До сих пор в этой книге мы, как создатели нейросетей, закрепляли за конкретными понятиями определенные элементы (например, один элемент — за кока-колой, другой — за сладостью). Однако у мозга нет возможности опираться на интеллект внешнего конструктора. Он должен уметь функционировать самостоятельно. В третьей части мы опишем нейросети — как биологические, так и искусственные, — которые учатся работать без помощи разработчиков, распределяющих роли между нейронами вручную.

В главе 7 мы обратимся к этому вопросу, исследуя, как мы, люди, учимся наделять смыслом окружающий мир. Видя существо, плывущее в пруду, мы можем распознать в нём рыбу и составить представление о её свойствах, даже если внешне она отличается от всех виденных нами ранее рыб. Как наш разум делает это? Изучая репрезентации в мозге человека, смотрящего, к примеру, на рыбу, мы обнаружим, что за образ рыбы не отвечает какой-то один конкретный нейрон. Вместо этого мозг использует паттерны активации множества нейронов. Паттерн для одной рыбы похож на паттерн для другой, но отличается, скажем, от паттерна для дерева. Такие паттерны активации, называемые распределенными представлениями, оказываются чрезвычайно важными и лежат в основе нашей способности осмыслять окружающий мир. В главе 7 мы увидим, как распределенные представления возникают в простых искусственных нейросетях, обучающихся по простому общему принципу, который мы называем обучением с исправлением ошибок. Мы также увидим, как эти сети позволяют смоделировать то, как возникает понимание мира в первые годы жизни, а также то, как оно распадается при тяжелых заболеваниях мозга.

Принцип обучения, который мы рассмотрим в главе 7, также лежит в основе поразительных возможностей больших языковых моделей (LLM). В главе 8 мы обсудим, как LLM используют этот же принцип для обретения неожиданных, эмерджентных когнитивных способностей. Это даст нам возможность рассмотреть как эмерджентные когнитивные способности машин, так и наши собственные когнитивные способности, а также рассмотреть, в чём они схожи, а в чём различаются.

В главах 7 и 8 мы опираемся на мощный принцип обучения, детально не рассматривая конкретные механизмы его реализации — будь то в мозге или в системах ИИ. Поскольку наша конечная цель — понять лежащие в основе этих процессов механизмы, в главе 9 мы обратимся к этому вопросу. Мы опишем концепции и эксперименты из области нейронаук, объясняющие отдельные аспекты того, как учится мозг, и рассмотрим алгоритмы, используемые в искусственных нейросетях — как в тех, что мы применяли для моделирования семантического познания человека в главе 7, так и в архитектурах современных систем ИИ, включая LLM.