Не все учились в художественной школе, но рисовать хотят многие, особенно дети. Ученые доказали, что такая творческая деятельность снимает стресс, развивает мелкую моторику и развивает воображение. В этом случае вы сможете освоить простую технику рисования квадратами. Он основан на японских кроссвордах и схемах вышивки крестом. В этой статье мы поговорим о том, как рисовать в блокноте в клеточку.
Откуда пришла идея рисования по клеточкам? Люди, чье детство пришлось на 80-е и 9-е годы0-е, скорее всего, увлекались видеоиграми, построенными на пиксельной (точечной) графике: Dr. Mario, Tanks, Pacman, Donkey Kong. Многие из них знакомы современным детям, но знают ли они, что Марио не всегда был объемным? Итак, давайте разберемся, как рисовать в блокноте в клеточку.
Для работы могут понадобиться:
Взрослые часто разгадывают японские кроссворды. Если в доме уже есть собранные пазлы, просто скопируйте их в блокнот и раскрасьте. Этот способ подойдет для тех, кто только учится рисовать в блокноте в клеточку.
Можно использовать специальные шаблоны. Готовые схемы помогут новичкам в этом направлении рисования. Прежде всего, скопируйте и раскрасьте шаблоны. Позже вы обязательно научитесь рисовать самостоятельно.
Фрукты, нарисованные в клеточки, пирожные, кексы, мороженое выглядят забавно. Изобразить их не слишком сложно, так как здесь минимум деталей. Со временем вы научитесь делать их объемными и расставлять акценты в виде теней на объекте рисования. Чуть сложнее изобразить животных. Модный объект для рисования по клеточкам – кот Саймон из одноименного мультфильма. Дети также любят рисовать пингвинов, детенышей, кошку Китти, птиц из мультфильма Angry Birds, миньонов, сов. Подростки часто создают замысловатые готические 3D-дизайны. Очень красиво смотрятся мандалы с огромным количеством оттенков, переходящих из одного в другой. Для такого рисунка потребуется художественный талант и хорошее чувство цвета. Тренируйте и развивайте его в себе!
Эта задача сложнее. Подойдет для тех, кто хоть немного умеет рисовать в блокноте в клеточку, и имеет хоть какие-то художественные навыки. Рисуйте на обычной нелинованной бумаге. Это может быть что угодно. Начните с простых предметов. Со временем вы сможете усложнить себе задачу, используя при раскрашивании больше мелких деталей и разных оттенков.
Начать рисование по ячейкам с контуром. Перейдем к деталям позже. В процессе отметьте, какая часть каким цветом будет окрашена. Так будет легче не запутаться. Таким образом, девочки могут научиться создавать свои собственные схемы вышивки крестом.
Можно пойти другим путем и научиться рисовать, повторяя сложные схемы для вышивания. Таким образом, вы научитесь выделять множество деталей, различать сложные оттенки. 3D (объемные) рисунки по клеточкам – это высший пилотаж в этом деле. Вы сможете научиться изображать сложные геометрические фигуры, узоры, создавать плакаты своими руками для украшения своей комнаты.
Вы, наверное, удивитесь, когда узнаете, что даже портрет по фотографии можно нарисовать по клеточкам. Для этого вам понадобится компьютер с установленным Adobe Photoshop. Откройте редактор и загрузите в него свою фотографию. В верхнем ряду найдите кнопку «Фильтр». Нажмите здесь. Выберите «Галерея фильтров» в меню. Откроется окно, в котором нужно нажать на кнопку «Цветная плитка». Справа находятся ползунки. Их нужно подогнать таким образом: размер квадратов 10, рельефность 0. Затем нажать ОК.
Фотография будет разделена на ячейки. Сохрани это. Теперь вы можете потренироваться в сложном рисунке с большим количеством оттенков. Когда вы профессионально овладеете этим навыком, вы сможете рисовать лица людей, изображать изгибы тела с помощью правильно наложенных теней, создавать необычные шрифты. Такие навыки пригодятся тем, кто хочет в будущем освоить работу дизайнера.
Научившись рисовать рисунки по клеточкам в тетради, и отработав навыки, вы сможете заполнить ими свой личный дневник. Дети и подростки в школе и в социальных сетях устраивают конкурсы (баттлы) под названием «Рисуй-ка». Такие навыки помогают развивать образное и пространственное мышление.
