TED2003
Marvin Minsky: Health and the human mind
Марвин Мински о здоровье и о мозге
Filmed:
Readability: 3.5
606,909 views
Слушайте внимательно, как Марвин Мински проходится по проблемам здоровья, перенаселения и мозга в своём игривом, эклектическом экспромте, переполненным тончайшего остроумия и мудрости, плюс щепотки лукавых советов.
Marvin Minsky - AI pioneer
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Double-click the English transcript below to play the video.
00:18
If you ask people about what part of psychology do they think is hard,
0
0
6000
Если спросить, какая сторона психологии самая сложная,
00:24
and you say, "Well, what about thinking and emotions?"
1
6000
3000
и конкретно, спросить насчёт мышления и эмоций,
00:27
Most people will say, "Emotions are terribly hard.
2
9000
3000
большинство людей ответит: «Эмоции – вещь крайне сложная.
00:30
They're incredibly complex. They can't -- I have no idea of how they work.
3
12000
6000
Они безумно запутаны, невозможно... Я совершенно не понимаю, как они работают.
00:36
But thinking is really very straightforward:
4
18000
2000
То ли дело мышление, с ним всё понятно:
00:38
it's just sort of some kind of logical reasoning, or something.
5
20000
4000
это просто логические цепочки или что-то вроде того.
00:42
But that's not the hard part."
6
24000
3000
Но мышление – это не сложно.»
00:45
So here's a list of problems that come up.
7
27000
2000
И вот возникает целый ряд проблем.
00:47
One nice problem is, what do we do about health?
8
29000
3000
Одна тонкая проблема – как обеспечить здоровье?
00:50
The other day, I was reading something, and the person said
9
32000
4000
На днях я прочитал где-то о том,
00:54
probably the largest single cause of disease is handshaking in the West.
10
36000
6000
что, возможно, крупнейшая причина заболеваний на Западе – рукопожатие.
01:00
And there was a little study about people who don't handshake,
11
42000
4000
Были приведены данные о народах, у которых рукопожатие не принято,
01:04
and comparing them with ones who do handshake.
12
46000
3000
по сравнению с теми, у которых это – норма.
01:07
And I haven't the foggiest idea of where you find the ones that don't handshake,
13
49000
5000
Не представляю себе, где найти тех, кто не пожимают руки –
01:12
because they must be hiding.
14
54000
3000
они, должно быть, скрываются.
01:15
And the people who avoid that
15
57000
4000
Так вот люди, избегающие рукопожатий
01:19
have 30 percent less infectious disease or something.
16
61000
4000
на 30% меньше болеют инфекционными заболеваниями.
01:23
Or maybe it was 31 and a quarter percent.
17
65000
3000
Или, может, 31 с четвертью процента.
01:26
So if you really want to solve the problem of epidemics and so forth,
18
68000
4000
Так что если вы действительно хотите решить проблему эпидемий и тому подобного,
01:30
let's start with that. And since I got that idea,
19
72000
4000
то есть с чего начать. Но с тех пор как я узнал об этом,
01:34
I've had to shake hundreds of hands.
20
76000
4000
мне пришлось пожать сотни рук.
01:38
And I think the only way to avoid it
21
80000
5000
Полагаю, что единственный способ избавиться от этого –
01:43
is to have some horrible visible disease,
22
85000
2000
заиметь ужасающий и явно заметный недуг:
01:45
and then you don't have to explain.
23
87000
3000
тогда всё решится само собой.
01:48
Education: how do we improve education?
24
90000
4000
Образование. Как улучшить образование?
01:52
Well, the single best way is to get them to understand
25
94000
4000
Лучший способ – заставить людей понять,
01:56
that what they're being told is a whole lot of nonsense.
26
98000
3000
что всё, что им говорят – полная чушь.
01:59
And then, of course, you have to do something
27
101000
2000
Потом, конечно, придётся внести оговорки,
02:01
about how to moderate that, so that anybody can -- so they'll listen to you.
28
103000
5000
чтобы хотя бы к вам самим прислушались.
02:06
Pollution, energy shortage, environmental diversity, poverty.
