Попытка подогнать гениального собеседника под собственное представление о главном!

Сильно удивился — встретиться и побеседовать с самым выдающимся лингвистом XX века и так плохо подготовиться.

Нет, я конечно понимаю, что цель была другая, целью не было задать самый острый научный вопрос, цель была — показать, как ярого оппоцизионера политическому мейнстриму в США не подвергают гонениям.

Но все же можно было — ну для маскировки и оттенения главной цели — задать самый главный вопрос, ради чего вообще стоило разговаривать с этим человеком, все-таки прежде всего он звезда лингвистики первой величины XX века.

Самая главная тема звучит так:

в свое время Хомски однозначно высказался против статистических и когнитивных моделей, выразившись еще в 1969 году предельно ясно: «Необходимо признать, что концепция «вероятности предложения» является совершенно бесполезной, при любых интерпретациях этой фразы.» И почти пятьдесят (!) лет позже, совсем недавно, уже после успеха статистических движков и нейродвижков в 2017 году на симпозиуме «Brains, Minds, and Machines» приуроченного к 150-летию MIT, профессор Ноам Хомски высмеял апологетов машинного обучения, старающихся добиться успеха в статистических моделях, как-то имитирующих явления реального мира, но даже не пытающихся понять смысла этих явлений.

Вот перевод его тонкой издевки над апологетами машинного обучения в ответ на вопрос Сивена Пинкера:

Ноам Хомски:

В вычислительных когнитивных науках в последнее время выработалось некое определение успеха, которое является совершенно новым за всю историю науки.

Успехом называется аппроксимация данных, не подвергающихся осмыслению.

Представим себе, например, изучение коммуникации пчел таким подходом. Вместо проведения сложных экспериментов, которыми занимаются ученые, изучающие эту тему, они знаете ли полетели бы на этот остров, попытались бы обнаружить след запаха и какие-то маркеры явлений и т.п., можно было бы взять кучу видеоматериала о том, как роятся пчелы, и как-то очень интенсивно все это статистически проанализировать, и тогда возможно удалось бы получить очень хорошее предсказание того, что вероятно будут делать пчелы, когда они в следующий раз будут роиться, возможно даже более точное, чем получилось бы у ученых, изучающих поведение пчел. Но вы знаете, ученые бы не обратили на это исследование никакого внимания, потому что они не пытаются делать ничего подобного.

Но со статистикой, вероятно, получалось бы тем лучше и лучше, чем больше видеозаписей добавлять к анализу.

Я хочу сказать, что так и физикой можно заняться, ну вместо того, чтобы изучать какие-то абстрактные шары, катящиеся по плоскостям без трения, которых в природе вообще не существует, можно было бы взять огромное количество видеозаписей того, что происходит за окном, там знаете ли листья падают и и еще что-то происходит, и начать все это очень интенсивно анализировать, и так можно было бы получить довольно точное предсказание того, что произойдет в следующую секунду, причем наверняка более точное, чем кто-либо на кафедре физики мог бы предвидеть.

Ну что я вам скажу — это понимание успеха является, по-моему новым, ничего подобного ранее в истории науки мы не наблюдали.

В этом смысле, конечно, это типа какой-то успех, и если вы почитаете литературу по машинному обучению, то многие статьи поданы как какой-то вид такого успеха.

Но если взглянуть на них повнимательнее, то то они являются успехом только в этом особенном смысле, а не в смысле, который когда-либо интересовал научную мысль.

Но я согласен с тем, что этот способ дает возможность аппроксимировать данные не подвергая их осмыслению, я имею в виду весь этот анализ корпуса, и все такое.

Другие примеры мне не известны.

Так выразился Ноам Хомски, просто жестко потроллил нейрообучателей, и наглядно проиллюстрировал свою позицию.

Тут бы я и задал на месте Познера вопрос — который бы звучал так: «Я совсем недавно брал интервью у Ольги Усковой, основателя компании Cognitive Technologies, этот русский стартап сделал самый лучший в мире распознаватель образов для беспилотного автомобиля, в сочетании с дополнительными радарами точность распознавания объектов и ситуации на дороге у них превышает 97%, что лучше, чем у человека. И уже ездят в России беспилотные трамваи и беспилотные комбайны с «мозгами» Cognitive, которые ничего на самом деле не понимают, но тем не менее комбайн с таким управлением убирает поле без участия человека совершенно замечательно.

Вместе с тем переводчики продолжают утверждать, что наоборот ошибок понимания в нейродвижках больше, чем в статистике, хотя и выглядит гладко, и на первый план снова выходит не складывание слов, а понимание предметной области и возможность проверить точность оригинала.

Хотя текст получается настолько гладким, что те кто платят за перевод, страшно рады сэкономить и в результате труд человека, который осмысливает и ошибок не допускает, обесценивается — а ошибки ну и пусть, если общий смысл понятен (слава Богу, что не везде так можно, но давление ощущается по всему фронту).

Так вот, внимание — вопрос: если мы видим, что чисто инженерное решение (а никакой, конечно, не искусственный интеллект) работает уже лучше, чем осмысленный человек, или по крайней мере сильно помогает ему, то значит ИИ еще не будучи создан уже местами лучше работает, чем настоящий интеллект?

И значит прав Норвиг, который провел анализ вашего ответа Стивену Пинкеру и обширную, обоснованную контрагументацию? Что бы вы ему ответили, в двух словах, чтобы поняли ширнармассы?

Мне кажется, этот вопрос был бы интереснее, чем все заданные Познером, ведь он касается всех нас никак не меньше, чем то, что Познер счел самым главным, а на мой взгляд больше.