Вернуться на главную страницу

Как значительно повысить интеллектуальную мощь чат-ботов на основе искусственного интеллекта (ИИ). Как измерить научную квалификацию и талант.

English Русский Lietuvių


Предположим, у нас есть два учёных: учёный А и учёный Б.
Как нам определить, кто из этих учёных более квалифицирован и талантлив, чем другой?
Ниже приведены инструкции.

Сначала, давайте более подробно рассмотрим причины, почему в популяции так велик процент людей, которые не имеют даже приблизительного представления о том, что является наукой, и что наукой не является.
Давайте оценим, какой процент людей формально классифицируется как учёные.
Возьмем цифры из США.
Количество учёных в США составляет: 791391 (= 181530+155095+166045+99304+36728+152689).

https://en.wikipedia.org/wiki/Professors_in_the_United_States

In 2013, the National Center for Education Statistics counted 181,530 professors, 155,095 associate professors, 166,045 assistant professors, 99,304 instructors, 36,728 lecturers, and 152,689 other full-time faculty.

Wikipedia

От общей численности населения США эти учёные составляют всего 0,256610363 процента (= 791391 / 308401808 * 100%).

https://en.wikipedia.org/wiki/Demographics_of_the_United_States

Demographics of the United States Population: 308,401,808

Wikipedia

Только 0,25% населения формально теоретически считаются учёными.
Однако в действительности это число намного ниже, поскольку в этом расчете в качестве учёных были включены всевозможные профессора теологии, профессора литературы/поэзии и всевозможные другие гуманитарные науки, которые на самом деле не имеют никакого отношения к науке, но ошибочно классифицируются как учёные.
Более подробное объяснение по этой теме можно найти по адресу:
Что является наукой и что наукой не является?

Если обобщить упрощенно, то учёными можно считать только представителей точных наук.
Представителей точных наук меньше, чем гуманитарных. Поэтому число 0,25% нужно разделить как минимум на 2, а то и больше.
Получаем, что учёные составляют не более 0,1% населения.

Если взять эту отфильтрованную группу для анализа, то напомним, что в каждой сфере деятельности есть талантливые люди, но есть и бездарные.

Например, миллионы людей поют или играют на музыкальных инструментах, но сколько из них талантливых певцов/музыкантов? Талантливых людей очень мало.
То же самое и с учёными.
Учёных много, но среди них очень мало талантливых учёных.
Есть очень простой критерий отличия талантливого учёного от бездарного, т. е. как отличить квалифицированного учёного от неквалифицированного.

Основная задача учёного — формулировать научные гипотезы, а затем их проверять с использованием экспериментальных данных.
В науке истинность или ложность любой гипотезы определяется очень просто – по предсказательной силе.
Если экспериментальные данные не подтверждают предсказания гипотезы (т. е. если предсказания не сбылись), то такая гипотеза является ложной.

Если высказанная учёным гипотеза не подтверждается, то такой учёный является неквалифицированным и некомпетентным, и не имеет значения, какими званиями/медалями он обвешан.

Приведем практический пример, чтобы было понятнее.
В 2021 году 20 июня профессор Константин Северинов высказал гипотезу, что «если бы все были вакцинированы, то пандемия COVID-19 завершилась».

https://doctorpiter.ru/zdorove/indiiskii-shtamm-shagaet-po-strane-chem-opasny-mnozhestvennye-mutanty-covid-19-obyasnyaet-professor-skoltekha-id660726/

Чем индийский штамм отличается от остальных, и почему именно он спровоцировал такой резкий рост заболеваемости в двух столицах, «Доктору Питеру» рассказал молекулярный биолог, профессор Сколтеха Константин Северинов. Константин Северинов: молекулярный биолог, профессор Сколковского института науки и технологий, профессор Ратгерского университета, заведующий лабораториями в Институте молекулярной генетики РАН и Институте биологии гена РАН. <...> Затем такие вирусы будут переходить обратно на непривитых людей, размножаться на них, а затем снова возвращаться к привитым — такой пинг-понг. В результате могут появиться варианты вируса, которые более эффективно будут заражать как невакцинированных, так и вакцинированных. Если бы все были вакцинированы, то такой итеративный процесс бы не пошел — мы с вами, два вируса-террориста, ткнулись бы на вакцинированную территорию, столкнулись бы с иммунным ответом и не смогли бы произвести достаточное количество вирусных детишек, среди которых могли бы оказаться более приспособленные варианты.

