Более высокие музыкальные тона заставляют воспринимать одновременно предъявляемые зрительные объекты как более яркие, а более низкие тона – как более темные

https://www.psypost.org/musical-pitch-has-a-curious-effect-on-our-perception-of-brightness

OpenAI продолжает активную работу над проектом Q*/Strawberry, опасения за безопасность которого, вероятно, стали одним из триггеров конфликта групп Суцкевера и Альтмана в конце прошлого года. Это говорит о том, что грядущие модели класса GPT-5 по способности мыслить явно будут качественным шагом вперёд, а вот следущий уровень (условно "GPT-6", примерно через три года и стоимостью в диапазоне 10-100 млрд $) при набранном темпе действительно может оказаться уже близок к AGI. Это будет так, если мы находимся на экспоненте, а вот если мы, на самом деле, находимся на сигмоиде, то начнётся торможение, и прирост эффективности мышления GPT-5 над GPT-4 будет не такой большой, как ожидалось, аналогично и GPT-6 не станет сверхпрорывом к AGI относительно GPT-5, несмотря на рост стоимости обучения на порядки. Но пока никаких данных за то, что наша экспонента стала истощаться и вырождаться в стремящуюся на плато сигмоиду нет, все метрики продолжают подтверждать экспоненциальный рост. Тут можно вспомнить, что на когнитивном уровне люди плохо рефлексируют экспоненциальность роста (имплицитно предполагая его линейность), например, когда коронавирус в начале 2020 года распространялся по экспоненциальному закону, и отдельные люди, и правительства всех стран реагировали с существенным запозданием. Вероятно, именно это происходит прямо сейчас с ИИ, причём эта замедленная рефлексия касается и отдельных людей, и национальных правительств всего мира, и, что существенно, большей части экспертного сообщества когнитивистов и нейроученых.

https://m.hightech.plus/2024/07/15/novii-ii-ot-openai-poluchit-naviki-mishleniya-i-planirovaniya-svoih-deistvii

В пилотажном исследовании на небольшой выборке фокусированная низкоинтенсивная транскраниальная ультразвуковая стимуляция задней поясной коры привела к снижению функциональной связности хабов сети пассивного режима работы мозга (отвечающей за "блуждание разума") и увеличению чувства осознанности ("майндфулнес")

https://nplus1.ru/news/2024/07/16/tfus-default-mode-network

Получены новые доказательства человекоподобности логического мышления больших языковых моделей (причем в знаменитой среди психологов логической задаче выбора Уэйсона большие языковые модели даже превзошли людей)

https://techxplore.com/news/2024-07-large-language-human.html

Обзорная статья по использованию больших языковых моделей в психологических исследованиях (открытый доступ)

https://academic.oup.com/pnasnexus/article/3/7/pgae245/7712371

При обучении большой языковой модели техники улучшения её мышления, работающие на высоком "пост"-уровне Системы 2 (типа "Chain-of-Thought", "Rephrase and Respond", "System 2 Attention", "Branch-Solve-Merge") можно "впечатать" обратно на низкий уровень Системы 1 (это немного похоже на бернштейновскую автоматизацию двигательного навыка в психологии – в процессе обучения навыку сознание активно работает, а потом навык автоматизируется и сознание уже не нужно, т.к. навык уходит на более низкий бернштейновский уровень и там автономно функционирует уже без управления высшим – сознательным – уровнем; так и здесь, новый способ "впечатывания" Системы 2 в Систему 1 в процессе обучения большой языковой модели позволяет ей мыслить "постпроизвольно", когда сложная высокоуровневая мыслительная техника функционирует "автоматизированно" на более низком системном уровне).