Джин Мэри Сарате: 00:04
Привет и добро пожаловать на Tales From the Synapse , подкаст, созданный Nature Careers в партнерстве с Nature Neuroscience . Я Джин Мэри Сарате, старший редактор журнала Nature Neuroscience.
В этой серии мы говорим с учеными-мозговиками со всего мира об их жизни, исследованиях, сотрудничестве и влиянии их работы.
В этом заключительном эпизоде мы говорим с исследователем, который полон решимости понять, как материя мозга создает интеллект и почему от этого зависит будущее ИИ.
Джефф Хокинс: 00:42
Я Джефф Хокинс. И я основал компанию Numenta, которая занимается исследованиями. Это что-то вроде частной лаборатории. И мы проводим исследования в области теории мозга, в частности, понимая, как работает неокортекс и с чем он связан.
Мы также используем полученные знания о мозге и о том, как он работает, и применяем их для улучшения ИИ, искусственного интеллекта.
Так что это своего рода двойная миссия для компании. И я там главный научный сотрудник, а также один из основателей.
Джефф Хокинс: 01:20
Итак, у меня есть недавняя книга под названием Тысяча мозгов, новая теория интеллекта . Основное внимание в книге уделяется теориям того, что мы действительно поняли и о чем мы узнали, о том, как работает неокортекс.
И мы добились очень значительного прогресса. Мы писали об этом в журнальных статьях, рецензируемых журнальных статьях. Но чтобы охватить более широкую аудиторию и просто широко распространить информацию, я написал об этом книгу.
Таким образом, он охватывает основы того, как работает неокортекс, как мы думаем, как мы понимаем мир. Мы описываем наши открытия там,
Я также расширил книгу. Он в трех разделах. Первый раздел полностью посвящен мозгу. Второй раздел посвящен ИИ и тому, как будет развиваться будущее искусственного интеллекта, особенно после того, что мы узнали о мозге.
И затем третий раздел действительно немного более философский о будущем человечества и будущем интеллекта и разумных машин. И как мы можем думать о будущем человечества в более широком смысле. Таким образом, он охватывает много земли.
Джефф Хокинс: 02:31
Я думаю, вы могли бы сказать, что мы занимаемся реконструированием мозга. Но знаете, это означает, что перед нами эта штука, мы знаем, что она работает, у нас есть много данных о ней. У нас нет всех данных. У нас есть много вещей, которые мы не можем измерить в мозге. Но у нас есть много, огромное количество данных.
Итак, мы просто пытаемся понять, как работает эта штука? Что делают разные части и как они работают вместе? Это ничем не отличалось бы от того, если бы я дал вам компьютер, а вы ничего не знали бы, что такое компьютеры, и я сказал бы: «Ну, что он делает? И как оно это делает?»
Ну, это будет очень сложно понять. Но по прошествии многих лет вы, вероятно, сможете, понимаете, команды людей будут работать над этим, они смогут это понять. И это будет реверс-инжиниринг, как будто у нас есть теория о том, как работают компьютеры, теперь у нас есть теория о том, как работает мозг. Так что мозг, конечно, очень трудно изучать. Поскольку это живая ткань и особенно человеческий мозг, мы не можем постоянно вводить в них зонды.
Так что получить данные очень сложно. Но этого много. Так что да, мы реконструируем мозг. Это простой способ сформулировать все это.
Я изучал инженерное дело в бакалавриате. И сразу после окончания школы я устроился на свою первую работу в Intel в полупроводниковом бизнесе. И я сразу влюбился в мозги. Это произошло потому, что я прочитал статью Фрэнсиса Крика в Scientific American , выпуск за сентябрь 1979 года.
И он написал последнюю статью в этом номере. Это была отдельная проблема, посвященная мозгу. И он указал, что у нас есть все эти знания о мозге, все эти факты. Мы собрали факты. Это еще в 79 году. И тем не менее, не было никакой теории, лежащей в основе этого. Это было что-то вроде императора без одежды.
Типа да, вы знаете, мы говорили о том, что мы понимаем эту штуку, но понятия не имеем, как она работает.
И тогда я сказал: «Это увлекательная головоломка. Вот головоломка, у нас есть все эти части, но нет всеобъемлющей теории».
И я почувствовал. например, нет причин, по которым мы не можем сделать это при моей жизни. Нет причин, по которым мы не можем решить эту проблему, например: «Что делает мозг? И как оно это делает?» Очень подробным образом.
