Часть III. Цифровой интеллект В первых двух частях мы поговорили про то как программируемые децентрализованные сети решают проблему координации и доверия, снижая таким образом транзакционные издержки в экономике. Теперь поговорим про искусственный интеллект и и начнём с определения интеллекта у людей и машин. Интеллект имеет сотни определений, например: “Способность учиться от опыта”, “Умение адаптироваться в жизни”, “умение понимать сложные идеи, учиться, логически мыслить и решать проблемы с помощью мысли”. Общей чертой почти всех существующих определений интеллекта является (1) взаимодействие человека с некой внешней проблемой, ситуацией или средой и (2) позитивный исход этого взаимодействия, заключающийся в получении выгоды, решении проблемы, достижении цели. Таким образом, интеллект можно определить как мера способности агента достигать цели в различных средах. Марвин Мински (1985): “Умение решать сложные задачи” Бен Гёрцель (2006): “Достижение сложных целей в комплексной среде” Важно, что в данном эссе мы не говорим о какой-то конкретной архитектуре искусственного интеллекта — будь то нейронные сети, символические вычисления и так далее, — но нашей задачей является определить возможности таких систем. Поскольку любая ИИ система должна достигать цель, то способом обучения и проверки этого события является функция награды. Награда (fitness функция, локальный минимум градиентного спуска, loss) является необходимой частью процесса тренировки и измерения ИИ. Таким образом мы можем взять определение интеллекта и представить ИИ как машину, способную (1) достигать цели в (2) непредсказуемой среде. (1) является результатом выбора действия (череды действий) с максимальной ожидаемой дисконтированной во времени функцией награды. Например, самый вероятный токен/слово в предложении, самый вероятный пиксель в картинке, самый вероятный план постройки термоядерной электространции. (2) определяется как мера вероятности сред, в которых агент оперирует. Различные работы ссылаются на принцип Парето, концепцию бритвы Оккама или, более формально, Колмогоровскую сложность для определения вероятности конкретной среды. Из этих принципов следует, что более простые по своему устройству среды наиболее вероятны. Таким образом, нам удалось определить (не ограниченный в способностях) искусственный интеллект без прибегания к эзотерическим лозунгам и метафизическим концепциям души и тонких энергий. Что, совместно с первой частью, посвященной проблеме координации и доверия, является необходимым компонентом кибернетической экономики. Дальше поговорим о росте количества интеллекта и автономных агентах, и их влиянии на экономику. Программируемая (кибер-) экономика: Часть I, Часть II, Часть III