科学家和发明家S. Wolfram认为，与传统的语音和书写相比，由于视觉带宽[2，p。2]，人们比传统的语音和书写更加丰富地使用视觉手段。 371-372]。
这表明了这样的结论，即准智能可能不是在技术发展上而是在我们的自然内，而是在相反的方向上，即自然智能（EI）降级到命令的机器执行水平，这是有可能的，这是有原因的。根据物理学家N. Gershenfeld的说法，人工智慧（AI）发展的下一阶段是人工智慧与自然智慧的融合[2，p.233]。 AI和EI的融合技术已经形成。例如，在一个实验中，将几只大鼠（3-4）的大脑联网，以根据接收到的数据解决计算问题，例如根据有关温度和气压的信息预测降雨，模式识别，感觉信息的存储和检索。在这种情况下，测试对象在成功计算的情况下将获得奖励。其实，根据科学家本身，它是被创造出来的用强化学习神经网络。在另一个实验中，科学家使用忆阻器将老鼠的大脑连接到一个神经网络，该神经网络通过火石（神经形态）微芯片实现，该微芯片通过互联网位于距受试者数百公里的地方。应该注意的是，这些实验之间的差异只有五年（第一次实验是在2015年进行的），这段短暂的时间预示着从EI过渡到EI与AI合并的显着转变。
无论从字面上还是在比喻上，这个方向都有着丰富的视角。美国国立卫生研究院-脑计划（NIH BRAIN）于2014年启动的项目涉及基于现代技术的大脑综合研究，并将新知识引入实践。在官方报告中该目标被强调：“我们的任务是了解引起精神体验和行为的神经活动的计划和模式。”
该计划的策略定义：
- 描述大脑并准确绘制神经元与神经胶质细胞之间连接的图；
- 在各种条件下和广泛的行为范围内测量链中细胞的动态活性；
- 使用该活动，测试有关链活动如何影响行为的因果假设；
- 使用强大的计算资源，分析和了解神经回路活动动态模式产生行为的机制。
最后一点在该项目中至关重要，即：使用强大的计算资源（请参阅可用的神经网络系统和超级计算机），学习预测行为。也就是说，学习如何将自然智能分析为人为的，并为它们的统一，组织和管理奠定基础。
我必须说，这项研究计划的财政预算很高-到2020年为5亿美元，然后到2025年每年为5亿美元[3，p。 120]，这意味着该计划可以涉及最严重的科学资源。
因此，如果事实证明简化EI（即破坏人类意识），则将生物和机械两个系统结合在一起的想法变得更加现实。由此得出结论，技术问题在于减少具有自我意识，情感和思维能力的生物学对象丰富的感官世界，从而减少了决定设备之间相互作用的技术交流（仪器相互作用）。
在这种情况下，值得一提的是D.K. Dennett的话：“人工智能寄生于人类智能。他无耻地吞噬了人们创造的一切……”-包括我们的恶习[2，p。83]，著名哲学家，意识概念的作者继续说，意识在其中以自我为叙事重心[4]。
我必须承认这个想法非常合适，因为今天的AI是一个统计对象，是一组数学函数，这些函数根据从人或关于人的接收到的数据创建一个有效（或无效）模型。如果一个人获得的数据中存在失真，那么学习神经网络也将以某种方式对失真做出反应，这看起来像是系统从外部向一个人的偏见。例如，旨在评估亚马逊“技术”职位候选人简历的人工智能故意歧视了女性。对十年数据进行了研究，其中的工作主要是男性。
我们可以明确地说，从主观上来说，一个人自己“越简单”，就越有可能根据所获得的统计数据准确地确定并预测他的偏好。
在不久的将来，我们应该关注相反性质的问题，即人或更确切地说是人类意识向虚拟空间的运动。对于那些在当前和未来的兴趣是AI的发展和对AI的控制的人来说，这是一个更加紧迫的任务。普林斯顿大学计算机科学，文化和技术教授汤姆·格里菲斯（Tom Griffiths）说：“我们有好的图像和文字模型，但缺乏人的好的模型，人类是思维机器的最好例子。” 178]。
