НАТУРАЛЬНЫЙ ИНТЕЛЛЕКТ
проект по сохранению и передаче опыта людей вокруг нас
Тема передачи опыта между людьми очень важна, особенно когда речь идет о том, чтобы сделать этот процесс максимально эффективным и полезным для общества. Если рассматривать обучение языковых моделей искусственного интеллекта , то оно действительно опирается на данные, созданные относительно небольшой частью населения Земли – теми, кто активно создает цифровой контент, пишет тексты, публикует материалы в интернете и так далее. Это может создавать определенные ограничения и искажения в представлении мира, который формируется у этих моделей.
Мне кажется важным работать над тем что бы опыт большего количества людей, а особенно тех кто нас вдохновляет , попадал в общую базу знаний , так как это приведет к :

1. Разнообразию опыта. Опыт разных культур, социальных групп и поколений сильно отличается. Например, люди, живущие в сельской местности, могут иметь совершенно иной взгляд на мир, нежели жители мегаполисов. Их знания и навыки могут оказаться полезными для решения различных задач, но они редко представлены в цифровых данных, на которых обучаются современные нейросети.

2. Увеличение инклюзивности. Чем больше людей будет вовлечено в создание контента, тем шире станет кругозор моделей, основанных на машинном обучении. Включение опыта людей из разных слоев общества позволит моделям лучше понимать различные контексты и адаптироваться к разнообразным ситуациям.

3. Передаче знаний и традиций. Традиционные знания и практики часто передаются устно от поколения к поколению. Однако многие из них постепенно утрачиваются из-за глобализации и урбанизации. Важно сохранять эти знания и передавать их будущим поколениям, а также интегрировать их в системы искусственного интеллекта, чтобы обеспечить преемственность культурного наследия.

4. Обогащение обучения. Когда модели получают доступ к большему количеству разнообразных данных, они становятся более гибкими и способны решать задачи в самых разных контекстах. Это улучшает качество решений, принимаемых на основе таких моделей, и делает их полезнее для всех членов общества.

Так же, когда мы говорим об обучении и мотивации людей , важную роль играет окружающий нас социальный контекст. Люди склонны учиться быстрее и эффективнее, когда видят примеры успеха среди тех, кого они знают лично или хотя бы чувствуют близость с ними. Этот феномен известен как социальное доказательство — склонность человека следовать действиям других людей, полагая, что те знают правильный путь.
Вот несколько аспектов, почему опыт близких людей помогает снижать барьеры для применения новых образцов поведения:

1. Эмоциональный отклик
Когда человек видит, как знакомый ему человек достигает успеха благодаря определенному поведению или навыку, он испытывает эмоциональный отклик. Это может вызывать чувство вдохновения, желания повторить успех или даже зависть, которая становится стимулом для действий. Эмоции играют ключевую роль в мотивации, поэтому личный пример оказывает сильное влияние.

2. Практическая применимость
Часто бывает сложно представить, как абстрактные советы или теории могут работать в реальной жизни. Но когда мы видим, как кто-то из нашего окружения успешно применяет эти идеи, это дает нам уверенность в том, что это возможно и для нас. Мы начинаем верить, что можем добиться аналогичных результатов, потому что уже видели, как это работает.

3. Доступность информации
Личный контакт с человеком, имеющим успешный опыт, предоставляет возможность получить подробную информацию о том, как именно был достигнут результат. Можно задать вопросы, уточнить детали, узнать о трудностях и способах их преодоления. Такая информация гораздо ценнее, чем общие рекомендации из книг или статей, поскольку она основана на реальном опыте.

Поэтому и родился проект « Натуральный Интеллект» как проект по сохранению и передаче опыта людей вокруг нас.

Это интервью с людьми которые не обязательно известные или публичные . Это опыт который может быть полезен тем , кто в нем заинтересован и сохранен для остальных.

Олег Ипатюк
исследователь и инвестор
Made on
Tilda