29
108000
4000
Загрязнение среды, недостаток энергоресурсов, экологическое разнообразие, бедность, -
02:10
How do we make stable societies? Longevity.
30
112000
4000
каким образом создать стабильное общество? Долгожительство.
02:14
Okay, there're lots of problems to worry about.
31
116000
3000
Да, поводов для беспокойства – масса.
02:17
Anyway, the question I think people should talk about --
32
119000
2000
Но есть одна тема, которая должна бы всех волновать,
02:19
and it's absolutely taboo -- is, how many people should there be?
33
121000
5000
а именно эта тема – табу. Какая цифра народонаселения планеты допустима?
02:24
And I think it should be about 100 million or maybe 500 million.
34
126000
7000
Я считаю, что она должна быть порядка 100 миллионов, ну пусть 500 миллионов человек.
02:31
And then notice that a great many of these problems disappear.
35
133000
5000
Обратите внимание: большинство проблем тогда исчезает сама собой.
02:36
If you had 100 million people
36
138000
2000
Если бы на Земле было 100 миллионов человек,
02:38
properly spread out, then if there's some garbage,
37
140000
6000
равномерно распределённых по территории, то тогда мусор можно
02:44
you throw it away, preferably where you can't see it, and it will rot.
38
146000
7000
просто выкидывать, желательно туда, где никому не видно, и где он сгниёт.
02:51
Or you throw it into the ocean and some fish will benefit from it.
39
153000
5000
Либо можно выкинуть его в океан, и какой-то рыбке перепадёт.
02:56
The problem is, how many people should there be?
40
158000
2000
Главная проблема в том, сколько народу должно быть.
02:58
And it's a sort of choice we have to make.
41
160000
3000
И в каком-то смысле, этот выбор нам надо сделать.
03:01
Most people are about 60 inches high or more,
42
163000
3000
Большинство людей имеют рост примерно в 150 см и выше,
03:04
and there's these cube laws. So if you make them this big,
43
166000
4000
а теперь учтём потери, т.к. объём пропорционален кубу. А вот если сделать людей
03:08
by using nanotechnology, I suppose --
44
170000
3000
вот такусенькими, надо думать, посредством нанотехнологии,
03:11
(Laughter)
45
173000
1000
(Смех)
03:12
-- then you could have a thousand times as many.
46
174000
2000
то можно было бы иметь в тысячи раз больше народа.
03:14
That would solve the problem, but I don't see anybody
47
176000
2000
Это решило бы проблему, но я что-то не вижу,
03:16
doing any research on making people smaller.
48
178000
3000
чтобы кто-то занимался исследованиями в области уменьшения размера тела.
03:19
Now, it's nice to reduce the population, but a lot of people want to have children.
49
181000
5000
Конечно, уменьшить численность населения было бы приятно, но многие хотят иметь детей.
03:24
And there's one solution that's probably only a few years off.
50
186000
3000
И этому есть одно решение, которое, похоже, появится всего лишь через пару лет.
03:27
You know you have 46 chromosomes. If you're lucky, you've got 23
51
189000
5000
Как вы знаете, у каждого из нас есть 46 хромосом. Если повезло, то – по 23
03:32
from each parent. Sometimes you get an extra one or drop one out,
52
194000
6000
от каждого родителя, иногда на одну меньше или больше.
03:38
but -- so you can skip the grandparent and great-grandparent stage
53
200000
4000
Можно избавиться от этапа дедушки и прадедушки,
03:42
and go right to the great-great-grandparent. And you have 46 people
54
204000
5000
и перейти сразу к прапрадедам вот как: выбираются 46 человек,
03:47
and you give them a scanner, or whatever you need,
55
209000
3000
им даётся сканер или что там ещё,
03:50
and they look at their chromosomes and each of them says
56
212000
4000
каждый из них смотрит на свои хромосомы, и выбирает
03:54
which one he likes best, or she -- no reason to have just two sexes
57
216000
5000
одну самую любимую. Кстати, нет причины настаивать, чтобы в группе
03:59
any more, even. So each child has 46 parents,
58
221000
5000
были представлены оба пола. У каждого ребёнка по 46 родителей,
04:04
and I suppose you could let each group of 46 parents have 15 children.