И я просто влюбился в эту идею. Потом я понял, что не думаю, что есть что-то более интересное или важное для работы, потому что все человеческие усилия основаны на мозге. Все, что мы когда-либо делали в искусстве и науке, литературе, гуманитарных науках и политике. Это все мозги.
А по факту ничего не понять. Только мозги понимают вещи. Только мозги задают вопросы. Поэтому мне казалось, что если мы не понимаем мозг, мы ничего не понимаем на самом деле. И поэтому это похоже на: «Вау, мы должны поработать над этим».
И я посвятил этому свою жизнь. Я стал аспирантом в Беркли, Калифорнийский университет в Беркли. И я быстро понял, что на самом деле невозможно быть исследователем-теоретиком мозга. Вам приходилось работать в лаборатории. Я не очень понял это. Я сказал: «Нет, я действительно хочу работать над теориями».
«Нет, нет, вы не можете этого сделать».
И так меня действительно заблокировали. И поэтому я решил вернуться в промышленность на несколько лет, я думал, что пройдет четыре года, прежде чем вернуться в академию. Но оказалось, что в конце концов я основал пару очень успешных компьютерных компаний: Palm Computing и Handspring.
А я работал над первыми мобильными компьютерами и первыми смартфонами. И это стало большим бизнесом. Но мне действительно нужно было избавиться от этого, потому что я хотел вернуться к мозгам.
Итак, я выбрал дату. И я сказал: «Хорошо, я оставлю это. Мне нужно просто вернуться к работе над мозгами».
Итак, затем я ушел, и следующее, что я сделал, сказал: «Что я буду делать?» У меня было несколько друзей-неврологов, и они сказали: «Почему бы вам не открыть институт, изучающий нейробиологию, теорию неокортекса?»
Так мы и сделали. Я сказал: «Это безумие, но почему бы и нет?»
Итак, мы создали Редвудский институт неврологии, который теперь находится в Калифорнийском университете в Беркли. И это все еще продолжается. Но я занимался этим несколько лет. И тогда я решил, что лучший способ для достижения моих личных научных целей — открыть независимую лабораторию. И это Нумента. И мы сделали это. И мы делаем это уже 17 лет.
Итак, вы знаете, человеческая нервная система — сложная штука. Это не одно и то же. Это все состоит из нейронов. Но он включает в себя все, от спинного мозга до большого мозга и так далее.
Итак, это несколько органов.
Если мы хотим подумать об интеллекте, нашей способности понимать мир и видеть мир, то некоторые части важнее других. И я должен быть очень, я собираюсь разозлить некоторых нейробиологов в этом ответе, потому что каждый заботится о своем маленьком кусочке, но я собираюсь дать своего рода общую картину.Самая большая часть человеческого мозга, мозга большинства млекопитающих — это неокортекс, который вы видите сверху.
Это большая морщинистая штука. Толщина около трех миллиметров, толщина от двух с половиной до трех миллиметров. Это большой лист ткани в складке. Вы видите все эти складки, потому что он подходит к вашему черепу и должен сморщиться, чтобы соответствовать вашему черепу.
А неокортекс связан со всем нашим восприятием, зрением, слухом и языком. Он создает наш язык. Когда мы думаем о вещах, когда мы что-то планируем, это неокортекс. Это действительно орган разума. Есть и другие очень важные части: гиппокамп, энторинальная кора и так далее.0003
Так что этот орган, к счастью, неокортекс имеет очень правильную структуру. Хотя он довольно большой, он размером с обеденную салфетку и толщиной три миллиметра. У него очень повторяющаяся структура.
Значит, это не просто сгусток клеток. У него очень подробная архитектура. Если вы посмотрите на три миллиметра, вы увидите очень специфические типы клеток, соединенные очень специфическим образом. Это довольно сложно. Но это осложнение одинаково почти везде в коре. Что, как ученый, если мы хотим понять, как что-то работает, это великое, прекрасное открытие, потому что нам не нужно думать, что каждая часть неокортекса делает что-то совершенно другое.
Это действительно похоже на «Нет, они все делают одно и то же». И первым, кто указал на это, был известный нейрофизиолог по имени Вернон Маунткасл.
И он буквально, он написал это знаменитое эссе еще в 50-х годах, я думаю, что это было, где он сказал, знаете ли, (нет, 70-е годы, извините), когда вы сказали, вы знаете, выглядит, « Похоже, везде работает один и тот же алгоритм. Итак, зрение и слух, осязание и язык — на самом деле это один и тот же основной процесс, один и тот же сложный алгоритм, но почему-то они все одинаковые. И если мы поймем, что это за процесс, мы все поймем».