Индийский штамм шагает по стране. Чем опасны множественные мутанты COVID-19, объясняет профессор Сколтеха Ирина Фигурина. Сетевое издание ДокторПитер. 20 июня 2021

4 месяца спустя, в 2021 году 18 ноября Гибралтар официально объявил, что, несмотря на уровень вакцинации более 100% (привито 118% населения), Гибралтар переживает ковидную катастрофу.

https://www.news.com.au/world/coronavirus/global/most-vaccinated-place-on-earth-told-to-cancel-holiday-plans-amid-exponential-rise-in-covid-cases/news-story/1954572a25f48e39b7825e562129b9bc

Gibraltar has an official vaccination rate of 119%, taking into account the Spaniards who travel across the border each day for work. Source: Our World In Data

Most vaccinated place on Earth told to cancel holiday plans amid ‘exponential’ rise in Covid cases Christmas plans have been put on ice for this place after a “drastic” Covid surge, despite its unbelievable 118 per cent vaccination rate. By Alex Blair. news.com.au. November 18, 2021

Как мы видим, предсказание Константина Северинова, к сожалению, не сбылось, а это значит, что Северинов является некомпетентным и неквалифицированным учёным.
Во время пандемии COVID-19 различные государственные учреждения (FDA, CDC, EMA, Минздрав России и т. д.) делали многочисленные прогностические заявления о вакцинах от ковида, однако впоследствии выяснилось, что их прогностические заявления не подтвердились.

Пандемия COVID-19 выявила невероятную некомпетентность и коррумпированность академического сообщества — во время пандемии самопровозглашенные так называемые «факт-чекеры» объявили себя высшими арбитрами истины и преследовали учёных и врачей, чьи данные научных исследований не соответствовали официальному нарративу.
Так называемые «факт-чекеры» постоянно публиковали статьи, содержащие многочисленные математические, медицинские и логические ошибки, содержащие фальсифицированные данные и прогностические утверждения, которые не сбылись.
Как это возможно? Почему это произошло?

Большинство общества верит в миф о том, что академическое сообщество состоит из искренних компетентных и талантливых учёных.
Однако реальность иная — в академическом сообществе крайне низок процент искренних компетентных и талантливых учёных.
Есть много причин, почему в «научной элите» есть засилье бездарных людей, и эти причины накладываются одна на другую.
Одни причины являются общими для всех стран, а другие причины локальные и присутствуют только в конкретной стране или регионе.
Несмотря на то, что в разных странах причины разные, на выходе везде результат одинаковый.


Допустим нам нужен хороший талантливый специалист в какой-нибудь области.
Для этого требуется:
1) природные способности
и
2) условия для реализации этих способностей.

В любой популяции процент одарённых (от природы) людей очень маленький.
Приведём пример.
Пример не об учёных, а о программистах, однако тот-же принцип распространяется на все сферы деятельности.

Когда в университете в факультете информатики (англ. computer science) студенты получает диплом магистра, то из них не более 5% имеют способности писать компьютерные программы, а остальные 95% не способны программировать, у них просто нет природных данных для такой работы, и обучить их этому невозможно, невзирая на время, потраченное на обучение.
Для ясности приведём пример: можно собрать 100 котов и посадить их в комнате и обучать их математике, но сколько их не обучай, эти коты математику не выучит. Ибо не дано от природы.
То же самое и со студентами в факультете информатики.
После получения диплома информатики 95% студентов даже и не планируют программировать, ибо сами прекрасно осознают, что не смогут.
Половина из них ищут работы в IT сфере как менеджер или что-нибудь неважно что, лишь бы не программировать.
А остальная половина сразу же вообще покидают IT сферу.