59
226000
6000
и каждой группе в 46 родителей можно, думаю, разрешить иметь 15 детей –
04:10
Wouldn't that be enough? And then the children
60
232000
2000
разве не достаточно? И тогда детям
04:12
would get plenty of support, and nurturing, and mentoring,
61
234000
4000
с избытком достанется и поддержки, и заботы, и воспитания,
04:16
and the world population would decline very rapidly
62
238000
2000
а количество народонаселения станет резко уменьшаться,
04:18
and everybody would be totally happy.
63
240000
3000
и все будут бесконечно счастливы.
04:21
Timesharing is a little further off in the future.
64
243000
3000
Чередование жизни во времени ждёт нас в чуть более отдалённом будущем.
04:24
And there's this great novel that Arthur Clarke wrote twice,
65
246000
3000
Артур Кларк написал об этом замечательный роман дважды,
04:27
called "Against the Fall of Night" and "The City and the Stars."
66
249000
4000
он называется «Против Прихода Ночи» и «Город и Звёзды».
04:31
They're both wonderful and largely the same,
67
253000
3000
Оба романа - прекрасны, и во многом одинаковы,
04:34
except that computers happened in between.
68
256000
2000
только вот между их написанием появились компьютеры.
04:36
And Arthur was looking at this old book, and he said, "Well, that was wrong.
69
258000
5000
И взглянул Артур на своё раннее творение и решил, что так не должно быть.
04:41
The future must have some computers."
70
263000
2000
Будущее должно быть обеспечено компьютерами.
04:43
So in the second version of it, there are 100 billion
71
265000
5000
Так что во второй версии книги на Земле живёт 100 миллиардов
04:48
or 1,000 billion people on Earth, but they're all stored on hard disks or floppies,
72
270000
8000
или 1000 миллиардов людей, но все они хранятся на жёстких, или гибких дисках,
04:56
or whatever they have in the future.
73
278000
2000
или какие там ещё носители будут в будущем.
04:58
And you let a few million of them out at a time.
74
280000
4000
Единовременно на Землю выходит несколько миллионов человек.
05:02
A person comes out, they live for a thousand years
75
284000
4000
Люди материализуются, живут по тысячу лет,
05:06
doing whatever they do, and then, when it's time to go back
76
288000
6000
занимаются делами, и потом, когда приходит пора заново [вернуться на диск],
05:12
for a billion years -- or a million, I forget, the numbers don't matter --
77
294000
4000
лет так на миллиард – или на миллион, не помню, да и дело не в числах,
05:16
but there really aren't very many people on Earth at a time.
78
298000
4000
дело в том, что в любой момент на Земле не так много людей –
05:20
And you get to think about yourself and your memories,
79
302000
2000
каждый должен подумать о себе и о своей памяти
05:22
and before you go back into suspension, you edit your memories
80
304000
5000
перед возвращением в подвешенное состояние и, отредактировав воспоминания,
05:27
and you change your personality and so forth.
81
309000
3000
изменить свою личность, и тому подобное.
05:30
The plot of the book is that there's not enough diversity,
82
312000
6000
Сюжет романа в постоянном недостатке разнообразия среди населения,
05:36
so that the people who designed the city
83
318000
3000
ввиду чего основоположники города
05:39
make sure that every now and then an entirely new person is created.
84
321000
4000
позаботились о том, чтобы время от времени создавался совершенно новый человек.
05:43
And in the novel, a particular one named Alvin is created. And he says,
85
325000
6000
Один такой человек, в романе его зовут Элвин,
05:49
maybe this isn't the best way, and wrecks the whole system.
86
331000
4000
говорит, что всё это не то, и разрушает систему.
05:53
I don't think the solutions that I proposed
87
335000
2000
Не думаю, что предлагаемые мною решения
05:55
are good enough or smart enough.
88
337000
3000
достаточно правильны или достаточно умны.
05:58
I think the big problem is that we're not smart enough
89
340000
4000
Но думаю, что проблема в том, что мы недостаточно умны,
06:02
to understand which of the problems we're facing are good enough.
