Представленный нами набросок нейросетевой теории мотивированного поведения требует дальнейшей детальной проработки и внедрения в системы ИИ. Хотя уже существуют модели, которые охватывают отдельные аспекты описанных процессов и используются для моделирования целенаправленного поведения человека, включая последствия повреждения мультизадачной сети. Однако существующие разработки не в полной мере отражают сложные сценарии, где множество действий, мотиваций и долгосрочных целей оказывает продолжительное влияние. Также не раскрыт механизм, при помощи которого для достижения общей цели создаются подцели. Например, планирование семейного отпуска требует решения промежуточных задач: выбор направления, согласование дат со всеми участниками, покупка билетов, поиск жилья и т. д. – причем эти действия могут растягиваться на дни и недели. Создание моделей, способных охватить такую долгосрочную целенаправленную деятельность, – важнейшая область будущих исследований в области ИИ и когнитивной нейронауки.

Несмотря на эти пробелы, мы полагаем, что изложенные идеи о мозговых механизмах представления и достижения целей открывают путь к созданию более гибких и масштабируемых систем ИИ. Большинство современных систем ИИ опирается на алгоритмы обучения, которые максимизируют вознаграждение и минимизируют ошибки (глава 9). При этом информация о функциях вознаграждения и ошибок задается извне программистами. Альтернативный подход – разработка систем, способных ограничивать свои действия на основе активного стремления к цели с использованием описанных нами взаимных связей. Для создания таких систем потребуются будущие инновации, включая двунаправленные соединения и менее требовательные к данным алгоритмы обучения.

Рассмотрев мышление и мотивацию, обратимся к третьей области, по отношению к которой студент Гаурава был настроен скептически.