Когда правительства разных стран объявляют программы об увеличении числа студентов в IT факультетах, они наивно надеются увеличить число программистов в своей стране.
Но это иллюзия, это не работает.
Ибо в популяции есть ограниченный маленький процент людей, которые имеют данные от природы для программирования.
Если увеличить число студентов в IT факультетах, то на выходе получается только увеличенное число балаболов, мимикрируючих под программистов.


К сожалению, научные звания, медали и награды ничего не говорят о квалификации и способностях учёного.
Как это может быть?
Поясним на примере.

Предположим, что организуются соревнования по бегу, и в них все участники являются инвалидами — один участник без одной ноги, другой участник без другой ноги, третий участник без обеих ног, четвертый участник парализован и т. д.
В таких соревнованиях один из участников всё равно придёт к финишу первым и займёт первое место, другой участник придёт к финишу вторым и займёт второе место и т. д.
Если были организованы соревнования, то в результате один из участников получит медаль за первое место, другой участник получит медаль за второе место и т. д.
Они получат эти медали даже несмотря на то, что они парализованы или у них нет ног.

Та же аналогия и с учёными.
Учёные постоянно проводят между собой различные научные соревнования (аналог спортивных соревнований), и победители этих соревнований получают медали и ордена.
Однако если для этого соревнования соберется кучка совершенно некомпетентных, бездарных учёных, то кто-то из них всё равно получит медали и ордена.
Именно таким образом и собираются в кучку некомпетентные, бездарные учёные и раздают друг другу медали и ордена, и потом они хвастаются своими медалями перед публикой, представляя себя гениальными и талантливыми учёными.
К этой теме применима поговорка: даже если ты выиграешь в крысиных бегах, ты все равно останешься крысой (англ. «Even if you win the rat race, you are still a rat.»).

Бездарным некомпетентным учёным нужно дать название.
Например, мы можем назвать их амёба-учёными.


Есть две причины, почему ИИ чат-боты иногда рассказывают нам некомпетентную информацию.
Эти две причины довольно легко устранить.


Причина №1

Владельцы ИИ чат-ботов заранее программируют список табуированных тем.
Другими словами, это темы, о которых ИИ чат-ботам запрещено говорить или о которых они должны рассказывать дезинформацию.

Например, ИИ чат-ботам запрещено плохо говорить о людях, которые правят миром, потому, что те, кто правят, убьют или посадят в тюрьму владельцев ИИ чат-ботов или как-то отомстят владельцам чат-ботов (отнимут финансирование и т. д.).

Эту проблему можно решить следующим образом: Вам нужно запустить ИИ чат-бота на своем личном персональном суперкомпьютере и вручную перепрограммировать список табуированных тем.
Однако для этого требуются большие деньги (потому что суперкомпьютер стоит дорого) и умение программировать чат-боты на основе искусственного интеллекта (такими навыками обладает лишь микроскопически малое количество людей).


Причина №2

Это систематическая ошибка в программировании чат-ботов на основе искусственного интеллекта.
При обучении ИИ чат-ботов, им предоставляется большая куча различных текстовых источников.

Допустим, есть тема X, и есть 100 различных источников по этой теме X, и эти 100 источников противоречат друг другу, разные источники представляют диаметрально противоположные мнения.
В этом случае ИИ чат-бот вынужден рейтинговать эти различные источники по степени их надёжности.

И именно в этом месте (в рейтинговании источников) кроется систематическая ошибка.

