Эпистемологический анализ социогуманитарной значимости новаций искусственного интеллекта в контексте общего искусственного интеллекта

В последние годы возникли новые направления развития искусственного интеллекта (ИИ), поставлена задача создания общего искусственного интеллекта (ОИИ), который способен выйти за пределы «узкого» ИИ, обрести высокую степень автономности, самостоятельного решения задач в разных условиях внешней среды и таким образом иметь возможность выполнять функции естественного интеллекта. В связи с этим возникают важные философские и теоретико-методологические вопросы, касающиеся определения и оценки социальной значимости новых достижений ИИ, особенно под углом соотношения их социогуманитарных и технологических аспектов. Необходимо преодолеть сугубо технократический подход, который обычно игнорирует отрицательные последствия цифровизации, возможные риски и угрозы развития ИИ. Этому способствует парадигмальный разрыв между системой понятий, используемых для описания технологий, и системами понятий, специфичных для социогуманитарных описаний и объяснений. Возникает так называемый онтологический парадокс при цифровой трансформации и внедрении ИИ в социальные системы. Онтологический парадокс является также и эпистемологическим парадоксом, поскольку всякое утверждение онтологического типа предполагает его эпистемологическое обоснование. Для преодоления указанного разрыва успешно используется предложенная В.Е. Лепским концепция саморазвивающихся полисубъектных сред – кибернетики третьего порядка. Она позволяет создать концептуальный «мост» между двумя системами понятий, не имеющих между собой прямых Философия искусственного интеллекта логических связей. Продуктивным инструментом для этого может служить информационный подход, широко используемый для решения подобных междисциплинарных проблем. Он способен теоретически корректно связать технологические и социогуманитарные описания в единой концептуальной структуре и использоваться для анализа выделенных В.Е. Лепским основных социогуманитарных критериев оценки цифровых новаций. В статье подробно рассматриваются основные положения информационного подхода и его применения для разработки систем ОИИ, социогуманитарной оценки автономного развития ИИ и решения вопросов безопасности.

1. Анохин 2021 − Анохин К.В. В поисках фундаментальной нейронаучной теории // Журнал высшей нервной деятельности. 2021. Т. 71. № 1. C. 39–71.

2. Дубровский 2020 − Дубровский Д.И. Психические явления и мозг. Философский анализ проблемы в связи актуальными задачами нейрофизиологии, психологии и кибернетики / 2-е изд., доп. – М.: ЛЕНАНД, 2020.

3. Дубровский 2015 − Дубровский Д.И. Проблема «Сознание и мозг»: Теоретическое решение. – М.: Канон+, 2015.

4. Дубровский 2021 − Дубровский Д.И. Задача создания Общего искусственного интеллекта и проблема сознания // Философские науки. 2021. № 64. № 1. С. 13‒44.

5. Дубровский 2022 − Дубровский Д.И. Значение нейронаучных исследований сознания для разработки общего искусственного интеллекта (методологические вопросы) // Вопросы философии. 2022. № 2. С. 83−93.

6. Ефимов 2020 – Ефимов А.Р. Посттьюринговая методология: разрушение стены на пути к общему искусственному интеллекту // Интеллект. Инновации. Инвестиции. 2020. № 2. С. 74–80.

7. Лепский 2010 − Лепский В.Е. Рефлексивно-активные среды инновационного развития. ‒ М.: Когито-Центр, 2010.

8. Лепский 2017 − Лепский В.Е. Седьмой социогуманитарный технологический уклад ‒ контуры будущего человечества // Глобальный мир: системные сдвиги, вызовы и контуры будущего: XVII Международные Лихачевские научные чтения, 18–20 мая 2017 г. − СПб.: СПбГУП, 2017. С. 357–360.

9. Лепский 2018 − Лепский В.Е. Социогуманитарные критерии оценки новаций цифровой реальности // Социальное время. 2018. № 4 (16). С. 16−26.

10. Лепский 2020 − Лепский В.Е. Философско-методологические основания оценки социально-психологических последствий внедрения новых технологий // Психологический журнал. 2020. Т. 41. № 4. С. 105–108.

11. Сингх 2007 − Сингх С. Книга кодов. Тайная история кодов и их «взлома». – М.: АСТ, Астрель, 2007.

12. Dubrovsky 2019 − Dubrovsky D.I. “The Hard Problem of Consciousness”. Theoretical Solution of its Main Questions // AIMS Neuroscience. Vol. 6. No. 2. P. 85–103.

13. Fujiwara, Miyawaki, Kamitani 2009 – Fujiwara Y., Miyawaki Y., Kamitani Y. Estimating Image Bases for Visual Image Reconstruction from Human Brain Activity // Advances in Neural Information Processing Systems. Vol. 22. P. 576–584.

14. Makin, Moses, Chang 2020 – Makin J.G., Moses D.A., Chang E.F. Machine Translation of Cortical Activity to Text with an Encoder-Decoder Framework // Nature-Neuroscience Technical Report. 2020. Vol. 23. No. 4. P. 575−582.

15. Miyawaki et al. 2008 – Miyawaki Y., Uchida H., Yamashita O., Sato M.A., Morito Y., Tanabe H.C., Sadato N., Kamitani, Y. Visual Image Reconstruction from Human Brain Activity Using a Combination of Multiscale Local Image Decoders // Neuron. Vol. 60. No. 5. P. 915–929.

16. Shen et al. 2019 – Shen G., Horikawa T., Majima K., Kamitani Y. Deep Image Reconstruction from Human Brain Activity // PLoS Computational Biology. Vol. 15, no. 1, e1006633.