在这里，有必要回顾一下上面写的内容，即：在BRAIN Initiative项目的框架内（见上文）创建一种在神经结构层面研究人类行为的系统方法。为了支持这一点，我们可以添加T. Griffiths的以下说法，即“通过识别形成人类认知的人类偏见”，可以使计算机更接近人类的能力[同上，第152页。 179]。
因此，对数字空间行为的研究不仅涉及对消费矩阵的实现进行量化和量化，以实现将其作为神经网络的训练模型，而且还首先涉及一个人的思维方式以及为什么要做“它”。这两种类型的行为之间的差异在于对AI后续发展路径的态度：第一种情况是消费者模型，第二种情况是认识论。有条件的二分法-消费/哲学家。我认为，这种二分法是专家对未来超级智能发展的设想的主要关注点：针对人类的攻击行动，直至破坏或进化为独立物种并共同存在。
结论
来自美国和加拿大各大学的一组研究人员创建了计算机模型能够从单个示例中学习（一次学习）。此功能从出生起就赋予了一个人，并且从小就可以使用。研究人员对各种示例进行了一系列的“视觉图灵测试”，他们的模型显示出创造性的概括，在许多情况下与人类行为没有区别。这是人类思维的基本标准之一：学习学习（“ learns to learning”），以前只有自然智能才可以使用。通过以这种方式开始学习，人工智能可以为其自身创造有利于自身发展的条件。对于AI而言，最有利的环境是虚拟空间，在虚拟环境中，我们会愉快地花费越来越多的时间，这将比人类具有明显的优势。
将人类意识转移到AI优于EI的空间中，例如计算速度上的巨大差距，这不是未来的问题，至少与目前为止，与著名电影“黑客帝国”的剧本无关。尽管A. Pentland相信有可能创建一个人类网络，但根据基于机器学习的神经网络的原理，选定的个体将在其中扮演神经元的角色，但科学家没有科学的方法来确保这种选择的透明度[2，p.263-279]。
在小鼠实验中我们已经看到了统一大脑结构的事实。计算机模型能够学习的事实也是一个事实。
如果将这两个功能结合在一起，您将获得美好的乌托邦式的未来愿景。基于人脑活体基质和嵌入该系统的自学习代理的神经形态计算网络，该网络还可以完全访问所存储信息的外部数据。在这种情况下，自然与人工智能融合的有效性将趋于最大化，而一个人是否同时仍将保持独立，这是一个问题。
PS乌托邦，可能很快就会成为一个地方
在东南亚人口稀少的某个地方，与周围的各种植物引起的景观暴动大相径庭，墙壁上挂着巨大的白色机库，上面带有奇怪的HBRT标志。该领土周围长达数公里，周围环绕着四米高的格子通电栅栏。周围没有一个活着的灵魂，只有自治的观察系统-属于私人军事公司黑石的无人机不时在该地区巡逻。
在机库中，在特殊条件下甚至成排排列的行列中，成千上万个具有连接的生命支持系统的人体，出于一个单一目的：它们都连接到一个神经网络中，而神经网络是一个充当超级计算机的活着的大脑。该“计算机”归人类大脑资源技术公司所有，其运营办公室位于新加坡最时尚的摩天大楼中。 HBRT是Goodle Corporation的子公司，该公司以前因进行人类意识实验而声名狼藉。现在，它已成为云服务和计算市场的领导者，但是该公司成功的主要秘诀是以全球最高的准确度预测和预测各种活动领域中的概率。
脚注：
顺便说一下，这个想法在Devs电视连续剧的流行文化中得到了体现，在第一集中，一群开发人员向雇主展示了基于活体样本数据分析的线虫动态行为的预测模型。
文献
1. Rozin V.符号学研究。M，2001，-256羽
2. Brockman J.人工智能-希望与恐惧。M，2020，-384羽
3.《 2025年大脑倡议》braininitiative.nih.gov/sites/default/files/pdfs/brain2025_508c.pdf
4. Dennett D.意识得到了解释。1991，-511羽