Это была настолько революционная идея, что многие в нее не поверили. И многие в это поверили. Но просто никто не мог толком представить, что это за алгоритм, что вообще происходит.
Вернон Маунткасл пошел еще дальше и сказал, что неокортекс разделен на так называемые столбцы и мини-столбцы.
Это сбивает с толку. Но вы можете подумать о столбцах около миллиметра, где-то между полмиллиметра и миллиметра в диаметре, они охватывают три миллиметра. Итак, они примерно три миллиметра в глубину или два с половиной миллиметра в глубину и миллиметр в ширину.
И это похоже на повторяющийся элемент. Итак, вы знаете, в человеческом мозгу около 150 000 колонок. И это становится элементом, который мы хотим понять. В корковом столбце около 100 000 нейронов. И это своего рода элемент обработки.
Это сбивает с толку, потому что они даже подразделяются на так называемые мини-колонки, которые очень похожи на волоски и действительно связаны с тем, как мозг развивался внутриутробно. Где нейроны появились в виде маленьких цепочек, так что в каждом мини-столбце около 120 клеток.
И Маунткасл сказал, что они тоже работают. Но никто не понял, что они собой представляли. Итак, у вас есть этот большой лист клеток, который отвечает за все, он выглядит одинаково, почти везде одинаково. Не совсем так, но довольно близко.
А это разбито на 150 000 столбцов, столбцы разбиты на пару сотен мини столбцов. И, и это похоже на большую головоломку. Мы должны быть в состоянии понять это.
Конечно, неокортекс нельзя понять изолированно. Есть много других вещей, в которые мы могли бы углубиться, но они довольно подробные, таламус и то, как он взаимодействует с эторинальной корой и гиппокампом.
Но в первом приближении самого высокого уровня мы можем сказать, что можем понять, что такое неокортекс. И мы можем понять в принципе, как мозг понимает мир и как он мыслит? Потому что это орган, который делает это.
Итак, наше представление о том, как работает мозг, развивается и развивалось. И тем не менее, область нейронауки не объединилась здесь вокруг одной идеи. Хотя мы предлагаем, я предлагаю очень специфический способ думать об этом.
И это содержание моей книги Тысяча мозгов . Я думаю, что самый доминирующий сейчас способ думать — это своего рода иерархическая обработка.
Итак, представьте, что вы смотрите на что-то, а на сетчатке позади ваших глаз есть изображение.
Он перевернут, что интересно, но не имеет большого значения. А еще есть эти клетки в сетчатке, которые проецируют то, что они ощущают, в часть неокортекса.
Почти сразу. Проникает в таламус, но попадает прямо в неокортекс. И тогда идея в порядке, так что это похоже на эту картину, то есть она проецируется частью вашей неокортекса, а затем происходит то, что одна часть неокортекса обрабатывает этот ввод от глаз.
И затем он передает свой вывод другому разделу неокортекса, который обрабатывает, что-то делает, а затем обрабатывает, отправляет его в другой отдел вашей коры.
И после того, как вы сделаете это примерно четыре раза, мозг узнает, на что вы смотрите.
Там вроде иерархическая обработка. И это было доминирующим мнением о многом, но для многих людей, о том, как работает мозг, как работает неокортекс, в течение долгого времени. Есть много доказательств, подтверждающих это.
Современные нейронные сети в ИИ, когда люди распознают зрение, работают примерно так.
Но я думаю, что это в корне неверно. Дело не в том, что иерархии не существует. На самом деле суть нашей работы и теорий, которые мы продвигаем, заключается в том, что мозг не смотрит на статические изображения.
Мы ничего не делаем статически. Мы постоянно движемся, мы постоянно, не только мы двигаем глазами три раза в секунду, и входы мозга постоянно меняются.
И мы не думаем между этими изменениями. Мы не делаем снимки, снимки, снимки.
Когда мы смотрим на мир, мы действительно видим вещи в разных местах и в разных местах. И поэтому движение имеет решающее значение. Вы можете думать о том, когда вы касаетесь чего-то, вы вообще не можете понять это, не двигая пальцами. Итак, мы двигаем пальцами по поверхности, опять же, подумайте о том, что это не просто изменение рисунка наших пальцев, мы говорим, что мозг — это сенсорно-моторная система, что означает, что он воспринимает вещи, но он движется.