Вообще, следует подчеркнуть, что развитие канемановской Системы 2 у больших языковых моделей – это, безусловно, важный аспект движения к искусственной психике и AGI.

https://arxiv.org/abs/2407.06023v2

Возможно, употребление кофе может частично компенсировать негативные последствия для здоровья от сидячего образа жизни

https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-024-18515-9

Общение с природой увеличивает просоциальность (альтруизм, помощь, благотворительность, кооперацию) через самотрансцендирование и снижение ориентации на материальные ценности

https://www.psypost.org/nature-contact-increases-prosocial-behaviors-through-self-transcendence

В издательстве Массачусетского технологического института выходит новая популярная книга по AGI – сильному (универсальному) искусственному интеллекту. Буквально за один год тема возможного скорого создания AGI (а потом и его саморазвития в ходе "интеллектуального взрыва" до ASI – сверхинтеллекта) из области научной фантастики внезапно переместилась в практическую область, и скорость хода Универсальной (Большой) Истории (по Акопу Погосовичу Назаретяну) явственно, осязаемо увеличилась до предсингулярного уровня. Вероятно, дальше нас всех ожидает, волна за волной, закономерное усиление общепланетного предсингулярного хаоса, который в итоге приведёт к бифуркации между полным уничтожением или переходом на качественно новую ступень развития.

https://mitpress.mit.edu/9780262549349/artificial-general-intelligence/

Критика возможности искусственного сознания с точки зрения принципа свободной энергии Карла Фристона.

Вообще, становится понятно, что, когда через несколько лет системы ИИ настолько разовьются, что будут проявлять все внешние признаки сознания, наука о сознании так и не сможет консенсусно сказать, есть ли за этими внешними признаками сознания внутренняя феноменальность или это только пустая оболочка, искусно мимикрирующая под сознание. К сожалению, мы видим сильное отставание науки о сознании от скорости развития ИИ, и нужны гении уровня Выготского, чтобы все-таки попытаться сократить разрыв.

https://neurosciencenews.com/consciousness-ai-neuroscience-26469

Новая теория "синергического рабочего пространства" примиряет и синтезирует две главные оппонирующие теории в современной психофизиологии сознания – теорию глобального нейронального рабочего пространства и теорию интегрированной информации

https://elifesciences.org/reviewed-preprints/88173v3#tab-content

Бета-волны в передней поясной извилине – новый маркер депрессии

Предвкушение получения вознаграждения (неважно, какого) является важным двигателем человеческих поступков и решений. У людей с депрессией механизмы, ответственные за этот процесс, зачастую нарушены. В новой работе, опубликованной в журнале Nature Сommunications, ученые исследовала механизмы предвкушения вознаграждения у двух групп пациентов – с эпилепсией и тяжелым депрессивным расстройством, которым были имплантированы глубинные электроды. Оказалось, что ожидание вознаграждения связано с появлением ритмов бета-диапазона (12-30 Гц) в передней поясной извилине. У людей с депрессивным расстройством представленность этих ритмов оказалась заметно снижена. Полученные данные могут стать полезными для дальнейшего улучшения диагностики и терапии психических заболеваний.

https://neuronovosti.ru/beta-volny-v-perednej-poyasnoj-izviline-novyj-marker-depressii/

Память каракатиц имеет такой же реконструктивный характер, как и память человека: у них можно сформировать ложные воспоминания

https://neurosciencenews.com/cuttlefish-false-memory-neuroscience-26465

Большие языковые модели предпочитают (в антропоморфизирующих терминах "им больше нравится") контент, сгенерированный не людьми, а большими языковыми моделями

https://arxiv.org/abs/2407.12856

Запах матери помогает мозгу младенца опознавать лица людей

https://neurosciencenews.com/olfaction-facial-recognition-26461

Сегодня Дэвид Чалмерс в своём блоге формализовал логический вывод возможности возникновения искусственного сознания на основании двух посылок:

1) biology can support consciousness.

(2) biology and silicon aren't relevantly different in principle [such that one can support consciousness and the other not].

therefore:

(3) silicon can support consciousness in principle.

Главная суть состоит во второй посылке, ведь если мы будем двигаться вглубь материи, то в какой-то момент разница между биологической материей и материей, организованный в виде компьютеров, исчезнет – на базовом уровне между ними совершенно нет принципиальной, непреодолимой границы.