90
344000
4000
чтобы понять, какие проблемы достаточно правильны.
06:06
Therefore, we have to build super intelligent machines like HAL.
91
348000
4000
Поэтому нам придётся построить сверх-умные машины типа HAL.
06:10
As you remember, at some point in the book for "2001,"
92
352000
5000
Как вы помните, в какой-то момент в книге о 2001 годе
06:15
HAL realizes that the universe is too big, and grand, and profound
93
357000
5000
HAL вдруг понимает, что вселенная слишком велика и необъятна
06:20
for those really stupid astronauts. If you contrast HAL's behavior
94
362000
4000
для этих недалёких космонавтов. Если противопоставить поведение HAL’a
06:24
with the triviality of the people on the spaceship,
95
366000
4000
мелочности людей на космическом корабле,
06:28
you can see what's written between the lines.
96
370000
3000
то можно легко понять написанное автором между строк.
06:31
Well, what are we going to do about that? We could get smarter.
97
373000
3000
Ну и что нам с этим делать? Мы могли бы поумнеть.
06:34
I think that we're pretty smart, as compared to chimpanzees,
98
376000
5000
Я думаю, что мы довольно умны, если сравнивать с шимпанзе,
06:39
but we're not smart enough to deal with the colossal problems that we face,
99
381000
6000
но мы недостаточно умны для решения стоящих перед нами колоссальных проблем,
06:45
either in abstract mathematics
100
387000
2000
ни в высшей математике,
06:47
or in figuring out economies, or balancing the world around.
101
389000
5000
ни в понимании экономики, ни в сохранении глобального баланса.
06:52
So one thing we can do is live longer.
102
394000
3000
Для начала мы могли бы продлить себе жизнь.
06:55
And nobody knows how hard that is,
103
397000
2000
Никто не знает, насколько это сложно,
06:57
but we'll probably find out in a few years.
104
399000
3000
но через пару лет, наверное, мы это узнаем.
07:00
You see, there's two forks in the road. We know that people live
105
402000
3000
Эволюция дважды рождала новую ветвь. Мы знаем, что люди живут
07:03
twice as long as chimpanzees almost,
106
405000
4000
практически вдвое дольше шимпанзе,
07:07
and nobody lives more than 120 years,
107
409000
4000
хотя никто не живёт дольше 120 лет
07:11
for reasons that aren't very well understood.
108
413000
3000
по неясным пока причинам.
07:14
But lots of people now live to 90 or 100,
109
416000
3000
Но многие сегодня доживают до 90 или до 100,
07:17
unless they shake hands too much or something like that.
110
419000
4000
если, конечно, не увлекаются рукопожатиями и тому подобным.
07:21
And so maybe if we lived 200 years, we could accumulate enough skills
111
423000
5000
И, возможно, живи мы лет 200, мы могли бы накопить достаточно умений
07:26
and knowledge to solve some problems.
112
428000
5000
и знаний, чтобы решать кое-какие проблемы.
07:31
So that's one way of going about it.
113
433000
2000
Так что вот один из вариантов.
07:33
And as I said, we don't know how hard that is. It might be --
114
435000
3000
Как я говорил, мы не знаем, насколько это трудно. Может оказаться, что…
07:36
after all, most other mammals live half as long as the chimpanzee,
115
438000
6000
В конце концов, большая часть млекопитающих живут вдвое меньше шимпанзе, -
07:42
so we're sort of three and a half or four times, have four times
116
444000
3000
так что мы живём в 3,5 – 4 раза дольше,
07:45
the longevity of most mammals. And in the case of the primates,
117
447000
6000
чем большая часть млекопитающих. И если взять приматов,
07:51
we have almost the same genes. We only differ from chimpanzees,
118
453000
4000
то у нас почти одинаковые гены. Мы отличаемся от шимпанзе,
07:55
in the present state of knowledge, which is absolute hogwash,
119
457000
6000
согласно нашим нынешним знаниям, – а их можно просто выкинуть на помойку –
08:01
maybe by just a few hundred genes.
120
463000
2000
где-то лишь на пару сотен ген.