Итак, двигатель и сенсорика одновременно. И кора должна знать, где в мире находятся ее сенсоры и как они двигаются.
Итак, вы не можете понять мир, просто думая о нем как о куче снимков или картинок. Это, вы должны понимать, что мозг постоянно в невероятных деталях отслеживает, где в пространстве он смотрит и где он чувствует, и как постоянно двигаются ваши пальцы и глаза.
Итак, это сенсомоторная система. Эта идея сенсомоторного обучения и сенсомоторного логического вывода не нова, но она еще не проникла в литературу по нейробиологии. Я имею в виду, люди говорят: «О да, это должно быть так». Но теории мозга и теории того, как он работает, на самом деле этого не учитывают.
Есть некоторые исключения в работе, выполненной в так называемых ячейках места и ячейках сетки, но на самом деле это не неокортекс.
И это просто не просочилось в тему типа: «Эй, мы должны понять, как работает мозг как сенсомоторная система».
Итак, в двух словах, мы обнаружили, что ранее я говорил об этих корковых колонках. Каждая из этих корковых колонок представляет собой законченную сенсорно-моторную систему обучения.
Каждый отслеживает, где находится его вход в пространстве, в мире. Он буквально отслеживает, где в локации, в каком-то пространстве, есть разные места, откуда исходит его ввод.
И по мере изменения ввода он узнает, где в пространстве возникли эти ощущения. И он строит модель того, что его посылает. Итак, кора головного мозга — это система построения моделей, она, по сути, изучает модель мира и модель всего в нем.
Все, что мы знаем и с чем взаимодействуем, у нас в голове есть модель. Но делает это через движение и в инкорпорированном пространстве помимо просто ощущения.
Это очень большое изменение в том, как большинство людей думают о том, как работает мозг? Ни один учёный не скажет: «О, это неправда». Но я бы сказал, что это просто не просочилось ни в какую, почти никакую нейробиологию. Это большая область, поэтому я не могу ничего сказать, но подавляющее большинство нейробиологов не думают об этом таким образом.
Итак, мы выяснили множество деталей того, как это происходит на самом деле и как это делают нейроны. Как они узнают, где они находятся в космосе? Как они строят эти модели? Как они компенсируют такие вещи, как наклон головы и т. д.? Это действительно увлекательно.
Но на самом деле мозг — это сенсомоторная система обработки информации. И каждый столбец коры на самом деле выполняет полное сенсомоторное моделирование.
А теперь иерархия, помните, я говорил ранее об иерархии, ну, это действительно так. Информация передается из области в область коры. Но мы не просто передаем шаблоны, мы передаем целые модели, мы говорим, я могу узнать, скажем, букву, а потом кто-то другой складывает их в слова. А потом вы строите предложения.
Это не просто пространственные паттерны, это как трехмерные модели или, например, «У моего компьютера есть клавиши, экран и мышь. И все они имеют положение в пространстве и так далее».
Итак, мозг всегда обрабатывает. Это построение моделей трехмерных объектов, двухмерных объектов или одномерных, но многомерных объектов. И строить их иерархически, и это наша модель мира. И все это основано на движении.
Так что многое нужно усвоить. Но если вы просто хотите запомнить одну вещь, мозг — это система сенсорно-моторной обработки.
И мы должны думать, придавать равную меру тому, как мозг понимает движение, а не только то, что поступает от датчиков.
Джефф Хокинс: 16:41
Знаешь, это весело посещать нейробиологические лаборатории, потому что в некоторых из них есть электронные микроскопы, в некоторых есть эти секвенаторы, в некоторых, знаете ли, бегают все эти животные вокруг и делать все эти сумасшедшие вещи, вы знаете.
Лаборатория теоретика довольно скучная, правда, по сравнению с этим. У нас есть компьютеры, у нас есть доски. На наших досках очень весело писать, знаете, немного математики, много анатомии и структурных схем мозга. и так далее.
Итак, я думаю, вы знаете, типичная вещь, которую вы можете найти в нашем офисе, это мозги. Многое известно об анатомии мозга, подробной анатомии. Итак, как и в случае с неокортексом, буквально тысячи статей были написаны о том, какие бывают типы клеток, где они расположены, как они связаны друг с другом, как они могут работать и так далее. .