Можно добавить, что, действительно, если мы так до сих пор и не поняли (и, видимо, уже не успеваем понять), на каком уровне мозг порождает сознание – на шкале от субкваркового уровня компонентов нейрона до уровня глобальных общемозговых гиперсетей, то странно говорить, что у ИИ не может быть сознания в принципе – ведь на субкварковом уровне ИИ от мозга точно не отличается)

Чалмерc понимает, что для развития сознания внутри современных больших языковых моделей есть существенные препятствия и ограничения, но думает, что их можно будет преодолеть за ближайшие 10 лет, и подчёркивает, что, в любом случае, к проблеме искусственного сознания надо относиться серьёзно.

Также примечательна его оценка в 10 лет, примерно столько, возможно, потребуется для создания полноценного AGI / ASI, если надо будет просто продолжать масштабировать существующие модели и инвесторы смогут выделить около 10 трлн $, чтобы купить миллионы видеокарт и построить питающие их мощные АЭС. В целом, получается, что предсингулярная эпоха уже вовсю идет, и она закончится бифуркацией между позитивным или негативным исходом в интервале от 2035 года (оптимистичная оценка) до 2045 года (консервативно-реалистичная оценка, на которую, вероятно, разумнее всего ориентироваться).

В JAMA вышел обзор метаанализов по медикаментозному и психотерапевтическому лечению депрессии у взрослых

https://www.psychologytoday.com/us/blog/finding-a-new-home/202407/the-latest-on-the-medications-and-therapies-that-treat-depression

Поздравляю нейроученых, психологов и всех причастных со Всемирным днëм мозга!

Илон Маск запустил самый мощный в мире ИИ-кластер co 100 тыс. Nvidia H100

Компания Илона Маска xAI начала обучение своих ИИ-моделей на Memphis Supercluster, самом мощном в мире кластере для обучения ИИ. Суперкомпьютер, расположенный в Мемфисе, оснащен 100 тыс. графических процессоров Nvidia H100 с жидкостным охлаждением. Маск надеется создать «самый мощный в мире ИИ» к декабрю этого года, и ИИ-кластер должен помочь в достижении этой цели. Между тем, Microsoft разрабатывают собственный суперкомпьютер Stargate стоимостью $100 млрд, который может превзойти Memphis Supercluster.

https://m.hightech.plus/2024/07/23/ilon-mask-zapustil-samii-moshnii-v-mire-ii-klaster-co-100-tis-nvidia-h100

Новая вдохновлённая машинным обучением аналогия: геном кодирует не чертёж, а генеративную модель организма

The Genomic Code: The genome instantiates a generative model of the organism

How does the genome encode the form of the organism? What is the nature of this genomic code? Common metaphors, such as a blueprint or program, fail to capture the complex, indirect, and evolutionarily dynamic relationship between the genome and organismal form, or the constructive, interactive processes that produce it. Such metaphors are also not readily formalised, either to treat empirical data or to simulate genomic encoding of form in silico. Here, we propose a new analogy, inspired by recent work in machine learning and neuroscience: that the genome encodes a generative model of the organism. In this scheme, by analogy with variational autoencoders, the genome does not encode either organismal form or developmental processes directly, but comprises a compressed space of latent variables. These latent variables are the DNA sequences that specify the biochemical properties of encoded proteins and the relative affinities between trans-acting regulatory factors and their target sequence elements. Collectively, these comprise a connectionist network, with weights that get encoded by the learning algorithm of evolution and decoded through the processes of development. The latent variables collectively shape an energy landscape that constrains the self-organising processes of development so as to reliably produce a new individual of a certain type, providing a direct analogy to Waddingtons famous epigenetic landscape. The generative model analogy accounts for the complex, distributed genetic architecture of most traits and the emergent robustness and evolvability of developmental processes. It also provides a new way to explain the independent selectability of specific traits, drawing on the idea of multiplexed disentangled representations observed in artificial and neural systems and lends itself to formalisation.

https://arxiv.org/abs/2407.15908