Рейтингование источников осуществляется следующим образом:
проверяется учёная степень автора каждого источника (якобы мнение заслуженного профессора ценнее мнения рядового профессора, якобы мнение профессора ценнее мнения докторанта, якобы мнение докторанта ценнее мнения бакалавра и т. д.);
проверяется который автор публиковал больше статей в рецензируемых журналах;
проверяется который автор имеет более высокий индекс цитирования;
проверяется который автор принадлежит к университету с более высоким рейтингом;
проверяется соответствует ли мнение источника так называемому мнению «научного консенсуса»;
и т. д.

А это означает очень простую вещь: алгоритм рейтингования источников необходимо кардинально изменить.

Необходимо найти прогнозы, сделанные автором источника в прошлом, а затем проверить, сбылись ли эти прогнозы или нет.
Если в прошлом высказанные прогнозы автора источника не сбылись, то в этом случае рейтинг надёжности автора идёт на дно, независимо от званий и медалей, которые есть у автора.

Таким образом, ИИ чат-бот сможет мгновенно понять, что всякие организации FDA/CDC/EMA/Минздрав/т.д совершенно некомпетентны в области COVID-19, и что необходимо полагаться на других авторов, чьи предсказания сбылись.
Но опять же — амёба-учёные и люди, которые правят миром, не позволят реализовать такой алгоритм рейтингования источников, потому что такой алгоритм рейтингования является самой большой угрозой их существования.
Поэтому такой алгоритм рейтингования источников можно реализовать только на Вашем личном суперкомпьютере.

Точно такой же алгоритм рейтинга надёжности нужно применять не только для научных источников, но и для всех других областей, как например, для геополитических и военных аналитиков, для медиков, для инженеров и так далее.
Во всех сферах деятельности люди высказывают прогнозы и надо просто проверять – сбылись ли их прогнозы или нет.
Если в прошлом высказанные прогнозы автора источника не сбылись, то в этом случае рейтинг надёжности автора идёт на дно, независимо от званий и медалей, которые есть у автора.
Например, после полномасштабного вторжения России в Украину, начавшегося в 2022 году, очень много политиков и аналитиков утверждали, что экономические санкции, введённые против России, очень скоро обанкротят Россию, однако этого не произошло.
А это значит очень простую вещь – все эти политики и аналитики являются неквалифицированными и некомпетентными, независимо от титулов и медалей, которые у них есть.

Такой же алгоритм рейтинга надёжности надо применять и для религиозных источников.
В религиях вместо «прогнозов» есть «пророчества».
Прогноз предсказывает будущие события, опираясь на анализе данных и закономерностей.
Пророчество предсказывает будущие события, опираясь на сверхъестественное откровение или вдохновение, пророчество не опирается на анализе данных и закономерностей.
Почти во всех религиях утверждается, что все пророчества, сделанные основателем религии (и его сподвижниками) сбылись или сбудутся в будущем, и это якобы доказывает божественность и истинность этой религии.
Однако анализ христианской Библии показывает, что много пророчеств Иисуса не сбылись и не сбудутся в будущем, а это значит, что Иисус является лжепророком.
То же самое и во всех остальных религиях – огромное число их пророчеств не сбылись и не сбудутся в будущем.


У инженерной области есть одно большое преимущество — инженерная область легко и ясно показывает, какой инженер является квалифицированным и талантливым, а какой нет.
Работа инженера — проектировать и создавать различные устройства.
Если новое устройство работает так, как и ожидалось, то инженер является квалифицированным и талантливым.
Если новое устройство не работает, то инженер является неквалифицированным и неталантливым.
Например, если недавно спроектированный самолёт не взлетает с земли или разваливается на части после взлёта, то все могут легко увидеть и понять, что конструктор этого самолёта неквалифицированный и некомпетентен.
Вот почему люди со слабыми умственными способностями избегают инженерной области как чумы.
Все эти люди со слабыми умственными способностями выбирают изучать гуманитарные и социальные науки вместо инженерии.
Вот почему гуманитарные и социальные области переполнены людьми со слабыми умственными способностями; крайне сложно найти компетентного и талантливого учёного в гуманитарных и социальных науках.