И у нас повсюду есть их фотографии. И мы рисуем их вручную и пытаемся понять, что происходит в этих разных вещах.
Но в остальном это довольно скучно. Я полагаю, это похоже на посещение лаборатории физика-теоретика, понимаете, этот блокнот и карандаш, и что-то писать на доске. Это похоже на это.
Одну вещь мы сделали, что необычно, очень необычно, я думаю. Мы решили, как однажды сказал один из членов нашей команды, он сказал: «Почему бы нам не сделать запись наших лабораторных собраний. И размещайте их на YouTube».
И, типа, это нефильтрованные лабораторные протоколы. Это похоже на то, что мы собираемся вместе и спорим друг с другом, и мы, знаете ли, рисуем друг друга на картинках и обсуждаем разные вещи.
И мы начали это делать. И я сказал: «Кто захочет это смотреть?»
Ну если получается много желающих посмотреть. И я думаю, что было интересно в этом то, что я не знаю, чтобы какая-либо другая лаборатория занималась этим. Это похоже на то, что большинство людей думали, что это как ваше грязное белье, вы знаете, мы хотим столкнуться? Вроде все знаем.
Мы знаем, будем честными, у нас нет этого материала, понимаете, не значит.
Но какое-то время мы так и делали. Итак, мы сделали кое-что интересное. Мы не делали этого в последнее время, потому что в последнее время работа велась над вещами типа ИИ. Но вы действительно можете увидеть, каково это быть в нашем офисе. Они есть на YouTube, и вы можете их откопать.
Искусственный интеллект пережил настоящее возрождение за последние 10-15 лет, в основном из-за того, что у нас есть. .. не то что не столько новых алгоритмов, хотя их много. Но это также и потому, что компьютеры стали очень большими. И мы смогли собрать много данных.
Таким образом, в современном ИИ преобладают искусственные нейронные сети, иногда называемые сетями глубокого обучения. Этой идее уже 50 лет.
И они были чем-то вроде того, что я упоминал ранее, они берут серию искусственных нейронов и передают в них информацию. Затем он обрабатывается, а затем передается на другой уровень, а затем еще на один уровень, еще на один уровень.
И если бы я собирался сделать систему распознавания изображений, я бы сделал это, может быть, 100 раз. И тогда я могу классифицировать изображение того, что это такое. Теперь они расширили его до естественного языка, генерируя изображения и генерируя язык. Результаты очень впечатляют, что люди сделали в последнее время. Удивительно, какой прогресс был достигнут.
Но лидеры в области ИИ, большинство из них, я бы сказал, большинство действительно основателей, которых вы знаете, люди в области ИИ, не верят, что эти сети разумны. Они знают, что не только не работают так, как работает мозг, но и имеют серьезные ограничения.
Они очень хорошо имитируют разные вещи, но понятия не имеют, что делают. Это не так, у них много проблем, они не гибкие. Они не могут, они совершают ошибки, которые никогда бы не совершили люди.
Они не обобщают. Вы знаете, вы не можете дать им какой-то открытый неструктурированный вопрос или проблему для работы. Они могут дурачить людей, но на самом деле они понятия не имеют, что делают.
И так, и так, среди многих старших ученых в области искусственного интеллекта существует убеждение, что нам нужны новые подходы.
И здесь у нас будут ограничения, несмотря на то, насколько это хорошо и насколько ценно. Это не совсем настоящий ИИ. Это не похоже на то, чтобы быть умным.
И так много людей действительно хотят построить по-настоящему умные машины, такие, что нам не нужно оправдываться и говорить, что они действительно не понимают, что делают.
Теперь, чтобы не повторяться, я хочу подчеркнуть, что нынешние системы ИИ намного лучше людей во многих вещах, знаете ли.
Но мы больше не восхищаемся компьютером, который лучше нас справляется с арифметикой, и нам не следует восхищаться компьютером, который может распознавать изображения лучше нас. Вы знаете, большие компьютеры, много энергии, много данных, вы можете делать что угодно.
Но его не хватает, многого не хватает. И это просто не мое мнение. Но это и чужие. Я чувствовал это всю свою жизнь, я чувствовал себя так. «Эй, если он не работает как мозг, он не будет разумным». И системы, которые мы используем, эти искусственные нейронные сети довольно примитивны.
Но это современный уровень техники. Это увлекательно. Это здорово. Но это также ограничено. И довольно много людей думают, что нам нужно пойти дальше этого. И я думаю, что наша работа будет плодотворной в этом стремлении выйти за рамки этого.
