данные, особенно личная информация пациентов, чрезвычайно конфиденциальны; множество правил, таких как HIPAA, ограничивают его использование и перемещение. Федеративное обучение может позволить исследователям разрабатывать жизненно важные инструменты искусственного интеллекта для здравоохранения, никогда не перемещая конфиденциальные медицинские записи из их источника и не подвергая их нарушениям конфиденциальности.

Появилось множество стартапов, занимающихся федеративным обучением в сфере здравоохранения. Наиболее известным из них является парижский Owkin; игроки на более ранней стадии включают Lynx. MD, Ferrum Health и Secure AI Labs.

Помимо здравоохранения, федеративное обучение однажды может сыграть центральную роль в разработке любого приложения ИИ, которое использует конфиденциальные данные: от финансовых услуг до автономных транспортных средств, от сценариев использования в государственных учреждениях до потребительских товаров всех видов. В сочетании с другими методами сохранения конфиденциальности, такими как дифференциальная конфиденциальность и гомоморфное шифрование, федеративное обучение может дать ключ к раскрытию огромного потенциала ИИ, смягчив при этом непростую проблему конфиденциальности данных.

Волна законодательных актов о конфиденциальности данных, принимаемых сегодня во всем мире (начиная с GDPR и CCPA, а вскоре появится множество подобных законов), только усилит потребность в этих технологиях сохранения конфиденциальности. Ожидайте, что федеративное обучение станет важной частью стека технологий ИИ в ближайшие годы.

3. Трансформеры

Мы вступили в золотую эру обработки естественного языка.

Выпуск OpenAI GPT-3, самой мощной языковой модели из когда-либо созданных, покорил технологический мир этим летом. Он установил новый стандарт в НЛП: он может писать впечатляющие стихи, генерировать работающий код, составлять продуманные деловые заметки, писать статьи о себе и многое другое.

GPT-3 — это лишь последняя (и самая крупная) из серии моделей НЛП с аналогичной архитектурой — BERT от Google, GPT-2 от OpenAI, RoBERTa от Facebook и других — которые переопределяют возможности НЛП.

Ключевым технологическим прорывом, лежащим в основе этой революции в языковом ИИ, является Transformer.

Трансформеры были представлены в важной исследовательской работе 2017 года. Раньше все современные методы НЛП основывались на рекуррентных нейронных сетях (например, LSTM). По определению, рекуррентные нейронные сети обрабатывают данные последовательно, то есть по одному слову за раз в том порядке, в котором они появляются.

Великое новшество Transformers заключается в том, чтобы сделать языковую обработку распараллеленной: все лексемы в заданном тексте анализируются одновременно, а не последовательно. Чтобы поддерживать это распараллеливание, Трансформеры в значительной степени полагаются на механизм ИИ, известный как внимание. Внимание позволяет модели учитывать отношения между словами независимо от того, насколько они далеки друг от друга, и определять, на какие слова и фразы в отрывке следует «уделить внимание».

Почему распараллеливание так ценно? Потому что это делает Transformers гораздо более эффективными в вычислительном отношении, чем RNN, а это означает, что их можно обучать на гораздо больших наборах данных. GPT-3 был обучен примерно на 500 миллиардах слов и состоит из 175 миллиардов параметров, что затмевает любую существующую RNN.

Трансформеры до сих пор ассоциировались почти исключительно с НЛП благодаря успеху таких моделей, как GPT-3. Но только в этом месяце была выпущена новая новаторская статья, в которой Трансформеры успешно применяются к компьютерному зрению. Многие исследователи ИИ считают, что эта работа может предвещать новую эру в компьютерном зрении.