Мозг против мозга. Mind vs brain полностью

Последние три десятилетия ознаменовались невероятным ростом технических возможностей. Представьте себе: полная вычислительная мощность космического корабля «Аполлон» была меньше, чем мощность нынешнего смартфона. Люди старшего поколения восхищаются этим, а более молодое поколение не видит в этом ничего необычного. Но эти понимание и простота приборов кажущиеся. Во-первых, из-за чрезвычайной сложности и приборов, и софта они сделаны максимально, как говорится, user friendly (дружественными). Так, некоторые, на самом деле простейшие, функции представляются интуитивно ясными и логичными; молодежь усвоила эту логику с игрушек. Во-вторых (и это главное), приборы просты, когда вы используете наиболее простые и хорошо запрограммированные их возможности. Эти же приборы пасуют, когда задача становится чуть сложнее (например, до сих пор нет хорошей программы- переводчика).

Казалось бы, для языка, где все по правилам (нет исключений), бери формальную грамматику и словарь – и дело в шляпе. На самом деле это не так. Нужны еще посторонние и немалые знания, не заложенные в программе. Таких примеров множество. Naked conductor runs under the carriage – «голый кондуктор бежит под вагоном» или «неизолированный кабель проходит под тележкой»? И то и другое правильно, но абсолютно различно. Чтобы выбрать правильный вариант, необходимы дополнительные знания, которыми должен обладать человек.

В современной науке это, пожалуй, одна из ключевых проблем. Мы находимся в огромной моральной зависимости от машины. Нам кажется, что она не ошибается и дает правильный результат. Как ни странно, это абсолютно верно. Но мы большей частью не умеем правильно задавать вопрос и правильно трактовать ответ. Надо понимать, что практически все современные компьютеры – это электронно-вычислительные машины, которые не умеют думать, а могут только вычислять по четко заданной программе. Любая программа, в свою очередь, имеет определенные, жестко заданные ограничения на входную информацию и, как правило, очень чувствительна к нарушению этих требований. Например, при использовании параметрической статистики, если входные данные должны иметь нормальное распределение и независимость измерений, а у вас это не выполнено, то результат неверен, хотя и правильно сосчитан. Машина все сделала как надо. Это мы «лопухнулись». Причем в последнее время, как видно из научных статей и выступлений, это происходит все чаще.

Почему? Когда 150 лет назад Анджело Моссо делал пионерские работы по изучению реакции мозгового кровотока на психологические стимулы, он видел значимую реакцию прямо на самописце. Ему не приходилось производить с сигналом какие-либо вычисления или преобразования. Когда Н.П. Бехтерева исследовала обнаруженный ею механизм детекции ошибок, сигнал в каждом последующем испытании практически повторялся. Так было и бывает всегда при изучении важных, основополагающих явлений.