Психологи давно спорят, как человек приходит к базовому пониманию мира. Одно из ключевых исследований на эту тему принадлежит когнитивному психологу Элизабет Спелке. В своей работе она ставит под сомнение традиционный взгляд, будто всё человеческое знание приобретается исключительно через опыт, и выдвигает гипотезу о врождённых когнитивных системах.
На основе экспериментов Спелке доказывает: фундаментальные представления о мире — например, о том, что предметы не проходят сквозь друг друга и не исчезают бесследно — начинают проявляться уже в самые ранние месяцы жизни. По её мнению, это не результат обучения, а часть врождённого аппарата человека. Получается, у нас как будто уже есть встроенное ядро знаний о физике, на которое потом наслаивается опыт.
И тут возникает любопытный вопрос: как с этим справляется искусственный интеллект? У нейросетей нет врождённого понимания физики — им доступны только массивы данных, в том числе обычные картинки и видео. Способна ли такая система самостоятельно выделить из миллионов пикселей отдельные объекты, построить внутри себя что-то вроде физического движка и предсказать, куда упадёт брошенный мяч, даже не зная ни одной формулы?
Современные ИИ действительно добились впечатляющих успехов на этом пути. Некоторые модели научились предсказывать движение объектов в видео, восстанавливать их траектории и реагировать на изменившиеся условия. Смотрим на экран, где мяч летит к земле, — и сеть уже «знает», что он продолжит падать, а не взлетит вверх. Визуально это выглядит как настоящее понимание физики.
Однако здесь и кроется главная ловушка. Хорошая визуальная экстраполяция — это ещё не истинное понимание природы вещей. Сеть может безошибочно предсказывать тысячи знакомых ситуаций и теряться при встрече с чем-то, чего не было в обучающих данных. Спелке показала, что человеку для старта нужно врождённое ядро знаний; у нейросети такой опоры нет, и она вынуждена опираться только на статистические закономерности в данных.
Поэтому пока ответ скорее осторожный: нейросети неплохо подражают физическому миру по внешним проявлениям, но разница между имитацией и пониманием остаётся огромной. И это важный повод задуматься о том, что отличает человеческое познание от машинного обучения — и какие ограничения из этого следуют для будущего искусственного интеллекта.