08:03
What I think is that the gene counters don't know what they're doing yet.
121
465000
3000
Кстати, любители считать гены пока ещё не имеют никакого представления о предмете.
08:06
And whatever you do, don't read anything about genetics
122
468000
3000
Можете заниматься чем угодно, но не читайте по генетике того,
08:09
that's published within your lifetime, or something.
123
471000
3000
что будет опубликовано примерно в период вашей жизни.
08:12
(Laughter)
124
474000
3000
(Смех)
08:15
The stuff has a very short half-life, same with brain science.
125
477000
4000
Уж слишком быстро устаревает в генетике половина всего написанного.
08:19
And so it might be that if we just fix four or five genes,
126
481000
6000
То же можно сказать об изучении мозга. Так вот, если подправить 4-5 генов,
08:25
we can live 200 years.
127
487000
2000
то, возможно, мы будем жить по 200 лет.
08:27
Or it might be that it's just 30 or 40,
128
489000
3000
Или, может, [надо подправить] 30 или 40,
08:30
and I doubt that it's several hundred.
129
492000
2000
но я очень сомневаюсь, что счёт идёт на сотни [генов].
08:32
So this is something that people will be discussing
130
494000
4000
Эту тему будут много обсуждать,
08:36
and lots of ethicists -- you know, an ethicist is somebody
131
498000
3000
и многие специалисты по этике… Да, кстати, специалист по этике –
08:39
who sees something wrong with whatever you have in mind.
132
501000
3000
это тот, кто в любых ваших мыслях видит что-то не то.
08:42
(Laughter)
133
504000
3000
(Смех)
08:45
And it's very hard to find an ethicist who considers any change
134
507000
4000
Очень трудно найти специалиста по этике, готового одобрить
08:49
worth making, because he says, what about the consequences?
135
511000
4000
какие бы то ни было изменения, потому что он задаётся вопросом о последствиях.
08:53
And, of course, we're not responsible for the consequences
136
515000
3000
А мы, само собой, не несём ответственность за последствия своих
08:56
of what we're doing now, are we? Like all this complaint about clones.
137
518000
6000
сегодняшних действий, не правда ли? Взять, скажем, весь этот шум по поводу клонирования.
09:02
And yet two random people will mate and have this child,
138
524000
3000
На его фоне никто не мешает людям случайным образом спариваться и рожать детей,
09:05
and both of them have some pretty rotten genes,
139
527000
4000
при том, что обе стороны имеют весьма хлипкие гены,
09:09
and the child is likely to come out to be average.
140
531000
4000
и ребёнок, скорее всего, будет заурядностью.
09:13
Which, by chimpanzee standards, is very good indeed.
141
535000
6000
Что, по нормативам шимпанзе, вполне сносно…
09:19
If we do have longevity, then we'll have to face the population growth
142
541000
3000
Если мы добьёмся долголетия, то в любом раскладе встаёт проблема
09:22
problem anyway. Because if people live 200 or 1,000 years,
143
544000
4000
прироста народонаселения. Ведь если человек живёт по 200 или по 1000 лет,
09:26
then we can't let them have a child more than about once every 200 or 1,000 years.
144
548000
6000
то нельзя позволить ему иметь ребёнка чаще, чем раз в 200 или в 1000 лет.
09:32
And so there won't be any workforce.
145
554000
3000
Но это значит, что не будет рабочей силы.
09:35
And one of the things Laurie Garrett pointed out, and others have,
146
557000
4000
И, как подметила Лори Гарретт, да и другие,
09:39
is that a society that doesn't have people
147
561000
5000
если работоспособного возраста людей нет,
09:44
of working age is in real trouble. And things are going to get worse,
148
566000
3000
то всё общество под угрозой. Ситуация будет только ухудшаться,
09:47
because there's nobody to educate the children or to feed the old.
149
569000
6000
потому что некому будет воспитывать детей и заботиться о старости.
09:53
And when I'm talking about a long lifetime, of course,
150
575000
2000
А когда я говорю о длительной жизни, то, конечно,
09:55
I don't want somebody who's 200 years old to be like our image
151
577000
6000
я не хочу, чтобы человек в 200-летнем возрасте соответствовал
10:01
of what a 200-year-old is -- which is dead, actually.