Джефф Хокинс: 21:37
Итак, давайте остановимся на ИИ и снова подумаем об ИИ таким, какой он есть сегодня. И что мы хотим, чтобы оно было в будущем?
Итак, сегодняшний ИИ очень ценен. Мы смогли использовать принципы работы мозга, то, что узнали о продаже мозга. Части нашей теории, не всей теории, но части наших теорий, и применить их к существующим системам искусственного интеллекта, существующим искусственным нейронным сетям.
Таким образом, нейроны, которые они используют в искусственных нейронных сетях, очень примитивны. Но если мы применим к этому больше биологических подходов, мы сможем сделать традиционные системы ИИ намного лучше.
У нас сейчас этим занимается целая команда. Они могут использовать эти языковые модели с этими вещами, то есть с моделями естественного языка, которые сегодня преобладают в ИИ.
И мы можем заставить их работать в 100 раз быстрее, использовать гораздо меньше памяти, снизить задержку. Это значительный прогресс, это те же самые модели, это то же самое, что они делают.
Но мы можем стать лучше. Это важно, потому что эти модели такие большие, они потребляют огромное количество энергии, их просто невероятно дорого эксплуатировать.
Итак, мы смогли взять принципы работы мозга, ускорить и улучшить их. И я могу рассказать о том, как мы это сделали. Это довольно интересно. Но мы смогли это сделать.
Но с другой стороны, нас это не устраивает. Мы не собираемся останавливаться на достигнутом. Мы действительно хотим создавать по-настоящему интеллектуальные машины. Итак, у нас есть еще одна группа людей в Numenta, которая работает над сенсомоторным моделированием, сенсомоторным выводом, теорией четырех тысяч мозгов, если хотите. И вот мы здесь. То есть в некотором смысле это более исследовательская работа, потому что это область, которая еще не совсем развита, но мы знаем, что нам нужно делать.
Итак, мы добились больших успехов и в этом, о чем мы говорим: «Хорошо, будущее ИИ будет построено на сенсорно-моторном моделировании, сенсорно-моторном выводе».
Он не должен быть похож на робота или что-то в этом роде. Но половина принципов понимания того, что знание хранится в местах в пространстве внутри мозга
Это сложно, но идея о том, что знание структурировано, изучается путем выборочного движения в пространстве.
Итак, мы делаем фундаментальные первые попытки создания программного обеспечения, которое работает таким образом. На практике, а также в том, что моделирует ключевые принципы, лежащие в основе, мы полагаем, что они происходят в неокортексе.
Так что эта работа еще немного продвинулась, а это означает, что потребуется еще несколько лет, чтобы она стала действительно важной с коммерческой точки зрения, но мы добились в ней хорошего прогресса. Так что это захватывающе.
Насколько мне известно, я уверен, что мы являемся одной из ведущих исследовательских лабораторий в мире, которые занимаются сенсомоторным моделированием и сенсомоторным выводом и основывают его на принципах неокортекса.
Итак, я верю, что это будет основополагающая работа. И один из способов думать об этом, если вы думаете о компьютерах и о том, как они развивались.
И именно в 1940-х, может быть, в конце 30-х, такие люди, как Алан Тьюринг и Джон фон Нейман, придумали принципы вычислений.
Они не знали, как построить компьютер. Они понятия не имели, как это сделать. Но идея алгоритмов, работающих на машинах и прочее, они придумали, и это «О, черт возьми, это будет грандиозно».
А потом потребовалось много времени, чтобы превратиться в настоящие компьютеры. Ну, мы на том, что мы немного вышли из этой стадии прямо сейчас. Но мы как бы в той эпохе, в которой живем.
И мы выяснили, как устроен мозг, и что значит думать, и как понимать мир. И мы говорим: «Хорошо, мы должны построить это».
Итак, мы только начинаем это делать. И наш прогресс будет намного быстрее, чем на заре вычислительной техники, потому что у нас есть огромная технологическая база для работы.
Но это в ту эпоху. Так что я думаю, что работа, которую мы делаем сейчас. Если я спрошу себя, возьмем этот век. Вы знаете, что середина века будет полностью изменена искусственным интеллектом. Мы можем говорить о хорошем и плохом в этом. Но он будет полностью преобразован искусственным интеллектом точно так же, как во второй половине 20-го века компьютеры изменили его.