152
583000
4000
нынешнему представлению о 200-летнем, то бишь, соответствовал мертвецу.
10:05
You know, there's about 400 different parts of the brain
153
587000
2000
Кстати, в человеческом мозге есть около 400 участков,
10:07
which seem to have different functions.
154
589000
2000
каждый, похоже, со своим предназначением,
10:09
Nobody knows how most of them work in detail,
155
591000
3000
и никто в точности не знает, как работает большинство из них,
10:12
but we do know that there're lots of different things in there.
156
594000
4000
хотя известно, что там проходит масса разных процессов.
10:16
And they don't always work together. I like Freud's theory
157
598000
2000
И не всегда всё работает сообща. Мне нравится теория Фрейда
10:18
that most of them are cancelling each other out.
158
600000
4000
о том, что большая часть отклонений друг друга гасят.
10:22
And so if you think of yourself as a sort of city
159
604000
4000
Представим себе свой мозг, как город
10:26
with a hundred resources, then, when you're afraid, for example,
160
608000
6000
с сотнями ресурсов. Если человек испытывает, например, страх,
10:32
you may discard your long-range goals, but you may think deeply
161
614000
4000
то он может, игнорируя свои долгосрочные цели, глубоко
10:36
and focus on exactly how to achieve that particular goal.
162
618000
4000
сконцентрироваться на одной-единственной цели.
10:40
You throw everything else away. You become a monomaniac --
163
622000
3000
Всё остальное перестаёт играть роль, человек становится подвержен мономании,
10:43
all you care about is not stepping out on that platform.
164
625000
4000
когда самое главное – не оступиться на платформе.
10:47
And when you're hungry, food becomes more attractive, and so forth.
165
629000
4000
В состоянии голода становится приоритетной еда, ну и так далее.
10:51
So I see emotions as highly evolved subsets of your capability.
166
633000
6000
В моём понимании, эмоции – это ярко выраженные подгруппы способностей человека.
10:57
Emotion is not something added to thought. An emotional state
167
639000
4000
Эмоция – это не добавка к мышлению. Эмоциональное состояние
11:01
is what you get when you remove 100 or 200
168
643000
4000
это то, что получится, если устранить роль 100 или 200
11:05
of your normally available resources.
169
647000
3000
ресурсов, активных в нормальном режиме.
11:08
So thinking of emotions as the opposite of -- as something
170
650000
3000
Так что, взгляд на эмоции, как на противовес, как на нечто меньшее,
11:11
less than thinking is immensely productive. And I hope,
171
653000
4000
чем мышление, весьма продуктивен. И я надеюсь показать
11:15
in the next few years, to show that this will lead to smart machines.
172
657000
4000
в ближайшие годы, как это приведёт к [созданию] интеллектуальной техники.
11:19
And I guess I better skip all the rest of this, which are some details
173
661000
3000
Думаю, мне лучше пропустить остальное – это детали того,
11:22
on how we might make those smart machines and --
174
664000
5000
как именно разработать эту технику...
11:27
(Laughter)
175
669000
5000
(Смех)
11:32
-- and the main idea is in fact that the core of a really smart machine
176
674000
5000
.. основная мысль в том, что высокоинтеллектуальная техника имеет ядро, которое
11:37
is one that recognizes that a certain kind of problem is facing you.
177
679000
5000
распознаёт факт того, что перед нами задача, и
11:42
This is a problem of such and such a type,
178
684000
3000
выясняет, какого конкретного типа эта задача,
11:45
and therefore there's a certain way or ways of thinking
179
687000
5000
и, исходя из этого, предлагает для её решения
11:50
that are good for that problem.
180
692000
2000
определённые методы мышления.
11:52
So I think the future, main problem of psychology is to classify
181
694000
4000
Полагаю, что в будущем главной задачей психологии будет классифицировать
11:56
types of predicaments, types of situations, types of obstacles
182
698000
4000
по типам затруднения, ситуации и препятствия, а также классифицировать способы мышления
12:00
and also to classify available and possible ways to think and pair them up.
183
702000
6000
– имеющиеся и возможные, – и затем нужным образом состыковать [эти классы].
12:06
So you see, it's almost like a Pavlovian --
184
708000
3000
Видите, это почти как с собакой Павлова…
12:09
we lost the first hundred years of psychology
185
711000
2000
Мы растратили первые сто лет психологии
12:11
by really trivial theories, where you say,
186
713000
3000
на примитивные теории, и ставили вопросы типа:
12:14
how do people learn how to react to a situation? What I'm saying is,
187
716000
6000
«Как человек учится реагировать на ситуацию?» Я утверждаю, что
12:20
after we go through a lot of levels, including designing
188
722000
5000
после целой серии этапов, когда мы занимались созданием
12:25
a huge, messy system with thousands of ports,
189
727000
3000
колоссально запутанной системы с тысячами элементов,
12:28
we'll end up again with the central problem of psychology.
190
730000
4000
мы вновь вернулись к центральной проблеме психологии.
12:32
Saying, not what are the situations,
191
734000
3000
Нас интересует не сама ситуация,
12:35
but what are the kinds of problems
192
737000
2000
а разновидности проблем
12:37
and what are the kinds of strategies, how do you learn them,
193
739000
3000
и стратегий их решения, способы обучения им,
12:40
how do you connect them up, how does a really creative person
194
742000
3000
правильного их сопоставления. Нам интересно, как по-настоящему изобретательный
12:43
invent a new way of thinking out of the available resources and so forth.
195
745000
5000
человек создаёт, исходя из имеющихся ресурсов, новые методы мышления и т.п.
12:48
So, I think in the next 20 years,
196
750000
2000
Что касается ближайших 20 лет, то мне интересно будет посмотреть,
12:50
if we can get rid of all of the traditional approaches to artificial intelligence,
197
752000
5000
удастся ли нам избавиться от традиционного подхода к искусственному интеллекту,
12:55
like neural nets and genetic algorithms
198
757000
2000
вроде нейронных сетей, генетических алгоритмов
12:57
and rule-based systems, and just turn our sights a little bit higher to say,
199
759000
6000
и базируемых на правилах систем, сможем ли мы подняться выше и попытаться
13:03
can we make a system that can use all those things
200
765000
2000
создать систему, способную использовать любой из этих подходов
13:05
for the right kind of problem? Some problems are good for neural nets;
201
767000
4000
для решения задач подходящего типа. Ведь если для каких-то задач нейронные сети
13:09
we know that others, neural nets are hopeless on them.
202
771000
3000
отлично работают, то для других, как мы знаем, нейронные сети бесполезны.
13:12
Genetic algorithms are great for certain things;
203
774000
3000
Генетические алгоритмы великолепны для каких-то задач,
13:15
I suspect I know what they're bad at, and I won't tell you.
204
777000
4000
и я, пожалуй, знаю, где они негодны, но об этом я вам не скажу.
13:19
(Laughter)
205
781000
1000
(Смех)
13:20
Thank you.
206
782000
2000
Благодарю вас.
13:22
(Applause)
207
784000
6000
(Аплодисменты)
ABOUT THE SPEAKER
Marvin Minsky - AI pioneerMarvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching.
Why you should listen
Marvin Minsky is the superstar-elder of artificial intelligence, one of the most productive and important cognitive scientists of the century, and the leading proponent of the Society of Mind theory. Articulated in his 1985 book of the same name, Minsky's theory says intelligence is not born of any single mechanism, but from the interaction of many independent agents. The book's sequel,The Emotion Machine (2006), says similar activity also accounts for feelings, goals, emotions and conscious thoughts.
Minsky also pioneered advances in mathematics, computational linguistics, optics, robotics and telepresence. He built SNARC, the first neural network simulator, some of the first visual scanners, and the first LOGO "turtle." From his headquarters at MIT's Media Lab and the AI Lab (which he helped found), he continues to work on, as he says, "imparting to machines the human capacity for commonsense reasoning."
Marvin Minsky | Speaker | TED.com